Il salto strategico dell’HR: governare agenti, dati e persone

L’entusiasmo intorno all’AI generativa nelle Risorse Umane ha attraversato in due anni l’intero ciclo di Gartner: entusiasmo, disillusione, normalizzazione. Oggi in molte grandi aziende italiane Copilot è installato sulle macchine degli HR Business Partner, e quasi tutti hanno provato almeno una volta a far rivedere a un modello linguistico una job description o una bozza di comunicazione interna, le job responsibility o gli obiettivi.

Eppure, in pochissime aziende è successo davvero qualcosa di trasformativo. Il motivo non è tecnologico, è di posizionamento. L’HR sta usando l’AI come strumento individuale: un correttore di bozze più bravo, un sintetizzatore di documenti, un compagno di brainstorming. Il vero salto si decide altrove: nell’AI agentica, dove sistemi autonomi pianificano passi, accedono a dati, attivano altri sistemi, prendono decisioni e si interfacciano con umani e con altri agenti. Su quel piano l’HR non è più una funzione che adotta una tecnologia. È il livello dove si decide come agenti, dati e persone convivono nell’organizzazione. È, in senso letterale, il sistema operativo del lavoro.

Il 2 agosto 2026 questo riposizionamento smetterà di essere una scelta strategica e diventerà un vincolo normativo.

Da copilot a collega: cos’è davvero l’AI agentica

Per capire la posta in gioco bisogna distinguere con rigore due cose che il dibattito pubblico tende a confondere. Un copilot è Microsoft Copilot, ChatGPT Enterprise, Claude; è un assistente conversazionale: l’utente formula una richiesta, il modello produce una risposta in linguaggio naturale, l’utente decide cosa fare. È uno strumento individuale. Aumenta la produttività della singola persona, ma non cambia il funzionamento dell’organizzazione.

Un agente è qualcosa di diverso. Compone autonomamente sequenze di passi (planning), accede a strumenti e dati (tool use), conserva memoria delle interazioni (memory), e, nei sistemi più maturi, si coordina con altri agenti e con umani in flussi misti. Un agente non risponde a una domanda: esegue un compito. La differenza non è di forma, è di sostanza: l’utente cede una porzione di controllo decisionale al sistema.

Nell’HR questa transizione cambia la geometria dei processi. Un copilot HR aiuta un recruiter a scrivere una job description migliore. Un agente HR riceve un’apertura di posizione, analizza i criteri di selezione dalla descrizione del ruolo e dallo storico delle posizioni simili, attiva la ricerca su più canali, esegue uno screening dei profili, presenta una shortlist motivata, calendarizza i colloqui, e produce per il manager una sintesi delle conversazioni di valutazione. Il recruiter umano resta ma sposta il proprio lavoro dal fare al decidere.

Lo stesso schema vale per onboarding, mobilità interna, learning, performance, contenzioso, workforce planning. In ognuno di questi casi non si tratta di “fare più velocemente la stessa cosa”, ma di riprogettare chi decide cosa e con quali dati. È la differenza tra mettere il motore elettrico su una carrozza a cavalli e progettare un’automobile.

Le aziende italiane che hanno cominciato a fare bene questo passaggio si vedono già nei dati. Generali ha implementato strumenti di intelligenza artificiale generativa nel performance management, con un chatbot a supporto delle valutazioni, Leonardo ha introdotto una piattaforma di Digital Role Play per addestrare le soft skill dei propri manager attraverso simulazioni con attori virtuali, con feedback specifici al termine di ogni sessione. Sono casi che parlano di una funzione che orchestra agenti, non che subisce strumenti.

L’HR come sistema operativo del lavoro: oltre la metafora

La metafora del sistema operativo non è retorica. È il modo più preciso per descrivere cosa sta succedendo strutturalmente.

Un sistema operativo non fa le cose: consente alle cose di accadere. Gestisce le risorse, le concede ai processi, arbitra i conflitti, applica le regole di accesso, mantiene la coerenza. Nelle organizzazioni AI-augmented, qualcuno deve fare esattamente questo per il lavoro stesso: stabilire quali decisioni sono delegabili agli agenti e quali no, quali dati possono essere usati e da chi, come si concilia l’output algoritmico con il giudizio umano, come si gestisce il contraddittorio quando una persona è stata classificata, valutata o non assunta da un sistema automatico.

