MĀKSLĪGAIS INTELEKTS PERSONĀLA ATLASĒ: PERSONAS DATU AIZSARDZĪBA

Mākslīgais intelekts (Artificial intelligence, turpmāk – AI) vairs nav tikai zinātniskā fantastika. Kā pareizi ir atzīmējusi Eiropas Komisija, tā ir mūsu dzīves sastāvdaļa – sākot no virtuālajiem asistentiem ikdienas darbu organizēšanai līdz viedtālruņu aplikācijām, kas piedāvā dziesmas atbilstoši mūsu katra individuālajai gaumei.¹

Globālā mērogā AI ietekme ir jūtama daudzās nozarēs, tai skaitā arī personāla atlasē. AI tiek plaši izmantots personāla atlases procesa atvieglošanai, piemēram, kandidātu sociālo tīklu automatizētai pārbaudei vai AI vadītām videointervijām, kurās ir iespējams analizēt sejas mīmiku. Lai gan AI izmantošana personāla atlasē Latvijā vēl nav izplatīta parādība, ņemot vērā Latvijas šauro personāla atlases tirgu, kā arī citus iemeslus, ir vērtīgi sekot tendencēm pasaulē.² AI rīki var būt ārkārtīgi efektīvi, palīdzot uzņēmumiem ietaupīt gan naudu, gan laiku. Īpaši tas attiecas uz globālām korporācijām. Jobvite – uzņēmums, kas piedāvā AI risinājumus – ir norādījis, ka lielos uzņēmumos uz standarta konkurētspējīgu darbinieka pozīciju tiek iesūtīti vairāk nekā 250 pieteikumu un apmēram 65 % no tiem tiek atstāti bez ievērības.³ Ilustratīvi Unilever darbojas 190 pasaules valstīs, kurās ik gadu tas algo vairāk nekā 30 000 darbinieku un apstrādā aptuveni 1,8 miljonus darba pieteikumu. AI rīku izmantošana šādās un likumsakarīgi arī mazāka mēroga situācijās neapšaubāmi atvieglo pieteikumu izskatīšanu un palīdz atlasīt labākos talantus, kuru pieteikumi citādi varētu palikt ierakti CV kaudzē.⁴

AI BŪTĪBA

Pirms pievēršanās personāla atlases aspektiem, ir būtiski definēt AI jēdzienu. 1956. gadā Džons Makārtijs (John McCarthy), Dartmutas koledžas matemātikas profesors, definēja AI kā katru mācīšanās aspektu vai intelekta īpašību, ko ir iespējams aprakstīt tik precīzi, lai to varētu atveidot. Mūsdienās pastāv daudz AI definīciju, tomēr vispārēji tiek uzskatīts, ka AI sistēmas ir spējīgas vākt, apstrādāt, interpretēt un mācīties no ārējiem datiem, lai sasniegtu konkrētus mērķus.⁵

Lai AI algoritmi varētu mācīties un progresēt, tiem ir nepieciešams liels informācijas apjoms. Norvēģijas datu uzraudzības iestāde norāda, ka lielākā daļa AI rīku prasa milzīgu datu apjomu, lai tie varētu mācīties un pieņemt pārdomātus lēmumus.⁶ Proti, attiecībā uz AI teiciens “mazāk ir vairāk” (less is more) nav piemērojams, tāpēc uzņēmumiem, kas izmanto AI, ir vajadzība ievākt, uzglabāt un apstrādāt lielu datu apjomu, tajā skaitā personas datus. Neizbēgami, tas raisījis diskusijas par personas datu aizsardzību.⁷

Ir būtiski izprast, kā AI darbojas un kādas ir tā pazīmes, lai novērstu problēmas, kas saistītas ar iespējamām nepilnībām un kļūdām saistībā ar mazāk aizsargātu grupu potenciālu diskrimināciju. Tiesību zinātņu profesore Šlomita Janiška-Ravida (Shlomit Yanisky-Ravid) izceļ desmit svarīgas AI pazīmes:

