{"id":5864,"date":"2025-07-09T12:08:45","date_gmt":"2025-07-09T12:08:45","guid":{"rendered":"https:\/\/voicit.com\/?p=5864"},"modified":"2026-08-19T17:17:42","modified_gmt":"2026-08-19T17:17:42","slug":"etica-tecnologia-e-recursos-humanos","status":"publish","type":"post","link":"https:\/\/voicit.com\/pt\/blog\/recursos-humanos\/etica-tecnologia-rrhh\/5864\/","title":{"rendered":"\u00c9tica no uso da tecnologia para RH: privacidade, transpar\u00eancia e equidade (2026)"},"content":{"rendered":"<p><!--vzhero--><\/p>\n<div style=\"background:#fafaf6;border:1px solid #eee;border-left:5px solid #E7FE15;border-radius:14px;padding:22px 26px;margin:34px 0;display:flex;align-items:center;justify-content:space-between;gap:22px;flex-wrap:wrap;\">\n<div style=\"flex:1;min-width:240px;\">\n<div style=\"color:#7a7a7a;font-size:12.5px;font-weight:700;letter-spacing:.09em;text-transform:uppercase;margin-bottom:8px;\">\u00c9tica \u00b7 RRHH<\/div>\n<div style=\"color:#161616;font-size:23px;font-weight:800;line-height:1.22;margin:0 0 8px;\">\u00c9tica y tecnolog\u00eda en Recursos Humanos<\/div>\n<div style=\"color:#6b7280;font-size:15.5px;line-height:1.5;\">Usa la IA con criterio y responsabilidad<\/div>\n<\/div>\n<\/div>\n<p><!--\/vzhero--><\/p>\n<style>\/*voicit-gapfix*\/ body.single-post .elementor-widget-theme-post-featured-image{margin-top:-45px !important;}<\/style>\n<style>\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Manrope:wght@400;500;600;700&display=swap');\n.voicit-blog-content { font-family: 'Manrope', sans-serif; max-width: 780px; margin: 0 auto; color: #333; }\n.voicit-blog-content p { font-size: 18px; line-height: 1.7; margin-bottom: 20px; }\n.voicit-blog-content h2 { font-size: 26px; font-weight: 700; color: #111; border-bottom: 2px solid #f0f0f0; padding-bottom: 12px; margin-top: 48px; margin-bottom: 20px; }\n.voicit-blog-content h3 { font-size: 21px; font-weight: 600; color: #111; margin-top: 32px; margin-bottom: 14px; }\n.voicit-blog-content ul, .voicit-blog-content ol { font-size: 17px; line-height: 1.6; margin-bottom: 20px; padding-left: 24px; }\n.voicit-blog-content li { margin-bottom: 8px; }\n.voicit-byline { display: flex; align-items: center; gap: 12px; margin-bottom: 32px; font-size: 15px; color: #666; }\n.voicit-byline img { width: 36px; height: 36px; border-radius: 50%; }\n.snippet-bait { background: #f5f7fa; border-left: 4px solid #111; border-radius: 8px; padding: 16px 20px; margin: 24px 0; font-size: 17px; line-height: 1.6; }\n.snippet-bait strong { display: block; margin-bottom: 6px; }\n.toc-box { background: #f8f9fa; border: 1px solid #e5e5e5; border-radius: 12px; padding: 20px 28px; margin: 24px 0; }\n.toc-box ol { margin: 0; padding-left: 20px; }\n.toc-box li { margin-bottom: 6px; }\n.toc-box a { color: #333; text-decoration: none; border-bottom: 1px solid #ccc; }\n.stat-box { background: #f0f4ff; border-radius: 10px; padding: 20px 24px; margin: 24px 0; }\n.stat-box p { margin: 0; }\n.warning-box { background: #fff8f0; border-left: 4px solid #e65100; border-radius: 8px; padding: 16px 20px; margin: 24px 0; }\n.case-box { background: #f9f9f9; border: 1px solid #e5e5e5; border-radius: 10px; padding: 20px 24px; margin: 24px 0; }\n.checklist-box { background: #f8f9fa; border-radius: 10px; padding: 20px 24px; margin: 24px 0; }\n.comparison-table { width: 100%; border-collapse: collapse; border: 1px solid #ddd; border-radius: 8px; overflow: hidden; margin: 24px 0; font-size: 15px; }\n.comparison-table td { padding: 12px 16px; border: 1px solid #ddd; }\n.comparison-table tr:first-child td { background: #1a1a1a; color: #ffffff; font-weight: 700; }\n.comparison-table tr:nth-child(even) td { background: #fafafa; }\n.disclaimer-box { font-size: 14px; font-style: italic; color: #777; background: #f9f9f9; border-left: 3px solid #ccc; padding: 12px 16px; border-radius: 6px; margin: 24px 0; }\n.author-box { display: flex; gap: 20px; align-items: center; background: #f9f9f9; border-radius: 12px; padding: 24px 28px; margin: 32px 0; }\n.author-box img { width: 80px; height: 80px; border-radius: 50%; }\n.author-box-text { font-size: 15px; line-height: 1.5; }\n.author-box-text strong { font-size: 17px; display: block; margin-bottom: 4px; }\n.voicit-cta { display: block; text-align: center; margin: 32px auto; }\n.voicit-cta a { display: