IA e lavoro: una storia che vale mille spiegazioni
Stavo preparando la copertina di un articolo sulle retribuzioni di colf e badanti per il 2026. Ho chiesto a ChatGPT di generarmi un’immagine rappresentativa. Il risultato è arrivato in pochi secondi: una badante bianca e una donna delle pulizie di colore.
Nessuno aveva programmato quel risultato. Nessuno aveva scritto istruzioni discriminatorie. Eppure l’algoritmo aveva prodotto esattamente quello: un riflesso fedele — e disturbante — dei pregiudizi sedimentati nei dati su cui era stato addestrato.
Quella piccola immagine mi ha offerto una lezione grande. E ha aperto una domanda che ogni professionista delle risorse umane, ogni datore di lavoro e ogni consulente del lavoro dovrebbe porsi: se affidiamo all’IA decisioni che riguardano le persone, siamo davvero pronti a gestirne le conseguenze?
Cos’è il “bias algoritmico” e perché ci riguarda
Il termine bias indica, in senso tecnico, una distorsione sistematica nel ragionamento o nel processo decisionale. Quando parliamo di bias algoritmico, ci riferiamo alla tendenza di un sistema di intelligenza artificiale a produrre risultati distorti, non per un errore casuale, ma per una conformità statistica a dati storici che rispecchiano disuguaglianze già esistenti nella società.
Il meccanismo è semplice da capire: un algoritmo impara dal passato. Se il passato era discriminatorio — e lo era, in molti ambiti — l’algoritmo rischia di replicare e persino amplificare quelle discriminazioni.
Alcuni esempi concreti e documentati:
- Amazon, nel 2018, ha dovuto dismettere un sistema di selezione automatica dei CV perché penalizzava sistematicamente le candidature femminili, avendo appreso da un decennio di assunzioni storicamente maschili.
- Sistemi di riconoscimento facciale utilizzati in contesti HR hanno mostrato tassi di errore significativamente più alti nel riconoscere persone di pelle scura rispetto a persone bianche.
- Algoritmi di scoring creditizio integrati in piattaforme HR per valutare l’affidabilità dei candidati hanno penalizzato lavoratori provenienti da quartieri storicamente svantaggiati, indipendentemente dalle loro competenze reali.
Non si tratta di casi isolati. È un fenomeno strutturale che accompagna qualsiasi sistema di IA addestrato su dati umani.
L’IA nell’HRM: dove viene già utilizzata (e dove il rischio è più alto)
L’adozione dell’intelligenza artificiale nella gestione delle risorse umane è già una realtà consolidata. Le principali aree di applicazione sono:
Selezione e recruiting — Screening automatico dei CV, analisi del linguaggio nelle candidature, scoring dei profili LinkedIn, chatbot per i colloqui preliminari. È l’area con il rischio di bias più elevato, perché le decisioni impattano direttamente sull’accesso al lavoro.
Valutazione delle performance — Algoritmi che analizzano produttività, presenze, interazioni digitali e comportamenti organizzativi per generare valutazioni automatiche. Il rischio è che parametri apparentemente oggettivi nascondano criteri indirettamente discriminatori.
Gestione dei turni e pianificazione del lavoro — Sistemi predittivi che ottimizzano i turni in base a dati storici. Se i dati storici riflettono una distribuzione diseguale dei carichi di lavoro tra uomini e donne, o tra lavoratori italiani e stranieri, l’algoritmo replicherà quella distribuzione.
Analisi del rischio di dimissioni (retention) — Strumenti che predicono la probabilità che un dipendente lasci l’azienda, usati per orientare investimenti in formazione e benefit. Il problema sorge quando i criteri usati per identificare i “talenti da trattenere” rispecchiano profili storicamente privilegiati.
Formazione e sviluppo — Raccomandazioni automatiche di percorsi formativi basate sul profilo del lavoratore. Se il sistema associa certi profili demografici a ruoli di minore responsabilità, orienterà quei lavoratori verso percorsi di crescita meno ambiziosi.
IA e lavoro: il quadro giuridico italiano
In Italia, il tema del bias algoritmico nel lavoro non è privo di tutele normative. Anzi, il quadro giuridico è già abbastanza articolato — anche se la sua applicazione pratica alle tecnologie IA è ancora in fase di sviluppo.
Il divieto di discriminazione indiretta
Il D.Lgs. 216/2003 (attuazione della Direttiva europea 2000/78/CE) vieta le discriminazioni sul lavoro basate su religione, convinzioni personali, handicap, età e orientamento sessuale. Il D.Lgs. 198/2006 (Codice delle pari opportunità) estende il divieto alle discriminazioni di genere.
Entrambi i decreti includono espressamente la discriminazione indiretta, definita come qualsiasi disposizione, criterio, prassi, atto o comportamento apparentemente neutro che metta in posizione di svantaggio un determinato gruppo.
