Negli ultimi anni, il mercato del lavoro e le procedure di assunzione del personale hanno registrato trasformazioni tecnologiche significative, ampiamente modellate dalla diffusione dell’“onnipresente” Intelligenza Artificiale. I metodi tradizionali di selezione, basati prevalentemente sul contatto diretto, la consegna cartacea del curriculum e il colloquio conoscitivo in presenza, sono stati progressivamente affiancati o integrati da sistemi automatizzati.
Oggi l’invio delle candidature avviene per la maggior parte attraverso piattaforme telematiche, all’interno delle quali diversi software hanno il compito di gestire le fasi preliminari del reclutamento, valutando le informazioni, verificando le corrispondenze testuali ed elaborando graduatorie iniziali per individuare i profili da avviare ai passaggi successivi con i valutatori “in carne e ossa”.
L’adozione di questi strumenti tecnologici nel settore delle Risorse Umane risponde in primo luogo alla necessità organizzativa di gestire volumi di richieste estremamente elevati in tempi contenuti. Inoltre, nei primi anni dell’adozione di queste tecnologie, si ipotizzava che l’affidamento delle fasi iniziali a un modello informatico potesse mitigare l’influenza dei condizionamenti personali dei selezionatori, dei pregiudizi inconsapevoli degli operatori e delle variabili emotive tipiche della valutazione umana. Tuttavia, l’osservazione dei risultati operativi e l’aumento degli studi sul campo hanno mostrato che l’impiego degli algoritmi presenta articolazioni complesse e dinamiche non sempre prevedibili.
Indice degli argomenti
Intelligenza Artificiale nel reclutamento e dati storici
Per comprendere il funzionamento di tali sistemi, occorre considerare che le tecnologie di apprendimento automatico (o “Machine Learning”, che permette alle macchine di imparare da sole senza essere programmate dagli esseri umani) non operano sulla base dell’intuito o della comprensione del contesto, ma identificano schemi e correlazioni matematiche all’interno di insiemi di dati storici. Quando un modello viene programmato per individuare i profili più idonei, viene spesso addestrato utilizzando i dati del personale già presente in azienda o di chi in passato ha ottenuto risultati positivi in una determinata mansione. Se nei dati di partenza sussistono sproporzioni strutturali o tendenze consolidate, come può essere una prevalenza del genere maschile in determinati ruoli dirigenziali o un’omogeneità nei percorsi formativi dei dipendenti, il sistema tende a interpretare tali caratteristiche come indicatori predittivi di successo, replicando nei criteri di selezione le medesime caratteristiche del passato.
L’evoluzione delle tecniche di analisi testuale ha ulteriormente affinato questo processo. I moderni sistemi di elaborazione del linguaggio naturale (che permette alle macchine di comprendere, interpretare e generare il linguaggio umano) non si limitano a ricercare specifiche parole chiave, ma analizzano la struttura, la coerenza e lo stile di un testo. Di conseguenza, i modelli di Intelligenza Artificiale sviluppano una sensibilità verso dettagli formali molto specifici. Alcune ricerche sul tema evidenziano come dettagli apparentemente secondari, tra cui il nome dell’istituto scolastico frequentato dal candidato, l’uso di determinate formule espressive o la citazione di esperienze associative, possano incidere sui punteggi attribuiti dal software, influenzando l’esito della valutazione prima dell’intervento di un operatore umano.
Colloqui automatizzati e valutazione dei candidati
Un altro punto da esaminare riguarda la progressiva diffusione delle piattaforme per colloqui automatizzati a distanza. In questo tipo di selezioni, il candidato risponde a domande predefinite di fronte a una telecamera, mentre algoritmi dedicati analizzano i flussi di dati audio e video, esaminando parametri quali la velocità del parlato, le pause, la modulazione vocale e la mimica facciale. L’applicazione di metriche standardizzate alla comunicazione non verbale rimane tuttavia oggetto di dibattito scientifico, poiché la variabilità culturale, gli stili espressivi individuali, la neuro-divergenza o la naturale tensione legata al contesto d’esame possono alterare gli indicatori rilevati senza rispecchiare l’effettivo livello di preparazione o idoneità professionale.