inline-block; background: #000; color: #fff; padding: 14px 28px; font-size: 16px; font-weight: 600; border-radius: 10px; text-decoration: none; }\n<\/style>\n<div class=\"voicit-blog-content\">\n<div class=\"voicit-byline\">\n<img decoding=\"async\" src=\"https:\/\/www.gravatar.com\/avatar\/9606a7cf8a077e463d66ccba5e8cd71f?s=96\" alt=\"\u00c1lvaro Arrescurrenaga\"><br \/>\nActualizado: marzo 2026 \u00b7 Por \u00c1lvaro Arrescurrenaga, CEO de Voicit\n<\/div>\n<p>En 2018, Amazon descubri\u00f3 que su sistema de IA para selecci\u00f3n de personal penalizaba sistem\u00e1ticamente a las mujeres. En 2020, el algoritmo de evaluaci\u00f3n de profesores en el Reino Unido dej\u00f3 sin acceso a la universidad a miles de estudiantes de barrios desfavorecidos. Y en 2023, la ciudad de Nueva York se convirti\u00f3 en la primera jurisdicci\u00f3n del mundo en exigir auditor\u00edas obligatorias de los algoritmos usados en contrataci\u00f3n. La \u00e9tica en el uso de tecnolog\u00eda para RRHH no es un debate te\u00f3rico \u2014 es una necesidad urgente con consecuencias reales.<\/p>\n<div class=\"snippet-bait\">\n<strong>\u00bfQu\u00e9 es la \u00e9tica tecnol\u00f3gica en RRHH?<\/strong><br \/>\nEs el conjunto de principios que gu\u00edan el uso responsable de inteligencia artificial, automatizaci\u00f3n y an\u00e1lisis de datos en la gesti\u00f3n de personas. Abarca tres pilares: privacidad de los datos de empleados y candidatos, transparencia en las decisiones automatizadas, y equidad algor\u00edtmica para evitar discriminaci\u00f3n. En la UE, el AI Act (2024) clasifica los sistemas de IA en RRHH como \u00abalto riesgo\u00bb, con obligaciones legales espec\u00edficas.\n<\/div>\n<div class=\"toc-box\">\n<strong>En este art\u00edculo:<\/strong><\/p>\n<ol>\n<li><a href=\"#por-que-importa\">Por qu\u00e9 la \u00e9tica tecnol\u00f3gica en RRHH importa ahora<\/a><\/li>\n<li><a href=\"#privacidad\">Privacidad: qu\u00e9 datos puedes recoger y cu\u00e1les no<\/a><\/li>\n<li><a href=\"#transparencia\">Transparencia algor\u00edtmica: el derecho a saber<\/a><\/li>\n<li><a href=\"#equidad\">Equidad: sesgos reales y c\u00f3mo detectarlos<\/a><\/li>\n<li><a href=\"#casos\">4 casos reales que cambiaron las reglas<\/a><\/li>\n<li><a href=\"#marco-legal\">Marco legal: AI Act, RGPD y NYC Local Law 144<\/a><\/li>\n<li><a href=\"#checklist\">Checklist \u00e9tico para equipos de RRHH<\/a><\/li>\n<li><a href=\"#herramientas\">Herramientas para auditar la \u00e9tica de tu tecnolog\u00eda<\/a><\/li>\n<li><a href=\"#conclusion\">Conclusi\u00f3n<\/a><\/li>\n<\/ol>\n<\/div>\n<h2 id=\"por-que-importa\">\ud83d\udd0d Por qu\u00e9 la \u00e9tica tecnol\u00f3gica en RRHH importa ahora<\/h2>\n<p>La adopci\u00f3n de IA en Recursos Humanos se ha acelerado dr\u00e1sticamente. Seg\u00fan <a href=\"https:\/\/www.gartner.com\/en\/human-resources\" rel=\"nofollow noopener\" target=\"_blank\">Gartner<\/a>, el 76% de los l\u00edderes de RRHH creen que si no adoptan IA en los pr\u00f3ximos 12-24 meses, se quedar\u00e1n atr\u00e1s. Pero la velocidad de adopci\u00f3n ha superado a la reflexi\u00f3n \u00e9tica:<\/p>\n<div class=\"stat-box\">\n<ul>\n<li><strong>83% de las empresas<\/strong> usan alg\u00fan tipo de IA en sus procesos de selecci\u00f3n (fuente: <a href=\"https:\/\/www.shrm.org\" rel=\"nofollow noopener\" target=\"_blank\">SHRM<\/a>, 2025)<\/li>\n<li><strong>Solo el 32%<\/strong> tienen una pol\u00edtica formal de \u00e9tica en IA para RRHH<\/li>\n<li><strong>1 de cada 4 candidatos<\/strong> afirma haber sido evaluado por un sistema de IA sin saberlo<\/li>\n<li><strong>Multas de hasta 35M\u20ac<\/strong> por incumplimiento del AI Act de la UE en sistemas de alto riesgo<\/li>\n<\/ul>\n<\/div>\n<p>El problema no es la tecnolog\u00eda en s\u00ed \u2014 es usarla sin los controles adecuados. La IA en RRHH toca decisiones que afectan directamente a la vida de las personas: qui\u00e9n consigue un empleo, qui\u00e9n es ascendido, qui\u00e9n es despedido. Esas decisiones exigen un marco \u00e9tico s\u00f3lido.