Puntata 148 — Per HR

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 14 · AI al lavoro nei mestieri

Job description, screening, onboarding. L’AI fa miracoli sul volume — ma sullo screening il GDPR e l’AI Act ti guardano molto da vicino.

una scrivania HR con due pile di curricula. Una pila enorme con cartellino “RICEVUTI” (1247). Una pila piccola con cartellino “DA LEGGERE DAVVERO” (12). Tra le due, una bilancia in equilibrio con un’icona “Bias Check” e una “GDPR”

L’HR nel 2026: cosa è normale, cosa è zona minata

Tre aree, tre maturità diverse:

Area	Maturità AI 2026	Rischio
Job description & employer branding	⭐⭐⭐⭐⭐ Standard	Basso
CV screening e shortlisting	⭐⭐⭐ Diffuso ma normato	Alto (AI Act high-risk)
Interview scheduling & comms	⭐⭐⭐⭐⭐ Standard	Basso
Onboarding e formazione interna	⭐⭐⭐⭐ Crescita rapida	Medio
Performance review	⭐⭐ Sperimentale	Alto
People analytics	⭐⭐⭐ Maturando	Alto

Le aree “alto rischio” sono regolamentate dall’AI Act EU (in vigore progressivo dal 2025): uso in HR per assunzioni e valutazioni è classificato high-risk system. Servono:

Documentazione tecnica.
Risk assessment.
Human oversight.
Trasparenza al candidato.

Non è “non puoi”, è “puoi se fai bene”.

Job description: il caso d’uso facile

Workflow consolidato:

Scrivi una job description per [RUOLO] in [SETTORE], 
azienda di [SIZE], tone [brand voice].
Struttura:
- 1 paragrafo "perché siamo (in 2 frasi)"
- "Cosa farai" (5-7 bullet ad azioni, non a responsabilità vaghe)
- "Cosa cerchiamo" (must-have vs nice-to-have separati)
- "Cosa offriamo" (no banalità: dimmi cose specifiche)
- Tono: incoraggiante senza essere zuccheroso, italiano fluido.
Evita: "punto di riferimento", "team dinamico", "ambiente sfidante".

Output 2026: solitamente buono al primo colpo. Tempo: 5 minuti per draft + 10 di rifinitura.

Trucco bonus: chiedi sempre una versione “inclusiva”:

Verifica che il linguaggio non escluda candidate donne, candidati non-binari,
persone con disabilità, candidati over-50. Riformula dove necessario.

L’AI è discreta nel debiasare il proprio output, ma serve chiedere esplicitamente.

CV screening: dove serve molta cautela

Il caso d’uso più tentante e il più rischioso. Tre approcci, ordinati per rischio crescente:

A. AI come “assistente strutturatore” (basso rischio)

L’AI estrae dati fattuali dai CV: anni di esperienza, certificazioni, lingue. Strutturazione, non valutazione.

Da questi 50 CV, estrai per ciascuno:
- Anni esperienza nel ruolo target
- Tecnologie/certificazioni dichiarate
- Match con must-have / nice-to-have (sì/no)
- Eventuali red flag oggettivi (date sovrapposte, gap >2y non spiegati)
Output: tabella.

Bias rischio: medio-basso. La decisione resta umana.

B. AI come “ranker” (medio rischio)

L’AI classifica i candidati in fasce (top, medio, da rigettare). Più efficiente ma più rischioso.

Tool: HireVue, Pymetrics, Eightfold, Workday Skills Cloud. Tutti devono ora (2025-26) fornire audit reports di bias.

⚠️ Anche con audit, la responsabilità di non discriminare resta del datore di lavoro. Mai delegare la decisione finale a uno score.

C. AI come “decisore” automatico (alto rischio)

Il sistema rigetta candidati senza review umana.

✋ In Europa nel 2026 questo è esplicitamente vietato dall’AI Act per HR (Art. 22 GDPR già lo vietava per processi totalmente automatizzati con effetto giuridico). Il candidato ha diritto a:

Sapere che è stato valutato da AI.
Avere una review umana su richiesta.
Contestare la decisione.