Un ulteriore fattore rilevante risiede nella concentrazione del mercato tecnologico dedicato alle Risorse Umane. Una quota consistente di datori di lavoro si avvale dei prodotti software sviluppati da un numero ristretto di grandi aziende informatiche. Quando un algoritmo adotta determinati criteri di filtraggio, tali parametri si applicano in modo uniforme presso differenti organizzazioni e aziende. Questo fenomeno implica che un profilo eventualmente penalizzato dalle specifiche impostazioni di un modello rischia di riscontrare difficoltà analoghe in una pluralità di selezioni gestite tramite la medesima infrastruttura tecnologica, riducendo la varietà dei criteri di valutazione accessibili all’interno di un medesimo settore.
Candidati, curriculum e Intelligenza Artificiale generativa
La presenza di sistemi automatizzati ha prodotto reazioni adattive anche da parte di chi cerca occupazione. La consapevolezza che le candidature vengano esaminate da una macchina e non da un essere umano ha spinto molti lavoratori a utilizzare a loro volta strumenti di Intelligenza Artificiale generativa (come ChatGPT) per redigere curriculum e lettere di presentazione ottimizzati, integrando le parole chiave e i modelli strutturali maggiormente riconosciuti dai software utilizzati nel campo delle Risorse Umane. Si genera così un fenomeno per cui le aziende si trovano a ricevere un numero elevato di domande formattate secondo standard molto simili tra loro, condizione che spinge le organizzazioni a restringere ulteriormente i parametri di scarto e che rende più complessa l’individuazione di profili dal percorso professionale “non convenzionale”.
Nel dibattito sull’automazione dei processi di reclutamento, le aziende e gli sviluppatori evidenziano frequentemente come la decisione finale rimanga sempre affidata agli addetti e/o ai responsabili delle Risorse Umane “in carne e ossa” e come l’Intelligenza Artificiale svolga una funzione prevalentemente preparatoria o di “filtro”. Nella prassi operativa, tuttavia, la gestione di ampi volumi di lavoro può indurre gli operatori del settore HR di fare ampio affidamento sulle valutazioni quantitative elaborate dalla macchina, una dinamica nota in psicologia organizzativa come “pregiudizio di automazione” (o “automation bias”). Inoltre, la scelta finale dell’operatore umano avviene necessariamente all’interno del perimetro di profili che il software ha già preselezionato a monte, delimitando lo spazio della propria – possibile – valutazione discrezionale.
Regole, trasparenza e tutele nei software HR
Anche (ma non solo) in risposta a queste trasformazioni, in diverse parti del globo vi è stata l’introduzione di quadri normativi mirati a garantire maggiore trasparenza e tutela. Nella nostra Unione Europea la disciplina sull’Intelligenza Artificiale, dove “impera” il Regolamento (UE) 2024/1689, classifica i software impiegati nella selezione e nella gestione del personale tra le applicazioni ad alto rischio. Tale quadro normativo impone l’adozione di verifiche periodiche sulla qualità dei dati per prevenire disparità di trattamento, l’obbligo di informare chiaramente i candidati circa l’uso di strumenti automatizzati e la garanzia di poter richiedere un riesame umano della decisione. L’approccio adottato dall’Unione Europea evidenzia la volontà di trattare i software di reclutamento come strumenti capaci di incidere in modo diretto sulle opportunità di vita e di carriera delle persone, con l’inserimento di tali tecnologie nella categoria ad alto rischio che comporta la necessità di documentare la tracciabilità delle decisioni, l’origine e la qualità dei dati di addestramento, nonché le procedure volte a identificare eventuali scostamenti sistematici nelle valutazioni. Analogamente, la previsione del diritto per il candidato di essere informato dell’uso di algoritmi e di poter richiedere un riesame guidato da un operatore umano punta a ripristinare un principio di trasparenza proceduralmente verificabile. Resta da valutare nell’applicazione pratica come queste prescrizioni normative si tradurranno nelle prassi aziendali quotidiane e se saranno sufficienti a incentivare un uso più consapevole delle tecnologie. Nel Bel Paese, questo percorso europeo di adeguamento ha trovato un passaggio fondamentale nella Legge n. 132/2025, recependo i principi comunitari per fissare paletti normativi stringenti volti a tutelare i lavoratori, promuovere un uso etico e antropocentrico (l’uomo al “centro”) dell’algoritmo nel mercato del lavoro e sanzionare l’utilizzo di sistemi opachi o discriminatori nelle fasi di reclutamento del personale.
