L’ingresso dell’Intelligenza Artificiale nei processi di selezione del personale promette standardizzazione, velocità e una presunta imparzialità.
Tuttavia, una ricerca molto interessante curata dall’Università della Calabria e dal Politecnico di Bari, sostenuta da Federmanager e da imprese di primo piano a livello nazionale e internazionale, evidenzia come l’AI non operi nel vuoto: essa apprende e replica regolarità presenti nei dati e nei contesti storici, rischiando di trasformarsi in un’infrastruttura capace di consolidare e amplificare asimmetrie già esistenti invece di risolverle.
I dati raccolti su un campione di 167 professionisti e professioniste HR rivelano però uno scollamento tra percezione e realtà: solo il 13% degli intervistati dichiara di utilizzare concretamente strumenti basati sull’AI, un dato che suggerisce una scarsa consapevolezza delle componenti AI spesso già integrate nei software di recruiting in uso.
La competizione tra talenti e le leve strategiche
In un mercato del lavoro in continua evoluzione e in aspra competizione, la capacità di attrarre, selezionare e trattenere i migliori profili professionali è diventata una necessità organizzativa imprescindibile per garantire la competitività aziendale.
Questa dinamica, che si configura come una vera e propria “guerra dei talenti”, riflette un clima in cui le imprese competono per conquistare il capitale umano di maggiore valore.
Di conseguenza, l’adozione di tecnologie innovative non è più un’opzione, ma una necessità strategica per affrontare efficacemente il cambiamento e ridefinire molteplici processi organizzativi, in primis quello del reclutamento del personale.
L’utilizzo dell’AI, con il relativo “trascinamento” di bias di genere, rappresenta tuttavia una delle forme più pervasive e insidiose di distorsione nei contesti organizzativi, incidendo profondamente sui processi decisionali e sulle dinamiche interne alle aziende.
In pratica, può rivelarsi un rilevante ostacolo alla competitività.
La meccanica dei bias di genere nel recruiting
Secondo la ricerca coordinata dal Prof. Salvatore Ammirato, Responsabile scientifico della stessa, i bias di genere nel reclutamento non sono semplici errori tecnici, ma distorsioni sistematiche, ovvero scorciatoie mentali che l’essere umano utilizza per gestire la complessità, che si manifestano in ogni fase del processo HR, a partire dall’analisi del fabbisogno fino all’assunzione finale. Innanzitutto, ci sono i bias cognitivi del recruiter, in sostanza l’errore dell’essere umano che utilizza scorciatoie mentali per gestire la complessità.
Pregiudizi nel processo di recruiting
Nel recruiting, questo si traduce spesso nel bias di conferma, dove chi seleziona cerca solo elementi che confermino le proprie convinzioni iniziali su una candidata o un candidato. A tal proposito, un dato critico emerso dalla ricerca è il cosiddetto bias blind spot: le professioniste e i professionisti HR tendono a riconoscere i pregiudizi nelle altre persone molto più facilmente che in se stessi o in se stesse, producendo una sorta di auto-assoluzione inconsapevole.
Questo fenomeno trova una spiegazione anche nel profilo demografico emerso dallo studio: il partecipante-tipo è un uomo di circa 55 anni, senior manager con oltre 25 anni di esperienza. L’omogeneità di questo profilo, che detiene il potere decisionale nelle grandi aziende, riflette una visione tradizionale che tende ad auto-assolversi, rendendo più difficile l’adozione di criteri di valutazione realmente neutrali.
Ad esempio, molti ammettono che fattori come il tono di voce, l’aspetto fisico o persino il profumo influenzano inconsciamente la valutazione.
I bias algoritmici e la discriminazione indiretta
Altro capitolo sono i bias algoritmici e la discriminazione indiretta. Quando questi processi vengono automatizzati, l’AI può cristallizzare i pregiudizi attraverso tre canali:
- dati storici sbilanciati: se un algoritmo di Machine Learning viene addestrato su assunzioni passate, effettuate in settori a prevalenza maschile, imparerà che il profilo “vincente” è quello maschile, penalizzando le candidate donne a parità di competenze;
- proxy e variabili correlate: le discriminazioni spesso emergono tramite indicatori apparentemente neutri. Le interruzioni di carriera per maternità o i pattern di disponibilità legati ai carichi di cura vengono letti dall’algoritmo come discontinuità biografiche penalizzanti, colpendo in modo diseguale le donne;
- effetto “Backlash”: la ricerca evidenzia come le donne che adottano comportamenti assertivi e risoluti (tratti tipicamente associati alla leadership maschile) possano essere valutate più severamente rispetto ai colleghi uomini, subendo una penalizzazione sociale e professionale.
