Proč se otázky kladou dřív, než se nástroj zapne
AI nástroj, který sleduje, jak zaměstnanci pracují, obvykle zpracovává osobní údaje ve smyslu GDPR a zároveň zasahuje do pracovněprávního vztahu; tyto dvě oblasti se posuzují společně, ne odděleně. Právní hodnocení konkrétního nasazení nedělá tento článek. Patří právníkovi a pověřenci pro ochranu osobních údajů, případně dalším stranám podle rozsahu zásahu, a mělo by proběhnout dřív, než nástroj začne sbírat první data, ne až po prvním dotazu nebo stížnosti.
Jedna volba se v přípravě objevuje téměř vždy: zda stačí požádat zaměstnance o souhlas. V pracovněprávním vztahu je souhlas sporný právní základ, protože nerovnováha moci mezi zaměstnavatelem a zaměstnancem zpochybňuje, zda byl udělen svobodně a zda by jeho odepření skutečně nemělo žádný důsledek. To není důvod souhlas mechanicky vyloučit; je to důvod probrat volbu právního základu s právníkem, ne ji uzavřít podepsaným formulářem dřív, než se o zbytku otázek vůbec uvažovalo.
Devět otázek níže pomáhá tyto body připravit pro schůzku s právníkem a pověřencem; nejde o kontrolní seznam ani o náhradu jejich posouzení, ale o strukturu pro konkrétní odpovědi místo obecného popisu záměru. Co GDPR obecně požaduje od zpracování osobních údajů pomocí AI, popisuje GDPR a umělá inteligence; zda konkrétní nasazení osobní údaje vůbec zpracovává, řeší mohu zpracovávat osobní údaje pomocí AI.
Sledovat proces, nebo hodnotit člověka
Sledování má často zamýšlený cíl u procesu: je krok dokončen, používá se nástroj podle postupu, hromadí se fronta úkolů. To je jiná kategorie než výstup, který popisuje, hodnotí nebo řadí konkrétní identifikovatelnou osobu. Hranice mezi nimi ale neleží v tom, jaký senzor nebo nástroj se použije. Leží v tom, co výstup skutečně říká a komu je přiřazený.
I nástroj postavený jako čistě procesní může jako vedlejší produkt vytvořit údaj o jednotlivci. Metrika rozepsaná podle přihlašovacího jména, časová řada vázaná na konkrétní účet nebo přehled odchylek seřazený podle osoby mění povahu výstupu, i kdyby původní záměr byl sledovat jen tok práce. Jakmile je výstup přiřaditelný ke konkrétnímu člověku, stává se dostupným pro použití, které nemuselo být plánováno: v hodnoticím pohovoru, při rozdělování úkolů, v kázeňském řízení. Omezení účelu podle GDPR se vztahuje na to, jak byl systém navržen; nezabrání to, aby dostupné číslo použil někdo s přístupem k jinému rozhodnutí. To je důvod, proč se má okruh příjemců výstupu a možná navazující rozhodnutí promyslet předem, ne až ve chvíli, kdy se o ně někdo zeptá.
Artefakt: devět otázek nutnosti a přiměřenosti
Otázky jsou seřazené tak, jak by se na ně mělo odpovídat: od cíle přes rozsah sběru až po to, co se stane, když systém udělá chybu. Slabá odpověď u kterékoli z nich neznamená automaticky, že nasazení je nepřípustné; znamená, že bod potřebuje dopracovat, než se dostane před právníka a pověřence.