L’evoluzione del settore HR mostra come l’Intelligenza Artificiale offra i contributi più efficaci quando viene impiegata come strumento di supporto analitico anziché come sostituto del giudizio complessivo. In questa prospettiva, la tecnologia può facilitare l’individuazione di competenze trasversali complesse o aiutare a rimuovere dai documenti informazioni irrilevanti rispetto alla prestazione lavorativa, quali l’età, il genere o l’indirizzo di residenza, per favorire una valutazione iniziale maggiormente oggettiva. Il confronto sul futuro del reclutamento verterà dunque sulla capacità delle organizzazioni di integrare l’efficienza computazionale dei sistemi informatici con la valutazione critica, la contestualizzazione e la comprensione delle potenzialità individuali proprie dell’esperienza umana.
Bias algoritmico e archivi aziendali
Analizzando più da vicino l’evoluzione dei dati storici utilizzati nell’addestramento dei modelli, emerge con chiarezza come la qualità del risultato algoritmico sia direttamente subordinata all’infrastruttura informativa di partenza. Quando un’azienda decide di digitalizzare i propri processi di selezione, la tentazione più immediata consiste nell’alimentare la macchina con gli archivi gestionali accumulati negli anni precedenti. Tuttavia, tali archivi non rappresentano mai una mappa neutrale del merito, bensì la fotografia storicizzata di decisioni umane prese in contesti sociali, economici e culturali specifici (di quell’epoca). L’algoritmo, privo della capacità di contestualizzare l’origine di tali dati, tratta ogni informazione come un fattore – di fatto – omogeneo. Di conseguenza, se una determinata qualifica o un preciso percorso di carriere è stato in passato favorito da dinamiche di rete informali o da abitudini consolidate, il modello matematico tradurrà tale ricorrenza statistica in una regola generale di selezione. L’automatizzazione rischia, quindi, di consolidare l’esistente, rendendo più complesso l’ingresso per profili portatori di elementi di novità o appartenenti a percorsi formativi differenti da quelli tradizionali.
Parallelamente, la questione dell’elaborazione del linguaggio naturale presenta complessità che vanno ben oltre la semplice corrispondenza dei termini tecnici. I moderni modelli linguistici vengono addestrati su sterminati quantitativi di testo al fine di comprendere le relazioni di significato tra le parole e la struttura delle frasi. Nel contesto di un CV, tuttavia, lo stile di scrittura varia notevolmente in base all’età, alla provenienza geografica, all’estrazione culturale e persino alla personalità del candidato. Alcune persone tendono a descrivere le proprie mansioni con uno stile sintetico e pragmatico, mentre altre prediligono un linguaggio più discorsivo o ricco di parole. Se il software di selezione del personale è stato tarato su uno specifico registro linguistico ritenuto ideale dalla cultura (e/o dalla direzione) aziendale, i candidati che adottano forme espressive difformi possono subire una penalizzazione nel punteggio complessivo, anche a parità di competenze operative. Questa dinamica evidenzia il limite insito nel tentativo di misurare la professionalità attraverso la sola conformità stilistica di un documento scritto.
