Il crescente ricorso a sistemi automatizzati nella selezione del personale pone oggi una delle sfide più urgenti del diritto del lavoro contemporaneo: capire se e come la discriminazione algoritmica nell’assunzione possa essere contrastata attraverso strumenti normativi pensati, nella loro versione originaria, per un mondo analogico. Quando un algoritmo di machine learning scarta centinaia di candidature in pochi secondi, la domanda non è soltanto tecnica, ma profondamente giuridica — e le risposte che il legislatore italiano ed europeo stanno elaborando ridisegnano i confini della parità di trattamento nel mercato del lavoro.
Il fenomeno del recruiting algoritmico: opportunità e rischi strutturali
Negli ultimi anni, le imprese di ogni dimensione hanno adottato con rapidità crescente i cosiddetti Applicant Tracking Systems (ATS) e, più di recente, sistemi di intelligenza artificiale in grado di analizzare curricula, condurre colloqui preliminari in forma digitale e assegnare punteggi ai candidati sulla base di variabili predittive. L’attrattiva è evidente: ridurre i tempi e i costi di selezione, eliminare la soggettività del valutatore umano, gestire volumi di candidature altrimenti ingestibili.
Tuttavia, questa promessa di oggettività nasconde un paradosso fondamentale. I sistemi di machine learning apprendono dai dati storici, e se quei dati riflettono prassi discriminatorie passate — per esempio, una prevalenza maschile in certi ruoli tecnici, o una sotto-rappresentazione di candidati di determinate origini geografiche — l’algoritmo tende a replicare e talvolta ad amplificare quelle stesse distorsioni. La discriminazione non scompare: si automatizza. Come evidenziato dalla letteratura giuridica più recente, gli algoritmi possono discriminare i lavoratori nelle fasi di selezione del personale, di assegnazione dei compiti e di valutazione delle prestazioni, rendendo il problema trasversale all’intero ciclo di vita del rapporto di lavoro.
La Legge 903/1977 e la sua proiezione sullo screening automatico
Il riferimento normativo primario nel diritto italiano è la Legge 9 dicembre 1977, n. 903, sulla parità di trattamento tra uomini e donne in materia di lavoro. La norma vieta qualsiasi discriminazione fondata sul sesso per quanto riguarda l’accesso al lavoro, indipendentemente dalle modalità di assunzione e dal settore o ramo di attività. Questa formulazione — «indipendentemente dalle modalità di assunzione» — è di straordinaria importanza ermeneutica: il legislatore del 1977 non poteva certo immaginare gli algoritmi di selezione, ma ha costruito una clausola abbastanza ampia da ricomprenderli.
Il punto critico è che la legge non richiede la prova di un’intenzione discriminatoria. È sufficiente che il risultato del processo selettivo produca uno svantaggio sistematico per le persone di un determinato sesso. Questo apre la porta alla nozione di discriminazione indiretta: una disposizione, un criterio o una prassi apparentemente neutri che, nella loro applicazione concreta, determinano uno svantaggio sproporzionato per un gruppo protetto. Gli algoritmi di selezione si prestano in modo quasi paradigmatico a questa forma di discriminazione, perché operano attraverso proxy — variabili correlate al sesso, all’età o all’origine — senza mai menzionare esplicitamente il fattore vietato.
Si pensi, a titolo esemplificativo, a un sistema di scoring che penalizzi i periodi di inattività lavorativa superiori a un certo numero di mesi. In apparenza, si tratta di un criterio neutro legato alla continuità professionale. In realtà, colpisce in misura sproporzionata le donne che hanno interrotto la carriera per motivi di cura familiare. L’algoritmo non discrimina «per sesso», ma il suo effetto è discriminatorio nel senso tecnico-giuridico che la Legge 903/1977 intende sanzionare.
