La promessa dell’intelligenza artificiale è attraente: decisioni più rapide, coerenti e “oggettive”. Ma quando i dati sono prodotti in contesti già diseguali – carriere femminili più discontinue, accessi al credito storicamente più difficili, sottorappresentazione nei trial clinici – l’algoritmo finisce per normalizzare la disuguaglianza e farla diventare una regola di sistema: l’“amplificazione algoritmica” rende il bias meno visibile, più pervasivo, e quindi più difficile da contestare.
discriminazione algoritmica
Perché l’AI penalizza ancora le donne nel lavoro, nel credito e nella salute
Gli algoritmi non sempre sono neutrali: apprendono dalla nostra storia e rischiano di consolidare disuguaglianze di genere e socio-economiche. Dallo screening dei CV allo scoring del credito, fino ai trial clinici, ecco come si producono le distorsioni e quali strumenti abbiamo per garantire “fairness by design”
Global Data Protection Officer Dedalus – Fellow IIP

Continua a leggere questo articolo
Argomenti
Canali
InnovAttori
-

Costruzioni, comprare tecnologia è facile: farla funzionare molto meno
01 Ott 2026 -

R&D, perché anche nei team tecnici l’adozione dell’AI deve partire dalle persone
30 Set 2026 -

AI in azienda, come scegliere il modello giusto per ogni problema
30 Set 2026 -

Come integrare l’AI industriale nei processi quotidiani
25 Set 2026 -

Così l’automotive si innova: il caso Formula Uno e Lenovo
17 Set 2026






