<\/p>\n<h2 id=\"privacidad\">\ud83d\udd12 Privacidad: qu\u00e9 datos puedes recoger y cu\u00e1les no<\/h2>\n<p class=\"vz-extractive\" style=\"background:#f8faf9;border-left:4px solid #19a974;padding:14px 18px;border-radius:8px;font-size:16.5px;margin:14px 0;\"><strong>En breve:<\/strong> puedes tratar los datos necesarios y proporcionados al proceso (curriculum, evaluacion de competencias, resultados de pruebas), con base legal e informando de para que se usan. Quedan fuera los datos especialmente protegidos \u2014salud, ideologia, origen, religion\u2014 y el rastreo de la vida privada del candidato.<\/p>\n<p>Los sistemas de RRHH modernos recopilan una cantidad enorme de datos: desde CVs y evaluaciones de desempe\u00f1o hasta monitorizaci\u00f3n de productividad, an\u00e1lisis de sentimiento en comunicaciones internas y datos biom\u00e9tricos de control de acceso.<\/p>\n<h3>Datos que requieren especial cuidado<\/h3>\n<table class=\"comparison-table\">\n<tr>\n<td>Tipo de dato<\/td>\n<td>Ejemplo<\/td>\n<td>Nivel de riesgo<\/td>\n<td>Base legal necesaria (RGPD)<\/td>\n<\/tr>\n<tr>\n<td>Datos b\u00e1sicos<\/td>\n<td>Nombre, email, CV<\/td>\n<td>Bajo<\/td>\n<td>Consentimiento o inter\u00e9s leg\u00edtimo<\/td>\n<\/tr>\n<tr>\n<td>Datos de desempe\u00f1o<\/td>\n<td>Evaluaciones, KPIs<\/td>\n<td>Medio<\/td>\n<td>Inter\u00e9s leg\u00edtimo + informaci\u00f3n<\/td>\n<\/tr>\n<tr>\n<td>Datos de productividad<\/td>\n<td>Monitorizaci\u00f3n de pantalla, keystroke logging<\/td>\n<td>Alto<\/td>\n<td>Inter\u00e9s leg\u00edtimo + proporcionalidad<\/td>\n<\/tr>\n<tr>\n<td>Datos biom\u00e9tricos<\/td>\n<td>Huella dactilar, reconocimiento facial<\/td>\n<td>Muy alto<\/td>\n<td>Consentimiento expl\u00edcito (Art. 9)<\/td>\n<\/tr>\n<tr>\n<td>Datos de salud<\/td>\n<td>Bajas m\u00e9dicas, an\u00e1lisis de estr\u00e9s<\/td>\n<td>Muy alto<\/td>\n<td>Consentimiento expl\u00edcito + necesidad<\/td>\n<\/tr>\n<tr>\n<td>An\u00e1lisis de sentimiento<\/td>\n<td>IA analizando tono en emails\/chats<\/td>\n<td>Muy alto<\/td>\n<td>Prohibido en muchos contextos (AI Act)<\/td>\n<\/tr>\n<\/table>\n<h3>Principio de minimizaci\u00f3n de datos<\/h3>\n<p>El RGPD exige recoger solo los datos <strong>estrictamente necesarios<\/strong> para el fin declarado. Si tu herramienta de screening de CVs recoge la fecha de nacimiento pero no la necesita para evaluar competencias, est\u00e1s incumpliendo el principio de minimizaci\u00f3n \u2014 aunque el candidato haya dado consentimiento. Si grabas las entrevistas, revisa adem\u00e1s <a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/rgpd-grabar-entrevistas-reuniones\/5090\/\">c\u00f3mo cumplir el RGPD al grabar entrevistas y reuniones<\/a>.<\/p>\n<p>La regla pr\u00e1ctica: <strong>si no puedes explicar exactamente para qu\u00e9 necesitas un dato, no lo recojas<\/strong>.<\/p>\n<h2 id=\"transparencia\">\ud83d\udd0e Transparencia algor\u00edtmica: el derecho a saber<\/h2>\n<p>Cuando un algoritmo descarta a un candidato o recomienda un despido, \u00bfpuede explicar por qu\u00e9? La transparencia algor\u00edtmica es uno de los pilares m\u00e1s cr\u00edticos \u2014 y m\u00e1s descuidados \u2014 de la \u00e9tica tecnol\u00f3gica en RRHH.<\/p>\n<h3>Qu\u00e9 exige la ley<\/h3>\n<ul>\n<li><strong>RGPD (Art. 22):<\/strong> derecho a no ser objeto de decisiones automatizadas con efectos significativos, y derecho a obtener una explicaci\u00f3n de la l\u00f3gica utilizada.<\/li>\n<li><strong>AI Act (Art. 13):<\/strong> los sistemas de IA de alto riesgo deben ser \u00absuficientemente transparentes\u00bb para que los usuarios comprendan e interpreten los resultados.<\/li>\n<li><strong>NYC Local Law 144:<\/strong> obliga a publicar un resumen de la auditor\u00eda de sesgo del algoritmo en la web de la empresa.<\/li>\n<\/ul>\n<h3>Qu\u00e9 significa en la pr\u00e1ctica<\/h3>\n<ol>\n<li><strong>Informar a candidatos y empleados<\/strong> de que se usa IA en el proceso (en la oferta de empleo, en el contrato, o en la pol\u00edtica interna).<\/li>\n<li><strong>Explicar los criterios<\/strong> que usa el sistema: \u00abEste candidato puntu\u00f3 85\/100 porque tiene 5 a\u00f1os de experiencia en el sector y domina 3 de las 4 herramientas requeridas\u00bb.<\/li>\n<li><strong>Ofrecer alternativa humana:<\/strong> cualquier persona tiene derecho a solicitar que un humano revise la decisi\u00f3n automatizada.<\/li>\n<li><strong>Documentar el sistema:<\/strong> ficha t\u00e9cnica con datos de entrenamiento, m\u00e9tricas de rendimiento, resultados de auditor\u00eda de sesgo.