1) autonomija un neatkarība (AI spēj patstāvīgi veikt augsta līmeņa uzdevumus);

2) neparedzamība un spēja sasniegt jaunus rezultātus (AI atrod dažādus ceļus uz optimāliem risinājumiem);

3) radošums (AI spēj radīt jaunus un oriģinālus darbus, piemēram, gleznas vai dziesmas, nevis tikai kopēt jau pastāvošus);

4) spēja sazināties ar ārējiem datiem (AI “meklē” ārējos datus);

5) spēja mācīties (AI uzlabo rezultātu, mācoties no atgriezeniskās saites);

6) attīstība (AI konsekventi atrod jaunus modeļus un līdzības, tādējādi mainot rezultātus);

7) racionāli inteliģenta sistēma (AI analizē datus un izlemj, kuras darbības palielinātu panākumu iespējamību);

8) efektivitāte (AI spēj precīzi un efektīvi apstrādāt lielu datu daudzumu);

9) “brīva izvēle” (AI ir iespēja izvēlēties starp alternatīvām);

10) orientēts uz mērķi (funkcijas, kas balstītas uz noteiktiem mērķiem).⁸

Šīs AI īpašības demonstrē, ka AI rīki ir “neatkarīgi”, un bieži vien pat šo sistēmu radītāji nav spējīgi izskaidrot procesu, kas novedis pie konkrēta AI lēmuma. Tomēr tas nebūt nenozīmē, ka algoritmi ir “imūni” pret cilvēkam tik ļoti pazīstamo subjektivitāti. Ņemot vērā, ka AI nav izslēgta no Vispārīgās datu aizsardzības regulas (turpmāk – VDAR) tvēruma, iepriekš minētās pazīmes ir būtiskas, lai izprastu VDAR ietekmi uz AI pielietojumu. Piemēram, VDAR 22. pants regulē automatizētu lēmumu pieņemšanu, ieskaitot profilēšanu, un tas nosaka, ka datu pārzinim ir jāievieš atbilstīgi pasākumi, lai aizsargātu datu subjekta tiesības un brīvības, un leģitīmās intereses – vismaz tiesības panākt cilvēka līdzdalību no pārziņa puses –, lai datu subjekts varētu paust savu viedokli un apstrīdēt lēmumu. Ņemot vērā AI lēmumu pārredzamības trūkumu, rodas vairāki jautājumi. Kas uzņemsies atbildību situācijās, kad lietas “noiet greizi”? Vai AI rīkus var uzskatīt par atbildīgiem, ja tie ir neatkarīgi? Kā uzņēmums var skaidrot AI pieņemtos lēmumus, ja sistēma darbojas autonomi? Vai par pietiekošu būtu uzskatāms skaidrojums par AI darbības principiem, nevis kā tika sasniegts konkrētais lēmums attiecībā uz indivīdu?⁹

TIESĪBAS UZ PRIVĀTUMU DARBA VIETĀ

Atšķirībā no Amerikas Savienotajām Valstīm, kur katrs gadījums tiek vērtēts individuāli un darba devēja tiesības kontrolēt darbinieku ir daudz lielākas,¹⁰  privātuma jēdziens Eiropā attiecas arī uz darba vietu un darbinieku atlases procesu. Proti, 29. panta darba grupa¹¹ ir paziņojusi, ka darba ņēmēji katru rītu neatsakās no tiesībām uz privātumu un datu aizsardzību pie darba vietas durvīm. Darba ņēmējiem ir likumīgas cerības uz zināmu privātuma pakāpi darba vietā, jo ievērojama daļa attiecību ar līdzcilvēkiem veidojas tieši darba vietā.¹² Šis princips nezaudē savu spēku arī situācijās, ja darba devējs nodrošina sakaru ierīces.

