Discriminazione algoritmica nel recruiting: responsabilità datoriale e rimedi legali secondo la giurisprudenza italiana 2025-2026

Discriminazione algoritmica nel recruiting: cos’è e perché è una questione giuridica urgente

La diffusione capillare dei sistemi di intelligenza artificiale nei processi di selezione del personale ha aperto una stagione inedita di tensioni tra efficienza organizzativa e tutela dei diritti fondamentali dei lavoratori. La discriminazione algoritmica nel recruiting non è più una preoccupazione teorica confinata ai laboratori di informatica: è una questione giuridica concreta che i tribunali italiani, la dottrina giuslavoristica e le autorità di vigilanza stanno affrontando con crescente urgenza. Comprendere la struttura di questo fenomeno — le sue cause tecniche, le sue implicazioni normative e i rimedi disponibili — è oggi indispensabile tanto per i professionisti delle risorse umane quanto per i candidati che si trovano a interagire con sistemi automatizzati di selezione. Questo articolo ricostruisce il quadro normativo vigente, analizza i meccanismi tecnici del pregiudizio algoritmico e indica le tutele concrete disponibili per chi ritiene di essere stato discriminato da un algoritmo di recruiting.

Il punto di partenza è tecnico prima che giuridico. Gli algoritmi di recruiting apprendono dai dati storici: se le assunzioni passate di un’azienda hanno sistematicamente privilegiato uomini under quaranta, il modello tenderà a replicare quel pattern, amplificandolo. Il pregiudizio non è intenzionale, ma l’effetto discriminatorio è reale e misurabile. Ricercatori di Stanford University, Chapman University e Northeastern University, presentando lo studio Algorithmic Monocultures in Hiring all’ACM Conference on Fairness, hanno documentato come oltre un quarto delle candidature di persone afroamericane venisse indirizzato verso posizioni in cui l’algoritmo produceva esiti potenzialmente riconducibili a criteri di discriminazione federale. Sebbene quello studio sia riferito al contesto statunitense, i meccanismi tecnici sottostanti sono universali e le piattaforme commerciali di AI recruiting operano spesso su scala globale, rendendo le sue conclusioni di estrema rilevanza anche per il mercato del lavoro italiano.

Il quadro normativo italiano: fondamenta consolidate e nuove architetture regolatorie

L’articolo 2087 del Codice Civile come clausola generale di protezione

Il diritto italiano dispone di strumenti normativi la cui elasticità interpretativa consente di fronteggiare fenomeni tecnologici non previsti al momento della loro adozione. L’articolo 2087 del Codice Civile — che impone al datore di lavoro di adottare nell’esercizio dell’impresa le misure necessarie a tutelare l’integrità fisica e la personalità morale dei prestatori di lavoro — rappresenta la clausola generale per eccellenza in questo ambito. La dottrina e la giurisprudenza più recente hanno progressivamente esteso il perimetro applicativo di questa norma fino a ricomprendere i rischi derivanti dall’impiego di sistemi automatizzati, come confermato dall’analisi pubblicata su Altalex nel luglio 2026, che ricostruisce le nuove responsabilità datoriali di fronte all’intelligenza artificiale.

La logica è lineare: se il datore di lavoro introduce nella catena decisionale uno strumento — sia esso un macchinario fisico o un sistema di machine learning — che produce effetti lesivi sulla sfera giuridica dei lavoratori o dei candidati, egli non può sottrarsi alla responsabilità invocando l’autonomia tecnica dell’algoritmo. La delega decisionale alla macchina non equivale a una delega di responsabilità giuridica. Anzi, secondo un’interpretazione teleologicamente orientata dell’art. 2087 c.c., l’obbligo di sicurezza include oggi il dovere di verificare, prima dell’implementazione e con continuità nel tempo, che i sistemi di AI non producano effetti discriminatori sistematici.

