Artigo 15.º: Exatidão e solidez na IA de RH — EU AI Act

Como a exatidão e solidez do artigo 15.º do EU AI Act se aplicam à IA de tecnologia de RH — paridade demográfica, impacto adverso e resiliência à manipulação de currículos.

Publicado 2 de abril de 2026

O artigo 15.º do Regulamento da IA da UE exige que os sistemas de IA de risco elevado alcancem níveis adequados de exatidão, solidez e cibersegurança ao longo do seu ciclo de vida. Na tecnologia de RH, a exatidão não é apenas uma métrica técnica — é um requisito de equidade. Um sistema de recrutamento por IA que alcança 85 % de exatidão global mas apenas 60 % para um grupo demográfico específico não é conforme. Nos termos do anexo III, secção 4, os sistemas de IA utilizados no emprego, na gestão de trabalhadores e no acesso ao trabalho por conta própria — incluindo o recrutamento, a triagem, a filtragem e a avaliação de candidatos — são classificados como de risco elevado.

Esta página explica como as obrigações de exatidão, solidez e cibersegurança do artigo 15.º se aplicam especificamente à tecnologia de RH — da triagem de currículos à avaliação de desempenho — incluindo a paridade de exatidão demográfica, a análise de impacto adverso, a solidez face à manipulação de candidatos, a calibração de pontuações e que violações ao nível do código a Scanara deteta nos sistemas de IA de RH.

Métricas de exatidão para sistemas de IA de tecnologia de RH

Paridade de exatidão demográfica

A exatidão deve ser validada separadamente para cada grupo demográfico. Uma exatidão global de 85 % com 60 % de exatidão para um grupo demográfico específico não é conforme. O artigo 15.º exige que as disparidades de desempenho entre grupos protegidos sejam identificadas, declaradas e mitigadas — e não ocultadas por trás de métricas agregadas.

Rácio de impacto adverso

O rácio das taxas de seleção entre grupos demográficos deve ser monitorizado de forma contínua. A regra dos 4/5 (amplamente adotada a partir das orientações da EEOC dos EUA e cada vez mais referida em contextos da UE) fornece uma referência: se a taxa de seleção de qualquer grupo protegido descer abaixo de 80 % da taxa do grupo mais selecionado, o sistema exige investigação e correção.

Calibração de pontuações

As pontuações de candidatos atribuídas pela IA devem estar bem calibradas: uma pontuação de 70/100 deve corresponder a candidatos genuinamente quase equivalentes em adequação. Pontuações mal calibradas — em que um 70 e um 80 não apresentam qualquer diferença significativa no desempenho profissional real — comprometem a declaração de exatidão exigida pelo artigo 15.º e induzem em erro os responsáveis pela contratação que se baseiam nas saídas da IA.

Validade preditiva

Os sistemas de contratação por IA devem demonstrar que as suas previsões se correlacionam com os resultados reais de desempenho profissional. Um sistema que prevê com exatidão quais os candidatos que passarão nas entrevistas mas não quais terão sucesso na função tem uma validade preditiva limitada. O artigo 15.º exige que a exatidão declarada reflita resultados concretos, e não métricas indiretas.

Principais obrigações de exatidão e solidez para a tecnologia de RH

O artigo 15.º exige que os sistemas de IA de risco elevado sejam resilientes a erros, falhas e incoerências. Na tecnologia de RH, tal inclui a solidez face à manipulação de candidatos (manipulação do currículo), ao desvio de conceito à medida que os mercados de trabalho evoluem e a uma pontuação coerente para entradas equivalentes.

Solidez face à manipulação do currículo

Podem os candidatos explorar o sistema através do preenchimento com palavras-chave, truques de formatação ou formulações estratégicas? O artigo 15.º exige resiliência face a entradas especificamente concebidas para manipular a saída do sistema. Um sistema de triagem que classifica um currículo preenchido com palavras-chave significativamente acima de um currículo equivalente em conteúdo não é sólido.

Monitorização do desvio de conceito

Um modelo treinado com padrões de contratação de um determinado período do mercado de trabalho pode ter um mau desempenho quando as condições de mercado mudam. O artigo 15.º exige exatidão ao longo do ciclo de vida, o que implica um acompanhamento contínuo do desempenho — e não apenas uma validação antes da implementação. A deteção de desvio deve desencadear uma revalidação ou um retreino do modelo.

Reprodutibilidade da pontuação

Perfis de candidatos idênticos apresentados em momentos diferentes ou através de canais diferentes devem receber pontuações coerentes. O artigo 15.º exige um desempenho constante para entradas idênticas — um sistema que pontua o mesmo currículo de forma diferente à segunda-feira e à sexta-feira ou através de diferentes formatos de carregamento não é conforme.

Resiliência à manipulação por terceiros

O artigo 15.º exige resiliência face às tentativas de terceiros de alterar o desempenho do sistema. Em RH, tal inclui a proteção contra a manipulação por agências de recrutamento, serviços de redação de currículos ou candidaturas geradas por IA concebidas para enganar o sistema de pontuação.

