Tu selección internacional puede estar expuesta hoy. El AI Act para empleadores de Estados Unidos no mira solo al proveedor. Mira también a quien usa la herramienta. ¿Tu proceso decide personas con una máquina? Entonces ya hay riesgo.

El punto no es técnico. Es operativo. Si tu equipo usa triado de CV, puntuación de perfiles o entrevistas automatizadas, el proceso entra en la zona sensible del reglamento europeo 2024/1689. Da igual que la herramienta salga de Boston o de San Francisco. La decisión se toma en tu organización. Y eso cambia todo para la DRH, el CEO y el equipo de selección.

La pregunta correcta no es si tu proveedor cumple. La pregunta es otra. ¿Quién configura el flujo? ¿Quién valida el resultado? ¿Quién explica la decisión a una persona candidata? Si hoy no tienes respuesta clara, mañana tendrás un problema. La Comisión Europea y la CNIL insisten en la supervisión humana cuando una herramienta influye en una decisión sensible. En selección, eso no es decorativo. Es central.

AI Act para empleadores de Estados Unidos: qué cambia en selección internacional

El cambio es simple y duro. El uso de IA en selección deja de ser un apoyo neutro. Pasa a ser una actividad con impacto regulatorio. Si tu equipo filtra candidaturas, ordena perfiles o asigna puntuaciones, el sistema puede considerarse de alto riesgo. Eso obliga a documentar, controlar y revisar. No basta con decir que la herramienta “ayuda”. ¿Ayuda a quién? ¿Y con qué criterio?

La extraterritorialidad es la parte incómoda. Un proveedor puede estar fuera de Europa. El efecto jurídico puede caer dentro. Por eso el AI Act para empleadores de Estados Unidos importa también para equipos con sede en España o América Latina que contratan talento internacional. Si la vacante se publica para varios países, la complejidad sube. Si además hay integración con ATS, scoring o entrevistas automatizadas, la trazabilidad ya no es opcional.

Según el texto del reglamento, la vigilancia es más estricta cuando la IA participa en la evaluación de personas. Para entender el marco, conviene leer el propio Reglamento europeo 2024/1689. También ayuda revisar la guía del Comité Europeo de Protección de Datos cuando hay datos personales y decisiones automatizadas.

• Identifica si la IA filtra, ordena o recomienda.
• Separa la decisión técnica de la decisión humana.
• Guarda pruebas de revisión y supervisión.
• Define quién responde ante auditoría interna.

Conformidad AI Act en selección transatlántica: quién responde

El vocabulario importa. El proveedor crea o pone a disposición la solución. El empleador la usa. Ese es el corazón del problema. Si eres quien aplica la herramienta en selección, puedes ser el responsable operativo aunque el software venga de fuera. ¿Te parece injusto? Puede ser. Pero es así. Y más vale asumirlo hoy que descubrirlo en una revisión interna.

La cadena de decisión debe quedar clara. Quien recoge datos, quien interpreta el score y quien acepta o rechaza una recomendación debe estar identificado. Un error muy común es dejar que el sistema “ordene” perfiles y luego pensar que la selección sigue siendo manual. No. Si la recomendación pesa, la responsabilidad también pesa. La actualidad sobre RR. HH. ayuda a seguir este tipo de cambios con enfoque práctico.

Hay casos cotidianos. Un manager recibe un ranking de talento. Una consultora internacional usa una plataforma de entrevistas. Un equipo regional compara perfiles con una matriz automática. En todos esos escenarios hay una misma pregunta: ¿quién revisa el resultado antes de avanzar? Si no hay revisión real, el riesgo crece. La referencia de la AEPD sobre decisiones automatizadas es útil para ordenar el criterio interno.

Una herramienta no decide sola. Decide dentro de un proceso. Y el proceso tiene dueño.

AI Act para empleadores de Estados Unidos: fechas, riesgos y sanciones

El calendario no espera. Desde el 2 de agosto de 2026, los sistemas de IA usados para selección, filtrado o evaluación entran en la categoría más estricta. Eso no significa que antes no exista riesgo. Significa que después será más visible. Y más caro. ¿Tu equipo tiene tiempo para improvisar? No debería.

Las sanciones previstas son serias. Las fuentes sectoriales citan importes de hasta 35 millones de euros o el 7 % de la facturación mundial, según el valor más alto. No es una cifra decorativa. Es una señal. Por eso conviene revisar ahora el proceso de extremo a extremo. Desde la publicación de la vacante hasta la oferta final. Sin huecos. Sin automatismos opacos.