Questa funzione non è di IT, perché non è una decisione tecnica. Non è di Operations, perché tocca le persone in modo trasversale a ogni processo. Non è di Legal, perché richiede competenze di disegno organizzativo, non di compliance formale. È strutturalmente di HR perché HR è la sola funzione che vede contemporaneamente i processi, le persone, i dati che le riguardano, e l’interfaccia con la rappresentanza collettiva.

Le aziende che lo stanno capendo si stanno riposizionando di conseguenza. In Intesa Sanpaolo, il programma AIxeleration è il veicolo con cui il gruppo sta scalando l’adozione dell’AI in tutte le divisioni in modo sostenibile, responsabile e omogeneo, e l’HR Transformation guidata da Cristiano Chiadò Piat è parte integrante della governance complessiva, non una funzione che riceve gli strumenti dal CIO.

La direzione HR di SAP, dal canto suo, ha definito il proprio ruolo come “orchestratore della trasformazione, che deve essere people-centric.” In SAP la formula non resta uno slogan, ed è proprio questo a renderla un riferimento utile. La Chief People Officer Gina Vargiu-Breuer siede nel Board esecutivo e detiene anche il ruolo di Labor Director: una configurazione che concentra nella stessa figura autorità strategica, ownership della trasformazione e responsabilità formale sulle relazioni industriali. È il modello di posizionamento che il salto agentico richiede: una direzione HR con potere reale di disegnare il sistema, non solo di subirlo. Non a caso, nell’aprile 2026 il Supervisory Board ha esteso il mandato di Vargiu-Breuer proprio per guidare “l’evoluzione di SAP nell’era dell’AI”, mettendo nero su bianco il legame strutturale tra trasformazione organizzativa e adozione dell’intelligenza artificiale. È una configurazione ancora rara nelle organizzazioni italiane, dove il CHRO siede sì in molti CdA, ma quasi mai con un mandato esplicito su trasformazione AI e workforce design.

Sette processi HR dove l’AI agentica incide adesso

Il salto agentico non è uniforme. Ci sono almeno sette processi HR dove la trasformazione è già in corso e dove le scelte fatte nei prossimi 12-18 mesi determineranno il livello di maturità competitiva delle organizzazioni italiane.

Talent acquisition

Agenti che eseguono ricerca, screening, programmazione colloqui, comunicazioni con i candidati. Webuild ha centralizzato le candidature esterne attraverso un unico touchpoint. La domanda non è “funziona?”, ma “come si gestisce il bias?”. Lo screening algoritmico amplifica i pattern del passato: se l’azienda ha storicamente assunto profili omogenei, l’agente, addestrato sui dati storici, replicherà la stessa selezione. La risposta è audit di bias periodico, indipendente, e documentato.

Onboarding

Agenti che guidano il neoassunto nelle prime settimane, rispondono in linguaggio naturale a domande operative, attivano le richieste verso IT, sicurezza, payroll. Agsm con il progetto On-Volt è esattamente su questo terreno.

Mobilità interna e learning adattivo

Sace ha costruito una “agile organization” basata sull’analisi delle competenze e sull’uso dell’AI per matchare persone, ruoli e percorsi formativi. Qui il valore è enorme: gli sprechi di talento interno sono uno dei costi nascosti più sottostimati nelle grandi organizzazioni, ma il design è delicato: chi decide se una persona è “pronta” per un nuovo ruolo?

Performance management

Generali ha implementato AI generativa con chatbot a supporto delle valutazioni: il sistema aiuta manager e collaboratore a strutturare il dialogo, suggerisce evidenze, riduce il bias del rating. È uno degli usi più sofisticati visti in Italia. Anche uno dei più sensibili, perché tocca decisioni di carriera, retribuzione e potenzialmente uscita.

Industrial Relations e contenzioso del lavoro

Forse il caso d’uso più sottovalutato. Sistemi RAG su normativa, CCNL, accordi aziendali e giurisprudenza permettono ai team legali e di IR di rispondere in minuti a domande che oggi richiedono ore. Senza esporli al rischio di allucinazioni grazie alla citazione esplicita delle fonti.

