Intelligenza artificiale e discriminazione nel reclutamento: il quadro giuridico italiano
Il ricorso crescente agli algoritmi nei processi di selezione del personale ha aperto un capitolo inedito nel diritto antidiscriminatorio italiano. Quando si parla di intelligenza artificiale discriminazione reclutamento, ci si trova all’incrocio tra innovazione tecnologica, diritto del lavoro e tutela della dignità della persona: un terreno in cui le categorie giuridiche tradizionali faticano a tenere il passo con la velocità dei mutamenti tecnici. Il D.Lgs. 198/2006, noto come Codice delle pari opportunità tra uomo e donna, costituisce ancora oggi il principale riferimento normativo per valutare la liceità dei comportamenti datoriali in fase di accesso all’impiego, ma la sua applicazione a sistemi automatizzati pone questioni interpretative di notevole complessità. Comprendere come questo strumento legislativo interagisce con le piattaforme di recruiting basate su machine learning è diventato un imperativo tanto per i professionisti delle risorse umane quanto per i consulenti legali che li assistono.
Come funzionano gli algoritmi di recruiting e perché generano bias
Prima di affrontare il profilo della responsabilità, è necessario comprendere la natura tecnica dei sistemi che vengono impiegati. I sistemi di machine learning utilizzati nella selezione del personale hanno la capacità di apprendere e migliorare automaticamente attraverso l’esperienza, elaborando i dati disponibili per affinare progressivamente le proprie previsioni. In termini pratici, un algoritmo di recruiting viene “addestrato” su un insieme di dati storici — candidature precedenti, profili di dipendenti assunti, valutazioni di performance — al fine di identificare i tratti che correlano con il successo lavorativo in una determinata organizzazione.
Il problema fondamentale emerge proprio da questo meccanismo di apprendimento: se i dati storici riflettono scelte passate influenzate da pregiudizi umani — preferenze per candidati di un certo genere, di una certa fascia d’età o di una certa provenienza geografica — l’algoritmo apprende e replica quei pregiudizi, talvolta amplificandoli. Come documentato dalla letteratura scientifica sul tema, l’intelligenza artificiale nel reclutamento può replicare e amplificare i bias presenti nei dati di addestramento. Questo fenomeno non è frutto di una scelta deliberata del programmatore, ma di una proprietà strutturale dei modelli statistici: l’algoritmo ottimizza le proprie previsioni rispetto ai pattern del passato, non rispetto a criteri di equità.
Tipologie di bias algoritmici rilevanti nel diritto del lavoro
Dal punto di vista giuridico, è utile distinguere tra diverse categorie di distorsione algoritmica, ciascuna con implicazioni diverse sul piano della responsabilità:
- Bias di genere: sistemi che penalizzano le candidature femminili, ad esempio perché addestrati su dati storici di aziende a prevalenza maschile, o che identificano indirettamente il genere attraverso variabili proxy come i periodi di assenza dal mercato del lavoro correlati alla maternità.
- Bias di età: algoritmi che scartano automaticamente candidati al di sopra di una certa soglia anagrafica, o che penalizzano profili con una lunga esperienza lavorativa in settori considerati obsoleti, in violazione del principio di non discriminazione per età sancito dal D.Lgs. 216/2003.
- Bias di origine etnica o nazionale: sistemi che associano negativamente determinati cognomi, indirizzi di residenza o percorsi formativi a specifiche comunità, producendo effetti discriminatori su base etnica o razziale.
- Bias intersezionale: distorsioni che colpiscono soggetti appartenenti contemporaneamente a più categorie protette, producendo effetti discriminatori non rilevabili analizzando separatamente ciascuna variabile.
Un’analisi condotta da ricercatori dell’Università della Calabria e del Politecnico di Bari ha esaminato il fenomeno del bias di genere nella selezione del personale mediata dall’intelligenza artificiale, prendendo in esame anche casi aziendali di rilievo internazionale come quelli di Unilever e Johnson & Johnson. Questo filone di ricerca conferma che il problema non riguarda solo aziende tecnologiche di nicchia, ma si estende a grandi organizzazioni che hanno adottato strumenti di selezione automatizzata su scala globale.
