La conformidad AI Act en selección ya no es un tema lejano. Si su equipo usa IA para filtrar, ordenar o valorar perfiles, el riesgo ya está dentro.

Conformidad AI Act en selección: por qué ya le afecta

La conformidad AI Act en selección no empieza en 2026. Empieza cuando su ATS ordena currículos, cuando un bot responde preguntas o cuando una prueba marca una puntuación. Ahí ya hay decisión asistida. Y ahí ya hay obligación de control. La pregunta es simple: ¿puede demostrar quién decide al final? Si la respuesta es vaga, el problema ya está en la mesa. El espacio de actualidad de RR. HH. ayuda a seguir el ritmo de estos cambios.

El Reglamento 2024/1689, conocido como AI Act, trata ciertos usos de IA en empleo como de alto riesgo. Eso no significa prohibición automática. Significa más orden. Más trazabilidad. Más pruebas. Menos improvisación. La AEPD insiste en un punto muy claro: la supervisión humana no puede ser decorativa. Si un sistema influye en acceso al empleo, usted necesita documentación útil, no relatos bonitos.

Esto afecta a los triados automáticos, a los asistentes conversacionales, a las herramientas de análisis de vídeo y a ciertas pruebas psicométricas cuando se integran en un flujo digital. La conformidad no va de miedo. Va de control. Y control significa saber qué hace cada sistema, con qué datos, con qué criterio y con qué margen de revisión.

Qué mira un auditor interno

Un auditor no busca solo contratos. Busca evidencia. Quiere ver registros, criterios de uso, responsables, fechas de revisión y límites del sistema. También quiere saber si su equipo de selección entiende cuándo parar una recomendación automática. ¿Su proceso tiene ese freno? Si no lo tiene, la presión crecerá en cuanto entren más candidaturas o más automatización.

• Identifique cada sistema de IA usado en selección.
• Documente la función exacta de cada herramienta.
• Separe sugerencia automática de decisión final.
• Defina quién revisa los casos dudosos.

Dónde aparecen los fallos más caros

Los fallos suelen aparecer en lo cotidiano. Un filtro de CV que excluye por palabras mal configuradas. Un chatbot que promete demasiado. Una prueba que no tiene trazabilidad suficiente. O un proveedor que cambia el modelo sin avisar. La conformidad AI Act en selección exige vigilar esos cambios. No solo el lanzamiento inicial. El ciclo completo. La compra. El uso. La revisión. La salida.

AI Act en selección: qué calendario real debe seguir

Muchos equipos miran 2026 y creen que hay margen. No tanto. La preparación seria lleva tiempo. Hay inventarios que hacer. Contratos que revisar. Procesos que limpiar. Y personas que formar. Según una guía publicada en 2026 por Digital Recruiters, algunas organizaciones ya trabajan con auditorías sobre 300 decisiones automatizadas y renegociación de contratos en 60 % de los casos antes de agosto de 2026. El dato es útil por una razón: muestra escala, no teoría.

Otra referencia difundida en 2026 por Skillevos habla de una lista de 47 puntos, conservación de registros durante 6 meses y formación certificada para 70 % del equipo de selección antes de agosto de 2026. Son números concretos. Y enseñan algo importante: el calendario no se mueve solo. Se prepara.

2025, 2026 y 2027 no significan lo mismo

En 2025, el foco está en ver todo lo que ya usa IA. Sin excusas. En 2026, toca ordenar pruebas, supervisión humana y trazabilidad. En 2027, el objetivo es consolidar revisiones internas y control de proveedores. Si espera al último tramo, pagará dos veces: una por la urgencia y otra por corregir errores.

1. 2025: inventario completo de herramientas y usos.
2. 2026: documentación, pruebas y control humano real.
3. 2027: auditoría interna, revisión de cláusulas y mejora continua.

Qué cifras conviene tener ya delante

La cifra que más importa no es la del comunicado. Es la suya. ¿Cuántas herramientas usan datos de selección? ¿Cuántas decisiones pasan por una recomendación automática? ¿Cuántas personas pueden explicar el proceso sin ayuda? Si no lo sabe, no tiene control. Y sin control, no hay defensa sólida.

Una herramienta puede ordenar miles de CV en segundos. La pregunta no es si puede. La pregunta es si usted puede probar cómo lo hizo.

