IA en recursos humanos: discriminación algorítmica y protección laboral

La adopción de inteligencia artificial en recursos humanos ya no es una promesa futurista: sistemas de cribado automatizado, entrevistas por video con análisis de voz y gestos, puntuaciones de empleabilidad, asignación de turnos y evaluaciones de desempeño se han integrado silenciosamente en el día a día de las organizaciones. Esta revolución promete eficiencia, rapidez y reducción de costes, pero trae consigo un riesgo que no puede ignorarse: la discriminación algorítmica. Cuando las decisiones que afectan a la carrera de una persona se derivan de modelos opacos, entrenados con datos históricos sesgados, emergen impactos adversos difíciles de detectar y más difíciles aún de impugnar. En paralelo, la respuesta regulatoria avanza con fuerza: la UE ha aprobado el Reglamento de IA con obligaciones reforzadas en el ámbito laboral, y jurisdicciones como Nueva York exigen auditorías de sesgo para herramientas automatizadas de empleo. En este contexto, entender las bases técnicas y jurídicas de la discriminación algorítmica, así como las salvaguardas de protección laboral, se convierte en una prioridad estratégica para empresas, profesionales de RR. HH., sindicatos y, sobre todo, para candidatos y trabajadores.

1. Introducción y Contexto Actual

La “algoritmización” del ciclo de vida laboral avanza a gran velocidad. Desde la atracción de talento hasta la desvinculación, múltiples decisiones se delegan en sistemas de IA: filtros que priorizan currículos, pruebas psicométricas gamificadas, motores de recomendación de candidatos, herramientas que asignan metas de productividad o planifican horarios en función de patrones de demanda. Diversas encuestas sectoriales señalan que un porcentaje creciente de grandes empresas ya experimenta o despliega tecnologías de IA en selección, mientras que pymes utilizan soluciones “listas para usar” ofrecidas por plataformas de empleo y proveedores SaaS. La presión por acelerar contrataciones, reducir rotación y contener costes incentiva esta adopción, reforzada por la promesa de “objetividad” matemática. Sin embargo, la experiencia muestra que los algoritmos reproducen y amplifican sesgos históricos si no se diseñan, prueban y gobiernan con rigor. La pregunta ya no es si usar IA en RR. HH., sino cómo hacerlo de forma legal, ética y socialmente responsable.

La relevancia del tema se acentúa por tres tendencias convergentes. Primero, la disponibilidad de datos laborales masivos (CVs, historiales de desempeño, interacciones digitales) que permiten entrenar modelos complejos, incluyendo aprendizaje profundo. Segundo, la madurez de un mercado tecnológico con soluciones empaquetadas, fáciles de integrar y con ciclos rápidos de despliegue. Tercero, un entorno regulatorio que endurece exigencias: el Reglamento de IA de la UE clasifica como “alto riesgo” muchos usos en empleo, mientras que normas de protección de datos, de igualdad y antidiscriminación, y reglas sectoriales sobre transparencia y derechos de información al trabajador elevan el listón de cumplimiento. En este cruce de eficiencia, riesgo y obligación legal, se define la agenda de los próximos años para recursos humanos.

2. Marco Legal y Regulatorio

En la Unión Europea, el Reglamento General de Protección de Datos (RGPD) establece pilares clave para el tratamiento de datos personales en empleo. El artículo 22 limita las decisiones basadas únicamente en tratamiento automatizado que produzcan efectos jurídicos o afecten significativamente al interesado, reconociendo el derecho a intervención humana, a expresar su punto de vista y a impugnar la decisión. El RGPD exige además transparencia, minimización de datos, evaluación de impacto en protección de datos (EIPD) cuando el riesgo es alto, y medidas para evitar sesgos, especialmente cuando se traten o infieran categorías especiales de datos (como origen étnico, salud o orientación religiosa) a partir de señales indirectas.

El nuevo Reglamento de IA de la UE da un salto cualitativo: considera de alto riesgo los sistemas utilizados para contratación, asignación de trabajo, evaluación de desempeño y terminación de la relación laboral. Esto activa requisitos ex ante, tales como gestión de riesgos, calidad del conjunto de datos, documentación técnica y registros, trazabilidad, supervisión humana efectiva, robustez y ciberseguridad, así como obligaciones de transparencia a usuarios. Los proveedores deberán someterse a evaluaciones de conformidad y las organizaciones usuarias asumirán responsabilidades de uso responsable, incluyendo vigilancia posterior al despliegue. La inobservancia puede conllevar sanciones importantes y órdenes de retirada del mercado.

En el ámbito español, además del RGPD y la Ley Orgánica de Protección de Datos y Garantía de los Derechos Digitales (LOPDGDD), destaca la incorporación de derechos digitales en el ambiente laboral, como la desconexión digital y garantías frente a la videovigilancia y geolocalización. La “Ley Rider” reforzó la transparencia algorítmica en plataformas de reparto, reconociendo el derecho de la representación laboral a ser informada sobre parámetros, reglas e instrucciones de sistemas automatizados que afecten a condiciones de trabajo. Asimismo, la Ley 15/2022 de igualdad de trato y no discriminación refuerza la tutela frente a discriminaciones directas e indirectas, aplicables también a decisiones mediadas por algoritmos.

En Estados Unidos, las leyes antidiscriminación federales (por ejemplo, el Título VII de la Ley de Derechos Civiles, la Ley de Discriminación por Edad en el Empleo y la ADA sobre discapacidad) se aplican igualmente a herramientas algorítmicas. La EEOC ha emitido guías específicas sobre el uso de IA en selección y evaluación, subrayando el riesgo de “impacto dispar” y recordando el test del “80%” (four-fifths rule) como umbral indicativo. Nueva York exige desde 2023 auditorías de sesgo para Herramientas Automatizadas de Toma de Decisiones de Empleo y avisos a candidatos, mientras Illinois regula entrevistas por video con IA e impone obligaciones de información y destrucción de datos. California, con la CPRA, extiende derechos de privacidad a empleados y candidatos, incluyendo evaluaciones de riesgo y deberes de transparencia.

En otros ordenamientos, el Reino Unido combina normas antidiscriminación del Equality Act con guías del ICO sobre IA y empleo, enfatizando DPIAs, transparencia y evaluaciones de equidad. A nivel internacional, los Principios de la OCDE sobre IA, el Marco de Gestión de Riesgos de IA del NIST y estándares ISO como 23894 (gestión de riesgos) y 42001 (sistemas de gestión de IA) ofrecen referencias prácticas. Aunque no vinculantes por sí mismos, se consolidan como “soft law” y buenas prácticas exigibles contractualmente o por los supervisores en sus expectativas de cumplimiento.

3. Análisis Detallado

La discriminación algorítmica se manifiesta por dos vías: trato dispar (cuando se usan explícita o implícitamente atributos protegidos para perjudicar a un grupo) e impacto dispar (cuando una regla