Il D.Lgs. 198/2006 e la discriminazione indiretta: fondamenti applicativi
Il Codice delle pari opportunità tra uomo e donna, nella sua struttura portante, vieta sia la discriminazione diretta — il trattamento meno favorevole fondato esplicitamente sul sesso — sia la discriminazione indiretta, definita come qualsiasi disposizione, criterio, prassi, atto, patto o comportamento apparentemente neutri che possano mettere in una posizione di svantaggio le persone di un determinato sesso rispetto a persone dell’altro sesso. È precisamente in questa seconda fattispecie che si colloca la stragrande maggioranza dei casi di discriminazione algoritmica.
L’algoritmo, per definizione, non discrimina “direttamente” sulla base del genere: non esclude le donne perché donne. Esso applica criteri apparentemente neutrali — la durata di un’esperienza lavorativa continuativa, il tipo di istituto frequentato, il settore di provenienza — che tuttavia, nella loro applicazione concreta, producono uno svantaggio sistematico per i soggetti appartenenti a una categoria protetta. Questa è la struttura logica della discriminazione indiretta, e il fatto che il meccanismo discriminatorio sia incorporato in un codice informatico non muta la qualificazione giuridica del fenomeno.
Il punto critico, sul piano probatorio, riguarda la dimostrazione dello svantaggio. Il diritto antidiscriminatorio italiano — in linea con le direttive europee — prevede un’inversione dell’onere della prova: una volta che il ricorrente fornisce elementi di fatto idonei a presupporre l’esistenza di una discriminazione, spetta al convenuto dimostrare che la disparità di trattamento è giustificata da ragioni oggettive, proporzionate e non discriminatorie. Applicare questo schema a un sistema algoritmico è operativamente complesso, perché richiede l’accesso ai dati di addestramento, alla logica del modello e ai risultati statistici della sua applicazione — informazioni che il candidato escluso raramente possiede e che l’azienda ha tutto l’interesse a mantenere riservate.
👉 Leggi anche: Algoritmi e selezione del personale: quando il sistema di recruiting automatizzato viola il diritto antidiscriminatorio
Il ruolo del diritto di accesso e della trasparenza algoritmica
Su questo punto, il Regolamento europeo sull’intelligenza artificiale — entrato progressivamente in vigore a partire dal 2024 e con piena applicabilità delle disposizioni sui sistemi ad alto rischio nel corso del 2026 — introduce obblighi di trasparenza e documentazione che si intrecciano con le tutele antidiscriminatorie. I sistemi di intelligenza artificiale impiegati nella selezione e nella valutazione del personale sono classificati come sistemi ad alto rischio, e come tali sono soggetti a requisiti di valutazione della conformità, registrazione e supervisione umana. Questa classificazione ha implicazioni dirette sul piano della responsabilità civile: l’azienda che adotta un sistema di recruiting automatizzato senza aver condotto una valutazione del rischio di discriminazione, senza aver documentato le scelte di progettazione e senza aver implementato meccanismi di supervisione umana, si espone a una responsabilità significativamente aggravata rispetto a quella che deriverebbe da una discriminazione commessa in modo tradizionale.
Per approfondire il quadro normativo europeo e le sue implicazioni pratiche per la gestione delle risorse umane, si rimanda all’analisi disponibile su Vocati.it sulle nuove regole per la gestione delle risorse umane, che offre una panoramica aggiornata degli obblighi emergenti per i datori di lavoro italiani.
Responsabilità civile dell’impresa: profili di imputazione
La questione della responsabilità civile dell’impresa che utilizza sistemi algoritmici di selezione è articolata su più livelli. In primo luogo, occorre stabilire se l’impresa risponda a titolo di responsabilità contrattuale o extracontrattuale: poiché il candidato escluso non è ancora parte di un rapporto di lavoro, la responsabilità si colloca tipicamente nell’ambito della responsabilità precontrattuale o, più frequentemente, della responsabilità aquiliana ex art. 2043 c.c., arricchita dalle tutele specifiche del diritto antidiscriminatorio.
Il D.Lgs. 198/2006 prevede che il giudice, accertata la discriminazione, possa condannare il convenuto al risarcimento del danno, anche non patrimoniale, e adottare ogni altro provvedimento idoneo a rimuovere gli effetti della discriminazione. Questa formulazione ampia consente al giudice di ordinare la revisione del processo selettivo, l’accesso alle fasi successive della selezione per il candidato discriminato, e in taluni casi il pagamento di somme a titolo di danno punitivo, sebbene quest’ultima categoria rimanga controversa nel diritto italiano.