<\/li>\n<\/ol>\n<div class=\"warning-box\">\n<p><strong>Se\u00f1al de alerta:<\/strong> Si tu proveedor de IA para RRHH no puede explicarte c\u00f3mo funciona su algoritmo, o se niega a compartir resultados de auditor\u00edas de sesgo, es una bandera roja. La opacidad algor\u00edtmica es incompatible con el cumplimiento del AI Act.<\/p>\n<\/div>\n<h2 id=\"equidad\">\u2696\ufe0f Equidad: sesgos reales y c\u00f3mo detectarlos<\/h2>\n<p class=\"vz-extractive\" style=\"background:#f8faf9;border-left:4px solid #19a974;padding:14px 18px;border-radius:8px;font-size:16.5px;margin:14px 0;\"><strong>En breve:<\/strong> un sistema es inequitativo cuando sus errores se concentran siempre en el mismo grupo. Se detecta midiendo resultados por segmento (tasa de paso por sexo, edad u origen) y auditando de forma periodica: no basta con ocultar el nombre del curriculum.<\/p>\n<p>Los algoritmos no son neutrales. Aprenden de datos hist\u00f3ricos \u2014 y si esos datos contienen sesgos (y casi siempre los contienen), la IA los reproduce y a menudo los amplifica.<\/p>\n<h3>Tipos de sesgo en IA para RRHH<\/h3>\n<ul>\n<li><strong>Sesgo de datos hist\u00f3ricos:<\/strong> si una empresa contrat\u00f3 mayoritariamente hombres durante 10 a\u00f1os, la IA aprende que \u00abhombre\u00bb = \u00abbuen candidato\u00bb. Esto fue exactamente lo que pas\u00f3 con Amazon.<\/li>\n<li><strong>Sesgo de proxy:<\/strong> el algoritmo no usa \u00abg\u00e9nero\u00bb como variable, pero usa \u00abcapit\u00e1n del equipo de rugby\u00bb (correlaci\u00f3n con g\u00e9nero masculino) como predictor positivo.<\/li>\n<li><strong>Sesgo de exclusi\u00f3n:<\/strong> candidatos con gaps en el CV (maternidad, enfermedad, cuidado de familiares) son penalizados por algoritmos que priorizan trayectorias lineales.<\/li>\n<li><strong>Sesgo socioecon\u00f3mico:<\/strong> priorizar universidades de prestigio, dominio de ingl\u00e9s nativo, o experiencia internacional excluye talento igualmente v\u00e1lido de contextos menos privilegiados.<\/li>\n<li><strong>Sesgo de accesibilidad:<\/strong> entrevistas en v\u00eddeo con IA que eval\u00faan expresiones faciales discriminan a personas neurodivergentes o con discapacidades.<\/li>\n<\/ul>\n<h3>C\u00f3mo detectar sesgos en tu sistema<\/h3>\n<p>La \u00fanica forma fiable es con <strong>auditor\u00edas cuantitativas<\/strong>. Compara los resultados del algoritmo por grupos demogr\u00e1ficos (g\u00e9nero, edad, etnia, discapacidad) y mide:<\/p>\n<ul>\n<li><strong>Tasa de selecci\u00f3n adversa (4\/5 rule):<\/strong> si la tasa de selecci\u00f3n de un grupo protegido es menor al 80% de la del grupo mayoritario, hay impacto adverso.<\/li>\n<li><strong>Ratio de falsos negativos:<\/strong> \u00bfel sistema descarta m\u00e1s candidatos cualificados de un grupo que de otro?<\/li>\n<li><strong>Distribuci\u00f3n de puntuaciones:<\/strong> \u00bflas puntuaciones medias son significativamente diferentes entre grupos?<\/li>\n<\/ul>\n<h2 id=\"casos\">\ud83d\udccb 4 casos reales que cambiaron las reglas<\/h2>\n<div class=\"case-box\">\n<h3>1. Amazon (2018) \u2014 Sesgo de g\u00e9nero en screening de CVs<\/h3>\n<p>Amazon desarroll\u00f3 una IA para filtrar CVs que aprendi\u00f3 de 10 a\u00f1os de contrataciones hist\u00f3ricas. Como la mayor\u00eda de contratados eran hombres, el sistema aprendi\u00f3 a penalizar CVs que conten\u00edan la palabra \u00abwomen&#8217;s\u00bb (como \u00abwomen&#8217;s chess club captain\u00bb). Amazon descart\u00f3 el sistema.<\/p>\n<p><strong>Lecci\u00f3n:<\/strong> los datos hist\u00f3ricos no son neutrales. Sin auditor\u00eda de sesgo, la IA automatiza la discriminaci\u00f3n del pasado.<\/p>\n<\/div>\n<div class=\"case-box\">\n<h3>2. HireVue (2019-2021) \u2014 Evaluaci\u00f3n facial en entrevistas<\/h3>\n<p>HireVue usaba an\u00e1lisis de expresiones faciales en entrevistas en v\u00eddeo para evaluar candidatos. Tras presi\u00f3n de la Electronic Privacy Information Center (EPIC), la FTC investig\u00f3 el caso. HireVue elimin\u00f3 el an\u00e1lisis facial en 2021, admitiendo que los beneficios no justificaban los riesgos de sesgo.<\/p>\n<p><strong>Lecci\u00f3n:<\/strong> que una tecnolog\u00eda sea posible no significa que sea \u00e9tica. El an\u00e1lisis facial en selecci\u00f3n est\u00e1 cada vez m\u00e1s cuestionado legal y \u00e9ticamente.