Riconoscimento biometrico e opacità dei processi di selezione
Un ambito di analisi che merita ulteriore approfondimento è quello relativo all’adozione delle tecniche di riconoscimento biometrico e comportamentale nei colloqui di lavoro registrati da remoto (a norma di legge). L’idea di poter rendere oggettiva la valutazione dell’emotività, della sicurezza di sé e dell’affidabilità professionale attraverso l’analisi dei micro-movimenti facciali o del tono della voce si scontra con la naturale complessità dell’espressività umana. Gli studi condotti nell’ambito delle neuroscienze e della psicologia sociale testimoniano che la comunicazione non verbale è fortemente condizionata da fattori ambientali e individuali che nulla hanno a che fare con la preparazione professionale del singolo candidato. La risposta fisiologica a una situazione di stress, come quella di parlare di fronte a uno schermo senza alcuna interazione empatica con un interlocutore reale, varia significativamente da individuo a individuo.
Sul fronte del mercato informatico, la concentrazione dei fornitori di software dedicati alle Risorse Umane solleva questioni legate all’uniformità dei criteri d’accesso. Quando centinaia di aziende, pur operando in settori differenti o con culture organizzative distinte, acquistano ed eseguono la medesima piattaforma tecnologica di screening, i parametri di selezione integrati nel software tendono a riflettersi in modo pervasivo sull’intero mercato del lavoro. Un lavoratore che presenti una caratteristica o una struttura curriculare penalizzata dalla logica interna di quella specifica architettura software rischia di incontrare le medesime barriere all’ingresso in gran parte delle ricerche di personale gestite da piattaforme equivalenti. Ciò riduce la diversità dei canali d’accesso e rende particolarmente complessa per il candidato la comprensione delle motivazioni alla base dei mancati avanzamenti nelle fasi di selezione, alimentando una sensazione di opacità nei confronti dei meccanismi di reclutamento.
Curriculum ottimizzati e futuro del reclutamento
Tornando poi alla risposta “strategica” dei candidati, consistente nell’uso diffuso dell’Intelligenza Artificiale generativa per redigere domande d’assunzione perfettamente modellate sulle preferenze degli algoritmi aziendali, ha ulteriormente trasformato il panorama della ricerca del lavoro. Questa dinamica di rincorsa tecnologica crea un contesto in cui la redazione del curriculum diventa un esercizio di ottimizzazione ingegneristica del testo. I documenti risultanti tendono a presentare un’elevata densità di concetti chiave, formule sintattiche standardizzate e strutture espositive ideali per la scansione automatizzata. Tuttavia, questa uniforme perfezione formale riduce la capacità dei selezionatori umani di cogliere l’autenticità dei percorsi, le sfumature della personalità e le reali attitudini dei candidati quando i profili giungono alle fasi successive della selezione. Il processo di reclutamento corre così il rischio di trasformarsi in uno scambio informativo fortemente mediato da software su entrambi i fronti, allungando i tempi necessari per valutare la reale rispondenza tra le esigenze dell’azienda e il potenziale del lavoratore.
In prospettiva futura, la sfida fondamentale per il settore delle Risorse Umane risiede nell’individuazione di un modello di integrazione equilibrato, capace di valorizzare le potenzialità della tecnologia senza snaturare la dimensione relazionale e valutativa del reclutamento. L’Intelligenza Artificiale, dal canto suo, possiede capacità di calcolo ed elaborazione dati imbattibili nell’organizzazione di grandi volumi informativi, nella standardizzazione dei flussi di lavoro e nella rimozione di elementi anagrafici irrilevanti per favorire selezioni iniziali “anonime” e oggettive. Al contempo, la valutazione del potenziale, della capacità di adattamento, della creatività e dell’affinità con i valori di un’organizzazione richiede doti di ascolto, intuito e contestualizzazione che rimangono proprie della sensibilità umana. Il bilanciamento tra questi due ambiti rappresenterà l’elemento centrale attorno a cui si s
Partecipa alla community