En paralelo, necesitas evidencia. No opinión. Evidencia. Eso incluye políticas internas, registro de uso, controles de sesgo y validación de resultados. Si quieres contrastar el impacto de la tecnología en selección, también puedes revisar la selección de pruebas de RR. HH. y ver cómo encajan los test con un proceso más trazable.

Qué debe revisar hoy la DRH en sus herramientas de selección

No empieces por el proveedor. Empieza por tu flujo. ¿Qué decisión toma la máquina? ¿Qué decisión toma una persona? ¿Qué dato entra? ¿Qué dato sale? Si no puedes dibujar eso en una hoja, el proceso ya está demasiado difuso. La claridad evita errores. Y también evita discusiones inútiles con tecnología y compras.

Haz una revisión corta. Pero seria. Mira si hay puntuación automática, filtros por palabras, análisis de video, ranking de adecuación o recomendaciones de exclusión. Cada uno de esos puntos puede cambiar el nivel de riesgo. También debes saber si hay un humano que puede parar el sistema. No alguien que solo firma. Alguien que decide.

• Mapea cada punto de uso de IA en selección.
• Identifica qué datos personales procesa la herramienta.
• Define revisión humana antes de rechazar perfiles.
• Conserva registros de decisiones y cambios.

Pruebas SIGMUND y control del proceso de selección

Si quieres bajar el ruido, usa evidencias comparables. Las pruebas psicométricas y de competencias ayudan a ordenar la selección con criterios más estables. No sustituyen el criterio humano. Lo vuelven más defendible. Y eso importa cuando una herramienta externa influye en el avance de una persona candidata. El objetivo no es automatizar por automatizar. Es decidir mejor.

En este punto, una plataforma sólida ayuda. Puedes revisar el catálogo de pruebas para ver opciones de evaluación más estructuradas. Si buscas una visión técnica del uso de test en procesos de talento, también conviene explorar la plataforma de pruebas. Ambas páginas te permiten pensar la selección con más orden y menos improvisación.

Dato útil. La supervisión humana no es un gesto simbólico. Es una práctica de control. Y cuando un proceso tiene volumen, la práctica necesita método. ¿Tu equipo tiene ese método hoy? Si no, el siguiente paso es construirlo antes de escalar más el uso de IA.

Datos que la conformidad no te permite ignorar

El reglamento europeo 2024/1689 es el marco base. La referencia oficial está en EUR-Lex. La Comisión Europea ha señalado que la gestión del riesgo depende de la fase de uso, no solo del desarrollo. La CNIL recuerda además que la transparencia y la supervisión humana son esenciales en sistemas sensibles.

Hay cifras que conviene retener. Uno: 2 de agosto de 2026. Fecha de entrada en la fase más estricta para selección. Dos: 35 millones de euros. Sanción máxima citada en fuentes sectoriales. Tres: 7 % de la facturación mundial. Cuatro: 2024/1689. Número del reglamento. Cinco: alto riesgo cuando la IA participa en selección, filtrado o evaluación. No son adornos. Son límites operativos. Y condicionan tu manera de contratar.

También puedes leer la actualidad sobre RR. HH. para seguir los cambios que afectan a selección y conformidad.

Cómo aplicar la Ley de IA de la UE sin frenar la selección

La salida no es parar. La salida es ordenar. Si tu empresa usa IA para filtrar, puntuar o priorizar perfiles, ya tienes una exposición clara. ¿Sabes qué parte del flujo toca datos, decide o recomienda? Ahí empieza el control. Ahí empieza el riesgo. La Ley de IA de la Unión Europea exige trazabilidad, supervisión humana y un uso que puedas explicar. No vale decir “lo hace la herramienta”. Eso no defiende nada. Lo que defiende es un proceso escrito, probado y revisable. Y sí, eso también mejora la calidad de la selección.

El primer paso es mapear cada uso. No solo la plataforma principal. También el correo automático, el filtrado de CV, la entrevista grabada, el ranking de perfiles y el análisis de soft skills. Si una parte del sistema influye en una decisión, cuenta. En una auditoría, lo que no está registrado, no existe. Por eso conviene crear un inventario simple. Uno que diga qué hace la herramienta, qué dato usa, quién la supervisa y qué evidencia guarda. ¿Tu equipo podría responder eso en diez minutos?