Il Codice delle Pari Opportunità e la logica dell’effetto disparato
Il Codice delle Pari Opportunità tra uomo e donna (d.lgs. n. 198/2006) costituisce l’architrave sistematica della tutela antidiscriminatoria in materia di lavoro nel diritto italiano, e va letto in combinato disposto con la Legge 903/1977. Il Codice recepisce le direttive europee e codifica espressamente la distinzione tra discriminazione diretta e indiretta, estendendo la tutela a tutti gli aspetti del rapporto di lavoro, incluse le fasi precontrattuali — vale a dire, precisamente, la selezione e l’assunzione.
La logica dell’effetto disparato (disparate impact, nella terminologia anglosassone da cui la disciplina europea ha tratto ispirazione) è particolarmente rilevante nel contesto algoritmico. Non occorre dimostrare che il datore di lavoro abbia voluto discriminare: è sufficiente evidenziare che il meccanismo selettivo produce statisticamente esiti sfavorevoli per un gruppo tutelato. Questa impostazione sposta il terreno del contenzioso dalla prova dell’intenzione alla prova del risultato — un passaggio cruciale quando si ha a che fare con sistemi automatizzati la cui logica interna è spesso opaca anche per chi li ha progettati.
Il problema dell’opacità algoritmica — o black box — è uno degli ostacoli più seri all’applicazione pratica delle tutele esistenti. Se il candidato escluso non riesce a conoscere i criteri che hanno determinato il rigetto della sua candidatura, non può nemmeno costruire un’argomentazione giuridica convincente. Ed è qui che entrano in gioco le norme sulla trasparenza, sia di derivazione giuslavoristica che, soprattutto, di derivazione privacy.
👉 Leggi anche: Discriminazione algoritmica nel recruiting: responsabilità datoriale e rimedi legali secondo la giurisprudenza italiana 2025-2026
Il ruolo del GDPR e la questione delle decisioni automatizzate
Il Regolamento generale sulla protezione dei dati (GDPR, Reg. UE 2016/679) introduce uno strumento di tutela complementare ma non secondario rispetto alle norme antidiscriminatorie. L’articolo 22 del GDPR riconosce all’interessato il diritto di non essere sottoposto a una decisione basata unicamente su un trattamento automatizzato che produca effetti giuridici significativi o che lo riguardi in modo analogamente rilevante. La selezione per un’assunzione rientra pienamente in questa categoria.
Quando un sistema ATS o un algoritmo di recruiting adotta autonomamente la decisione di escludere un candidato senza alcun intervento umano, il datore di lavoro è tenuto a garantire almeno: la possibilità per il candidato di ottenere l’intervento di una persona fisica nella decisione; il diritto di esprimere la propria opinione; il diritto di contestare la decisione. Questi diritti rimangono spesso lettera morta nella pratica, perché molte aziende non informano adeguatamente i candidati sull’uso di sistemi automatizzati, o lo fanno in modo talmente generico da rendere impossibile l’esercizio effettivo dei diritti previsti.
L’European Data Protection Board (EDPB) ha elaborato nel tempo orientamenti volti a chiarire l’ambito di applicazione dell’art. 22 e le condizioni di liceità del trattamento automatizzato. Sebbene le linee guida specificamente dedicate al contesto del recruiting con sistemi di intelligenza artificiale siano ancora in evoluzione, il quadro interpretativo già consolidato impone ai datori di lavoro obblighi di trasparenza e di accountability che si sovrappongono e rafforzano le tutele antidiscriminatorie.
Discriminazione algoritmica nell’assunzione: il contributo della giurisprudenza italiana
La giurisprudenza italiana ha già iniziato ad affrontare il tema della discriminazione algoritmica, offrendo spunti preziosi per comprendere come i giudici interpretino le norme esistenti in questo contesto inedito. Due pronunce meritano particolare attenzione.