Workforce planning

Modelli predittivi sull’evoluzione della popolazione aziendale, sui fabbisogni di competenze, sui rischi di esodo. Quando funzionano, anticipano di 18-24 mesi le decisioni di reskilling. Quando funzionano male, ratificano scelte già prese.

Sentiment e benessere

In Italia solo il 10% dei lavoratori dichiara di stare bene fisicamente, mentalmente e relazionalmente, e il 30% pianifica un cambio di lavoro entro 18 mesi. Sistemi di pulse e sentiment analysis aiutano a vedere il problema in tempo purché siano disegnati con tutele privacy serie e con il coinvolgimento delle rappresentanze.

AI Act, Allegato III: cosa succede il 2 agosto 2026

Tutto questo accade dentro una cornice normativa nuova. Il Regolamento europeo sull’Intelligenza Artificiale, entrato in vigore il 1° agosto 2024, dispiega le sue disposizioni in fasi. Dal 2 febbraio 2025 sono vietati i sistemi a rischio inaccettabile (incluso, rilevante per l’HR, il riconoscimento emotivo sul posto di lavoro) ed è in vigore l’obbligo di AI literacy per il personale che opera o supervisiona sistemi AI. Dal 2 agosto 2025 si applicano gli obblighi per i modelli di scopo generale. La data che riguarda direttamente l’HR è il 2 agosto 2026, quando entrano in vigore tutti gli obblighi per i sistemi ad alto rischio elencati nell’Allegato III del Regolamento.

L’Allegato III, alla sezione 4, classifica come ad alto rischio i sistemi AI utilizzati nell’impiego, nella gestione dei lavoratori e nell’accesso al lavoro autonomo. La definizione è volutamente ampia e include sistemi destinati alla selezione e screening, alla valutazione delle prestazioni, all’allocazione del lavoro sulla base di tratti o comportamenti individuali, al monitoraggio. In pratica, la quasi totalità dei casi d’uso in cui l’AI è rilevante.

Cosa significa “alto rischio” in concreto? Obblighi specifici: un sistema di gestione del rischio documentato, dataset di training di qualità verificabile, registrazione automatica dei log, trasparenza verso gli utenti, supervisione umana sostantiva, accuratezza e robustezza misurabili, conformity assessment prima dell’immissione sul mercato. E per la maggior parte delle imprese italiane, un obbligo aggiuntivo che merita attenzione: l’articolo 26, paragrafo 7, prevede che i datori di lavoro che intendono mettere in servizio o utilizzare un sistema AI ad alto rischio sul posto di lavoro debbano informare preventivamente i rappresentanti dei lavoratori e i lavoratori interessati. È un obbligo che si somma a quelli già previsti dal nostro ordinamento. Non è una facoltà.

Il doppio binario italiano: AI Act, Statuto, Decreto Trasparenza, GDPR

L’AI Act è una cornice europea. Sopra di essa il diritto italiano impone un secondo livello di vincoli:

Il primo è l’articolo 4 dello Statuto dei lavoratori, come riformato nel 2015. Vieta il controllo a distanza dell’attività dei lavoratori salvo che per ragioni produttive, organizzative o di sicurezza, e impone una procedura sindacale (accordo collettivo con le rappresentanze o, in mancanza, autorizzazione dell’Ispettorato Territoriale del Lavoro) prima dell’installazione di sistemi che possano produrre tale controllo. Molti sistemi AI HR tra cui workforce analytics, sentiment, persino certi tool di performance management, incidono direttamente su questa norma, indipendentemente dall’AI Act.

Il secondo livello è il Decreto Trasparenza (D.Lgs. 104/2022) come modificato dal Decreto Lavoro del 2023. Obbliga il datore di lavoro a informare in modo chiaro il lavoratore quando l’esecuzione del rapporto è organizzata attraverso “sistemi decisionali o di monitoraggio automatizzati” che incidono su assunzione, gestione del rapporto, valutazione, disciplina o cessazione. La trasparenza dovuta è specifica e analitica: parametri usati, logica di funzionamento, dati elaborati, possibilità di contestazione.