Bias: il problema vero, in numeri

Studi pubblicati 2023-25 hanno mostrato:

Bias osservato	In che sistema	Effetto
Amazon recruitment AI (2018, ritirato)	Custom internal	Discriminava CV con “donne” / college femminili
HireVue (2020-21)	Video interview AI	Bias razziali, ritirato facial analysis nel 2021
LinkedIn skill ranking	LinkedIn Talent Insights	Sottopesava candidati con gap di carriera
GPT-4 CV ranking (2024 study)	OpenAI Models	Sottopesava nomi non-anglosassoni

Il modello pre-trained ha bias ereditati dai dati di training (decade di CV reali, in maggioranza maschili in tech, in maggioranza occidentali in ruoli leadership). Il fine-tuning aiuta, non risolve.

Audit obbligatori (NIST, NYC Local Law 144 dal 2023, EU AI Act dal 2025) richiedono:

Bias testing periodico.
Trasparenza candidato.
Diritto di review umana.

Onboarding: il caso d’uso ad alta resa

Qui l’AI brilla, basso rischio:

Buddy chatbot interno: nuovo assunto può chiedere qualsiasi cosa (“dove trovo il modulo ferie?”, “chi è il manager di X team?”, “come funziona il rimborso spese?”). Tool: Glean, Notion AI, Microsoft Copilot Studio.
Personalized learning path: il sistema suggerisce corsi/risorse in base al ruolo. Tool: Docebo, Cornerstone, LinkedIn Learning AI.
CEO welcome video personalizzato: avatar parlante (puntata 141) saluta il nuovo nominandolo. Synthesia / HeyGen lo fanno in scala.
Knowledge base sempre aggiornata: l’AI sintetizza policy, procedure, change log in linguaggio naturale.

Risultato: tempo per “operatività piena” del nuovo assunto ridotto del 30-40% in studi 2024-25 (Gartner).

Performance review con AI: tentazione e rischi

L’AI può:

Sintetizzare 1-on-1 notes dei manager.
Estrarre temi ricorrenti su 50 review.
Suggerire frasi neutrali per feedback delicati.

L’AI non dovrebbe:

Scrivere la review intera.
Calcolare un “performance score” automatico.
Decidere promozioni o aumenti.

Il rischio: feedback omogeneizzato (“sembra che un bot abbia scritto la mia review”, citazione vera, 2024). E legalmente, una review fortemente AI-mediata è contestabile.

Linea operativa: AI come assistente di stesura, mai come decisore.

L’AI Act EU per HR: i 5 obblighi che ti riguardano (2026)

Classificazione high-risk: documenta che il sistema usato è high-risk.
Risk assessment: valuta i rischi specifici per la tua organizzazione.
Data governance: i dati di training del sistema sono adeguati, rappresentativi, privi di bias evidenti?
Trasparenza candidato: comunica esplicitamente che usi AI per screening (es. nell’annuncio o nella prima email).
Human oversight: una persona deve poter rivedere e modificare ogni decisione AI.

Sanzioni: fino a €35M o 7% del fatturato globale, a seconda della violazione. Take it seriously.

TEST pratico (20 minuti)

Prendi una job description che hai pubblicato negli ultimi 6 mesi.
In Claude: incollala e chiedi:
- Critica spietata in 5 punti (lingua, struttura, inclusività).
- 1 versione riscritta migliorata.
- 1 controllo bias: “questa JD esclude implicitamente qualche categoria di candidato?”.
Confronta. Probabilmente scoprirai che usi 2-3 frasi cliché (“ambiente dinamico”, “team affiatato”) che l’AI ti sostituisce con qualcosa di più concreto.
Esercizio bonus: prendi 5 CV anonimi e fai estrarre dati strutturati con un prompt. Verifica accuracy: l’AI confonde gli anni di esperienza? Categorizza male le certificazioni? Vedi dove sbaglia, perché lì serve sempre l’occhio umano.

Glossario lampo

High-risk AI system: classificazione AI Act EU per sistemi che impattano significativamente la vita delle persone (HR, credit, justice, infrastructure).
Disparate impact: discriminazione indiretta — un sistema neutrale apparente che produce risultati discriminatori per un gruppo protetto.
Bias audit: revisione periodica del sistema per identificare e mitigare bias. Obbligatoria in NYC dal 2023 e in EU per high-risk dal 2025-27.
ATS (Applicant Tracking System): software HR per gestire candidature. Sempre più AI-augmented.

Take-away in una riga

HR è il dominio dove l’AI dà più valore (volume, personalizzazione) e dove sbagliare costa di più (bias, AI Act, reputazione). Usala come assistente strutturatore, mai come decisore — e dichiarala sempre al candidato.

➡️ Prossima puntata: Per programmatori — Copilot, Cursor, Claude Code, e il “vibe coding” che ha cambiato il mestiere in 24 mesi.