Lo Statuto dei Lavoratori e il Codice delle Pari Opportunità

Accanto all’art. 2087 c.c., il sistema di tutela antidiscriminatoria italiano si articola su due pilastri fondamentali. Il primo è lo Statuto dei Lavoratori (Legge 300/1970): l’articolo 15 sancisce la nullità di qualsiasi atto o patto diretto a discriminare il lavoratore in ragione di sesso, razza, lingua, religione, opinioni politiche e condizioni personali o sociali, mentre l’articolo 26 attribuisce alle organizzazioni sindacali legittimazione ad agire in giudizio per la repressione di comportamenti antisindacali e discriminatori. Sebbene questi articoli siano stati concepiti per condotte umane dirette, la loro applicazione ai sistemi algoritmici è logicamente coerente: una decisione di esclusione da un processo selettivo prodotta da un algoritmo addestrato su criteri discriminatori è, nella sua sostanza giuridica, un atto discriminatorio imputabile al soggetto che ha scelto di adottare e impiegare quello strumento.

Il secondo pilastro è il Decreto Legislativo 198/2006, il Codice delle Pari Opportunità, che vieta la discriminazione diretta e indiretta in ogni fase del rapporto di lavoro, incluso l’accesso all’occupazione. La discriminazione indiretta da algoritmo — definita come qualsiasi disposizione, criterio, prassi, atto, patto o comportamento apparentemente neutri che mettano o possano mettere persone di un determinato sesso, età, origine etnica o altra caratteristica protetta in una posizione di svantaggio — è la categoria che meglio si presta a catturare il fenomeno algoritmico. Un sistema di AI che, pur non menzionando esplicitamente il genere o l’età come criteri di selezione, utilizza variabili proxy correlate a queste caratteristiche produce esattamente quella forma di discriminazione indiretta che il Codice delle Pari Opportunità mira a vietare.

Il GDPR e il diritto a non essere soggetti a decisioni automatizzate

Un terzo pilastro normativo di crescente rilevanza pratica è il Regolamento (UE) 2016/679 (GDPR). L’articolo 22 riconosce a ogni interessato il diritto di non essere sottoposto a una decisione basata unicamente su trattamenti automatizzati — inclusa la profilazione — che produca effetti giuridici significativi o che incida in modo analogo sulla sua persona. L’esclusione automatizzata da un processo di selezione rientra pacificamente in questa fattispecie. Il candidato ha quindi il diritto di ottenere l’intervento umano da parte del titolare del trattamento, di esprimere la propria opinione e di contestare la decisione. Il mancato rispetto di questi obblighi espone il datore di lavoro a sanzioni amministrative del Garante per la Protezione dei Dati Personali, che possono raggiungere il 4% del fatturato annuo globale, oltre alle conseguenze civilistiche derivanti dalla discriminazione accertata.

La Legge 132/2025 e le linee guida ministeriali: il nuovo perimetro regolatorio

Il 2025 ha segnato un punto di svolta nella regolamentazione italiana dell’AI nel lavoro. La Legge 132/2025, accompagnata da apposite linee guida ministeriali, ha introdotto un corpus normativo specificamente dedicato all’impiego dell’intelligenza artificiale nel contesto lavorativo, come documentato da e-cons.it. Questa normativa si inserisce nel solco del Regolamento europeo sull’intelligenza artificiale (AI Act), che classifica i sistemi di AI utilizzati per l’assunzione e la selezione del personale come sistemi ad alto rischio, assoggettandoli a obblighi rafforzati di trasparenza, documentazione e supervisione umana.

Sul piano pratico, le linee guida ministeriali che accompagnano la Legge 132/2025 impongono ai datori di lavoro che utilizzano sistemi automatizzati di selezione una serie di adempimenti concreti. In primo luogo, l’obbligo di informazione: i candidati devono essere avvisati del fatto che la loro candidatura sarà esaminata, almeno in una prima fase, da un sistema automatizzato. In secondo luogo, l’obbligo di revisione umana significativa: le decisioni finali di esclusione non possono essere delegate integralmente all’algoritmo senza un controllo umano effettivo e non meramente formale. In terzo luogo, l’obbligo di monitoraggio: il datore di lavoro deve periodicamente verificare che il sistema non produca effetti disparati su gruppi protetti, documentando questa attività di controllo.

Questo insieme di obblighi trasforma radicalmente la posizione giuridica del datore di lavoro: da soggetto che si avvale di uno strumento tecnico neutro a responsabile diretto dei risultati prodotti da quello strumento. La negligenza nella scelta, nella configurazione e nel monitoraggio del sistema di AI diventa fonte autonoma di responsabilità, sia contrattuale che extracontrattuale.

