Digitális skatulyában az álláskeresők?

Az elmúlt években a mesterséges intelligencia fokozatosan, majd robbanásszerű gyorsasággal jelent meg a munkaerő-kiválasztás világában. Míg korábban az önéletrajzok elsődleges szűrését HR-munkatársak végezték, ma már egyre több vállalat alkalmaz automatizált rendszereket a jelentkezők rangsorolására, szűrésére és értékelésére. Ezek a rendszerek az önéletrajzokban szereplő információkat a pozíció követelményeivel vetik össze, és olyan tényezők alapján becslik meg a jelöltek alkalmasságát, mint a szakmai tapasztalat, a végzettség, a készségek, valamint a munkaköri leírásban és az önéletrajzban szereplő kulcsszavak egyezése. Az elemzés eredményeként a rendszer pontszámot vagy illeszkedési mutatót rendel a pályázókhoz, majd ezek alapján prioritási sorrendet állít fel a toborzók számára. A technológia térnyerése önmagában nem feltétlenül jelent problémát, hiszen a mesterséges intelligencia több területen is bebizonyította létjogosultságát és hasznosságát. 

Így a kérdés ma már nem az, hogy az algoritmusok képesek-e támogatni a kiválasztási folyamatokat, hanem az, hogy növekvő szerepük mellett miként biztosítható a munkakeresők tisztességes és etikus elbírálása, valamint az ezt védő jogi és intézményi keretek hatékonysága. 

A Stanford Egyetem kutatóinak 2026 tavaszán megjelent, Az algoritmikus monokultúra jelensége a munkaerő-kiválasztásban című tanulmánya a mesterséges intelligenciával támogatott kiválasztási rendszerek eddigi legnagyobb empirikus vizsgálatának tekinthető.¹ A kutatók több mint 3 millió álláskereső 4 millió jelentkezését elemezték 156 amerikai munkáltatónál. 

Az algoritmikus monokultúra

A jelentkezések közös jellemzője volt, hogy valamennyien ugyanazon kiválasztást támogató szolgáltató algoritmusain keresztül került előszűrésre. A Fortune 100 listán szereplő vállalatok több mint 60%-a alkalmazza a HireVue algoritmikus kiválasztási megoldásait1, ami azt jelenti, hogy miközben a jelentkező szándéka szerint több különböző munkáltatónak küldte el önéletrajzát, a kezdeti értékelést sok esetben ugyanaz az algoritmikus rendszer végezte el, mintha a pályázatok egy közös kapun keresztül érkeztek volna a munkaerőpiacra. Ezt a jelenséget algoritmikus monokultúrának nevezi a tudomány1. 

A kutatók azt vizsgálták, hogy azok a jelentkezők, akik több állásra is pályáznak, valóban egymástól független kiválasztási döntésekkel találkoznak-e, vagy ugyanaz a döntési logika ismétlődik meg különböző munkáltatóknál. Ha ugyanis algoritmikus monokultúra áll fenn, akkor egyes pályázók nem csupán egy-egy állás esetében, hanem rendszerszinten is hátrányba kerülhetnek. Az eredmények ezt a feltételezést támasztották alá. Azok közül a jelentkezők közül, akik négy különböző állásra nyújtottak be pályázatot, minden tizedik pályázót mind a négy esetben elutasították. A kutatók szerint ez az arány lényegesen magasabb annál, mint ami akkor lenne várható, ha az egyes munkáltatók döntései valóban egymástól függetlenül születnének, így ezt rendszerszintű elutasításnak is értelmezhetjük.

A digitális skatulya

A mesterséges intelligencia monokulturális alkalmazásának egyik legnagyobb veszélye a „digitális beskatulyázás”. A probléma abból fakad, hogy adott jelentkezőről kialakított algoritmikus értékelések nem feltétlenül marad egyetlen kiválasztási folyamat keretei között. Ha a munkaerőpiac jelentős részén hasonló modellek és értékelési szempontok működnek, egy korai, kedvezőtlen minősítés hosszú időre befolyásolhatja a pályázó lehetőségeit.

A társadalomtudomány ezt a jelenséget útfüggőségnek (path dependence)2 nevezi: a korábbi döntések aránytalanul nagy hatást gyakorolnak a későbbi kimenetekre. Ennek következtében kialakulhat egy önmagát erősítő folyamat, amelyben a kedvezően értékelt jelentkezők egyre több lehetőséghez jutnak, míg a korábban hátrányosan megítéltek egyre nehezebben tudnak kitörni a rájuk osztott „digitális skatulyából”.