Piemēram, Eiropas Cilvēktiesību tiesas lietā “Bărbulescu pret Rumāniju” prasītājs strādāja privātā uzņēmumā Rumānijā par pārdošanas inženieri. Pēc darba devēja lūguma viņš izveidoja Yahoo Messenger kontu darba vajadzībām – proti, lai atbildētu uz klientu jautājumiem. Kā darbinieks viņš parakstījās par iekšējo noteikumu ievērošanu, kas aizliedz izmantot darba datorus un internetu privātām vajadzībām, tomēr prasītājs neievēroja iekšējos noteikumus un saziņai ar ģimenes locekļiem izmantoja jau minēto Yahoo Messenger kontu. Darba devējs veica iekšējo izmeklēšanu, pēc kuras prasītājam tika uzteiktas darba tiesiskās attiecības, jo izmeklēšanā atklājās ziņojumu personiskais un dažreiz pat intīmais saturs. Eiropas Cilvēktiesību tiesas Lielā palāta uzskatīja, ka tika pārkāpts prasītāja privātums un Rumānijas nacionālās tiesas nenodrošināja taisnīgu līdzsvaru starp darbinieka tiesībām uz privātumu un darba devēja tiesībām. Proti, Rumānijas tiesās nebija izskatīts apstāklis, ka darbinieks nebija pietiekami informēts par uzraudzības raksturu un apmēru. Tāpat skaidri nebija norādīts, ka darba devējam bija pieejams faktiskais sarakstes saturs, nevis tikai metadati. Šis Eiropas Cilvēktiesību tiesas lēmums nenozīmē, ka darba devēji nekādā gadījumā nedrīkst uzraudzīt darbinieku elektroniskos sakarus vai uzteikt darba tiesiskās attiecības, ja darbinieks darba laikā izmanto internetu privātām vajadzībām. Tomēr, ja darba devējs veic pasākumus darbinieku elektroniskās sarakstes uzraudzībai, šiem pasākumiem ir jābūt piemērotiem un samērīgiem.¹³ Līdz ar to arī secināms, ka darbinieku un kandidātu tiesības uz privātumu cita starpā nozīmē, ka uz tiem ir piemērojama VDAR, kā arī personas datu aizsardzības principi, kas tiks apskatīti turpmāk šajā rakstā.

AI PIELIETOJUMS DARBINIEKU ATLASĒ

Izplatītākie iemesli, kāpēc darba devēji izvēlas pielietot AI rīkus, ir laika resursu taupīšana, izmaksu samazināšana, vēlme uzlabot algoto darbinieku kompetenci un daudzveidības veicināšana uzņēmumā.¹⁴

AI rīku pielietojums var būt daudzveidīgs. Piemēram, darbinieku atlases sākumposmā AI rīki var veidot darba sludinājumus un analizēt, kur un kā tos izvietot, lai konkrētai auditorijai tos padarītu pēc iespējas pievilcīgākus. Pēc pieteikšanās procesa noslēgšanās AI rīki var palīdzēt darba devējiem automātiski sarindot kandidātus pēc prioritātēm, pārskatīt vai pat diskvalificēt nepiemērotos kandidātus. Tāpat darba devēji var izmantot AI rīkus, lai savienotu kandidātus ar tērzēšanas robotiem (Chat Box) u.tml. Pašlaik AI rīki reti pieņem pilnīgi patstāvīgus lēmumus par darbinieku noalgošanu, tomēr tie diezgan bieži tiek izmantoti noraidījumu automatizēšanā.¹⁵

Uz tehnoloģiju attīstību balstīti uzņēmumi piedāvā plašu pakalpojumu klāstu. Piemēram:

– HireVue piedāvā sejas vaibstu analīzes programmatūru, kas analizē pieteikuma iesniedzēja sejas izteiksmes, atklājot viņa entuziasmu par vakanci virtuālās intervijas laikā. Algoritms analizē pretendentu mīmiku un žestus un salīdzina tos ar datubāzē pieejamiem datiem, kas sastāv no vairāk nekā 25 000 informācijas vienībām (piemēram, balss tonis, leksikas lietošana, zoda pacelšana, smaida uzacu paaugstināšana, lūpu savilkšana utt.). Datubāzē tiek apkopoti dati no agrākajiem “veiksmes stāstiem”, un HireVue norāda, ka šis AI rīks var paātrināt darbinieku atlases procesu par 90 %. Aptuveni 700 uzņēmumu visā pasaulē ir izmantojuši šo iespēju, tostarp tādi plaši pazīstami uzņēmumi kā Vodafone, Delta, PwC, Hilton un Urban Outfitters;¹⁶