Según Matthew Bertram, las prácticas prohibidas y la obligación de alfabetización en IA son exigibles desde el 2 de febrero de 2025, y las obligaciones para GPAI entraron en vigor el 2 de agosto de 2025. La referencia importa porque cambia la urgencia. No es una alerta teórica. Es una fecha. Es una obligación. Y, si necesitas apoyo interno para ordenar los pasos, puedes revisar las pruebas de RRHH de SIGMUND para estructurar un proceso más defendible.

Qué debes documentar desde hoy

Hazlo simple. Un archivo por sistema. Una ficha por uso. Y un responsable claro. No busques perfección. Busca evidencia útil. La documentación debe responder a cuatro preguntas: qué hace la IA, para quién la usas, qué datos procesa y qué controles aplicas. Si el proveedor no entrega respuestas claras, ya tienes un segundo problema. Si no puedes describir el criterio de decisión, ya tienes un tercero. Y si nadie revisa los resultados, ya tienes el cuarto. La selección no puede depender de una caja negra. Ni por ética. Ni por reputación. Ni por ROI.

• Identifica cada punto donde la IA influye en la decisión final.
• Guarda la finalidad, los datos usados y la persona supervisora.
• Pide al proveedor pruebas de tests, documentación y control de sesgos.
• Revisa si el proceso tiene revisión humana real, no solo nominal.

La ley no premia la intención. Premia la prueba. Y la prueba se construye con orden, no con discursos.

Qué pedir al proveedor sin rodeos

Pide tres cosas. Primera, evidencia de validación técnica. Segunda, documentación sobre sesgos y sus límites. Tercera, el método de supervisión humana. Si el proveedor responde con frases amplias, insiste. Si evita la pregunta, desconfía. No necesitas promesas. Necesitas datos. En contratación, un error de sesgo no se corrige con marketing. Se corrige con tests, revisión y control. Según Brightmine, la exposición alcanza también a empresas fuera de la UE cuando venden o actúan en ese mercado. Eso amplía el alcance real.

Un buen contrato interno o con proveedor debería incluir, como mínimo, registros de auditoría, umbrales de precisión, fecha de última revisión, responsable técnico y mecanismo de suspensión. Si no existe ese nivel de detalle, el riesgo crece. Y crece rápido. La plataforma de tests de SIGMUND puede ayudarte a trabajar con más estructura en evaluación objetiva. Menos improvisación. Más evidencia.

Cómo reducir sesgos en IA de selección con pruebas y revisión humana

Reducir sesgos no es una declaración. Es una rutina. Y empieza antes de publicar la vacante. Si alimentas la IA con historiales viejos, perfiles homogéneos y criterios poco claros, repetirás el mismo patrón. Eso no es innovación. Es copia. Por eso conviene revisar los criterios de entrada. Qué dato sí. Qué dato no. Qué peso tiene cada variable. Y quién valida el resultado final. La supervisión humana tiene que ser real. No decorativa. Si la persona responsable nunca contradice a la máquina, entonces no supervisa nada.

El mejor antídoto es la combinación de tests y criterio profesional. Un test bien diseñado no sustituye a la entrevista. Tampoco la entrevista sustituye al test. Ambos suman cuando el proceso está pensado. Por ejemplo, puedes usar pruebas de razonamiento, simulaciones de puesto y evaluación de soft skills. Luego comparas resultados con desempeño posterior. Así construyes un benchmark interno. Así detectas si el sistema favorece un tipo de perfil y penaliza otro. Y así mejoras el proceso sin depender de intuiciones.

La referencia externa ayuda. El marco ISO 10667 establece principios para la evaluación de personas en contextos laborales, y eso encaja con un proceso que necesita trazabilidad y validez. Si además tu política interna incorpora revisión por la DRH, doble validación y registro de excepciones, la selección gana fuerza. El punto no es solo cumplir. El punto es decidir mejor. Porque una mala decisión de contratación cuesta tiempo, dinero y credibilidad. ¿De verdad quieres enterarte tarde?

Una rutina semanal que sí funciona

El control de sesgos no necesita una ceremonia. Necesita hábitos. Una revisión semanal basta para empezar. Reúne a la persona técnica, a la persona de selección y a la responsable de negocio. Mira una muestra pequeña. Compara rechazos, avances y contrataciones. Busca patrones raros. ¿Hay demasiados descartes en un mismo origen académico? ¿La IA puntúa siempre mejor a un tipo de trayectoria? ¿El onboarding confirma o contradice lo que prometía el filtro inicial? Ese tipo de preguntas evita sorpresas.