Linguaggio di genere
Infine, c’è il tema, non secondario, del linguaggio di genere, inclusivo, nelle job description: l’uso di tecnologie di Natural Language Processing (NLP) evidenzia come la costruzione stessa delle job description utilizzi spesso un linguaggio orientato al genere maschile, agendo da barriera all’ingresso per i talenti femminili.
Termini orientati all’azione e alla competizione attirano maggiormente gli uomini, mentre tratti come l’empatia e la collaborazione vengono stereotipicamente attribuiti alle donne, limitando le loro aspirazioni verso ruoli di responsabilità.
Esempi dal mercato: tra successi e rischi
L’evidenza empirica conferma l’impatto di una gestione corretta della tecnologia.
Multinazionali come Unilever hanno ridotto i tempi di assunzione del 75-90%, aumentando contemporaneamente del 16% la diversità nelle assunzioni grazie allo screening automatizzato.
Johnson & Johnson è riuscita ad attirare 90.000 candidate in più in un solo anno semplicemente utilizzando l’AI per neutralizzare il linguaggio delle proprie offerte di lavoro.
Tuttavia, i rischi restano elevati se il sistema non è governato: il noto caso di Amazon, il cui algoritmo di screening penalizzava automaticamente i CV contenenti termini associati al genere femminile, dimostra come un’AI – quando mal progettata – può diventare un moltiplicatore di discriminazioni storiche.
Assidai e la Parità di Genere
In questo scenario, la Certificazione sulla Parità di Genere (UNI/PdR 125:2022) si configura come la risposta operativa per governare l’innovazione tecnologica. Essa, infatti, non è solo un riconoscimento formale, ma un sistema di gestione che impone alle aziende di trasformare l’equità da principio astratto a metrica verificabile.
L’impegno di realtà come Assidai e Federmanager si inserisce proprio in questa ulteriore crescita e la firma del “Manifesto per l’Equità Digitale” da parte di Federmanager, Gruppo Ferrovie dello Stato Italiane, Digital Angels, Federmanager Minerva, Fondazione Magna Grecia, Gpi, Politecnico di Bari, Regione Calabria, Unindustria Calabria, Università della Calabria e dall’Università degli Studi Roma Tre, sottolinea che la parità di genere è oggi un prerequisito di civiltà e di competitività economica.
In questa direzione si muovono le nuove cornici normative, come l’AI Act europeo e lo standard ISO 42001, che impongono requisiti di trasparenza e tracciabilità.
La ricerca suggerisce che la soluzione risieda in un approccio Fair by Design: non basta introdurre la tecnologia, occorre che i sistemi siano spiegabili (Explainable AI – XAI) affinché gli operatori HR possano comprendere le motivazioni dietro ogni decisione automatizzata, mantenendo sempre una supervisione umana attiva e qualificata.
Per Assidai la parità di genere va verso la conferma anche nel 2026. L’iniziativa, nata come idea progettuale nel 2023 e maturata nel 2024 con l’ottenimento della prima certificazione, ha visto insieme ad Assidai il coinvolgimento di Federmanager, Federmanager Academy, Manager Solutions e Praesidium.
Tutte le Organizzazioni, poi, nel 2025 hanno riconfermato il raggiungimento di questo importante traguardo rinnovando la certificazione stessa. Questo testimonia l’impegno concreto nell’affrontare le sfide legate alla valorizzazione della diversità di genere, a partire dalla promozione di modelli di leadership inclusivi.
La certificazione UNI PdR 125:2022 non solo risponde a principi etici fondamentali, ma offre anche vantaggi tangibili all’organizzazione stessa favorendo un miglioramento reale della cultura organizzativa, contribuendo alla crescita dell’organizzazione e promuovendo soluzioni innovative che incrementano la produttività complessiva nel medio-lungo termine.
Conclusioni
Per le aziende, la sfida del futuro non sarà solo adottare l’IA, ma investire nella formazione continua dei recruiter e nell’istituzione di figure dedicate come i DE&I Manager, capaci di monitorare l’equità dei processi attraverso metriche verificabili e non solo dichiarazioni di principio.
Per ascoltare gli interventi integrali dell’evento, si invita a consultare il sito di Federmanager, qui.