– Maya ir advancēts AI tērzēšanas robots, kas komunicē ar kandidātiem un analizē viņu sniegtās atbildes;¹⁷

– Textio Hire palīdz uzņēmumiem novērtēt, cik konkurētspējīga un pievilcīga darba vakance izklausās potenciālajiem darbiniekiem, piedāvājot labākas alternatīvas. Savukārt Textio Flow palīdz izveidot darba sludinājumus, pamatojoties uz frāzēm un atslēgvārdiem, kas uzrunātu konkrēto mērķauditoriju;¹⁸

– Entelo palīdz “pārvilināt” labākos darbiniekus no konkurentiem. Šis AI rīks prognozē, cik liela ir varbūtība, ka darbinieks vēlas mainīt darba vietu. Piemēram, tas analizē, vai persona nesen ir atjauninājusi LinkedIn profilu, kā arī ņem vērā vispārīgas tendences attiecīgajā uzņēmumā un jomā. Analizējot tādus faktorus kā darbinieku mainība konkrētajā uzņēmumā, kolektīvās atlaišanas, akciju tirgus svārstības, sabiedrību apvienošanos un pārņemšanu, kā arī citus faktorus;¹⁹

– DeepSense analizē potenciālo darbinieku personības iezīmes. Ņemot vērā, ka lielākajai daļai sabiedrības locekļu ir zināms virtuālās klātesamības līmenis, DeepSense izmanto šo faktu un apkopo informāciju no vairāk nekā 30 sociālajiem tīkliem. Ar šāda “digitālā pirkstu nospieduma” palīdzību uzņēmums piedāvā atbildes uz jautājumiem, kas nereti interesē darba devējus, piemēram, alkohola un narkotiku lietošanas paradumi, politisks vai reliģisks fanātisms, seksuālās uzmākšanās riski u.tml.²⁰

VDAR IETEKME

Lai gan AI izmantošana personāla atlasē kopumā ir visnotaļ efektīva, tomēr rīku pielietošanas negatīvās sekas (piemēram, automātiskus noraidījumus) smagāk izjūt tieši minoritātes un mazāk aizsargātas grupas, jo attiecībā uz tām AI sniegtie rezultāti ne vienmēr ir simtprocentīgi precīzi. Ņemot vērā, ka AI mācās no tā rīcībā esošās datu kopas, šīs kopas raksturlielumi ietekmē arī gala rezultātu. Ja sākotnējie dati nav pietiekami daudzveidīgi un objektīvi, subjektīvs būs arī gala rezultāts. Piemēram, LinkedIn izmantotā AI algoritma sniegtie rezultāti demonstrēja, ka vīriešiem biežāk tika uzrādīti paziņojumi par labi apmaksātiem augsta līmeņa darbiem nekā sievietēm. Tas skaidrojams ar to, ka sākotnēji šādas pozīcijas pārsvarā meklēja vīrieši, savukārt sievietes dažādu iemeslu (piemēram, zema profesionālā pašnovērtējuma) dēļ šādām darba pozīcijām nepieteicās.²¹

Līdzīga sitācija ir bijusi arī uzņēmumā Amazon, kas ieviesa eksperimentālu AI rīku, lai novērtētu kandidātus pēc to atbilstības amatam skalā no viens līdz pieci. Taču 2015. gadā Amazon atklāja, ka attiecībā uz tehniskajām pozīcijām AI rīks nav vērtējis kandidātu dzimumu neitrālā veidā. Pamatojoties uz vīriešu dominējošo stāvokli nozarē, AI iemācījās “atmest” sieviešu CV, kā arī pasliktināja kandidāta vērtējumu, ja tam šķita, ka aboslvents nāk no izglītības iestādes, kas ir pārāk “sievišķīga” jeb ar lielu sieviešu īpatsvaru.²²