Il Tribunale di Bologna, con sentenza del 20 dicembre 2020, ha affrontato un caso di discriminazione diretta per ragioni sindacali in cui il meccanismo algoritmico svolgeva un ruolo centrale nell’assegnazione dei compiti. La decisione ha riconosciuto che l’utilizzo di un sistema automatizzato non esonera il datore di lavoro dalla responsabilità per gli esiti discriminatori che ne derivano, stabilendo un principio di continuità della responsabilità datoriale indipendentemente dal mezzo tecnico impiegato.
Il Tribunale di Palermo, con pronuncia del 17 novembre 2023, ha invece esaminato una fattispecie di potenziale discriminazione multidimensionale, in cui diversi fattori protetti si intrecciavano nell’operatività del sistema algoritmico. Questo caso è particolarmente significativo perché affronta il problema della discriminazione intersezionale: la situazione in cui un candidato subisce uno svantaggio non per un singolo fattore (ad esempio il sesso), ma per la combinazione di più caratteristiche protette (sesso e origine, età e disabilità). I sistemi algoritmici, che elaborano simultaneamente decine di variabili, sono particolarmente inclini a produrre questo tipo di discriminazione complessa.
Queste pronunce segnalano una tendenza della magistratura del lavoro italiana a non arretrare di fronte alla complessità tecnica degli algoritmi, ma ad applicare i principi antidiscriminatori esistenti con un approccio sostanzialista: ciò che conta è l’effetto prodotto sul candidato, non la natura del meccanismo che lo ha generato.
L’onere della prova nel contenzioso algoritmico
Uno degli aspetti più delicati del contenzioso in materia di discriminazione algoritmica riguarda la distribuzione dell’onere della prova. Il diritto antidiscriminatorio italiano ed europeo prevede un regime di inversione parziale dell’onere: è sufficiente che il lavoratore o il candidato fornisca elementi di fatto idonei a far presumere l’esistenza della discriminazione, dopodiché spetta al datore di lavoro dimostrare che non vi è stata violazione del principio di parità di trattamento.
Nel contesto algoritmico, questa regola incontra difficoltà applicative significative. Il candidato escluso ha raramente accesso ai dati aggregati che potrebbero dimostrare un effetto disparato, né conosce i parametri su cui il sistema è stato addestrato. La black box algoritmica diventa così uno scudo processuale per il datore di lavoro, che può opporre la complessità tecnica del sistema come barriera alla prova.
👉 Leggi anche: Algoritmi e selezione del personale: quando il sistema di recruiting automatizzato viola il diritto antidiscriminatorio
Una soluzione parziale viene dal diritto alla spiegazione previsto dal GDPR, che obbliga il titolare del trattamento a fornire «informazioni significative sulla logica utilizzata» nel processo decisionale automatizzato. Se correttamente azionato, questo diritto potrebbe consentire al candidato di ottenere elementi utili a costruire la presunzione di discriminazione richiesta dalla legge. I datori di lavoro che utilizzano sistemi di selezione automatizzata sono soggetti a specifici obblighi per prevenire la discriminazione nell’ambito dei vigenti quadri normativi, e il rispetto di tali obblighi implica necessariamente la capacità di rendere conto del funzionamento dei propri sistemi.
L’AI Act europeo: un nuovo livello di regolazione
Il panorama normativo si è ulteriormente arricchito con l’adozione del Regolamento europeo sull’intelligenza artificiale (AI Act, Reg. UE 2024/1689), che classifica i sistemi di IA utilizzati nel recruitment — inclusi quelli per lo screening dei candidati, la valutazione delle candidature e le decisioni di assunzione — come sistemi ad alto rischio. Questa classificazione comporta obblighi stringenti per i fornitori e per gli utilizzatori di tali sistemi: valutazioni di conformità preventive, documentazione tecnica dettagliata, registrazione in una banca dati europea, misure di supervisione umana e, crucialmente, obblighi di trasparenza verso le persone interessate.
