La era de la transparencia salarial también llega a los algoritmos

A partir del próximo 5 de octubre, las empresas tendrán la obligación de informar a sus trabajadores con transparencia sobre sus salarios, incluyendo los algoritmos y sistemas automatizados que influyen en las condiciones laborales.

Una nueva obligación que, además de llegar con varios años de retraso con respecto a la directiva europea, pone de relieve el desconocimiento de una parte importante de los trabajadores que todavía desconoce cómo se determina su sueldo.

De hecho, tal y como recoge el último Informe sobre Transparencia Salarial de InfoJobs, un 29% asegura no conocerlos y otro 18% solo los conoce parcialmente.Entre quienes sí los conocen, únicamente el 23% considera que son realmente justos y transparentes, mientras que un 30% los conoce, pero considera que no son suficientes ni equitativos.

Por eso, «lo que se pretende con esta directiva de transparencia retributiva, es poder explicar por qué una persona cobra lo que cobra y qué criterios están detrás de las decisiones», explica Cristina Muñoz-Aycuens, socia de Ciberseguridad y Forensic de Grant Thornton.

Para las empresas, por tanto, el primer reto de este Real Decreto 723/2026 es saber exactamente dónde se están tomando esas decisiones.

Lo primero que deben hacer es un inventario de sistemas, apunta Josep Capell, CEO de Ceinsa. «Muchas empresas no saben exactamente qué decisiones están automatizadas porque el algoritmo está integrado en el software de nómina, desempeño, selección, beneficios o compensación».

Algo que también señala Jonatan Amenedo, CEO y cofundador de Welpay, cuando dice que es importante conocer qué sistemas (propios o de terceros) tocan una condición laboral.

Por eso, no basta con una declaración genérica que diga que se utiliza IA.

La empresa debe poder reconstruir una decisión concreta.

Por eso «hablamos de que deben ser decisiones trazables (cuando la empresa pueda identificar qué datos se utilizaron, qué versión de la regla estaba activa ese día y quién la cambió por última vez) y auditables (un tercero -la inspección, el comité, un perito- puede repetir ese camino y llegar al mismo resultado)».El problema de los sesgosY aquí hay un riesgo especialmente relevante, sigue explicando Cristina Muñoz-Aycuensy, y es que el algoritmo reproduzca o incluso amplifique sesgos de género que ya existían en la organización. «Un sistema automatizado puede ser aparentemente neutral, pero si trabaja con datos históricos que reflejan determinadas desigualdades, o utiliza criterios que perjudican indirectamente a uno de los sexos, el resultado también puede estar sesgado», asegura.