AI per recruiting e selezione del personale

Usare l'AI nella selezione del personale è possibile, ma è una delle poche attività aziendali dove la norma chiede garanzie prima di partire, non dopo che qualcosa va storto. Il motivo non è burocratico: una scelta automatizzata sbagliata qui incide sull'accesso al lavoro di una persona, che spesso non saprà mai perché è stata scartata.

Conviene distinguere subito due zone. Il contorno del processo, dove l'AI toglie lavoro senza toccare nessuna decisione, e la valutazione dei candidati, dove servono struttura, criteri scritti e controllo nel tempo. Le due zone confinano da vicino, e capire su quale lato del confine si trova davvero uno strumento è la prima cosa da chiarire prima di firmare un contratto con un fornitore.

Cosa può fare l'AI senza toccare la selezione vera

C'è un intero pezzo del processo di recruiting dove l'AI rende bene e nessuna norma specifica si applica, perché nessuna decisione su una persona viene presa.

Scrivere l'annuncio. Un annuncio efficace è specifico su compiti e contesto, non generico. L'AI aiuta a togliere formule che restringono la platea senza motivo, come requisiti più rigidi di quanto il ruolo richieda davvero.

Rispondere ai candidati. Domande su tempi, sede, modalità, stato della candidatura restano oggi spesso senza risposta per mancanza di tempo, con un danno d'immagine che si paga più avanti quando servono proprio quei profili.

Preparare i colloqui. Riassumere l'esperienza rilevante per chi condurrà il colloquio, suggerire aree da approfondire: utile, a condizione che chi legge il riassunto possa sempre risalire al documento originale.

Dopo il colloquio. Riordinare appunti sparsi in una valutazione scritta con una struttura fissa aiuta chi seleziona a confrontare i candidati con gli stessi criteri, invece di ricordare a memoria le impressioni di settimane diverse. La valutazione però la scrive e la firma chi ha condotto il colloquio: l'AI mette ordine nel testo, non sostituisce il giudizio di chi c'era in stanza con il candidato.

La linea sottile tra riassumere una candidatura e deciderla

La domanda che smaschera la zona grigia è semplice: se il sistema proponesse l'ordine opposto, cambierebbe chi viene assunto? Se la risposta è sì, il sistema sta decidendo, indipendentemente da come viene chiamato.

Il meccanismo per cui nasce discriminazione senza che nessuno l'abbia voluta non è intuitivo. Un sistema addestrato sulle assunzioni passate impara anche le preferenze implicite di quelle scelte: se in passato sono state assunte più persone con un certo percorso, il sistema tratterà quel percorso come segnale positivo, anche se nessuno lo ha scritto in nessuna regola.

Questo vale anche per strumenti che sembrano innocui, come un test attitudinale corretto in automatico o un software che analizza le risposte scritte a domande aperte: se il modello di riferimento è stato costruito su un gruppo di persone poco vario, tratterà come "tipico" un profilo che in realtà è solo quello più rappresentato nei dati di partenza.

• La continuità lavorativa penalizza chi ha avuto interruzioni per motivi familiari o di salute
• La distanza dalla sede penalizza chi vive in zone meno servite dai trasporti
• Il tipo di scuola o ateneo correla con il contesto socioeconomico di partenza
• Una padronanza linguistica formale eccessiva penalizza candidati stranieri anche in ruoli dove non serve

Nessuno di questi criteri nasce con intenzione discriminatoria. Tutti possono produrre quell'effetto, ed è per questo che vanno verificati periodicamente guardando chi supera davvero lo screening, non le intenzioni di chi ha scritto le regole.

Cosa serve per usarlo bene quando decide davvero

1. Criteri scritti prima di iniziare: cosa valuta il sistema e con quale peso, non dopo aver visto i risultati.
2. Sorveglianza umana reale: chi decide deve poter vedere le candidature complete, non solo l'ordine proposto dal sistema.
3. Informazione ai candidati, in linguaggio comprensibile e non nascosta in una clausola: lo stesso obbligo che il D.Lgs. 152/1997 impone verso chi viene assunto vale, per correttezza verso il candidato, anche prima della decisione.
4. Verifica periodica degli esiti: chi passa, chi no, con quali caratteristiche in comune.
5. Tracciabilità, per poter ricostruire a distanza di mesi perché una candidatura è stata trattata così.

Il quarto punto è quello che quasi nessuno fa e che protegge di più. Guardare una volta ogni tanto la composizione di chi supera lo screening rispetto a chi si è candidato è l'unico modo concreto per accorgersi che il sistema ha sviluppato una preferenza sistematica prima che diventi un problema serio.

Tre volumi di candidature, tre scelte diverse

Un'azienda che riceve alcune centinaia di candidature l'anno. Volume che comincia a giustificare un progetto. La scelta più sensata è usare l'AI per riassumere e organizzare, mantenendo la lettura umana su tutte le candidature invece di introdurre un punteggio che le ordina: si ottiene gran parte del beneficio restando fuori dall'alto rischio.

