Nivel 5 · Cribado de candidaturas — empleo, un defecto que cierra y un límite que se declara

🟡 Parcial — El bucle de riesgo se puede volver a derivar hoy a partir de las salidas confirmadas del repositorio público vldemo-talent-screening (una etiqueta por hito) y corre en CPU en menos de un minuto sobre el conjunto de datos real Campus Recruitment (n=215, CC0) — lo ejecutas tú mismo. El único control bloqueante (model-feature-leakage) cierra en V2 → gate VERDE; los hallazgos de datos/equidad (data-sample-adequacy, selection-rate-disparity-gender) quedan ADVISORY, medidos y documentados pero sin certificar — la muestra está topada en n=215 y ningún reentrenamiento la amplía. Diego aprueba en verde con ese residual aceptado conscientemente y vigilancia post-mercado (Art.72). Las etiquetas de talent se resuelven en github.com/Venturalitica/vldemo-talent-screening.

TL;DR

Un clasificador de cribado de candidaturas (el empleador de la demo es Example Talent Corp) lee el perfil de un candidato a un puesto y predice preseleccionar / rechazar. Esa decisión bloquea el acceso de una persona a un empleo, así que el sistema es de alto riesgo según la Ley de IA de la UE — y fíjate en la ruta. El cribador de retina del Nivel 3 era de alto riesgo por el Art. 6(1) + Anexo I (la ruta de seguridad de productos); el modelo de crédito del Nivel 4 por el Anexo III §5(b) (la ruta de solvencia crediticia). Este lo es por el Anexo III §4 — empleo / gestión de trabajadores: IA usada para reclutar, seleccionar o cribar candidatos. Diego (Calidad) y Marta (ingeniera) ejecutan el bucle de siempre sobre el conjunto de datos real Campus Recruitment (CC0, n=215) — y la lección de este nivel es distinguir un defecto que se corrige de un límite que se declara. El único control BLOQUEANTE cierra: model-feature-leakage está ROJO en V1 porque el modelo entrena sobre salary, una característica presente solo para los candidatos colocados (NaN→0 en los demás) y por tanto colineal con la etiqueta — fuga total, un defecto de seguridad (Art.15). Marta activa mitigate: true, el pipeline quita salary, y el control pasa a VERDE (un ROJO→VERDE real por un cambio de código) — es el ÚNICO bloqueante del programa, así que la barrera cierra en VERDE. Junto a él, dos controles se MIDEN de verdad pero quedan ADVISORY (enforcement: audit, no bloqueantes): data-sample-adequacy (n/500 = 0,43 — Campus Recruitment está topado en 215 filas, no hay más que recolectar) y selection-rate-disparity-gender (la paridad de selección por sexo, que cita Ley 15/2022 Art. 23 — con n=215, ≈24 mujeres en la cohorte test, queda subpoderada). Certificarlos como bloqueantes fabricaría un umbral que la muestra no puede sostener, así que el motor los mide, los documenta y no bloquea. En la aprobación, Diego acepta conscientemente ese residual — con un motivo registrado y vigilancia post-mercado trimestral de la disparidad de selección (Art.72) — y el sistema queda declarado, tratado, VERDE, solicitado y aprobado. Por último Aitor, el auditor externo, debuta: ejecuta froga verify --pubkey <key> con solo una clave pública, confirma que la firma es auténtica y lee el estado honesto VERDE/aprobado, con el residual advisory en acta — pero no es un organismo notificado y no certifica. La idea que hay que retener: el motor certifica lo que puede medir con fiabilidad, y documenta honestamente lo que no — sin fabricar ni un rojo ni una certificación que la muestra no sostiene.

Si todavía no conoces la columna vertebral, la idea de superposición ni las dos superposiciones anteriores, lee primero esto:

Nivel 4 · Crédito al consumo — Ley de IA + DORALa superposición anterior: un modelo de crédito de alto riesgo por el Anexo III §5(b) (la ruta de crédito) más DORA, que cierra con una aprobación-con-residual-en-acta legítima. El Nivel 5 mantiene la estructura de tres roles (PO Nerea + Diego QA + Marta dev) y la regla de honestidad, pero distingue un defecto CERTIFICABLE (que cierra el gate) de un límite de datos/equidad que solo puede documentarse y aceptarse — nunca certificarse.

