Somo 1DPIA kwa mifumo ya AI: wigo wa pembejeo za modeli, pato, alama za hatari, viwango vya makosa na mikakati ya kupunguza hatariSehemu hii inatembeza DPIA kwa zana za AI za HR, ikishughulikia ufafanuzi wa wigo, kuchora pembejeo na pato, alama za hatari, kutathmini viwango vya makosa na upendeleo, na kubuni mipango ya kupunguza hatari na ufuatiliaji inayolingana na matarajio ya GDPR na sheria za kazi.
Scoping AI use cases and data flowsIdentifying data subjects and impactsRisk scoring and prioritization methodsEvaluating error rates and false matchesMitigation, residual risk and sign-offSomo 2Hati na utawala: daftari la hatari za modeli, taarifa ya athari za algoriti, kumbukumbu za mabadiliko na rekodi za mafunzoSehemu hii inaeleza jinsi ya kuandika zana za AI za HR kupitia daftari la hatari za modeli, taarifa za athari, kumbukumbu za mabadiliko, na rekodi za mafunzo, ikiwezesha ufuatiliaji, uwajibikaji, na ushahidi unaoweza kuteteledzwa kwa wadhibiti, mahakama, na wawakilishi wa wafanyakazi.
Designing an AI model risk registerAlgorithmic impact statement structureMaintaining model and data change logsTracking training data and model versionsEvidence packs for audits and litigationSomo 3Matumizi ya GDPR kwa AI: msingi halali wa kuchakata, aina maalum, na matokeo kwa maamuzi ya kiotomatiki (Kif. 22)Sehemu hii inafafanua jinsi GDPR inavyotumika kwa AI katika HR, ikijumuisha misingi halali, kushughulikia data maalum ya aina, uchanganuzi wa wasifu, na maamuzi ya kiotomatiki chini ya Kifungu 22, na jinsi ya kubuni utawala, rekodi, na kinga zinazosimamia ukaguzi wa kisheria.
Choosing lawful bases for HR AI usesHandling special category and union dataProfiling and automated decision criteriaMeaningful human involvement safeguardsRopa and documentation for AI systemsSomo 4Hatari za kisheria na kimantiki wakati wa kutumia AI kwa uchunguzi wa waombaji na ufuatiliaji wa wafanyakaziSehemu hii inachanganua hatari za kisheria na kimantiki za AI katika kuajiri na ufuatiliaji, ikijumuisha ubaguzi, athari za kupoa, ufuatiliaji mwingi, na matumizi mabaya ya data iliyotolewa, na inaonyesha jinsi ya kuweka kinga, usimamizi, na uwiano katika utekelezaji wa AI ya HR.
Discrimination and equal treatment risksSurveillance, trust and chilling effectsOver-collection and function creep in HRUse of inferred and behavioral dataEthics review and escalation channelsSomo 5Ukaguzi wa upendeleo, usawa na kutobagua: asili ya seti ya data, uwakilishi, uwezo wa kuelezea na ukaguzi wa njeSehemu hii inashughulikia udhibiti wa upendeleo na usawa kwa zana za AI za HR, ikijumuisha asili ya seti ya data, ukaguzi wa uwakilishi, mbinu za kuelezea, vipimo vya usawa, na ukaguzi huru, na mwongozo wa marekebisho na mawasiliano ya hatari iliyobaki.
Tracing dataset sources and licensesAssessing representativeness and coverageFairness metrics and threshold settingExplainability tools for HR decisionsThird-party audits and remediation plansSomo 6Hatua za kiufundi: kupunguza data, kutotambulisha/pseudonymization, udhibiti wa ufikiaji na kuweka modeli salamaSehemu hii inaelezea kinga za kiufundi kwa AI katika HR, ikijumuisha kupunguza data, kutotambulisha/pseudonymization, udhibiti wa ufikiaji, na mifumo ya kuweka modeli salama, kuhakikisha usiri, uadilifu, na uimara wa modeli na data ya HR wakati wote wa maisha yake.
Data minimization for HR training datasetsAnonymization and pseudonymization patternsRole-based and attribute-based access controlSecure model hosting and API hardeningKey management and logging for AI systemsSomo 7Haki za wafanyakazi na uwazi: notisi, maelezo yenye maana ya maamuzi ya kiotomatiki, ukaguzi wa binadamu na chaguo za opt-outSehemu hii inaeleza haki za taarifa za wafanyakazi katika HR inayoendeshwa na AI, ikijumuisha notisi za tabaka, maelezo yenye maana ya mantiki, chaguo za ukaguzi wa binadamu, kupinga maamuzi, na taratibu za opt-out au mbadala zinazolingana na GDPR na sheria za kazi.
Designing clear AI use notices for staffExplaining model logic in plain languageSetting up human review and escalationHandling objections and contestationsDocumenting responses to rights requestsSomo 8Majukumu ya baraza la wafanyakazi na ushirikishwaji nchini Ujerumani: ushirikishwaji, haki za taarifa na majukumu ya mashaurianoSehemu hii inalenga ushirikishwaji wa baraza la wafanyakazi la Ujerumani kwa zana za AI za HR, ikishughulikia vichocheo vya ushirikishwaji, haki za taarifa, majukumu ya mashauriano, vifungu vya kawaida vya Betriebsvereinbarungen, na mikakati ya ushirikiano wa mapema unaotegemea imani na wawakilishi wa wafanyakazi.
When AI tools trigger co-determinationInformation and inspection rights of councilsStructuring consultation and negotiationsKey clauses in AI BetriebsvereinbarungenCooperation strategies and documentationSomo 9Tarifa za majaribio na uthibitisho: majaribio ya kabla ya kuweka, vipimo vya utendaji, ufuatiliaji, na tathmini ya mara kwa maraSehemu hii inaweka mazoezi ya majaribio na uthibitisho kwa mifumo ya AI ya HR, ikijumuisha ukaguzi wa kabla ya kuweka, vipimo vya utendaji, ufuatiliaji katika uzalishaji, tathmini ya mara kwa mara, mipango ya kurudisha nyuma, na kuandika matokeo kwa wadhibiti na mabaraza ya wafanyakazi.
Pre-deployment functional test plansPerformance, error and fairness metricsShadow mode and A/B testing in HROngoing monitoring and alert thresholdsPeriodic reviews and rollback criteriaSomo 10Usimamizi wa mikataba na wauzaji: majukumu ya mchakataji dhidi ya msimamizi, vifungu vya mikataba vinavyohitajika, SLA, usimamizi wa mabadiliko ya modeli na maombi ya asili ya modeliSehemu hii inashughulikia mikataba na usimamizi wa wauzaji kwa zana za AI za HR, ikifafanua majukumu ya msimamizi na mchakataji, vifungu vya lazima vya GDPR, SLA, haki za usalama na ukaguzi, arifa za mabadiliko ya modeli, na majukumu ya asili na hati kwa wasambazaji.
Allocating controller and processor rolesGDPR Article 28 and DPA essentialsSecurity, uptime and support SLAsModel updates, drift and change controlProvenance, audit and termination rights