L’AI Act europeo e la classificazione dei sistemi di recruiting come alto rischio

Il Regolamento (UE) 2024/1689 — l’AI Act — è oggi pienamente applicabile ai sistemi di recruiting algoritmico impiegati in Italia. L’Allegato III del Regolamento include esplicitamente tra i sistemi ad alto rischio quelli utilizzati per la selezione e il filtraggio dei candidati, la valutazione dei candidati nel corso di colloqui e test, e la promozione o la risoluzione di contratti di lavoro. Per questi sistemi, i fornitori e i deployer — categoria che comprende i datori di lavoro che li adottano — sono tenuti a predisporre documentazione tecnica dettagliata, a registrare i log delle decisioni, a garantire la supervisione umana e a sottoporsi a valutazioni di conformità prima della messa in servizio. L’inosservanza di questi obblighi espone a sanzioni amministrative fino a 30 milioni di euro o al 6% del fatturato annuo globale, a seconda della gravità della violazione.

👉 Leggi anche: Discriminazione algoritmica nel reclutamento: la responsabilità del datore di fronte ai sistemi di AI per la selezione del personale

Come funziona la discriminazione algoritmica nel recruiting: meccanismi e casistica

I tre percorsi tecnici del pregiudizio algoritmico

Per comprendere come si articola la responsabilità datoriale — e per individuare i segnali di allarme in un processo di selezione — è necessario chiarire i meccanismi attraverso cui un algoritmo produce discriminazione nel recruiting. La letteratura tecnica e giuridica individua almeno tre percorsi principali.

Il primo è il bias nei dati di addestramento: se il dataset su cui il modello viene addestrato riflette scelte passate discriminatorie, il modello apprenderà e riprodurrà quei pattern. Il secondo è la proxy discrimination: l’algoritmo utilizza variabili apparentemente neutre — il codice postale di residenza, il tipo di scuola frequentata, i gap nel curriculum — che sono fortemente correlate con caratteristiche protette come l’origine etnica o il genere. Il terzo è il feedback loop: il sistema viene continuamente ri-addestrato sui propri risultati, amplificando progressivamente le distorsioni iniziali fino a rendere strutturale ciò che era inizialmente un’anomalia statistica.

La professoressa Maura Ranieri, docente di Diritto del Lavoro all’Università Magna Græcia di Catanzaro, ha analizzato in profondità questi meccanismi in una pubblicazione del febbraio 2026, esaminando specificamente il tema dei sistemi di AI, dell’accesso all’occupazione e della discriminazione nel contesto del diritto del lavoro italiano. La sua analisi evidenzia come la tradizionale distinzione tra discriminazione diretta e indiretta rischi di rivelarsi insufficiente di fronte alla complessità dei sistemi algoritmici, che possono produrre effetti discriminatori attraverso catene causali opache e difficilmente riconducibili a un singolo criterio vietato.

Esempi concreti di bias algoritmico nella selezione del personale

Tradurre i meccanismi tecnici in casistica concreta aiuta a comprendere quando un sistema di recruiting automatizzato sconfina nella discriminazione algoritmica. Alcuni scenari ricorrenti documentati dalla dottrina e dalle autorità di vigilanza europee includono:

• Screening dei curriculum basato su parole chiave: un sistema addestrato su assunzioni storiche di un settore a prevalenza maschile può penalizzare automaticamente curriculum che contengono termini associati statisticamente alle donne (ad esempio, attività di volontariato in ambito di cura, interruzioni per maternità).
• Analisi del linguaggio nei colloqui video: strumenti di AI che valutano tono, ritmo e lessico del parlato possono svantaggiare sistematicamente candidati non madrelingua o con accenti regionali marcati, introducendo un bias di origine etnica o geografica.
• Scoring predittivo della performance: modelli che stimano la produttività futura basandosi su variabili come il percorso scolastico o il quartiere di residenza replicano e amplificano le disuguaglianze socioeconomiche preesistenti.
• Filtraggio automatico per lacune nel curriculum: sistemi che penalizzano i gap occupativi senza contestualizzarli colpiscono in modo sproporzionato le donne che hanno interrotto la carriera per ragioni di cura, configurando una discriminazione di genere indiretta.
• Analisi dei profili sui social network: alcuni strumenti di AI recruiting acquisiscono dati da LinkedIn o da altre piattaforme per arricchire il profilo del candidato, rischiando di incorporare informazioni su caratteristiche protette — stato civile, orientamento religioso, condizioni di salute — che non possono legalmente influenzare la selezione.

