A Workday-ügy, ami sokkolta a világot

Nemrégiben nagy vihart kavart az USA-ban egy csoportos peres eljárás (class action lawsuit): a felperesek szerint a Workday által használt toborzási algoritmus diszkriminálta a fekete, 40 év feletti és fogyatékossággal élő pályázókat. A hír bejárta a nemzetközi sajtót – nem véletlenül.

Bár a per jelenleg magával a megoldás fejlesztőjével szemben zajlik, fontos megértenünk: az AI nem egy zárt doboz, és a felelősség nem áll meg a szoftverfejlesztőnél.

Az EU AI Act – amely 2026-ban lép hatályba, de egyes részei már 2025-től alkalmazandók – világosan kimondja: a teljes ellátási lánc felelős. Ha egy szervezet olyan AI-rendszert használ, amely például toborzási döntésekben vesz részt, az már magas kockázatú rendszernek minősül.

Ezek nemcsak ajánlások, hanem jogi kötelezettségek az EU AI Act alapján. Ráadásul az AI nem légüres térben működik: a magyar egyenlő bánásmódról szóló törvény (2003. évi CXXV.), valamint a Munka Törvénykönyve is tiltja a hátrányos megkülönböztetést – függetlenül attól, hogy ember vagy algoritmus követte el azt.

A tanulság: ez a per akár már most is bármelyik Workday-felhasználót érinthetné – akár Magyarországon is.

Hol csúszhat hiba az AI-fejlesztésben?

A Workday nyilvánvalóan nem akart diszkriminatív rendszert létrehozni – mégis megtörténhetett. Hogyan?

• Nem reprezentatív tanulóadatok: ha a múltbeli adatok torzultak, a modell is az lesz.
• Nem megfelelő célváltozó: ha maga a cél („kit vettek fel”) is torz múltbeli döntések eredménye.
• Rejtett proxy-változók: a modell nem explicit módon használja a nemet, életkort vagy fogyatékosságot, hanem közvetett jellemzők (pl. iskolatípus, lakcím, szókincs) alapján jut hátrányos következtetésre.
• Hiányzó kontroll: ha nincs rendszeres audit vagy emberi felülvizsgálat, nem derül ki a torzítás.

Ezeket részletesen is bemutattam korábbi cikkemben, „Aláássa-e a mesterséges intelligencia a diversity eredményeket?” címmel, amely elérhető itt.

De mi van a nőkkel az AI korában?

Az ENSZ munkaügyi szervezete, az ILO szerint a generatív AI elsősorban az adminisztratív és asszisztensi munkaköröket automatizálja – olyan területeket, ahol a nők felülreprezentáltak. Ez azt jelenti, hogy a nemek közötti egyenlőség eredményei könnyen veszélybe kerülhetnek (Gmyrek et al., 2025).

Éppen ezért tudatosan és strukturáltan kell kezelni:

• a karrierutak újratervezését,
• a reskilling stratégiákat,
• és a tanulási lehetőségek elérhetőségét.

Fontos kérdések, amelyeket DEIB-szempontból is meg kell vizsgálni:

• Kié a felelősség a reskillingért?
• Munkaidőn belül biztosítjuk-e a tanulás lehetőségét?
• Be tud-e kapcsolódni, akinek gondozási felelőssége van (gyermek, idős hozzátartozó)?

Ráadásul, ha mi magunk fejlesztünk AI-t, különösen fontos, hogy a fejlesztőcsapat is sokszínű legyen. Sajnos ebben rosszul állunk: az UNESCO szerint az AI-területen dolgozó mérnököknek csupán 22 százaléka nő, és a marginalizált csoportok képviselete is alacsony (Gmyrek et al., 2025).

A DEIB megőrzéséhez az AI-governance-ben is DEIB-re van szükség

Ez nemcsak frappáns szófordulat – hanem a jövő záloga. Az AI ugyanis nem csupán technológia, hanem tükröt tart az emberi döntések elé.

Ha azt szeretnénk, hogy az AI ne fokozza, hanem enyhítse az egyenlőtlenségeket, akkor:

• Már most el kell kezdeni feltérképezni az AI hatásait, és a reskilling stratégiákat úgy kell kialakítani, hogy azokban a DEIB-szempontok is érvényesüljenek.
• Kritikus az AI-literacy fejlesztése – ez nemcsak jó gyakorlat, hanem 2025. február 2-től törvényi kötelezettség is az EU AI Act alapján.
• A hatékony AI governance nemcsak compliance szempontból fontos. Az első lépés: sokszínű AI-governance és fejlesztői csapatok kialakítása.

Ha a DEIB valódi cél, ideje túllépni a hangzatos, ám hatástalan PR-szlogeneken. Az AI-korszak első lépése: a DEIB-szempontok tudatos és strukturált beemelése az AI-governance gyakorlatába.

(Borítókép: Adobe Stock)