L’AI Act non sostituisce le norme antidiscriminatorie esistenti, ma le integra con un livello di regolazione tecnica che impone ai datori di lavoro di verificare preventivamente che i sistemi adottati non producano risultati discriminatori. L’obbligo di testing preventivo per i bias algoritmici, previsto per i sistemi ad alto rischio, rappresenta una novità di grande rilievo pratico: non si tratta più soltanto di rispondere ex post a un’accusa di discriminazione, ma di prevenire attivamente il rischio discriminatorio in fase di progettazione e implementazione del sistema.
Per i professionisti delle risorse umane e per i consulenti del lavoro, questo significa che la verifica della conformità dei sistemi di recruiting automatizzato non è più soltanto una questione di buone pratiche, ma un obbligo giuridico con potenziali conseguenze sanzionatorie. La selezione del personale e il recruitment sono regolati dal codice civile e da normative statali e regionali che disciplinano vari aspetti della gestione del personale, e l’AI Act si inserisce in questo quadro come un ulteriore strato di obblighi specificamente dedicati ai sistemi automatizzati.
Obblighi pratici per i datori di lavoro e strategie di compliance
Tradurre il quadro normativo in obblighi concreti per i datori di lavoro che utilizzano sistemi algoritmici di selezione richiede un approccio strutturato su più livelli. In primo luogo, è necessaria una mappatura dei sistemi utilizzati: non tutti i software HR integrano funzioni di IA nel senso rilevante per l’AI Act, ma molti ATS applicano logiche di filtraggio automatico che possono produrre effetti discriminatori anche senza essere sistemi di apprendimento automatico in senso stretto.
In secondo luogo, occorre condurre una valutazione d’impatto sulla discriminazione, analizzando se i criteri di selezione utilizzati dall’algoritmo producano effetti disparati su gruppi tutelati. Questa analisi richiede competenze sia giuridiche che statistiche, e implica l’accesso ai dati di addestramento e ai parametri del modello — informazioni che spesso il datore di lavoro non possiede direttamente, perché il sistema è fornito da un terzo.
In terzo luogo, è indispensabile garantire una supervisione umana effettiva sulle decisioni di esclusione dei candidati. La presenza di un revisore umano non è sufficiente se si limita a ratificare acriticamente le indicazioni dell’algoritmo: occorre che la persona fisica sia in grado di comprendere le ragioni della raccomandazione algoritmica e di discostarsene quando necessario. Infine, i candidati devono essere informati in modo chiaro e accessibile dell’utilizzo di sistemi automatizzati nel processo di selezione, dei criteri principali impiegati e dei loro diritti di accesso, rettifica e contestazione.
Il percorso verso un recruiting algoritmico compatibile con i principi di parità di trattamento è ancora in costruzione, tanto sul piano normativo quanto su quello giurisprudenziale. Ma la direzione è chiara: la tecnologia non può diventare un’esimente dalla responsabilità antidiscriminatoria, e i datori di lavoro che scelgono di automatizzare la selezione del personale assumono con quella scelta anche l’obbligo di garantire che l’automazione rispetti i diritti fondamentali dei candidati. Per approfondire il quadro normativo della Legge 903/1977, è possibile consultare il testo integrale della norma disponibile sul portale Olympus dell’Università di Urbino, che offre una risorsa di riferimento per chiunque voglia approfondire le basi legislative della parità di trattamento nel diritto del lavoro italiano.
La sfida della discriminazione algoritmica nell’assunzione non è destinata a ridursi con il progredire della tecnologia: al contrario, man mano che i sistemi di IA diventano più sofisticati e pervasivi, il rischio che le disuguaglianze si cristallizzino in codice aumenta. La risposta non può essere il rifiuto della tecnologia, ma la sua regolazione intelligente — attraverso norme che impongano trasparenza, responsabilità e verifica preventiva dei bias, e attraverso una giurisprudenza disposta ad applicare con coerenza i principi antidiscriminatori anche agli strumenti più nuovi e complessi del mercato del lavoro contemporaneo.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