In ciascuno di questi casi, il criterio formalmente applicato dall’algoritmo appare neutro, ma l’effetto prodotto su gruppi protetti è sistematicamente svantaggioso: è questa la struttura tipica della discriminazione indiretta algoritmica che il diritto italiano e il diritto europeo mirano a contrastare.

Il problema dell’onere della prova e la tutela processuale

Sul piano processuale, la discriminazione algoritmica nel recruiting pone sfide probatorie di inusuale complessità. Il candidato escluso si trova di fronte a una scatola nera: non conosce i criteri applicati dall’algoritmo, non ha accesso ai dati su cui è stato addestrato, non può confrontare la propria posizione con quella di altri candidati ammessi. Il diritto antidiscriminatorio italiano, recependo le direttive europee, prevede un regime di inversione dell’onere della prova: il candidato deve fornire elementi di fatto idonei a far presumere l’esistenza della discriminazione, dopodiché spetta al datore di lavoro dimostrare che la disparità di trattamento è giustificata da ragioni oggettive e legittime.

In questo schema, l’elemento di fatto che il candidato può fornire è tipicamente di natura statistica: se un sistema di selezione esclude sistematicamente le candidature di donne sopra i quarant’anni, o di persone con cognomi di origine straniera, questo pattern statistico costituisce un elemento indiziario sufficiente a far scattare l’inversione dell’onere. Il datore di lavoro dovrà allora dimostrare che il sistema è stato configurato correttamente, che è stato sottoposto a audit periodici, che non produce effetti disparati su gruppi protetti, e che le decisioni di esclusione sono state sottoposte a revisione umana effettiva. In assenza di questa documentazione — che le nuove normative rendono obbligatoria — la prova liberatoria diventa estremamente ardua.

Gli obblighi di trasparenza e controllo: cosa deve fare concretamente il datore di lavoro

Due diligence pre-implementazione

Prima di adottare qualsiasi sistema automatizzato di selezione, il datore di lavoro diligente deve condurre una valutazione d’impatto che comprenda almeno tre elementi. In primo luogo, un’analisi della provenienza e della qualità dei dati di addestramento del sistema, verificando che non riflettano pattern storicamente discriminatori. In secondo luogo, un test di disparità di impatto su gruppi protetti, simulando l’applicazione del sistema su dataset rappresentativi della popolazione di candidati attesa. In terzo luogo, una valutazione della trasparenza del sistema: i sistemi di AI interpretabili (explainable AI) che consentono di comprendere le ragioni di ciascuna decisione offrono garanzie giuridiche significativamente superiori rispetto ai modelli opachi.

L’Osservatorio AI del Politecnico di Milano, che dal 2019 monitora l’adozione dell’intelligenza artificiale in Italia raccogliendo l’esperienza di oltre 130 organizzazioni, ha documentato come la diffusione degli strumenti di AI nel recruiting sia avvenuta spesso in modo non strutturato, con una sottovalutazione sistematica dei rischi di compliance. Questa evidenza empirica suggerisce che molte aziende italiane si trovano oggi in una posizione di potenziale esposizione giuridica, avendo adottato sistemi automatizzati senza le necessarie garanzie procedurali.

Monitoraggio continuo e documentazione

L’obbligo di controllo non si esaurisce nella fase di implementazione: è un dovere continuo che accompagna l’intero ciclo di vita del sistema. Il datore di lavoro deve mantenere un registro delle decisioni automatizzate, conservare i dati necessari per verificare retrospettivamente l’assenza di effetti discriminatori, e sottoporre il sistema a audit periodici — preferibilmente condotti da soggetti terzi indipendenti. Questa documentazione assolve una duplice funzione: preventiva, perché il monitoraggio sistematico consente di identificare e correggere distorsioni emergenti prima che producano danni; difensiva, perché in caso di contenzioso costituisce la prova principale della diligenza del datore di lavoro.