• Revisa una muestra semanal de decisiones automatizadas.
• Compara resultados por fuente, perfil y nivel de experiencia.
• Registra excepciones y corrige criterios de entrada.
• Mantén revisión humana con capacidad real de cambiar la decisión.

La decisión buena es la que mejora con datos. La mala es la que se repite sin mirar.

Qué métricas vigilar para no volar a ciegas

Sin métricas, todo parece correcto. Con métricas, todo se pone en su sitio. Vigila tasa de avance por fase, tiempo medio de cierre, porcentaje de rechazo automático, desviación entre evaluadores y ratio de aceptación por canal. Añade una métrica de calidad a los 90 días. Si la persona contratada rinde mal, el problema quizá estaba antes. Si rinde bien, el proceso hizo algo correcto. Según el contexto normativo citado por Consultils, Colorado prevé obligaciones de pruebas de discriminación y Nueva York mantiene sanciones de hasta 2.500 dólares por violación en ciertos usos sin aviso. El dato es útil porque muestra que el control ya es una exigencia práctica.

Para aterrizarlo, define un cuadro mensual con cinco KPI. Uno por calidad. Uno por tiempo. Uno por sesgo. Uno por experiencia del candidato. Uno por retorno. Si el sistema acelera, pero baja la calidad, no sirve. Si mejora la calidad, pero ahuyenta talento, tampoco. Y si todo sube menos el control, vuelves al inicio. ¿Qué elegirías tú si tuvieras que defenderlo mañana?

Qué hacer con los equipos de selección y la alfabetización en IA

La alfabetización en IA no es un curso bonito. Es una protección operativa. Quien usa la herramienta debe entender sus límites. Debe saber cuándo parar. Debe saber cuándo escalar. Y debe saber que una recomendación automática no es una orden. Si el equipo no entiende eso, el riesgo se multiplica. Por eso la formación debe ser breve, práctica y repetida. Nada de teorías eternas. Casos reales. Decisiones reales. Errores reales. Eso es lo que cambia el comportamiento.

Haz una formación por capas. La primera para selección. La segunda para managers. La tercera para dirección. Cada una con foco distinto. Selección necesita saber cómo validar resultados. Dirección necesita saber qué riesgo asume. Y negocio necesita saber qué plazo, qué coste y qué impacto tiene la medida. Una buena formación también deja huella. Guarda asistencia, contenido, fecha, responsable y prueba de comprensión. Porque la alfabetización sin evidencia no protege. Y una auditoría no pregunta si hubo buena voluntad. Pregunta si hubo control.

La guía de Matthew Bertram recuerda que la alfabetización en IA ya es exigible. Eso obliga a salir del enfoque informal. No vale “ya lo saben”. Hay que demostrarlo. Y eso encaja con un proceso más serio de selección, especialmente si usas pruebas estructuradas y un catálogo definido. Si quieres revisar ese enfoque, puedes ir a el catálogo de pruebas de SIGMUND.

Señales de que tu equipo necesita refuerzo

Las señales suelen verse pronto. La persona técnica habla sola. La selección acepta resultados sin cuestionarlos. Los managers piden “al mejor perfil” sin definir qué significa eso. Y el equipo duda cuando alguien pregunta por criterios. Si esto pasa, no necesitas más herramientas. Necesitas claridad. La claridad baja el ruido. Baja la fricción. Y reduce errores. Un equipo que entiende el proceso puede defenderlo. Uno que no lo entiende lo sufre.

• Define roles concretos para cada fase del proceso.
• Incluye ejemplos de uso correcto e incorrecto de la IA.
• Ensaya respuestas ante auditoría interna o externa.
• Cierra cada sesión con una decisión operativa aplicable.

La decisión correcta hoy

No esperes a una sanción para ordenar el sistema. No esperes a que un candidato reclame. No esperes a que un proveedor desaparezca. La decisión correcta hoy es sencilla: inventario, evidencia, revisión humana y formación. Cuatro piezas. Una sola rutina. Si quieres una ayuda clara para llevar la evaluación a un terreno más objetivo, mira las pruebas de RRHH de SIGMUND y compara cómo encajan con tus fases actuales. Si no encajan, rediseña. Si encajan, implántalas con control.

La mejor defensa ante una auditoría no es una excusa. Es un proceso que cualquiera puede seguir.

Según el marco que recoge Brightmine, las sanciones pueden llegar a 35 millones de euros o al 7 % de la facturación mundial. Esa cifra no invita a improvisar. Invita a ordenar. Y cuanto antes se ordene, menos caro será el cambio.