Lai gan daudzi darba devēji norāda, ka AI rīki palīdz veicināt daudzveidību uzņēmumā, noteiktās situācijās arī šis apgalvojums ir apšaubāms. Ja AI rīks balstās uz datiem par pagātnē izvēlētiem kandidātiem, tas nozīmē, ka arī nākotnē darba devēji, visticamāk, pieņems darbā tādus kandidātus, kādi jau agrāk uzskatīti par piemērotiem.²³ Piemēram, kopumā IT industrijā dominē baltādainie vīrieši, un šajā nozarē Eiropas Savienībā sieviešu īpatsvars ir tikai 17 %.²⁴ Attiecīgi, ja AI rīks balstās uz šiem datiem, tas kļūst neobjektīvs, proti, tas ir labāk piemērots, lai atpazītu iezīmes, kas piemīt baltas ādas krāsas vīriešiem, atstājot sievietes un citas ādas krāsas pārstāvjus mazāk labvēlīgā situācijā, kas varētu būt it sevišķi aktuāli videointervijas laikā.

Ir vērts arī atcerēties, ka AI algoritmu izstrādātāji visbiežāk ir vīrieši. Tas nozīmē, ka pastāv arī zemapziņas subjektivitātes risks, sistēmu izstrādātājiem veicinot aizspriedumus, pat pašiem to neapzinoties.²⁵ Viens risinājums, kā mazināt šos riskus, ir palielināt daudzveidību AI algoritmu izstrādātāju grupās. Grupas, kas ir daudzveidīgas, tiecas rast labākus un visaptverošakus risinājumus, un pētījumi par šo jomu liecina, ka zinātiskie raksti, kuru līdzautori ir sievietes, aptver plašāku jautājumu loku, iekļaujot arī dzimuma neitralitātes un taisnīguma aspektus.²⁶

Saskaņā ar VDAR uzņēmumiem ir jāievēro precizitātes princips, kas nosaka, ka personas datiem ir jābūt precīziem un nepieciešamības gadījumā atjaunotiem, tomēr šajā gadījumā diskusijas raisa secinājumu precizitāte. Piemēram, ja AI rīks sagaida, ka videointervijas laikā veiksmīgs kandidāts daudz smaidīs un uzturēs acu kontaktu, tas var negatīvi novērtēt cilvēkus no citām kultūrām, kurās dominē atšķirīgas sociālās normas. Praksē atrodams piemērs, kad aziātu izcelmes cilvēkiem radās problēmas ar telefonu viedo kameru izmantošanu, jo, pozējot fotoattēliem, kameras nespēja uztvert acu skatienu un uzskatīja, ka acis ir aizvērtas,²⁷ līdz ar to uzskatāms, ka šī personu grupa videointerviju laikā var tikt nostādīta nelabvēlīgākā situācijā. Visbeidzot, ir jānorāda, ka nereti konkrētu sejas izteiksmju nozīme nav vienozīmīga. Proti, AI pastāv iespēja kļūdīties, piemēram, nepareizi interpretējot, vai indivīds ir neapmierināts ar uzdoto jautājumu, vai arī jūtas fiziski slikti vēsas telpas, vēdersāpju vai citu iemeslu dēļ.²⁸

AI rīku prezicitāti palīdz uzlabot datu daudzveidība un apjoms. Tai pašā laikā tas potenciāli var radīt kolīziju ar datu minimizācijas principu, kas nosaka, ka personas datiem ir jābūt adekvātiem, atbilstīgiem un jāietver tikai to, kas nepieciešams to apstrādes nolūkos. Vai var uzskatīt, ka, lai pieņemtu darbā darbinieku, ir vajadzīga visa par personu internetā pieejamā informācija vai detalizēta sejas mīmikas analīze?