Sobreposições regulamentares

Os requisitos de exatidão e solidez da tecnologia de RH intersetam-se com o direito da discriminação no emprego, a regulamentação da proteção de dados e os quadros de responsabilização algorítmica. A mera conformidade com o artigo 15.º é insuficiente — estas obrigações sobrepostas devem ser tratadas em conjunto.

Diretivas de igualdade de tratamento

As Diretivas de igualdade de tratamento da UE proíbem a discriminação no emprego em razão do sexo, da origem racial ou étnica, da religião, da deficiência, da idade ou da orientação sexual. As disparidades de exatidão entre estes grupos protegidos não são apenas questões de conformidade com o artigo 15.º, mas potenciais violações do direito fundamental do emprego da UE.

Artigo 22.º do RGPD — Decisões automatizadas

O artigo 22.º do RGPD restringe as decisões baseadas unicamente no tratamento automatizado que produzam efeitos significativos. As decisões de emprego inserem-se neste âmbito. Os requisitos de exatidão do artigo 15.º complementam as garantias do RGPD — decisões de contratação automatizadas inexatas são duplamente problemáticas ao abrigo de ambos os quadros.

Quadros de responsabilização algorítmica

As orientações emergentes da UE em matéria de responsabilização algorítmica exigem que as organizações documentem a exatidão, a equidade e a fiabilidade dos sistemas de IA utilizados no emprego. O requisito do artigo 15.º de declarar os níveis de exatidão alinha-se com estes quadros e fornece a base técnica para o relato de responsabilização.

Orientações equivalentes às da EEOC

Embora a regra dos 4/5 tenha origem nas orientações da EEOC dos EUA, os reguladores da UE referem cada vez mais limiares de impacto adverso semelhantes nos contextos de contratação algorítmica. Os requisitos de paridade de exatidão do artigo 15.º serão provavelmente avaliados face a referências comparáveis na prática de aplicação da UE.

Violações comuns detetadas pela Scanara

Exatidão apenas agregada sem estratificação demográfica

Pipelines de avaliação que calculam apenas a exatidão global sem desagregar o desempenho por grupo demográfico. A Scanara sinaliza o código de avaliação que não dispõe de métricas estratificadas — o artigo 15.º exige que a exatidão seja validada e declarada para todos os grupos protegidos, e não comunicada como um único valor agregado.

Ausência de testes de solidez face a ataques adversariais para as entradas de currículos

Pipelines de CI/CD sem testes de solidez face a ataques adversariais para as entradas de candidatos. A Scanara sinaliza os fluxos de avaliação que não são testados face a currículos preenchidos com palavras-chave, manipulação de formato ou candidaturas geradas por IA especificamente concebidas para enganar o sistema de pontuação.

Modelo implementado sem deteção de desvio de conceito

Modelos de IA de RH implementados sem monitorização contínua do desvio de conceito à medida que os mercados de trabalho e os conjuntos de candidatos mudam. A Scanara deteta pipelines de pontuação que não dispõem de mecanismos de deteção de desvio, alertas de degradação do desempenho ou fatores desencadeantes de revalidação programados.

Métricas de desempenho não incluídas na documentação

Implementações em que as métricas de exatidão, os rácios de impacto adverso e os resultados de calibração não são incluídos na ficha do modelo ou nas instruções de utilização. O artigo 15.º exige que os níveis de exatidão e as métricas de desempenho esperadas sejam declarados na documentação de acompanhamento.

Lista de verificação de conformidade com o artigo 15.º para a tecnologia de RH

Art. 15(1)

Alcançar a paridade de exatidão demográfica

Valide a exatidão em todos os grupos demográficos protegidos. Assegure que nenhum grupo apresenta uma exatidão significativamente inferior à da população global. Declare as métricas estratificadas nas instruções de utilização.

Art. 15(2)

Assegurar a solidez face à manipulação de candidatos

Teste a resiliência face à manipulação do currículo, ao preenchimento com palavras-chave, à manipulação de formato e às candidaturas geradas por IA. Documente os limiares de solidez e os vetores de manipulação conhecidos.

Art. 15(3)

Monitorizar e tratar o desvio de conceito

Implemente uma monitorização contínua do desempenho com deteção de desvio. Desencadeie uma revalidação quando as condições do mercado de trabalho, os conjuntos de candidatos ou as distribuições de pontuações mudarem de forma significativa.

Art. 15(4)

Manter a cibersegurança dos sistemas de pontuação

Proteja os sistemas de pontuação por IA contra a modificação não autorizada dos dados de treino, dos parâmetros do modelo ou dos algoritmos de pontuação. Implemente verificações de integridade e controlos de acesso para todos os componentes.

Art. 15(5)

Assegurar a calibração de pontuações e a reprodutibilidade

Verifique que as pontuações da IA estão bem calibradas face ao desempenho profissional real e que perfis de candidatos idênticos recebem pontuações coerentes ao longo do tempo e entre canais de submissão.

Perguntas frequentes

Como o Scanara ajuda

O Scanara automatiza a conformidade com o Regulamento de IA do código ao dossiê. Ligue os seus repos GitHub e obtenha relatórios de conformidade em minutos.