Conformidad AI Act en selección: qué debe vigilar en sus pruebas

Si usa pruebas de selección, revise algo más que la nota final. Revise la lógica. Revise la justificación. Revise la cadena de custodia del dato. En muchas empresas, el problema no está en la prueba. Está en el uso que se hace de ella. Una prueba psicométrica sin contexto puede convertirse en una mala excusa para descartar talento. Eso choca con la conformidad AI Act en selección y también con una gestión seria de RR. HH.

Si quiere comparar herramientas con más criterio, puede revisar el catálogo de pruebas de SIGMUND y valorar qué aporta cada solución a su proceso real.

Datos, sesgos y supervisión humana

Un sistema de IA no solo procesa datos. También puede amplificar sesgos. Por eso conviene comprobar qué variables usa, qué excluye y qué deja fuera. La CNIL ha reiterado en distintas orientaciones que la explicación del tratamiento y la intervención humana no pueden quedar vacías. Aunque el marco sea europeo, la lección sirve igual: si nadie puede revisar el resultado, el riesgo sube.

• Revise qué datos alimentan la herramienta.
• Defina qué sesgos puede introducir.
• Exija trazabilidad de cada cambio del proveedor.
• Prepare una vía de revisión humana clara.

Pruebas psicométricas y control documental

Las pruebas bien usadas dan señal. Las pruebas mal usadas generan ruido. Por eso necesita documentos simples. Finalidad. Tiempo de conservación. Responsable interno. Criterio de interpretación. Si no está escrito, no existe. Y si no existe, no se puede defender. La conformidad AI Act en selección empieza por ahí. En lo que puede enseñar sin pestañear.

La siguiente parte debe bajar a tierra: lista de control, evidencias, roles y revisión de proveedores. Ahí se juega el resultado. Ahí se ve si la IA está bajo control o si solo parece estarlo.

Soluciones concretas para cumplir con la IA en selección

La salida no es improvisar. La salida es ordenar. Primero, defina dónde entra la IA en su proceso. Después, escriba qué hace. Luego, qué no hace. ¿Filtra perfiles? ¿Ordena por puntuación? ¿Sugerirá rechazo? Cada función cambia el nivel de control. El artículo de Taleva recuerda una exigencia simple y dura: el rechazo automatizado no puede quedar sin supervisión humana. Eso obliga a revisar el flujo completo, no solo la herramienta.

Si quiere avanzar sin ruido, empiece por una matriz de uso. Una fila por herramienta. Una columna por finalidad. Otra por dato tratado. Otra por responsable interno. Así evita el clásico “nadie sabía quién lo aprobó”. Y sí, eso ocurre más de lo que parece en selección, sobre todo cuando la urgencia manda.

Qué documentar desde hoy

Documente el proveedor, la versión, la fecha de puesta en marcha, el criterio de decisión y el punto exacto de revisión humana. Añada el motivo operativo. No necesita literatura. Necesita pruebas. La guía de AI Act Blog insiste en validar los datos de entrenamiento para reducir sesgos de ±15 %. Ese dato no sirve para decorar. Sirve para exigir métricas claras al proveedor.

Qué revisar con el proveedor

Pregunte por la explicabilidad, los límites y la gestión de versiones. Pregunte por los registros. Pregunte por el tiempo de conservación. Pregunte por la deriva del modelo. Si la respuesta es ambigua, la señal es mala. No lo maquille. La responsabilidad operativa cae sobre usted. Y eso incluye al equipo de selección, al manager y al DPO.

Cómo organizar el control interno

• Un responsable interno por herramienta.
• Un registro de decisiones con fecha y motivo.
• Una revisión humana antes de cualquier descarte.
• Un circuito de incidencias y correcciones.

Checklist de cumplimiento para reclutamiento en 2026

El checklist útil no es el más largo. Es el que se usa. En reclutamiento, el objetivo es poder demostrar qué hizo el sistema, quién lo vio y cuándo se corrigió. Kooku sitúa la documentación técnica completa y el historial de versiones en el centro del control. Eso no es opcional si la herramienta clasifica, puntúa o ordena perfiles.

Empiece con una revisión de riesgo por herramienta. Después, clasifique el uso: informativo, apoyo o decisión. No trate todo igual. Un filtro de agenda no exige lo mismo que un sistema de puntuación. Si su proceso mezcla ambos, separarlos es una urgencia. ¿De verdad quiere que una sola caja negra decida y organice todo?