È altresì fondamentale che la supervisione umana non sia meramente formale. Un revisore umano che si limita a ratificare acriticamente le indicazioni dell’algoritmo non soddisfa il requisito di controllo effettivo imposto dall’AI Act e dalla Legge 132/2025. La supervisione deve essere sostanziale: il responsabile HR deve essere in grado di comprendere le ragioni della raccomandazione algoritmica, di valutarle criticamente e, ove necessario, di discostarsene motivatamente. Ciò implica che il personale addetto alla selezione riceva una formazione adeguata non solo sull’uso dello strumento, ma anche sui suoi limiti e sui rischi di bias che può incorporare.

Tutele per il candidato discriminato: come agire in concreto

Il diritto di accesso alle informazioni sull’algoritmo

Il candidato che sospetta di essere stato vittima di discriminazione algoritmica nel recruiting dispone di un arsenale di strumenti giuridici più ampio di quanto comunemente si creda. Il primo passo è esercitare i diritti riconosciuti dal GDPR: il diritto di accesso (art. 15), che consente di ottenere informazioni sul trattamento dei propri dati personali; il diritto di ottenere informazioni significative sulla logica del processo automatizzato (art. 22, par. 3); e il diritto di contestare la decisione e richiedere l’intervento umano. Queste richieste devono essere formulate per iscritto al titolare del trattamento — il datore di lavoro o la società di recruiting — e devono ricevere risposta entro trenta giorni.

👉 Leggi anche: Intelligenza artificiale e diritti dei lavoratori: l'applicazione della legge italiana sulla trasparenza algoritmica

Se il titolare del trattamento non risponde o fornisce informazioni insufficienti, il candidato può presentare un reclamo al Garante per la Protezione dei Dati Personali. Il Garante ha il potere di avviare un’istruttoria, di richiedere al titolare la documentazione relativa al sistema algoritmico e, in caso di violazione accertata, di irrogare sanzioni amministrative. In parallelo, il candidato può adire il giudice del lavoro, che può ordinare al datore di lavoro di esibire la documentazione tecnica del sistema e, in caso di discriminazione accertata, condannarlo al risarcimento del danno e all’adozione di misure correttive.

L’azione collettiva e il ruolo dei sindacati

La discriminazione algoritmica nel recruiting ha per sua natura una dimensione collettiva: quando un algoritmo discrimina, discrimina sistematicamente, colpendo non un singolo individuo ma un’intera categoria di candidati. Questa caratteristica strutturale rende particolarmente appropriato il ricorso agli strumenti di tutela collettiva. Le organizzazioni sindacali, ai sensi dell’art. 26 dello Statuto dei Lavoratori e del D.Lgs. 198/2006, possono agire in giudizio in nome proprio per la repressione di comportamenti discriminatori che colpiscono una pluralità di lavoratori o candidati, anche in assenza di una vittima individuale identificata che abbia conferito mandato. Questa legittimazione ad agire è di straordinaria importanza pratica: consente di aggredire il fenomeno discriminatorio nella sua dimensione sistemica, senza attendere che un singolo candidato abbia la capacità economica e la determinazione di intraprendere un’azione individuale.

Le associazioni di categoria e le organizzazioni non governative attive nella tutela dei diritti dei lavoratori stanno sviluppando, anche in Italia, competenze specifiche nel monitoraggio degli algoritmi di recruiting. Alcune di esse hanno avviato progetti di algorithmic auditing — verifiche indipendenti dei sistemi di selezione automatizzata — che possono fornire la base probatoria necessaria per azioni legali collettive. Questo approccio, già sperimentato con successo in altri ordinamenti europei, rappresenta la frontiera più avanzata della tutela antidiscriminatoria nell’era dell’intelligenza artificiale.

Discriminazione algoritmica e recruiting: le distinzioni operative per i professionisti HR

Per i responsabili delle risorse umane e i consulenti del lavoro, la gestione del rischio di discriminazione algoritmica nel recruiting richiede un approccio sistematico che integri competenze giuridiche, tecniche e organizzative. Le distinzioni operative che seguono sintetizzano i principi analizzati nelle sezioni precedenti in un formato direttamente applicabile alla pratica professionale.