| # | Otázka | Co signalizuje slabá odpověď |
|---|---|---|
| 1 | Jaký konkrétní legitimní účel sledování sleduje a lze ho vyjádřit jednou větou bez slov jako „bezpečnost“ nebo „efektivita“ bez dalšího upřesnění? | Pokud účel nejde takto přesně pojmenovat, nejde ho ani posoudit jako přiměřený; obecná formulace neomezuje nic. |
| 2 | Existuje způsob, jak dosáhnout stejného účelu bez sledování jednotlivců nebo s méně podrobnými daty? | Pokud tato otázka nebyla položena vůbec, chybí základ testu nezbytnosti; méně invazivní varianta se má hledat před nasazením, ne až po něm. |
| 3 | Co přesně by se sbíralo a o kom, včetně metadat a odvozených údajů, které nástroj vytváří sám od sebe? | Neúplný výčet obvykle znamená, že skutečný rozsah sběru bude širší, než počítá plán. |
| 4 | Je sběr dat nepřetržitý, nebo je spouštěný konkrétní událostí či pravidlem? | Nepřetržité sledování bez definovaného spouštěče se obhajuje jako přiměřené hůř než sledování vázané na jasně popsanou událost. |
| 5 | Jsou jednotlivci ve výstupu identifikovatelní, přímo nebo v kombinaci s dalšími dostupnými údaji? | Odpověď „ne“ bez ověření, jak snadno lze výstup v konkrétním týmu zpětně přiřadit ke konkrétní osobě, není spolehlivá. |
| 6 | Kdo výstup uvidí a jaké rozhodnutí o zaměstnanci by na jeho základě mohlo následovat? | Pokud okruh příjemců není předem omezený, výstup se dřív nebo později použije k rozhodnutí, které nebylo v plánu. |
| 7 | Jak dlouho by se data uchovávala a kdo rozhoduje o prodloužení lhůty? | Lhůta popsaná jako „dokud to bude potřeba“ bez konkrétního data nebo pravidla v praxi žádnou lhůtou není. |
| 8 | Co a kdy se zaměstnancům o sledování řekne, dřív než začne sbírat data? | Informace podaná až po zavedení, nebo jen v obecných pracovních podmínkách, nenaplňuje transparentnost vůči konkrétnímu nástroji. |
| 9 | Co se stane, když systém o konkrétním člověku vytvoří chybný závěr? | Bez popsaného postupu opravy a bez možnosti se bránit nese riziko chyby v praxi sám zaměstnanec. |
K otázce číslo pět je užitečné vědět, že agregace nebo souhrnné zobrazení samo o sobě identifikovatelnost nevylučuje. Podle stanoviska EDPB k AI modelům a osobním údajům se to, zda konkrétní výstup ještě obsahuje osobní údaje nebo je od nich dostatečně vzdálený, neurčuje paušálně, ale posuzuje se případ od případu podle skutečné pravděpodobnosti zpětné identifikace v daném kontextu. Totéž platí i mimo samotné AI modely, pro jakýkoli agregovaný přehled o zaměstnancích: menší tým nebo neobvyklá kombinace znaků může jednotlivce prozradit i bez uvedeného jména.
Proč na chybovosti záleží víc, když jde o člověka, ne o dokument
Když AI systém špatně vyhodnotí formulaci ve smlouvě nebo nesprávně přečte popis produktu, oprava se týká toho dokumentu; chyba zůstává ohraničená na jeden artefakt a dá se opravit dřív, než má důsledek. Když stejná míra chybovosti vznikne u výstupu vázaného na konkrétního zaměstnance, chyba se týká člověka, který se o vzniklém závěru nemusí ani dozvědět, natož ho stihnout opravit dřív, než se promítne do rozhodnutí o něm. Průměrná přesnost systému proto neříká totéž v obou situacích; stejné procento chyb má jinou váhu podle toho, co je na výstupu skutečně napsané a čeho se týká.
Otázka číslo devět v artefaktu výše se proto neptá jen na to, jak často se systém mýlí, ale co se stane potom: zda existuje způsob, jak se zaměstnanec dozví, že o něm systém vytvořil chybný závěr, a jak se dá tento závěr opravit dřív, než ovlivní rozhodnutí. Bez odpovědi na tuto otázku nese riziko chyby v praxi sám zaměstnanec.
Kam odpovědi vedou dál
Odpovědi na otázky o identifikovatelnosti, rozsahu sběru a možných navazujících rozhodnutích jsou zároveň vstupem do samostatné úvahy, zda je pro dané nasazení potřeba zpracovat posouzení vlivu na ochranu osobních údajů. Kdy je takové posouzení povinné a co má obsahovat, je vlastní téma s vlastními kritérii, které tento článek dál nerozvíjí; otázku je ale potřeba položit, jakmile jsou odpovědi výše na papíře.
Kromě právníka a pověřence pro ochranu osobních údajů patří mezi strany, které mají posouzení vidět, obvykle HR, vedoucí dotčeného provozu a tam, kde existují, zástupci zaměstnanců nebo odborová organizace. Jde zároveň o pracovněprávní otázku, ne jen o zpracování dat, a GDPR sám v článku 88 počítá s tím, že členské státy mohou pro kontext zaměstnání stanovit vlastní, specifičtější pravidla. Zda konkrétní výstup vůbec zakládá situaci, na kterou dopadá užší úprava automatizovaného rozhodování podle článku 22 GDPR, patří mezi otázky, které řeší smí AI rozhodovat o lidech; tento článek jen ukazuje, kde takové rozhodnutí ve výstupu sledování vzniká.