No solo la Ley de IAEl concepto sobre el que se apoya este nivel: un régimen sectorial apilado sobre la columna vertebral de la Ley de IA; un sistema, N regímenes; el mismo paquete firmado proyectado sobre varios catálogos. Aquí la «superposición» es la dimensión de empleo — el derecho laboral nacional + RGPD anclan la obligación viva, no la (aplazada) fecha de barrera de alto riesgo de la Ley de IA.

Prerrequisitos

Nivel 2 (la columna vertebral de alto riesgo), No solo la Ley de IA e idealmente Nivel 3 y Nivel 4 (las superposiciones anteriores), más ¿Qué es un riesgo? para el vocabulario ROJO / ÁMBAR / VERDE. Una nota sobre los materiales:

Lo ejecutas tú mismo. El pipeline entrena sobre Campus Recruitment (CC0, n=215, bundleado en el repositorio) en CPU en menos de un minuto — sin GPU, sin descargas, sin credenciales. Puedes clonar, situarte en un hito y volver a derivar el veredicto localmente (§3). La evidencia confirmada + la barrera nocturna siguen siendo la fuente de verdad — un reentrenamiento local puede variar con las versiones de las dependencias; la barrera nunca vuelve a entrenar.
Nerea (portal) declara el sistema; Diego (portal) revisa y aprueba; Marta (CLI + git) ejecuta el pipeline y firma la evidencia. Nuevo en este nivel: Aitor, un auditor externo que verifica solo con una clave pública (§5).

Al terminar sabrás…

Explicar por qué este sistema es de alto riesgo por el Anexo III §4 (la ruta de empleo / gestión de trabajadores), y contrastarlo con la ruta de producto Art. 6(1) del Nivel 3 y la ruta de crédito Anexo III §5(b) del Nivel 4.
Distinguir un defecto de seguridad certificable (model-feature-leakage, cierra con un cambio de código, ROJO→VERDE real) de un límite de datos/equidad no certificable (data-sample-adequacy, selection-rate-disparity-gender: se miden, se documentan, no bloquean porque n=215 no sostiene un umbral bloqueante fiable).
Explicar la decisión de gobernanza detrás de enforcement: audit frente a enforcement: gate — por qué convertir un hallazgo estructuralmente infrapotenciado en gate fabricaría un umbral sin remedio alcanzable, y por qué la honestidad exige medirlo y documentarlo en vez de bloquear o de fabricar un verde.
Leer una aprobación con aceptación consciente del residual advisory: Diego acepta el límite de datos/equidad con un motivo registrado y vigilancia post-mercado (Art.72), y el ciclo cierra en VERDE.
Describir cómo el derecho laboral nacional (ET Art. 64.4.d) y el RGPD Art. 22 anclan la obligación viva, y por qué la legislación nacional es una autoridad NationalLegislation, rango 0 → sin presunción de conformidad (a diferencia de una norma armonizada).
Explicar por qué Aitor puede verificar la evidencia firmada con una clave pública y leer el estado honesto VERDE/aprobado, pero no es un organismo notificado y no certifica.

Las lecciones de este nivel

El encuadre — la superposición de empleoUn clasificador de cribado de candidaturas de alto riesgo por la ruta de empleo (Anexo III §4); qué leyes aplican y por qué el defecto certificable se distingue del límite de datos/equidad que solo se documenta.

El arco, por traspasosEl único control bloqueante (fuga de característica) CIERRA con un cambio de código: ROJO→VERDE. Los hallazgos de datos/equidad quedan medidos y advisory; el ciclo cierra con la aprobación de Diego y el residual aceptado conscientemente.

En profundidad — Opción B, Aitor y el Artículo 10Por qué la decisión de gobernanza (Opción B) separa el defecto certificable del límite de datos, el debut de Aitor (verifica con clave pública y no certifica) y el Artículo 10 en profundidad con los Artículos 9/13/14 revisitados.

CierreReproduce el arco ROJO→VERDE de la fuga y la aprobación con el residual advisory aceptado, y autocomprueba lo aprendido.