La prima distinzione fondamentale è quella tra uso informativo e uso decisionale dell’algoritmo. Un sistema che fornisce al selezionatore umano una graduatoria di candidati, lasciando a quest’ultimo la decisione finale, presenta un profilo di rischio giuridico significativamente inferiore rispetto a un sistema che esclude autonomamente candidature senza intervento umano. Tuttavia, anche nel primo caso, se il selezionatore umano si limita a ratificare sistematicamente le indicazioni dell’algoritmo senza esercitare un giudizio critico autonomo, il rischio giuridico rimane elevato.

La seconda distinzione riguarda la trasparenza contrattuale: i contratti con i fornitori di sistemi di AI recruiting devono includere clausole che garantiscano l’accesso alla documentazione tecnica del sistema, l’obbligo del fornitore di notificare eventuali modifiche agli algoritmi, e la responsabilità del fornitore in caso di violazioni normative imputabili al sistema. In assenza di queste clausole, il datore di lavoro si espone a un rischio di responsabilità esclusiva che potrebbe essere almeno parzialmente condiviso con il fornitore.

La terza distinzione concerne la formazione del personale: l’adozione di un sistema di AI recruiting deve essere accompagnata da un programma di formazione che metta i selezionatori in grado di identificare i segnali di bias algoritmico, di esercitare una supervisione effettiva e di documentare adeguatamente le proprie decisioni. Questa formazione non è solo una buona pratica organizzativa: è un requisito normativo che discende dagli obblighi di supervisione umana imposti dall’AI Act e dalla Legge 132/2025.

FAQ sulla discriminazione algoritmica nel recruiting

Cos’è la discriminazione algoritmica nel recruiting?

La discriminazione algoritmica nel recruiting si verifica quando un sistema di intelligenza artificiale utilizzato per selezionare candidati produce esiti sistematicamente svantaggiosi per persone appartenenti a gruppi protetti — come donne, persone di una determinata età o origine etnica — anche in assenza di un’intenzione discriminatoria esplicita. Il meccanismo tipico è l’apprendimento da dati storici che riflettono pregiudizi passati, oppure l’utilizzo di variabili proxy correlate a caratteristiche protette.

Un candidato escluso da un algoritmo può fare ricorso?

Sì. Il candidato può esercitare i diritti previsti dall’art. 22 del GDPR — richiedere l’intervento umano e contestare la decisione automatizzata — e può agire in giudizio ai sensi del D.Lgs. 198/2006 e dello Statuto dei Lavoratori. Il regime di inversione dell’onere della prova, tipico del diritto antidiscriminatorio, alleggerisce significativamente il carico probatorio a suo carico: è sufficiente fornire elementi statistici o indiziari che facciano presumere la discriminazione.

Il datore di lavoro è responsabile anche se l’algoritmo è fornito da un terzo?

Sì. Il datore di lavoro che adotta e utilizza un sistema di AI recruiting è qualificato come deployer ai sensi dell’AI Act e come titolare del trattamento ai sensi del GDPR. In entrambe le vesti, è direttamente responsabile degli effetti prodotti dal sistema, indipendentemente dal fatto che l’algoritmo sia stato sviluppato da un fornitore esterno. La responsabilità del fornitore può concorrere, ma non sostituisce quella del datore di lavoro.

Quali sanzioni rischiano le aziende che usano algoritmi di recruiting discriminatori?

Le sanzioni sono molteplici e cumulabili: sanzioni amministrative del Garante Privacy fino al 4% del fatturato annuo globale per violazioni del GDPR; sanzioni ai sensi dell’AI Act fino al 6% del fatturato annuo globale o 30 milioni di euro; risarcimento del danno patrimoniale e non patrimoniale in favore dei candidati discriminati; e, nei casi più gravi, ordini giudiziali di sospensione dell’uso del sistema discriminatorio.

Come può un’azienda ridurre il rischio di discriminazione algoritmica nel recruiting?

Le misure principali includono: condurre una valutazione d’impatto prima dell’implementazione del sistema; verificare la qualità e la neutralità dei dati di addestramento; scegliere sistemi di AI interpretabili (explainable AI); garantire una supervisione umana effettiva e non meramente formale; sottoporre il sistema ad audit periodici da parte di soggetti terzi; formare adeguatamente il personale HR; e negoziare con il fornitore clausole contrattuali che garantiscano trasparenza e responsabilità condivisa.

Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.