Il problema della discriminazione algoritmica nelle assunzioni: inquadramento generale
La diffusione degli strumenti di intelligenza artificiale nei processi di selezione del personale pone con urgenza crescente la questione degli algoritmi selezione personale discriminazione: un nodo giuridico complesso che intreccia diritto del lavoro, diritto antidiscriminatorio e normativa sulla protezione dei dati personali. Capire come un sistema automatizzato possa produrre effetti discriminatori — spesso senza che vi sia un’intenzione esplicita da parte del datore di lavoro — è il punto di partenza per qualsiasi analisi legale seria. I sistemi di IA possono intervenire in fasi molto diverse del processo di assunzione: dalla formulazione degli annunci di lavoro, al filtraggio e alla classificazione delle candidature, fino al ranking dei profili e al supporto all’onboarding. Ciascuna di queste fasi costituisce un potenziale punto di innesco per meccanismi discriminatori, e ciascuna solleva interrogativi distinti sul piano della responsabilità giuridica.
Il dibattito accademico e professionale su questi temi si è intensificato negli ultimi anni. Tra i contributi più recenti si segnala un saggio di Maura Ranieri, professoressa di Diritto del Lavoro presso l’Università Magna Græcia di Catanzaro, pubblicato nel fascicolo 5/2026 della rivista federalismi.it, che affronta specificamente il rapporto tra sistemi di IA, accesso all’occupazione e discriminazione. Sul versante accademico, una tesi dottorale (Elisa Parodi, 2024–2025) ha esaminato il fenomeno del bias algoritmico nei rapporti di lavoro, collocandolo nell’intersezione tra diritto antidiscriminatorio e altri strumenti di tutela. Questi contributi si inseriscono in un filone di ricerca ormai consolidato, che include il percorso di ricerca su algoritmi e lavoro curato da Annamaria Donini e Alessandra Ingrao per la Labour Law Community.
Come gli algoritmi producono discriminazione: il meccanismo del bias
Per comprendere la portata del problema giuridico è necessario chiarire il meccanismo tecnico che genera la discriminazione. Un algoritmo di selezione non discrimina perché “vuole” escludere una categoria protetta: discrimina perché apprende da dati storici che riflettono scelte passate — e quindi pregiudizi passati — del mercato del lavoro. Se le candidature accettate in un determinato settore hanno storicamente riguardato uomini di una certa fascia d’età, il modello tenderà a replicare quel pattern, penalizzando sistematicamente le donne, i lavoratori anziani, o le persone con background migratorio, anche in assenza di qualsiasi criterio esplicito fondato su tali caratteristiche.
Questo fenomeno prende il nome di bias algoritmico e può manifestarsi in almeno tre forme distinte. Il bias nei dati di addestramento si produce quando il dataset su cui il modello è stato addestrato sovra- o sotto-rappresenta determinati gruppi. Il bias nella progettazione del modello emerge quando le variabili proxy utilizzate dall’algoritmo — come il codice postale di residenza, il tipo di istituto scolastico frequentato, o persino il nome del candidato — correlano con caratteristiche protette senza che i progettisti ne siano consapevoli. Il bias nella retroazione si verifica infine quando il sistema viene aggiornato sulla base dei risultati delle proprie precedenti decisioni, amplificando nel tempo le distorsioni iniziali.
La conseguenza pratica è che l’effetto discriminatorio può essere del tutto invisibile agli occhi del datore di lavoro, che si limita a ricevere una lista di candidati “raccomandati” dal sistema senza accedere alla logica sottostante. Questa opacità strutturale — spesso definita con il termine anglosassone black box — è al centro delle preoccupazioni dei giuristi che si occupano di algoritmi nelle assunzioni e principio di non discriminazione.
Il quadro normativo antidiscriminatorio: fondamenti e tensioni applicative
La discriminazione indiretta come categoria centrale
Il diritto antidiscriminatorio europeo e italiano offre strumenti concettuali adeguati a intercettare il fenomeno, a patto di applicarli con la necessaria flessibilità interpretativa. La distinzione tra discriminazione diretta e indiretta è qui fondamentale. La discriminazione diretta si configura quando un soggetto riceve un trattamento meno favorevole a causa di una caratteristica protetta esplicitamente considerata. La discriminazione indiretta si configura invece quando una disposizione, un criterio o una prassi apparentemente neutri mettono in una situazione di particolare svantaggio persone appartenenti a un gruppo protetto, salvo che tali elementi siano obiettivamente giustificati da una finalità legittima e i mezzi impiegati siano appropriati e necessari.
