Quando l’algoritmo decide chi lavora: i pericoli nascosti dell’IA nei colloqui

Un numero crescente di aziende sta adottando software basati su intelligenza artificiale per analizzare le espressioni facciali e il tono della voce dei candidati durante video-interviste registrate. La tendenza emerge da un’analisi dell’Economist e fotografa una realtà in rapida espansione: l’obiettivo dichiarato è valutare oggettivamente soft skill come l’affidabilità o la capacità di engagement, prima ancora che un essere umano visualizzi la candidatura.

La pseudoscienza dietro i micro-movimenti

Ma quanto c’è di realmente scientifico in questi sistemi? La risposta degli esperti è allarmante. L’idea che un algoritmo possa inferire la competenza o il carattere di una persona analizzando i suoi micro-movimenti facciali è vista da molti esperti come una pericolosa forma di pseudoscienza. La correlazione tra espressioni facciali e performance lavorative resta, a oggi, priva di fondamento empirico solido. Non esistono prove scientifiche conclamate che correlino in modo affidabile queste espressioni a specifiche performance lavorative.

Questo approccio si inserisce in un trend consolidato di automazione delle Risorse Umane, dove l’IA viene già usata per mansioni come la stesura delle offerte di lavoro o l’analisi delle performance. Tuttavia, l’analisi facciale rappresenta un salto qualitativo verso territori inesplorati e potenzialmente pericolosi.

I bias discriminatori nascosti negli algoritmi

Il problema più grave riguarda la discriminazione algoritmica. Il rischio, concreto e documentato in tecnologie affini, è di reintrodurre massicciamente bias discriminatori su larga scala. Questi sistemi, addestrati su set di dati limitati, possono penalizzare sistematicamente candidati che non rientrano in una norma statistica, ad esempio per il loro background culturale (che influenza le espressioni), per accenti non standard o per condizioni neurodivergenti.

Le implicazioni vanno oltre il singolo colloquio respinto. Si tratta di meccanismi che rischiano di perpetuare esclusioni su basi etniche, culturali o legate alle neurodiversità, rendendo ancora più difficile l’accesso al mondo del lavoro per chi è già vulnerabile.

Le normative che cercano di arginare il fenomeno

L’analisi facciale tocca un nervo scoperto, quello dei dati biometrici e della discriminazione automatizzata. Temi che tra l’altro sono coperti e normati tramite l’AI Act. L’Europa ha preso posizione, ma la sola esistenza di una legge non garantisce conformità universale.

Anche oltreoceano si registrano movimenti significativi. Giurisdizioni come New York City hanno già introdotto normative stringenti che obbligano le aziende a condurre audit indipendenti sui bias dei loro strumenti di assunzione automatizzati e a informare i candidati. La spinta per una maggiore trasparenza algoritmica cresce, con proposte di legge come il No Robo Bosses Act in California che mirano a vietare che decisioni critiche, come licenziamenti o assunzioni, siano prese esclusivamente da un algoritmo.

La tendenza è chiara: la scatola nera decisionale non è più tollerata. Il mercato del lavoro, tradizionalmente opaco nelle sue dinamiche selettive, viene ora scrutinato con attenzione crescente quando si affida alle macchine.

L’illusione dell’efficienza

Dietro l’entusiasmo per questi strumenti si nasconde quella che molti definiscono un’illusione. L’automazione del giudizio umano tramite l’analisi facciale rappresenta un’illusione di efficienza che rischia di trasformare il processo di assunzione in una lotteria algoritmica.

Le aziende si trovano davanti a un bivio. La vera sfida per le aziende non è implementare l’ultimo, luccicante software di IA, ma definire cosa è eticamente accettabile e scientificamente valido nel valutare le persone. La corsa alla digitalizzazione dei processi HR rischia di sostituire le inadeguatezze del giudizio umano con quelle, ancor più insidiose e meno trasparenti, del giudizio automatizzato.

In un mercato già caratterizzato da asimmetrie di potere tra datori e candidati, l’introduzione di questi sistemi amplifica ulteriormente lo squilibrio, relegando persone a punteggi generati da modelli matematici privi di validazione scientifica rigorosa.