La recent demanda contra Meta per l'ús d'intel·ligència artificial en processos d'acomiadament ha reobert un debat crucial: pot una màquina decidir qui conserva la seva feina sense caure en biaixos o violacions legals? El cas, presentat en un tribunal de Califòrnia, al·lega que Meta va utilitzar un conjunt de sistemes d'IA —incloent assistents interns com Metamate i algorismes de seguiment d'activitat— per puntuar i seleccionar empleats per a l'acomiadament, penalitzant de manera desproporcionada els que estaven de baixa protegida. Meta defensa que les decisions finals van ser preses per persones, però els demandants insisteixen que el procés algorísmic va ser determinant. Aquest litigi no afecta només el gegant tecnològic: estableix un precedent per a qualsevol organització que integri IA en la gestió del talent.
El cor del problema rau en la manca de transparència i de supervisió humana significativa. Quan un sistema d'IA classifica, recomana o fins i tot executa decisions laborals, pot reproduir biaixos històrics o malinterpretar dades crítiques, com les absències protegides per llei. En el cas de Meta, els empleats de baixa per maternitat, malaltia o cura familiar haurien rebut puntuacions més baixes simplement per no estar actius. Això xoca frontalment amb normatives com la Family and Medical Leave Act (FMLA) als Estats Units, que prohibeix utilitzar la baixa com a factor negatiu. La tecnologia, per si sola, no distingeix entre una absència justificada i una falta de productivitat.
Per a les empreses, aquest escenari exigeix una revisió profunda dels seus sistemes de decisió automatitzats. No n'hi ha prou d'assumir que la IA millora la precisió o l'equitat; cal una governança sòlida. Aquí és on empreses com Q2BSTUDIO, especialitzades en el desenvolupament d'aplicacions a mida i solucions d'intel·ligència artificial, poden marcar la diferència. Dissenyar sistemes que incorporin salvaguardes ètiques, auditories independents i un humà amb autoritat per aturar el procés no és opcional: és una obligació legal i reputacional.
La infraestructura tècnica també juga un paper clau. Un sistema d'IA robust necessita processar grans volums de dades de manera segura i escalable. Per això, moltes empreses opten per solucions al núvol com AWS o Azure, que ofereixen entorns flexibles i segurs per entrenar models sense comprometre la privacitat. A més, la ciberseguretat esdevé crítica quan es manegen dades sensibles d'empleats, com expedients mèdics o avaluacions de rendiment. Una fallada en la seguretat podria exposar informació protegida i generar responsabilitats legals.
Més enllà de la infraestructura, l'analítica de negoci i els quadres de comandament basats en Power BI permeten als responsables de RRHH visualitzar indicadors de biaix abans de prendre decisions. Per exemple, un panell que mostri la distribució de puntuacions per gènere, tipus de baixa o departament pot alertar sobre desviacions injustificades. Integrar aquestes eines amb agents d'IA que actuïn com a assistents —no com a jutges— és una pràctica recomanada per experts. A Q2BSTUDIO desenvolupem agents IA personalitzats que ajuden els managers a recopilar informació contextual, però sempre deixant la decisió final en mans humanes i registrant cada recomanació per a la seva posterior revisió.
La demanda contra Meta subratlla que l'automatització d'acomiadaments ha de ser tractada com a infraestructura d'alt risc. Un sistema mal dissenyat no només causa danys irreparables als empleats —com perdre la feina mentre es està de baixa per malaltia— sinó que exposa l'empresa a multes milionàries i danys reputacionals. Per això, tota organització que utilitzi IA en recursos humans hauria d'implementar un procés d'auditoria externa, similar al que sol·liciten els demandants en el cas Meta. Això inclou inventariar totes les fonts de dades que alimenten el model, verificar que les absències protegides no es tractin com a inactivitat i garantir que existeixi una via de revisió independent per a casos sensibles.
Els empleats, per la seva banda, tenen eines per protegir-se. Conservar registres d'avaluacions, sol·licituds de baixa i comunicacions internes pot ser clau per demostrar un patró discriminatori. A més, és recomanable preguntar per escrit quins criteris es van utilitzar en la decisió, si va intervenir un sistema automatitzat i com es van tractar les baixes. El termini per reclamar per discriminació sol ser de sis mesos als Estats Units, tot i que varia segons la jurisdicció. Actuar ràpid i amb documentació sòlida és fonamental.
En conclusió, el cas Meta no és un incident aïllat, sinó un senyal d'alerta per a l'ecosistema empresarial. La intel·ligència artificial pot ser una aliada poderosa en la gestió del talent si s'implementa amb responsabilitat, transparència i supervisió humana. Empreses com Q2BSTUDIO ofereixen el coneixement tècnic i estratègic necessari per construir sistemes que respectin els drets dels treballadors i compleixin la normativa, ja sigui mitjançant programari a mida, integració al núvol, ciberseguretat o solucions d'intel·ligència artificial ètiques. La tecnologia no ha de decidir per nosaltres; ens ha d'ajudar a decidir millor.