<\/p>\n<\/div>\n<div class=\"case-box\">\n<h3>3. Algoritmo A-levels UK (2020) \u2014 Sesgo socioecon\u00f3mico<\/h3>\n<p>Durante la pandemia, el gobierno brit\u00e1nico us\u00f3 un algoritmo para asignar notas a estudiantes. El sistema penaliz\u00f3 sistem\u00e1ticamente a alumnos de centros p\u00fablicos y barrios desfavorecidos. Tras protestas masivas, el gobierno descart\u00f3 los resultados algor\u00edtmicos.<\/p>\n<p><strong>Lecci\u00f3n:<\/strong> los algoritmos pueden parecer objetivos pero codificar desigualdades estructurales. La supervisi\u00f3n humana no es opcional.<\/p>\n<\/div>\n<div class=\"case-box\">\n<h3>4. NYC Local Law 144 (2023) \u2014 Primera ley de auditor\u00eda algor\u00edtmica<\/h3>\n<p>Nueva York aprob\u00f3 la primera ley que obliga a las empresas a auditar anualmente sus herramientas de IA para contrataci\u00f3n, publicar los resultados, y notificar a los candidatos. Otras ciudades y la UE (con el AI Act) est\u00e1n siguiendo este modelo.<\/p>\n<p><strong>Lecci\u00f3n:<\/strong> la regulaci\u00f3n ya lleg\u00f3. Las empresas que no auditan sus algoritmos se exponen a multas y demandas.<\/p>\n<\/div>\n<h2 id=\"marco-legal\">\ud83d\udcdc Marco legal: AI Act, RGPD y NYC Local Law 144<\/h2>\n<p class=\"vz-extractive\" style=\"background:#f8faf9;border-left:4px solid #19a974;padding:14px 18px;border-radius:8px;font-size:16.5px;margin:14px 0;\"><strong>En breve:<\/strong> el Reglamento de IA de la UE clasifica los sistemas usados en seleccion de personal como de <strong>alto riesgo<\/strong>, con obligaciones de supervision humana, transparencia y documentacion. El RGPD exige base legal, minimizacion e informacion, y su articulo 22 limita las decisiones totalmente automatizadas.<\/p>\n<p>Tres marcos regulatorios clave que todo equipo de RRHH debe conocer:<\/p>\n<table class=\"comparison-table\">\n<tr>\n<td>Regulaci\u00f3n<\/td>\n<td>\u00c1mbito<\/td>\n<td>Requisitos clave para RRHH<\/td>\n<td>Sanciones<\/td>\n<\/tr>\n<tr>\n<td><strong>AI Act (UE)<\/strong><\/td>\n<td>Uni\u00f3n Europea<\/td>\n<td>Evaluaci\u00f3n de conformidad, supervisi\u00f3n humana, transparencia, registro de actividades<\/td>\n<td>Hasta 35M\u20ac o 7% facturaci\u00f3n global<\/td>\n<\/tr>\n<tr>\n<td><strong>RGPD<\/strong><\/td>\n<td>UE + EEE<\/td>\n<td>Minimizaci\u00f3n de datos, consentimiento, derecho a explicaci\u00f3n, derecho a intervenci\u00f3n humana (Art. 22)<\/td>\n<td>Hasta 20M\u20ac o 4% facturaci\u00f3n global<\/td>\n<\/tr>\n<tr>\n<td><strong>NYC Law 144<\/strong><\/td>\n<td>Nueva York<\/td>\n<td>Auditor\u00eda anual de sesgo, publicaci\u00f3n de resultados, notificaci\u00f3n a candidatos<\/td>\n<td>$500-$1,500\/d\u00eda por violaci\u00f3n<\/td>\n<\/tr>\n<\/table>\n<h3>\u00bfQu\u00e9 clasifica el AI Act como \u00abalto riesgo\u00bb en RRHH?<\/h3>\n<ul>\n<li>Sistemas de IA para <strong>screening y filtrado de candidatos<\/strong><\/li>\n<li>Herramientas de <strong>evaluaci\u00f3n automatizada<\/strong> en entrevistas<\/li>\n<li>Sistemas de <strong>monitorizaci\u00f3n de empleados<\/strong><\/li>\n<li>IA para decisiones sobre <strong>promoci\u00f3n, despido o asignaci\u00f3n de tareas<\/strong><\/li>\n<\/ul>\n<p>Si usas cualquiera de estos sistemas en la UE, est\u00e1s obligado a cumplir los requisitos de alto riesgo del AI Act, con entrada en vigor progresiva entre 2025 y 2027.<\/p>\n<div class=\"voicit-cta\">\n<a href=\"https:\/\/app.voicit.com\/signup\">Prueba Voicit gratis \u2192<\/a>\n<\/div>\n<h2 id=\"checklist\">\u2705 Checklist \u00e9tico para equipos de RRHH<\/h2>\n<div class=\"checklist-box\">\n<strong>Antes de implementar una herramienta de IA:<\/strong><\/p>\n<ul>\n<li>\u00bfEl proveedor puede explicar c\u00f3mo funciona el algoritmo?<\/li>\n<li>\u00bfProporciona informes de auditor\u00eda de sesgo?<\/li>\n<li>\u00bfLos datos de entrenamiento son representativos y diversos?<\/li>\n<li>\u00bfExiste supervisi\u00f3n humana en las decisiones cr\u00edticas?<\/li>\n<li>\u00bfLos candidatos\/empleados son informados del uso de IA?<\/li>\n<li>\u00bfHay un proceso para solicitar revisi\u00f3n humana?<\/li>\n<li>\u00bfSe cumplen los requisitos del RGPD (minimizaci\u00f3n, consentimiento, explicaci\u00f3n)?<\/li>\n<li>\u00bfEl sistema est\u00e1 registrado como alto riesgo seg\u00fan el AI Act (si aplica)?<\/li>\n<\/ul>\n<p><strong>Auditor\u00eda peri\u00f3dica (m\u00ednimo trimestral):<\/strong><\/p>\n<ul>\n<li>\u00bfLa tasa de selecci\u00f3n por grupo demogr\u00e1fico cumple la regla 4\/5?