AI Act: role a riziková kategorie, ne univerzální povinnost
Pokud je součástí sledování systém spadající pod akt o umělé inteligenci, konkrétní povinnosti se odvíjejí od role organizace jako poskytovatele nebo provozovatele a od rizikové kategorie systému. Které povinnosti platí a od kdy, stanoví harmonogram uplatňování, který zveřejňuje Evropská komise. Co je akt o umělé inteligenci obecně, popisuje co je AI Act. Tento text neurčuje, do jaké kategorie konkrétní nástroj pro sledování zaměstnanců spadá, ani jakou konkrétní povinnost by měl čtenář plnit; to je součástí posouzení u právníka.
Stav zdrojů a omezení
Citované znění GDPR, stanovisko EDPB 28/2024 a materiály k aktu o umělé inteligenci byly ověřeny 5. 8. 2026. GDPR a EDPB podporují tvrzení o zásadách zpracování, o profilování a automatizovaném rozhodování a o tom, že identifikovatelnost výstupu se u AI posuzuje případ od případu; nepodporují závěr, že konkrétní nástroj pro sledování zaměstnanců je zákonný, nezákonný, anonymní nebo že neprofiluje. Materiály k aktu o umělé inteligenci podporují jen obecné tvrzení, že povinnosti závisí na roli a rizikové kategorii, ne klasifikaci žádného konkrétního nástroje. Devět otázek je doporučená struktura CIAD pro přípravu na jednání s právníkem, ne validovaný právní test ani záruka souladu s předpisy. AI monitorování zaměstnanců je zároveň otázkou ochrany osobních údajů a pracovního práva; volbu právního základu, včetně toho, zda a jak lze použít souhlas zaměstnance, i celkové posouzení nechte na svém právníkovi a pověřenci, ne na výsledku tohoto článku.
Časté dotazy
Je souhlas zaměstnance dostatečným základem pro AI monitorování?
Zaměstnanec podepisuje souhlas v podřízeném postavení, takže je otázkou, zda šlo o skutečně svobodnou volbu, nebo o formalitu, kterou by odmítnutí mohlo znevýhodnit. V pracovním prostředí se proto souhlas nepovažuje automaticky za bezproblémový právní základ. Před spuštěním sledování je vhodnější probrat volbu právního základu s právníkem, než se spoléhat na podepsaný formulář jako na hotové řešení.
Znamená agregovaný nebo souhrnný výstup, že jde o anonymní údaje?
Ne bez dalšího ověření. Agregace snižuje míru podrobnosti, ale sama o sobě nezaručuje, že jednotlivce už nelze zpětně identifikovat, zvlášť v malém týmu nebo při kombinaci s dalšími dostupnými daty. Podle přístupu, který EDPB popisuje pro AI modely, se míra identifikovatelnosti posuzuje případ od případu, ne podle toho, jak výstup vypadá na první pohled.
Kdy se ze sledování procesu stává hodnocení konkrétního zaměstnance?
Hranice není v použitém nástroji, ale ve výstupu: pokud se popis, skóre nebo srovnání dá připsat identifikovatelné osobě, je dostupný k použití v situacích, které se týkají člověka, i kdyby byl původní účel čistě procesní. Proto má smysl se ptát nejen, co se měří, ale kdo výstup uvidí a k čemu ho může použít.
Musí se pro AI monitorování zaměstnanců vždy zpracovat DPIA?
Odpovědi na otázky o identifikovatelnosti, rozsahu sledování a možných rozhodnutích o zaměstnanci jsou přímým vstupem do úvahy, zda je DPIA v konkrétním případě potřeba. Kdy je DPIA povinná a co má obsahovat, je samostatné téma s vlastními kritérii, které tento článek nerozebírá; posouzení proveďte s pověřencem pro ochranu osobních údajů.
Kdo všechno by měl posouzení AI monitorování zaměstnanců vidět a schvalovat?
Mimo právníka a pověřence pro ochranu osobních údajů obvykle patří mezi relevantní strany HR, vedoucí dotčeného provozu a tam, kde existují, zástupci zaměstnanců nebo odborová organizace, protože jde zároveň o pracovněprávní otázku, ne jen o zpracování dat. Tento článek žádnou z těchto rolí nenahrazuje ani neurčuje, kdo má poslední slovo.
ZDROJE A OVĚŘENÍ
revidováno Lukáš Dlouhý ·