Un aspetto di particolare rilevanza pratica riguarda la posizione dell’azienda che si avvale di una piattaforma di selezione fornita da un terzo — una società specializzata in software di recruiting basato sull’intelligenza artificiale. In questo scenario, il datore di lavoro potrebbe sostenere di non essere responsabile delle scelte algoritmiche del fornitore. Questa difesa, tuttavia, è destinata a incontrare resistenze significative: la giurisprudenza in materia di responsabilità del committente per i comportamenti del fornitore, unitamente agli obblighi di due diligence imposti dalla normativa sull’intelligenza artificiale, depone nel senso di una responsabilità solidale o, quanto meno, di una responsabilità autonoma del datore di lavoro per non aver verificato la conformità del sistema adottato.
La dimensione della gestione algoritmica nel rapporto di lavoro
L’applicazione dell’intelligenza artificiale nella gestione del lavoro non si limita alla fase di reclutamento, ma si estende alla valutazione delle performance, all’organizzazione dei turni, alla determinazione dei compensi variabili e alle decisioni di promozione o licenziamento. Come sottolineato dalla dottrina giuslavoristica, l’intelligenza artificiale nei contesti lavorativi coinvolge la persona umana in profili delicati e sensibili, sia nelle fasi di gestione algoritmica sia in quelle di controllo. Questa osservazione è cruciale perché suggerisce che la discriminazione algoritmica non è un evento puntuale — il rifiuto di un candidato — ma può essere il prodotto di un sistema pervasivo che accompagna il lavoratore lungo l’intero arco del rapporto di lavoro.
Per una disamina approfondita dei rischi e degli strumenti di compliance disponibili per le imprese, si rinvia all’analisi pubblicata da De Luca & Partners sul diritto del lavoro e l’intelligenza artificiale, che esamina in dettaglio le implicazioni operative per i datori di lavoro italiani.
I ricorsi amministrativi e il ruolo delle Commissioni per le pari opportunità
Il sistema di tutela antidiscriminatoria italiano prevede, accanto al ricorso giurisdizionale ordinario, strumenti di natura amministrativa che possono rivelarsi particolarmente adatti a gestire le complessità dei casi di discriminazione algoritmica. Le Commissioni regionali per le pari opportunità, così come la Consigliera Nazionale di Parità e le Consigliere regionali e provinciali, dispongono di poteri di indagine, mediazione e, in taluni casi, di azione in giudizio in rappresentanza delle vittime di discriminazione.
👉 Leggi anche: Discriminazione algoritmica nel reclutamento: la responsabilità del datore di fronte ai sistemi di AI per la selezione del personale
Il ricorso a questi organismi presenta vantaggi significativi nei casi di discriminazione algoritmica. In primo luogo, la Consigliera di Parità può agire in giudizio in via autonoma, sollevando il singolo candidato dall’onere di avviare un contenzioso individuale — il che è particolarmente rilevante quando la discriminazione è di carattere sistematico e colpisce una pluralità indeterminata di persone. In secondo luogo, questi organismi hanno la facoltà di richiedere all’azienda informazioni e documentazione sui processi selettivi adottati, aprendo la strada a quella disclosure dei dati algoritmici che è condizione necessaria per dimostrare l’esistenza di un bias.
Va tuttavia precisato che, allo stato attuale, la prassi amministrativa relativa a ricorsi fondati specificamente su discriminazione algoritmica nel reclutamento è ancora in via di consolidamento. Non sono disponibili, nelle fonti consultate, precedenti amministrativi nominativi che possano essere citati come casi di riferimento consolidati. Ciò non significa che il quadro normativo sia privo di strumenti: significa piuttosto che ci troviamo in una fase in cui le istituzioni stanno progressivamente acquisendo la competenza tecnica necessaria per trattare questi casi, e in cui i primi ricorsi stanno contribuendo a definire le prassi applicative.
Obblighi di compliance per le imprese: un approccio proattivo
Alla luce del quadro normativo descritto, le imprese che intendono utilizzare sistemi di intelligenza artificiale nel reclutamento devono adottare un approccio proattivo alla compliance antidiscriminatoria. Questo significa non limitarsi a verificare la conformità del sistema al momento dell’adozione, ma implementare un monitoraggio continuo dei risultati prodotti dall’algoritmo.