Saskaņā ar nolūka ierobežojuma principu personas datiem ir jābūt vāktiem konkrētos, skaidros un leģitīmos nolūkos, un to turpmāku apstrādi nedrīkst veikt ar minētajiem nolūkiem nesavietojamā veidā. Savukārt glabāšanas ierobežojuma princips paredz, ka personas datus drīkst glabāt veidā, kas pieļauj datu subjektu identifikāciju, ne ilgāk kā nepieciešams nolūkiem, kādos attiecīgos personas datus apstrādā. Attiecībā uz videointervijām uzskatāms, ka personas datu apstrādei ir vairāki mērķi. Pirmkārt, personas dati ir vajadzīgi, lai analizētu kandidātu, un, otrkārt, pēc intervijas procesa noslēguma dati ir vajadzīgi datubāzes uzturēšanai, lai AI rīks būtu spējīgs mācīties un pilnveidoties. Pretruna ar iepriekš minēto ir atrodama VDAR 17. pantā, kurš paredz tiesības uz dzēšanu jeb tiesības tikt aizmirstam. Vai šādā gadījumā personai ir iespējams realizēt šīs tiesības, ja dati turpina būt vajadzīgi? Turklāt ko šajā gadījumā nozīmē tiesības tikt dzēstam? Piemēram, 29. panta darba grupa norādīja, ka aparatūras iznīcināšana, visticamāk, nebūtu uzskatāma par dzēšanu saskaņā ar VDAR.²⁹ Savukārt Austrijas datu uzraugs norāda, ka uzņēmumiem ir zināma elastība attiecībā uz tehniskajiem līdzekļiem un veidiem, kas tiek izmantoti datu dzēšanai, ieskaitot anonimizēšanu.³⁰

Saskaņā ar tiesiskuma, taisnīguma un pārredzamības principiem personas datiem ir jābūt apstrādātiem likumīgi, taisnīgi un pārredzami attiecībā uz pieteikuma iesniedzēju. Personas datu apstrāde ir likumīga tikai tad, ja tai ir tiesisks pamats saskaņā ar VDAR 6. pantu (piemēram, piekrišana vai likumīgas intereses).³¹ Apstrādei ir jābūt pārskatāmai pieteikuma iesniedzējiem, proti, pieteikuma iesniedzējiem ir jābūt informētiem par to, kāda veida personas dati tiek vākti, ar kādiem līdzekļiem tas tiek darīts, kā dati tiks izmantoti utt. Personāla atlases jomā pārredzamības prasības ir attiecināmas uz visu personas datu apstrādes laiku, ieskaitot darbinieku atlases posmu.³² Informācijai ir jābūt skaidrai, saprotamā valodā un potenciālajiem darba ņēmējiem viegli pieejamai.

Sociālo tīklu pārbaude ir plaši izplatīta prakse darba devēju vidū visā pasaulē. Piemēram, CareerBuilder 2017. gadā veiktā aptauja liecina, ka 70 % darba devēju Amerikas Savienotajās Valstīs pārbauda potenciālo darbinieku sociālos tīklus, kā arī 54 % darba devēju ir noraidījuši pieteikuma iesniedzēju, pamatojoties uz sociālajos tīklos atklāto saturu.³³ Līdzīgi arī YouGov veiktā aptauja 2017. gadā liecina, ka 36 % Apvienotās Karalistes darba devēju ir noraidījuši pieteikuma iesniedzēju, pamatojoties uz informāciju, kas atrodama viņu sociālo tīklu profilos. Kā noraidījuma iemeslu darba devēji min arī pārāk biežu pašportretu jeb selfiju publiskošanu, ne tikai vispārizplatītus iemeslus.³⁴ Jāatzīmē, ka atklāt šķietami neatbilstošu saturu nav nemaz tik grūti. Piemēram, 2008. gadā veiktā pētījuma rezultā tika atklāts, ka aptuveni 50 % studentu sociālo tīklu pofilos ir redzamas fotogrāfijas, kas norāda uz ballītēm ar alkohola lietošanu.³⁵