Questo è il punto cruciale: un algoritmo di selezione che produce sistematicamente risultati sfavorevoli per le donne, per i lavoratori stranieri o per i lavoratori over 50 — anche senza alcuna intenzione discriminatoria — può integrare gli estremi della discriminazione indiretta, con tutte le conseguenze legali che ne derivano.
Il GDPR e il diritto a non essere soggetti a decisioni automatizzate
Il Regolamento UE 2016/679 (GDPR), all’art. 22, riconosce alle persone fisiche il diritto di non essere sottoposte a decisioni basate unicamente sul trattamento automatizzato, inclusa la profilazione, quando tali decisioni producano effetti giuridici significativi o ugualmente rilevanti.
In ambito lavorativo, questo significa che un sistema di selezione o valutazione completamente automatizzato — senza un intervento umano sostanziale — potrebbe violare il GDPR, esponendo l’azienda a sanzioni significative da parte del Garante per la Protezione dei Dati Personali.
L’AI Act europeo
Dal 2024 è in vigore il Regolamento UE sull’Intelligenza Artificiale (AI Act), che classifica i sistemi di IA utilizzati in ambito lavorativo — in particolare per selezione, valutazione delle performance e gestione dei dipendenti — come sistemi ad alto rischio. Per questi sistemi sono previsti obblighi specifici: trasparenza, documentazione tecnica, valutazione del rischio, supervisione umana obbligatoria e registrazione in appositi database europei.
Le aziende che utilizzeranno tali sistemi senza rispettare questi requisiti si esporranno a sanzioni fino a 30 milioni di euro o al 6% del fatturato annuo globale.
IA e lavoro: il paradosso dell’oggettività apparente
Uno degli aspetti più insidiosi del bias algoritmico è che tende a nascondersi dietro una patina di oggettività. I numeri sembrano neutrali. I grafici sembrano scientifici. Un algoritmo sembra immune alle emozioni, ai pregiudizi personali, alle simpatie e antipatie umane.
Ma questa è una illusione pericolosa.
I dati non sono mai neutrali: sono prodotti da esseri umani, in contesti storici e culturali specifici, e riflettono — inevitabilmente — le strutture di potere e le disuguaglianze di quei contesti. Un algoritmo addestrato su dati distorti produrrà risultati distorti, con la differenza che questi risultati saranno percepiti come obiettivi e difficilmente contestabili.
È quello che alcuni studiosi chiamano “lavaggio algoritmico” (algorithmic washing): l’uso della tecnologia per conferire una parvenza di neutralità a decisioni che sono, nella sostanza, discriminatorie.
IA e lavoro: il ruolo del professionista HR e del consulente del lavoro
Di fronte a questi rischi, qual è il ruolo del professionista?
Non si tratta di rifiutare la tecnologia. L’IA, usata correttamente, può essere uno strumento potentissimo per migliorare l’efficienza dei processi HR, ridurre i tempi di selezione, analizzare grandi volumi di dati e supportare decisioni più informate.
Si tratta, invece, di non delegare il giudizio alla macchina.
Il valore aggiunto del consulente del lavoro, del responsabile HR, del manager — oggi più che mai — sta precisamente in quella capacità critica che nessun algoritmo può replicare: la capacità di chiedersi perché un sistema produce un certo risultato, di valutarne l’equità, di contestarlo quando necessario.
In pratica, questo significa:
- Prima dell’adozione: valutare i rischi di bias del sistema IA che si intende adottare, richiedere al fornitore documentazione tecnica e valutazioni d’impatto, verificare la conformità al GDPR e all’AI Act.
- Durante l’uso: non limitarsi ad accettare i risultati dell’algoritmo, ma verificarli criticamente, monitorare nel tempo se emergono pattern sistematicamente sfavorevoli per determinati gruppi.
- In caso di contenzioso: essere in grado di documentare che le decisioni aziendali — anche se supportate da strumenti automatizzati — sono state assunte con supervisione umana e nel rispetto dei principi di parità di trattamento.
Conclusione: la tecnologia amplifica chi siamo
Quella immagine generata da ChatGPT — la badante bianca e la donna delle pulizie di colore — non era un errore tecnico. Era uno specchio. Uno specchio di milioni di immagini, testi, associazioni culturali che gli esseri umani hanno prodotto e che l’algoritmo ha semplicemente assorbito e restituito.
L’intelligenza artificiale non inventa pregiudizi nuovi. Li eredita dai nostri e li scala su milioni di decisioni al giorno.
Per questo il tema non è “IA sì o IA no”. Il tema è: siamo disposti a guardare in quello specchio e a prenderci la responsabilità di ciò che vediamo?
Nel mondo del lavoro — dove ogni decisione algoritmicamente distorta può tradursi in una persona che non ottiene un colloquio, una promozione negata, un contratto non rinnovato — questa responsabilità non è solo etica. È giuridica, professionale e profondamente umana.
Autore dell’articolo – Marco Campesato: esperto di diritto del lavoro e della previdenza sociale di Studio Campesato – Consulente del lavoro a Vicenza