A kutatás adatai szerint a pymetrics rendszerében, amely játék alapú feladatok segítségével méri a jelentkezők különböző kognitív, viselkedési és pszichometriai jellemzőit, majd ezen adatok alapján részletes profilt alakít ki a jelentkezőkről, az ezekből származó adatokat 330 napig megőrizte1. Amennyiben a jelentkező ezen időszakon belül egy másik, szintén pymetrics által támogatott állásra pályázott, a korábban rögzített adatok ismét felhasználásra kerülhettek az értékelés során.

Munkajogi szempontból ez különösen aggályos lehet. Ha a jelentkező időközben új végzettséget szerez, szakmai tapasztalatot halmoz fel, vagy jelentősen fejleszti kompetenciáit, de a rendszer továbbra is egy korábbi profil alapján ítéli meg, akkor sérülhet az egyéni elbírálás követelménye.

A munkaviszony létesítésével kapcsolatos döntéseknek ugyanis főszabály szerint a pályázó aktuális alkalmasságán kell alapulniuk. Amennyiben egy korábban kialakított algoritmikus értékelés tartósan befolyásolja a jelentkező megítélését, fennáll annak a veszélye, hogy a rendszer nem a személy jelenlegi képességeit és teljesítményét, hanem egy korábbi állapotát veszi alapul. Ilyen esetben a kiválasztási folyamat elveszítheti dinamikus jellegét: a pályázó fejlődése, tanulása vagy szakmai előrelépése nem jelenik meg megfelelő súllyal a döntésben.

Mit jelent mindez Magyarország számára?

A mesterséges intelligencia alkalmazása a magyar munkaerőpiacon ma még kevésbé elterjedt, mint az Egyesült Államokban, azonban a tendencia már itthon is egyértelműen megfigyelhető. A multinacionális vállalatok jelentős része globális HR-rendszereket használ, amelyek egyre gyakrabban tartalmaznak automatizált szűrő- és rangsoroló megoldásokat.
Ugyanakkor a technológia jelenlegi, viszonylag alacsony elterjedtsége egyfajta időbeli előnyt is jelenthet Magyarország számára. A jogalkotók, a munkáltatók és a szakmai szervezetek még azelőtt reagálhatnak a nemzetközi tapasztalatok alapján már azonosított kockázatokra, hogy azok széles körben megjelennének a hazai gyakorlatban. Ez lehetőséget teremthet olyan szabályozási, technológiai és oktatási megoldások kialakítására, amelyek egyszerre támogatják az innovációt és védik a munkavállalók jogait.

Különösen fontos kérdés a jelentkezők megfelelő tájékoztatása az automatizált döntéshozatal alkalmazásáról, az algoritmikus döntések átláthatóságának biztosítása, az emberi felülvizsgálat lehetősége, az adatmegőrzés időtartamának meghatározása, a profilalkotás korlátainak kijelölése, valamint a diszkriminációellenes szabályok algoritmusokra történő alkalmazása.

E kérdések jelentős része már ma is megjelenik az Európai Unió adatvédelmi rendeletében (GDPR)4, valamint az elfogadott uniós AI-rendeletben (AI Act)3. Utóbbi a foglalkoztatás, a munkavállalók irányítása és a munkaerő-kiválasztás területén alkalmazott mesterséges intelligencia rendszereket kifejezetten a magas kockázatú alkalmazások közé sorolja. 

Fontos azonban kiemelni, hogy a kutatás eredményei nem a mesterséges intelligenciától való elfordulás szükségességét támasztják alá, hanem alkalmazásának etikai és jogi kereteivel kapcsolatos kérdések jelentőségére irányítják a figyelmet. A mesterséges intelligencia ugyanis nem önmagában jelent kockázatot, hanem olyan technológiai eszköz, amely megfelelő alkalmazás mellett hatékonyabbá, gyorsabbá és objektívebbé teheti a döntéshozatalt. Ahogyan a történelem során számos innováció, úgy a mesterséges intelligencia is jelentős társadalmi és gazdasági előnyöket kínálhat, amennyiben működését megfelelő garanciák, átláthatósági követelmények és emberi kontroll kísérik. A valódi kihívás ezért nem az, hogy használjuk-e a mesterséges intelligenciát, hanem az, hogy miként tudjuk azt úgy alkalmazni, hogy annak előnyei a lehető legszélesebb körben érvényesüljenek, miközben a kockázatok kezelhetők maradnak.

dr. Sarkadi Éva LLD, MSc.

Források:
1 Bommasani, R., Bana, S. H., Creel, K. A., Jurafsky, D., & Liang, P. (2026). Algorithmic Monocultures in Hiring. arXiv preprint arXiv:2605.27371. 

2 Pierson, P. (2000). Increasing Returns, Path Dependence, and the Study of Politics. American Political Science Review, 94(2), 251–267. doi:10.2307/2586011

3 Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 1689, 12 July 2024.
4 Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 (General Data Protection Regulation).

Nyitókép: Magnific.com