Ikvienam darba devējam ir svarīgas ne tikai darbinieka zināšanas un kvalifikācija, bet arī personība un prasmes iejusties kolektīvā. Pieprasījums pēc šādu īpašību izpētes ir radījis piedāvājumu, un tādi uzņēmumi kā DeepSense izmanto AI risinājumus, lai analizētu un paredzētu kandidāta personību. Balstoties uz e-pasta adresi, šis AI rīks raksturo kandidātu, izmantojot internetā pieejamos datus un apkopojot informāciju par pretendentu no vairāk nekā 30 sociālo tīklu vietnēm. Raksturojumā ietverta analīze par tendencēm lietot alkoholu un narkotikas, reliģisko fanātismu, nosliecēm uz seksuālo uzmākšanos u.tml.³⁶ Lai gan pēc šādiem kandidātu raksturojumiem viennozīmīgi varētu būt pieprasījums darba devēju vidū, šāda pieeja varētu būt pretrunā Eiropas izpratnei par privātumu. Saskaņā ar noklusējuma iestatījumiem vai lietotāju vēlmēm daudzi sociālo tīklu profili ir publiski skatāmi, tomēr darba devēji Eiropas Savienībā nevar izmantot šo informāciju saviem mērķiem un pēc saviem ieskatiem. Arī šādu personas datu apstrādei ir vajadzīgs tiesisks pamats, piemēram, piekrišana vai likumīgas intereses. Lai noteiktu, vai likumīgās intereses var kalpot kā atbilstošs juridiskais pamats, ir nepieciešams līdzsvarot un izsvērt tās attiecībā pret datu subjekta interesēm un brīvībām, kas prasa aizsardzību. Tātad pirms sociālo tīklu izvērtēšanas potenciālajam darba devējam ir jāizvērtē sociālā tīkla mērķis, proti, vai kandidāta profils ir izveidots biznesa un nodarbinātības vai privātiem mērķiem.³⁷ Visticamāk, ka kandidāta LinkedIn profils ir paredzēts biznesa vajadzībām, savukārt Instagram profils ir paredzēts personīgiem mērķiem un lietošanai. Tādējādi tādu uzņēmumu kā DeepSense sniegtie pakalpojumi varētu būt pretrunā ar VDAR prasībām.

Turklāt lēmums par personas datu apstrādes tiesisko pamatu uzņēmumam ir jāpieņem vēl pirms apstrādes uzsākšanas. Tiesisko pamatu nedrīkst noteikt ar atpakaļ­ejošu spēku. Lai gan ir saprotama potenciālo darba devēju vēlme attaisnot sociālo tīklu uzraudzību, balstoties uz vajadzību noslēgt līgumu, līguma noslēgšana tomēr nav atbilstošs tiesiskais pamats, jo saskaņā ar 29. panta darba grupas atzinumu šis jēdziens ir jāinterpretē stingri. Apstrādei ir jābūt patiesi nepieciešamai, lai izpildītu līgumu ar datu subjektu. Cilvēkresursu kontekstā šo tiesisko pamatu var izmantot, piemēram, lai apstrādātu bankas konta datus, kas nepieciešami algas pārskaitīšanai.³⁸  Turklāt pirms šāda veida informācijas ievākšanas ir jānosaka, vai netiek ievākts pārmērīgs personas datu apjoms un vai šie dati ir tiešām nepieciešami, lai izvērtētu kandidāta atbilstību konkrētajai vakancei. Sociālo tīklu pārbaude ir iespējama tikai tad, ja nepieciešams novērtēt iepriekš skaidri definētus riskus, kas saistīti ar konkrēto amatu, kā arī pastāv tiesiskais pamats un pieteikuma iesniedzējs ir pienācīgi informēts par šādu pārbaudi (piemēram, ar darba sludinājuma palīdzību).³⁹

Visbeidzot, lai cik revolucionāri VDAR arī neskanētu, tehnoloģijas un likumdošana nekad nav vienā līmenī, jo likumdevējs vienmēr seko tehnoloģisko risinājumu pēdās,⁴⁰ radot plašas diskusijas par normatīvā regulējuma piemērošanu.