IA nel recruiting HR: valore, limiti e uso equo

Cosa può e non può fare l'IA nel recruiting HR

In pratica l'IA nel recruiting significa due cose: machine learning classico che ordina le candidature per pattern appresi e modelli linguistici generativi che redigono o riassumono testi. Entrambi sono strumenti di supporto: accelerano compiti ripetitivi ma non formulano giudizi di idoneità affidabili né colgono il contesto come un recruiter esperto.

Il principio chiave: l'IA propone, le persone decidono. Ricavare un rifiuto o un invito dal solo algoritmo è giuridicamente delicato e professionalmente rischioso. Il valore nasce quando l'IA svolge il lavoro preliminare e i professionisti guadagnano tempo per colloqui, valutazione e relazioni.

I tre casi d'uso più comuni

• Redigere annunci: i modelli linguistici creano bozze rapide, mantengono un tono coerente e aiutano a scrivere in modo inclusivo e non discriminatorio; rifinitura e correttezza restano all'HR.
• Screening e matching: l'IA struttura i CV, ordina per competenze definite e propone longlist. Fondamentale un matching basato su competenze e spiegabile, non punteggi complessivi opachi.
• Agende e comunicazione: gli assistenti coordinano gli slot dei colloqui, inviano conferme e rispondono a domande standard via chatbot: un sollievo con alti volumi, purché le risposte siano corrette e verificabili.

Bias ed equità: il rischio centrale

I modelli IA imparano da dati storici e ne ereditano i pregiudizi. Se un team ha assunto soprattutto certi profili, il modello può perpetuare quel pattern e penalizzare sistematicamente altri gruppi. Un esempio pubblicamente noto è una grande azienda tecnologica che dovette ritirare uno strumento interno di recruiting perché penalizzava le donne.

L'equità non emerge da sola: va misurata e costruita attivamente. Ciò include eliminare attributi sensibili, controllare variabili surrogate (come il CAP o i vuoti nel CV), eseguire test di equità regolari tra gruppi e chiedersi se un attributo sia davvero rilevante per la posizione.

revDSG, EU AI Act e paletti giuridici

In Svizzera la legge riveduta sulla protezione dei dati (revDSG) si applica dal 1o settembre 2023. I dati di candidatura sono dati personali, in parte degni di particolare protezione. Centrale l'articolo 21 revDSG sulla decisione individuale automatizzata: se una decisione puramente automatizzata ha effetti giuridici o incide in modo rilevante, l'interessato va informato e può chiedere una verifica umana. L'autorità di vigilanza è l'EDÖB.

Rileva anche l'EU AI Act: classifica come ad alto rischio i sistemi IA per selezione e reclutamento del personale. Le aziende svizzere non sono direttamente vincolate ma possono esserlo assumendo per il mercato UE o usando strumenti UE. Consigliata una valutazione d'impatto sulla protezione dei dati quando l'IA valuta i candidati in modo sistematico e su larga scala.

Introdurre l'IA responsabilmente: guida pratica

• Chiarire lo scopo: per ogni caso d'uso definite quale problema l'IA deve risolvere e come si misura il successo; il tempo risparmiato non sostituisce la qualità.
• Umano nel processo: stabilite che le decisioni finali di selezione e rifiuto siano prese da persone.
• Trasparenza verso i candidati: comunicate chiaramente se e come si usa l'IA e offrite un contatto per domande.
• Verificare dati e fornitori: controllate sede dei server, contratti di trattamento e se gli input servono all'addestramento; non inserite dati sensibili in strumenti pubblici non verificati.
• Documentare e monitorare: mettete per iscritto criteri, versioni del modello e test di equità e verificate regolarmente i risultati.
• Coinvolgere il team: formate l'HR sull'uso dell'IA e coinvolgete presto la rappresentanza del personale, dove presente.

Contesto svizzero: multilinguismo e proporzionalità

Il mercato del lavoro svizzero è multilingue. L'IA aiuta a pubblicare annunci coerenti in tedesco, francese, italiano e inglese e a strutturare in modo uniforme candidature da regioni diverse. Verificate che qualità ed equità siano alte in tutte le lingue: secondo i dati di addestramento, i modelli non sono ugualmente forti in ogni lingua.

Vale il principio di proporzionalità: raccogliete e trattate solo ciò che serve alla posizione. Dati meno numerosi ma puliti e pertinenti danno esiti più equi di profili massimali e riducono al contempo il rischio giuridico.