<\/li>\n<li>\u00bfHay candidatos cualificados descartados por patrones sospechosos?<\/li>\n<li>\u00bfLos criterios del algoritmo siguen alineados con los requisitos reales del puesto?<\/li>\n<li>\u00bfSe han documentado y corregido los sesgos detectados?<\/li>\n<li>\u00bfLos empleados de RRHH reciben formaci\u00f3n actualizada en \u00e9tica de IA?<\/li>\n<\/ul>\n<\/div>\n<h2 id=\"herramientas\">\ud83d\udee0\ufe0f Herramientas para auditar la \u00e9tica de tu tecnolog\u00eda<\/h2>\n<ul>\n<li><strong><a href=\"https:\/\/aequitas.dssg.io\/\" rel=\"nofollow noopener\" target=\"_blank\">Aequitas<\/a><\/strong> (gratuita) \u2014 Framework open-source de la Universidad de Chicago para auditar sesgo en sistemas de decisi\u00f3n automatizada.<\/li>\n<li><strong><a href=\"https:\/\/aif360.mybluemix.net\/\" rel=\"nofollow noopener\" target=\"_blank\">AI Fairness 360 (IBM)<\/a><\/strong> (gratuita) \u2014 Toolkit de c\u00f3digo abierto con m\u00e9tricas de equidad y algoritmos de mitigaci\u00f3n de sesgo.<\/li>\n<li><strong><a href=\"https:\/\/pair.withgoogle.com\/what-is-ml-fairness\" rel=\"nofollow noopener\" target=\"_blank\">What-If Tool (Google)<\/a><\/strong> (gratuita) \u2014 Herramienta visual para explorar el comportamiento de modelos de ML sin escribir c\u00f3digo.<\/li>\n<li><strong><a href=\"https:\/\/holistic.ai\/\" rel=\"nofollow noopener\" target=\"_blank\">Holistic AI<\/a><\/strong> (de pago) \u2014 Plataforma de auditor\u00eda y gobernanza de IA, usada por empresas para cumplir con NYC Law 144 y AI Act.<\/li>\n<\/ul>\n<h2 id=\"faq\">\u2753 Preguntas frecuentes<\/h2>\n<div itemscope itemtype=\"https:\/\/schema.org\/FAQPage\">\n<div class=\"faq-item\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\">\n<h3 itemprop=\"name\">\u00bfQu\u00e9 datos de un candidato puede tratar RRHH?<\/h3>\n<div itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n<p itemprop=\"text\">Los necesarios y proporcionados para evaluar el puesto: curr\u00edculum, experiencia, competencias y resultados de pruebas, siempre con base legal e informando de la finalidad. Quedan fuera los datos especialmente protegidos (salud, ideolog\u00eda, religi\u00f3n, origen) y la vida privada del candidato.<\/p>\n<\/div>\n<\/div>\n<div class=\"faq-item\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\">\n<h3 itemprop=\"name\">\u00bfEs legal usar IA para seleccionar personal?<\/h3>\n<div itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n<p itemprop=\"text\">S\u00ed, pero con condiciones. El Reglamento de IA de la UE considera la selecci\u00f3n un uso de alto riesgo: exige supervisi\u00f3n humana, transparencia y documentaci\u00f3n. Adem\u00e1s, el RGPD limita las decisiones totalmente automatizadas sobre una persona.<\/p>\n<\/div>\n<\/div>\n<div class=\"faq-item\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\">\n<h3 itemprop=\"name\">\u00bfC\u00f3mo se detecta si un algoritmo de selecci\u00f3n tiene sesgo?<\/h3>\n<div itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n<p itemprop=\"text\">Midiendo los resultados por segmento (tasa de paso por sexo, edad u origen) y compar\u00e1ndolos. Si los errores se concentran en un grupo, hay sesgo. Conviene auditarlo peri\u00f3dicamente y mantener siempre a una persona en la decisi\u00f3n final.<\/p>\n<\/div>\n<\/div>\n<div class=\"faq-item\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\">\n<h3 itemprop=\"name\">\u00bfHay que avisar al candidato de que se usa IA en el proceso?<\/h3>\n<div itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n<p itemprop=\"text\">S\u00ed. La transparencia es una exigencia tanto del RGPD como del Reglamento de IA: el candidato debe saber que se usa un sistema automatizado, con qu\u00e9 finalidad y qu\u00e9 datos se tratan. Ocultarlo es, adem\u00e1s de ilegal, un da\u00f1o reputacional.<\/p>\n<\/div>\n<\/div>\n<div class=\"faq-item\" itemscope itemprop=\"mainEntity\" itemtype=\"https:\/\/schema.org\/Question\">\n<h3 itemprop=\"name\">\u00bfSe puede grabar una entrevista de trabajo?<\/h3>\n<div itemscope itemprop=\"acceptedAnswer\" itemtype=\"https:\/\/schema.org\/Answer\">\n<p itemprop=\"text\">S\u00ed, informando al candidato y obteniendo su consentimiento, explicando para qu\u00e9 se usar\u00e1 la grabaci\u00f3n y cu\u00e1nto se conserva, conforme al RGPD. Grabar sin avisar puede invalidar el proceso y acarrear sanciones.