AI per le risorse umane: guida pratica per HR e manager

Nel 2018 Amazon ha abbandonato un proprio strumento di selezione del personale perché, addestrato su dati storici in cui certi ruoli erano stati ricoperti soprattutto da uomini, aveva imparato a favorire le candidature maschili. È il caso più citato di un rischio molto concreto, e vale la pena partire da lì, perché le risorse umane sono tra i reparti in cui l'intelligenza artificiale si è diffusa più in fretta, ma sono anche uno dei contesti in cui richiede più cautela: le decisioni sulle persone incidono sulla loro vita, il rischio di discriminazioni algoritmiche è reale e il quadro normativo, tra GDPR e AI Act, impone vincoli precisi. Questa guida mostra cosa funziona, dove fare attenzione e come iniziare in modo responsabile.

Perché l'HR adotta l'AI prima di altri reparti

Tre fattori spiegano la rapidità di adozione. Ci sono molte attività ripetitive, come screening dei CV, risposte alle domande dei candidati, comunicazioni per i nuovi assunti, raccolta e sintesi delle valutazioni, tutte automatizzabili almeno in parte. I dati sono disponibili: le aziende con un sistema HR digitale hanno anni di dati su prestazioni, turnover, percorsi di carriera e formazione, con schemi che un'analisi manuale non vedrebbe mai. E il tempo è prezioso, perché in una PMI il responsabile HR segue decine di processi insieme, e automatizzare quelli a basso valore libera tempo per cultura aziendale, sviluppo delle persone e gestione dei conflitti.

Selezione: dove il rischio è più alto

L'AI analizza centinaia di CV in pochi minuti e li ordina per pertinenza rispetto alla posizione, con un risparmio di tempo reale quando i candidati sono molti. Ma il rischio è altrettanto reale, come mostra il caso Amazon in apertura: questi sistemi possono riprodurre le distorsioni dei dati storici, e se in passato certi ruoli sono stati ricoperti soprattutto da uomini, un sistema addestrato su quei dati tenderà a favorire le candidature maschili. Per ridurlo servono criteri espliciti e oggettivi definiti prima di adottare il sistema, verifiche periodiche dei risultati per escludere discriminazioni e una revisione umana costante delle decisioni. L'AI Act classifica i sistemi per la selezione come ad alto rischio, con obblighi di documentazione, supervisione umana e spiegabilità delle decisioni verso i candidati.

Lo stesso livello di cautela vale per i primi colloqui e i test: alcuni strumenti conducono uno screening con videointerviste o test, e in passato alcuni analizzavano anche le espressioni del volto. La validità predittiva di queste analisi è molto contestata, e il riconoscimento delle emozioni sul luogo di lavoro è oggi vietato dall'AI Act, salvo rare eccezioni per motivi di salute o sicurezza. Il consiglio pratico è usare questi strumenti per la logistica, cioè agende, primi contatti e test su competenze verificabili, e mai per dedurre caratteristiche psicologiche.

Annunci, inserimento e formazione: il rischio più basso

Su un terreno molto meno delicato, l'AI generativa aiuta a scrivere annunci di lavoro migliori: individua parole che attraggono o scoraggiano certi candidati, adatta il tono al profilo cercato, suggerisce i canali più adatti, con un rischio basso e un beneficio concreto. Lo stesso vale per l'inserimento dei nuovi assunti, un processo pieno di comunicazioni standard, documenti e formazione iniziale: l'AI automatizza la parte strutturata, invio dei documenti da compilare, risposte alle domande più comuni (quando inizia il contratto, quali benefit sono previsti), percorsi di formazione adatti al ruolo, e l'esperienza diventa più uniforme e meno dipendente dalla disponibilità dell'HR in quel momento.

Sulla formazione e lo sviluppo, le piattaforme con AI adattano i percorsi al livello e al ritmo di ciascuno, e possono suggerire percorsi di crescita in base alle competenze che mancano per il ruolo successivo, dando ai manager dati concreti per i colloqui di carriera.

Valutazione e permanenza: il confine tra supporto e sorveglianza

L'AI può raccogliere e sintetizzare i feedback di colleghi e responsabili, analizzare i dati di produttività, qualità e rispetto delle scadenze, cogliere segnali di calo con settimane di anticipo e proporre obiettivi coerenti con quelli aziendali. Qui però il confine tra supporto e sorveglianza è sottile: monitorare ogni attività di ogni persona per alimentare un algoritmo crea sfiducia e un clima che fa più danni che benefici. L'approccio sano è aggregare dati già disponibili, come obiettivi raggiunti, feedback strutturati e dati di produzione, senza creare nuove forme di controllo, anche nel rispetto dell'articolo 4 dello Statuto dei lavoratori.

Sulla stessa linea di attenzione si muovono i modelli predittivi sul turnover, che possono individuare le persone più a rischio di dimissioni in base a segnali come feedback negativi, confronto retributivo con il mercato o anzianità, dando tempo per intervenire con un colloquio, un cambio di ruolo o un adeguamento. Funzionano bene sopra i cento dipendenti con sistemi HR maturi; nelle PMI più piccole i dati spesso non bastano per previsioni affidabili.

Amministrazione del personale

È l'area con risultati più immediati e rischi più bassi. I gestionali più diffusi, come Zucchetti e TeamSystem, integrano sempre più funzioni di AI per rilevare anomalie, calcolare straordinari e indennità e gestire ferie e permessi. Un assistente interno, spesso dentro Teams o Slack, risponde su regole, benefit e procedure: quanti giorni di ferie restano, come si chiede un rimborso, quali sono le regole sul lavoro da remoto. E sintesi automatiche producono report su organico, turnover, assenze e costo del personale per la direzione.

Rischi, regole e un percorso responsabile

Tre rischi vanno tenuti sempre presenti: le discriminazioni, perché i sistemi imparano dai dati storici e, se questi riflettono discriminazioni di genere, età, provenienza o aspetto, le riproducono, per cui servono fornitori che documentino come le correggono, verifiche periodiche e supervisione umana su ogni decisione rilevante; la trasparenza, perché le decisioni dei sistemi ad alto rischio devono poter essere spiegate, un candidato scartato ha diritto di capire perché, un dipendente valutato negativamente di conoscere i criteri, e i sistemi "scatola nera" sono un problema normativo e di fiducia; e la privacy, perché il GDPR si applica a tutti i dati dei dipendenti trattati dall'AI, con base giuridica, informativa e sicurezza adeguate, e la legge italiana sull'AI del 2025 obbliga inoltre il datore di lavoro a informare i lavoratori sull'uso di sistemi di AI. Prima di adottare qualsiasi strumento è consigliabile sentire il responsabile della protezione dei dati.

Il percorso consigliato per una PMI comincia dall'automatizzare le comunicazioni per i nuovi assunti e le domande frequenti dei dipendenti, con impatto immediato e rischio minimo; prosegue migliorando gli annunci di lavoro con l'AI generativa, pochi minuti di lavoro per candidature di qualità migliore; continua valutando una piattaforma di formazione con AI, se serve un aggiornamento continuo del personale; e solo con volumi sufficienti introduce strumenti di supporto alla selezione, con la massima attenzione alle discriminazioni e una supervisione umana sistematica.

Se vuoi valutare cosa ha senso per la tua realtà, parliamone.