Checklist operativo mínimo

1. Identifique cada herramienta y su finalidad.
2. Registre el dato tratado y su base de uso.
3. Exija explicaciones sobre sesgo, prueba y mantenimiento.
4. Defina supervisión humana antes de cualquier descarte.
5. Archive versiones, cambios y revisiones.
6. Forme al equipo que interpreta la salida del sistema.

Datos que debe poder mostrar

Hay números que conviene tener listos. La supervisión humana debe cubrir el 100 % de las decisiones automatizadas antes de un rechazo, según Taleva. La notificación al 100 % de las personas afectadas también aparece en el resumen de AI Act Blog, con 15 días para responder solicitudes de explicación. Además, Kooku pide conservar el historial de versiones durante 5 años. Son tres cifras que ordenan una auditoría interna sin drama.

Qué hacer si falta una pieza

Si no puede demostrar una pieza, no diga que la tiene. Detenga el uso, pida prueba o cambie de proveedor. La complacencia sale cara. Aquí el problema no es técnico. Es de riesgo. Y el riesgo no se comparte con una frase bonita en una presentación.

Cómo proteger la trazabilidad y la supervisión humana

La trazabilidad no es un archivo bonito. Es la historia completa de una decisión. En selección, eso incluye la entrada, la puntuación, la revisión, la corrección y el cierre. Si la trazabilidad falla, no podrá explicar por qué una persona pasó o no pasó. Y entonces llega el conflicto. O la reclamación. O la pérdida de confianza del equipo.

La referencia externa es clara. La AEPD insiste en el control de los tratamientos y en la responsabilidad activa del responsable. Traducido al día a día: no basta con comprar una herramienta. Hay que gobernarla. Lo mismo aplica al DPO. Si le presenta un proceso sin registros claros, le está pidiendo que firme a ciegas.

Reglas simples para no perder el control

• Cada decisión lleva fecha, usuario y motivo.
• Cada cambio de versión queda registrado.
• Cada rechazo automático pasa por revisión humana.
• Cada incidencia tiene dueño y plazo.

Qué revisar en una auditoría interna

Compruebe si el equipo interpreta lo mismo que muestra el sistema. Compruebe si el manager sabe cuándo intervenir. Compruebe si el archivo permite reconstruir la decisión completa. Y compruebe si el proveedor entrega evidencia, no promesas. Un proveedor serio no se limita a vender. Explica, prueba y acompaña.

Dónde encaja SIGMUND

Si quiere revisar su base de evaluación, empiece por las pruebas de RRHH de SIGMUND. Si ya busca ordenar su catálogo, consulte el catálogo de pruebas. Así separa uso, responsabilidad y evidencia. Y eso le ahorra correos, dudas y rectificaciones.

Qué debe exigir al proveedor antes de seguir

Antes de seguir, pida cuatro cosas. Una explicación clara del modelo. Una relación de límites conocidos. Un resumen de pruebas realizadas. Y un plan de incidencias. Si alguna de esas piezas falta, pare. No negocie lo básico. La selección no puede depender de una caja negra que nadie sabe defender en una reunión con legal o con auditoría.

Esto también afecta a la experiencia de la persona evaluada. Si usa IA, debe poder decirlo con transparencia. Si registra datos, debe poder justificarlo. Si ordena perfiles, debe poder explicar el criterio. No hace falta dramatizar. Hace falta método. Un proceso simple gana a uno caótico.

Preguntas que debe hacer hoy

• ¿Qué dato usa la herramienta para decidir?
• ¿Qué error comete con más frecuencia?
• ¿Cada cuánto se revisa el modelo?
• ¿Quién valida el resultado final?

Señales de proveedor serio

Entrega documentación útil. Responde sin rodeos. Aporta pruebas. Reconoce límites. Si no lo hace, no está comprando tecnología. Está comprando problemas. Y eso en selección se nota rápido: más reclamos, más desconfianza, más tiempo perdido.

Puente hacia una operación más limpia

Cuando el proceso está claro, el onboarding del equipo mejora. El feedback entre selección y dirección también. Y el ROI se entiende mejor porque el uso deja de ser opaco. Si quiere ver cómo ordenar esa parte con más método, revise la plataforma de tests de SIGMUND. Le ayuda a centralizar uso, evidencia y seguimiento.