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<h2 id=\"conclusion\">\ud83d\udca1 Conclusi\u00f3n<\/h2>\n<p>La \u00e9tica en el uso de tecnolog\u00eda para RRHH no es un freno a la innovaci\u00f3n \u2014 es lo que separa la innovaci\u00f3n responsable de la irresponsable. Los casos de Amazon, HireVue y el algoritmo brit\u00e1nico demuestran que la IA sin controles \u00e9ticos causa da\u00f1o real a personas reales.<\/p>\n<p>La buena noticia: el marco legal ya existe (AI Act, RGPD), las herramientas de auditor\u00eda son accesibles (muchas gratuitas), y los equipos de RRHH que lideran en \u00e9tica tecnol\u00f3gica construyen m\u00e1s confianza con candidatos y empleados.<\/p>\n<p>La clave est\u00e1 en tres principios: <strong>recoger solo los datos necesarios<\/strong> (privacidad), <strong>explicar c\u00f3mo funcionan los sistemas<\/strong> (transparencia), y <strong>auditar regularmente los resultados<\/strong> (equidad). Y siempre, siempre: supervisi\u00f3n humana en las decisiones que afectan a la vida de las personas.<\/p>\n<p>Si usas IA en tu proceso de selecci\u00f3n, complementa el screening con herramientas que documenten las entrevistas de forma transparente. <a href=\"https:\/\/voicit.com\">Voicit<\/a> genera informes autom\u00e1ticos de entrevistas que sirven como registro objetivo de la evaluaci\u00f3n \u2014 un complemento esencial para la trazabilidad \u00e9tica del proceso.<\/p>\n<div class=\"disclaimer-box\">\n<strong>Nota de transparencia:<\/strong> Voicit es una herramienta de transcripci\u00f3n e informes de reuniones con IA. No es un sistema de screening ni de evaluaci\u00f3n automatizada de candidatos. Lo mencionamos como complemento para la documentaci\u00f3n \u00e9tica del proceso de selecci\u00f3n.\n<\/div>\n<h2>\ud83d\udcda Art\u00edculos relacionados<\/h2>\n<ul>\n<li><a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/reuniones-1-1-manager-empleado\/9004\/\" style=\"color:#444;text-decoration:underline;text-decoration-color:#bbb;text-underline-offset:2px;\">reuniones 1:1 manager-empleado<\/a><\/li>\n<li><a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/cribado-cv-inteligencia-artificial\/5770\/\">Cribado de CV con inteligencia artificial: gu\u00eda completa 2026<\/a><\/li>\n<li><a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/apps-ia-transcribir\/6931\/\">Apps de IA para transcribir reuniones: las 12 mejores en 2026<\/a><\/li>\n<li><a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/informes-entrevistas-ia\/6998\/\">C\u00f3mo generar informes de entrevistas con IA<\/a><\/li>\n<li><a href=\"https:\/\/voicit.com\/blog\/recursos-humanos\/employee-experience-claves-rrhh\/5714\/\">Employee Experience: claves m\u00e1s all\u00e1 del onboarding<\/a><\/li>\n<\/ul>\n<div class=\"author-box\">\n<img decoding=\"async\" src=\"https:\/\/www.gravatar.com\/avatar\/9606a7cf8a077e463d66ccba5e8cd71f?s=160\" alt=\"\u00c1lvaro Arrescurrenaga, CEO de Voicit\"><\/p>\n<div class=\"author-box-text\">\n<strong>\u00c1lvaro Arrescurrenaga<\/strong><br \/>\nCEO y cofundador de Voicit. Emprendedor experto en IA aplicada a reuniones y procesos de selecci\u00f3n. M\u00e1s de 1.000 empresas usan la plataforma para transformar reuniones y entrevistas en informes accionables.\n<\/div>\n<\/div>\n<\/div>\n<p><script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"Article\",\n  \"headline\": \"\u00c9tica en el uso de tecnolog\u00eda para RRHH: privacidad, transparencia y equidad (2026)\",\n  \"description\": \"Gu\u00eda completa sobre \u00e9tica en IA para Recursos Humanos: privacidad de datos, sesgos algor\u00edtmicos, AI Act, RGPD y casos reales. Con checklist descargable.\",\n  \"author\": {\n    \"@type\": \"Person\",\n    \"name\": \"\u00c1lvaro Arrescurrenaga\",\n    \"url\": \"https:\/\/www.linkedin.com\/in\/alvaroarres\/\",\n    \"jobTitle\": \"CEO\",\n    \"worksFor\": {\n      \"@type\": \"Organization\",\n      \"name\": \"Voicit\"\n    }\n  },\n  \"publisher\": {\n    \"@type\": \"Organization\",\n    \"name\": \"Voicit\",\n    \"url\": \"https:\/\/voicit.com\",\n    \"logo\": {\n      \"@type\": \"ImageObject\",\n      \"url\": \"https:\/\/voicit.com\/wp-content\/uploads\/2023\/07\/Logo-voicit-black.png\"\n    }\n  },\n  \"datePublished\": \"2025-07-09\",\n  \"dateModified\": \"2026-03-09\",\n  \"mainEntityOfPage\": \"https:\/\/voicit.com\/blog\/recursos-humanos\/etica-tecnologia-rrhh\/5864\/\",\n  \"wordCount\": 2200,\n  \"inLanguage\": \"es\"\n}\n<\/script><\/p>\n<p><script type=\"application\/ld+json\">{\"@context\": \"https:\/\/schema.org\", \"@type\": \"FAQPage\", \"mainEntity\": [{\"@type\": \"Question\", \"name\": \"\u00bfQu\u00e9 datos de un candidato puede tratar RRHH?