In termini operativi, le misure raccomandate includono:
- Audit algoritmici periodici: analisi statistica dei risultati della selezione per verificare l’assenza di disparità sistematiche tra gruppi protetti, con documentazione dei risultati e delle eventuali misure correttive adottate.
- Valutazione d’impatto sulla non discriminazione: prima di adottare un nuovo sistema di recruiting automatizzato, conduzione di una valutazione preventiva dei rischi di discriminazione, analoga alla valutazione d’impatto sulla protezione dei dati prevista dal GDPR.
- Supervisione umana qualificata: garanzia che le decisioni finali di assunzione siano sempre sottoposte a revisione umana consapevole, e che i responsabili delle risorse umane siano adeguatamente formati per riconoscere e correggere i bias algoritmici.
- Trasparenza nei confronti dei candidati: informazione chiara sull’utilizzo di sistemi automatizzati nel processo selettivo, con indicazione della logica sottostante e delle modalità attraverso cui il candidato può richiedere una revisione della decisione.
- Contratti con i fornitori di tecnologia: inserimento nei contratti con i fornitori di piattaforme di recruiting di clausole che obblighino il fornitore a documentare le scelte di progettazione, a condurre test di equità e a notificare eventuali anomalie rilevate.
La dottrina giuslavoristica più recente, tra cui l’analisi pubblicata dalla professoressa Maura Ranieri dell’Università Magna Græcia di Catanzaro sulla rivista federalismi.it nel 2026, ha contribuito a sistematizzare il quadro delle tutele applicabili ai sistemi di intelligenza artificiale nell’accesso all’impiego, offrendo un riferimento teorico di rilievo per chi si confronta con questi temi sul piano pratico.
Prospettive evolutive: verso un diritto antidiscriminatorio algoritmico
Il panorama normativo in materia di intelligenza artificiale e discriminazione nel reclutamento è destinato a evolvere rapidamente nei prossimi anni. L’entrata a regime del Regolamento europeo sull’intelligenza artificiale, la progressiva maturazione della giurisprudenza nazionale ed europea, e il consolidamento delle prassi delle autorità di vigilanza — in particolare del Garante per la protezione dei dati personali, che ha già mostrato interesse per i profili discriminatori del trattamento automatizzato — contribuiranno a definire con maggiore precisione i confini della responsabilità datoriale.
Un elemento di particolare interesse riguarda il possibile sviluppo di standard tecnici per la valutazione dell’equità algoritmica nel recruiting — metriche condivise che consentano di misurare in modo oggettivo l’impatto differenziale di un sistema su diversi gruppi demografici. L’adozione di tali standard da parte delle imprese potrebbe diventare, nel medio termine, non solo una buona pratica ma un requisito di compliance, con conseguenti implicazioni sul piano della prova in caso di contenzioso.
L’impatto dell’intelligenza artificiale sui processi di matching tra domanda e offerta di lavoro è già oggi significativo, e la tendenza è verso un’ulteriore espansione dell’automazione nelle fasi di screening, valutazione e selezione. Questo rende urgente — e non rinviabile — la costruzione di un quadro giuridico capace di garantire che l’efficienza tecnologica non si traduca in una sistematica esclusione di categorie di lavoratori già vulnerabili sul mercato del lavoro.
Conclusioni
Il tema dell’intelligenza artificiale, discriminazione e reclutamento rappresenta una delle sfide più impegnative per il diritto del lavoro contemporaneo. Il D.Lgs. 198/2006, pur non essendo stato concepito per disciplinare i sistemi algoritmici, offre strumenti interpretativi sufficientemente flessibili — in particolare attraverso la nozione di discriminazione indiretta — per intercettare le distorsioni prodotte dai modelli di machine learning nella selezione del personale. Tuttavia, la piena effettività di queste tutele dipende dalla capacità del sistema giuridico di adattare i propri strumenti processuali e probatori alla specificità tecnica del fenomeno: garantire l’accesso ai dati di addestramento, sviluppare competenze di analisi statistica nei giudici e nelle autorità amministrative, e costruire un regime di trasparenza algoritmica che restituisca ai candidati le informazioni necessarie per esercitare i propri diritti. Le imprese che adottano un approccio proattivo alla compliance — investendo in audit algoritmici, formazione e supervisione umana — non solo riducono il proprio rischio legale, ma contribuiscono a costruire un mercato del lavoro più equo e più capace di valorizzare il talento indipendentemente dal genere, dall’età o dall’origine di chi lo possiede.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