Il terzo livello è il GDPR, che nell’articolo 22 vieta che una persona sia sottoposta a una decisione basata unicamente su un trattamento automatizzato che produca effetti giuridici o significativi su di lei. È una norma del 2018 che diventa improvvisamente molto attuale con l’arrivo di sistemi decisionali agentici.

Sommare AI Act, articolo 4 dello Statuto dei lavoratori, Decreto Trasparenza e articolo 22 GDPR significa una cosa precisa: in Italia, un sistema AI HR che voglia operare in modo significativo deve passare quattro filtri, non uno. La buona notizia è che le quattro normative sono in larga parte coerenti. La cattiva è che richiedono governance, non goodwill.

Il rischio italiano: maturità eterogenea, governance assente

Lo stato dell’arte italiano è quello di un paese che corre con un piede solo. Da un lato l’investimento in AI HR cresce dall’altro alcune imprese non sanno nemmeno se gli strumenti che utilizza siano abilitati da AI.

L’altro segnale è la frammentazione. Tra le aziende che adottano davvero, c’è un divario crescente tra chi orchestra: Intesa Sanpaolo, Generali, Leonardo, Sace, A2A, Webuild, molte tra le più grandi e con governance AI matura e chi acquista soluzioni puntuali da vendor senza una strategia. Il gap è destinato ad allargarsi rapidamente, perché l’AI agentica produce effetti compounding: chi ha dati buoni, agenti integrati e governance solida, accumula vantaggi che gli altri faticano a colmare.

Il punto debole sistemico è la policy AI HR. Pochissime aziende italiane, e parlo per esperienza diretta sul campo, ne hanno una scritta, approvata e operativa. La maggior parte ha policy AI di gruppo che trattano il lavoro come un capitolo tra gli altri, senza la specificità che il dominio richiede: relazioni sindacali, dati di particolare delicatezza, decisioni che incidono sulla vita delle persone, equilibrio tra trasparenza verso il dipendente e protezione delle informazioni aziendali.

Senza policy non c’è governance. Senza governance, l’AI Act il 2 agosto 2026 non sarà un problema di compliance: sarà un problema di blocco operativo.

Cinque condizioni per non sbagliare il salto

Vale la pena chiudere con le cinque scelte di design che, dalla mia esperienza, distinguono i progetti AI HR che producono valore da quelli che producono rischio:

1. RAG con citazione esplicita della fonte. Per i sistemi che operano su contenuti regolati (CCNL, normativa, policy aziendali) la generazione deve essere ancorata a un corpus approvato e ogni risposta deve riportare la fonte. Riduce drasticamente le allucinazioni e rende il sistema auditabile.
2. Supervisione umana sostantiva, non cosmetica. “L’umano firma” non basta. Il responsabile deve avere tempo, dati e potere reale di ribaltare la raccomandazione dell’agente. Se la struttura non glielo concede, la supervisione è una fiction e l’audit la trova al primo passaggio serio.
3. Audit di bias periodico e indipendente. Almeno annuale, su tutti i sistemi che incidono su selezione, valutazione e retribuzione. Eseguito da terza parte. Risultati documentati e conservati. Non opzionale già oggi alla luce degli articoli 10 e 15 dell’AI Act.
4. Consultazione preventiva e sostanziale delle rappresentanze. L’obbligo formale c’è (articolo 26.7 AI Act, articolo 4 Statuto). Quello che funziona è andare oltre la formalità: coinvolgere le RSU nella definizione di scopo, perimetro e tutele, non a fine percorso quando si tratta solo di ratificare.
5. Governance esplicita del ciclo di vita. Chi approva nuovi contenuti? Chi rivede i log? Chi decide di ampliare lo scope? Chi spegne il sistema se serve? Senza ruoli formali, ogni progetto AI HR fallisce al sesto mese, quando le persone che l’hanno lanciato sono passate ad altro e nessuno è chiaramente proprietario.

Sono cinque condizioni semplici da scrivere. Sono quelle che differenziano, in pratica, l’HR che orchestra dall’HR che subisce. E sono quelle che determinano, da qui ai prossimi 18 mesi, chi avrà davvero un sistema operativo del lavoro all’altezza dell’organizzazione che vuole essere.