Un'azienda che ne riceve alcune migliaia. Qui uno screening automatico diventa realisticamente necessario per gestire i volumi. Va trattato per intero come progetto ad alto rischio: criteri documentati, revisione umana su una quota reale, verifica periodica degli esiti, informazione ai candidati fin dal primo contatto.

Una PMI con poche decine di candidature l'anno. Nessun progetto di selezione. L'AI resta utile sul contorno: annuncio, risposte, organizzazione dei colloqui. Costruire uno screening per un numero così piccolo di casi significa pagare sviluppo e adempimenti per un problema che, a quei volumi, non esiste ancora.

Il criterio pratico per scegliere tra le tre strade descritte sopra non è la dimensione dell'azienda in sé, ma quante candidature arrivano davvero ogni anno per la stessa posizione aperta. Un'azienda piccola che assume raramente ma per un solo ruolo molto richiesto e ben pubblicizzato può ricevere più candidature di una più grande che assume di continuo su profili diversi e poco cercati: conviene sempre contare i casi reali dell'anno appena passato, non stimarli a occhio dal numero di dipendenti in organico.

Il percorso a gradini prima di arrivare al punteggio

Tra "nessuna AI nella selezione" e "screening automatico completo" esiste una via di mezzo che per molte aziende è la scelta giusta, e che quasi nessuno considera.

1. Primo livello. L'AI lavora solo sul contorno: annuncio, risposte, logistica dei colloqui. Nessuna valutazione.
2. Secondo livello. Riassume le candidature per chi le leggerà, senza ordinarle. Il documento originale resta sempre a un clic di distanza.
3. Terzo livello. Segnala presenza o assenza di requisiti oggettivi dichiarati nell'annuncio, come una certificazione o una lingua, senza produrre un punteggio complessivo.
4. Quarto livello. Punteggio complessivo e ordinamento dei candidati: da qui si è pienamente nell'alto rischio.

I primi tre livelli danno gran parte del beneficio pratico restando in un territorio molto più semplice da gestire. Anche al terzo livello, però, serve attenzione: un requisito "oggettivo" formulato male, come una certificazione specifica quando ne esistono di equivalenti, filtra fuori candidati validi per un dettaglio formale.

Cosa guardare dopo sei mesi

Se hai introdotto un sistema che incide sulla selezione, il controllo periodico non è un adempimento formale: è l'unico modo per accorgersi di derive che nessuno ha voluto, prima che diventino un'abitudine.

Se in sei mesi nessuno si è mai discostato dalla proposta del sistema, in pratica sta decidendo la macchina, non la persona che dovrebbe farlo. Vale la stessa logica per l'esito dei colloqui: se chi arriva con il punteggio più alto non è chi va meglio una volta al lavoro, i criteri stanno misurando la cosa sbagliata e vanno rivisti, non i candidati. Il metodo generale per arrivare a queste verifiche in modo strutturato è in come valutare i rischi di un sistema AI.

C'è infine un aspetto che le valutazioni tecniche tendono a ignorare: come i candidati percepiscono un processo automatizzato. Un'azienda che risponde in ritardo e comunica poco, e che poi si scopre usare uno screening automatico, subisce un danno reputazionale che ricade sulle candidature future, proprio nei settori dove i profili migliori scelgono tra più offerte. Paradossalmente, l'AI usata sul contorno, con risposte rapide e aggiornamenti chiari anche a chi non viene scelto, è ciò che più migliora questa percezione.

Un sistema di selezione tratta comunque dati personali di persone che non sono ancora tue dipendenti, spesso in quantità significative. Se una candidatura viene scartata sulla base del solo trattamento automatizzato, senza che nessuno l'abbia mai guardata, si applica l'art. 22 del GDPR: il candidato ha diritto a ottenere un intervento umano e a contestare la decisione. Le verifiche complete su conservazione delle candidature e base giuridica sono in GDPR e AI in azienda, mentre gli obblighi generali per una PMI che introduce sistemi di questo tipo sono riassunti in AI Act: quali obblighi ha davvero una PMI.

Il quadro più ampio sugli usi HR a rischio minimo, utile per capire cosa fare prima ancora di arrivare alla selezione vera, è in AI per le risorse umane. Chi si occupa di recruiting spesso segue anche l'inserimento delle persone assunte: se è il tuo caso, AI per la formazione interna mostra come lo stesso lavoro di scrittura delle procedure serva a entrambi i progetti. Se vuoi capire quale dei due percorsi ha senso per i tuoi volumi prima di scegliere un fornitore, una valutazione con Giallo Studio parte sempre dal contare quante candidature gestisci oggi, non dal software.