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"Los necesarios y proporcionados para evaluar el puesto: curr\u00edculum, experiencia, competencias y resultados de pruebas, siempre con base legal e informando de la finalidad. Quedan fuera los datos especialmente protegidos (salud, ideolog\u00eda, religi\u00f3n, origen) y la vida privada del candidato.\"}}, {\"@type\": \"Question\", \"name\": \"\u00bfEs legal usar IA para seleccionar personal?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ed, pero con condiciones. El Reglamento de IA de la UE considera la selecci\u00f3n un uso de alto riesgo: exige supervisi\u00f3n humana, transparencia y documentaci\u00f3n. Adem\u00e1s, el RGPD limita las decisiones totalmente automatizadas sobre una persona.\"}}, {\"@type\": \"Question\", \"name\": \"\u00bfC\u00f3mo se detecta si un algoritmo de selecci\u00f3n tiene sesgo?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"Midiendo los resultados por segmento (tasa de paso por sexo, edad u origen) y compar\u00e1ndolos. Si los errores se concentran en un grupo, hay sesgo. Conviene auditarlo peri\u00f3dicamente y mantener siempre a una persona en la decisi\u00f3n final.\"}}, {\"@type\": \"Question\", \"name\": \"\u00bfHay que avisar al candidato de que se usa IA en el proceso?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ed. La transparencia es una exigencia tanto del RGPD como del Reglamento de IA: el candidato debe saber que se usa un sistema automatizado, con qu\u00e9 finalidad y qu\u00e9 datos se tratan. Ocultarlo es, adem\u00e1s de ilegal, un da\u00f1o reputacional.\"}}, {\"@type\": \"Question\", \"name\": \"\u00bfSe puede grabar una entrevista de trabajo?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ed, informando al candidato y obteniendo su consentimiento, explicando para qu\u00e9 se usar\u00e1 la grabaci\u00f3n y cu\u00e1nto se conserva, conforme al RGPD. Grabar sin avisar puede invalidar el proceso y acarrear sanciones.\"}}]}<\/script><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u00c9tica \u00b7 RRHH \u00c9tica y tecnolog\u00eda en Recursos Humanos Usa la IA con criterio y responsabilidad Actualizado: marzo 2026 \u00b7 Por \u00c1lvaro Arrescurrenaga, CEO de Voicit En 2018, Amazon descubri\u00f3 que su sistema de IA para selecci\u00f3n de personal penalizaba sistem\u00e1ticamente a las mujeres. En 2020, el algoritmo de evaluaci\u00f3n de profesores en el Reino [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":8946,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":"","rank_math_title":"\u00c9tica y tecnolog\u00eda en RRHH: privacidad y equidad (2026)","rank_math_description":"Descubre la \u00e9tica en el uso de tecnolog\u00eda para RRHH y c\u00f3mo garantizar privacidad, transparencia y equidad en tu empresa.","rank_math_focus_keyword":"\u00e9tica en el uso de tecnolog\u00eda para RRHH"},"categories":[31,20],"tags":[],"class_list":["post-5864","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-consultoria","category-recursos-humanos"],"_links":{"self":[{"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/posts\/5864","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/comments?post=5864"}],"version-history":[{"count":16,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/posts\/5864\/revisions"}],"predecessor-version":[{"id":9541,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/posts\/5864\/revisions\/9541"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/media\/8946"}],"wp:attachment":[{"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/media?parent=5864"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/categories?post=5864"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/voicit.com\/pt\/wp-json\/wp\/v2\/tags?post=5864"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}