È evidente che il bias algoritmico si presta quasi sempre a essere qualificato come discriminazione indiretta: il criterio adottato dall’algoritmo è formalmente neutro, ma produce un effetto differenziato su gruppi protetti. La Direttiva 2000/78/CE, che stabilisce un quadro generale per la parità di trattamento in materia di occupazione e condizioni di lavoro, costituisce uno dei pilastri normativi di riferimento, insieme alla Direttiva 2006/54/CE sulla parità di genere e al decreto legislativo 216/2003 che ha recepito la prima in Italia. Tuttavia, l’applicazione di questi strumenti ai sistemi automatizzati non è priva di difficoltà interpretative: le norme sono state concepite per fattispecie in cui un soggetto umano adotta una decisione, e il loro adattamento a contesti in cui la decisione è generata da un modello computazionale richiede uno sforzo ermeneutico non banale.
L’onere della prova e la sua rilevanza pratica
Un aspetto cruciale del diritto antidiscriminatorio è la disciplina dell’onere della prova. In base alle direttive europee e alla loro trasposizione nazionale, il lavoratore che si ritiene discriminato deve fornire elementi di fatto dai quali si possa presumere l’esistenza di una discriminazione; spetta poi al datore di lavoro dimostrare che non vi è stata violazione del principio di parità di trattamento. Questo meccanismo di inversione dell’onere probatorio, che alleggerisce la posizione del soggetto più debole, incontra però un ostacolo specifico nel contesto algoritmico: il candidato escluso non sa perché è stato escluso, non conosce i criteri adottati dal sistema, e non dispone degli elementi necessari nemmeno per formulare la presunzione iniziale di discriminazione.
Di qui l’importanza decisiva dei diritti di trasparenza e di spiegazione. Se il candidato non può accedere alle logiche del sistema che lo ha valutato, la tutela antidiscriminatoria rischia di restare lettera morta. Il problema non è teorico: nella pratica, molti sistemi di selezione automatizzata sono sviluppati da fornitori terzi e commercializzati come prodotti chiusi, il che rende difficile anche per il datore di lavoro stesso comprendere appieno i meccanismi decisionali adottati. Come osservano Donini e Ingrao nel loro percorso di ricerca su algoritmi e lavoro, la questione della trasparenza algoritmica è inseparabile da quella della tutela dei diritti fondamentali nel contesto lavorativo.
Il Regolamento UE 2024/1689 (AI Act): un nuovo orizzonte normativo
Il Regolamento UE 2024/1689, comunemente noto come AI Act, rappresenta il tentativo più organico finora compiuto dall’Unione europea di regolare i sistemi di intelligenza artificiale in modo trasversale e vincolante. Sebbene i dettagli applicativi del Regolamento siano ancora oggetto di analisi e interpretazione da parte degli esperti — e la sua piena entrata in vigore sia progressiva —, il testo normativo introduce un approccio fondato sul rischio che ha implicazioni dirette per i sistemi di selezione del personale.
Il Regolamento distingue tra sistemi di IA vietati, sistemi ad alto rischio, sistemi a rischio limitato e sistemi a rischio minimo. Secondo l’impostazione generale del testo — così come discussa nella letteratura giuridica specialistica — i sistemi impiegati in contesti di reclutamento e selezione del personale sarebbero tendenzialmente riconducibili alla categoria degli strumenti ad alto rischio, in ragione dell’impatto significativo che le loro decisioni producono sui diritti fondamentali degli individui. Questa classificazione, se confermata dall’applicazione concreta del Regolamento, comporterebbe l’assoggettamento di tali sistemi a una serie di obblighi specifici: valutazione della conformità, documentazione tecnica, registrazione delle attività, trasparenza verso gli utenti, supervisione umana, robustezza e accuratezza del sistema.
È importante precisare che, al momento della redazione di questo articolo, le modalità esatte di classificazione dei sistemi di recruiting nell’ambito dell’AI Act e gli obblighi specifici che ne derivano sono ancora oggetto di elaborazione da parte delle autorità competenti e della dottrina. Sarebbe quindi improprio presentare come definitivamente acquisito un quadro applicativo che è ancora in fase di consolidamento. Ciò che appare invece certo è la direzione di marcia: il legislatore europeo ha inteso sottoporre i sistemi di IA che incidono sull’accesso all’occupazione a un regime di controllo rafforzato, riconoscendo implicitamente la gravità dei rischi discriminatori che tali sistemi possono generare.
Il GDPR e il diritto a non essere soggetti a decisioni automatizzate
Prima ancora dell’AI Act, il Regolamento Generale sulla Protezione dei Dati (GDPR) aveva introdotto strumenti rilevanti per contrastare la discriminazione algoritmica nelle assunzioni. L’articolo 22 del GDPR disciplina il diritto dell’interessato a non essere sottoposto a una decisione basata unicamente sul trattamento automatizzato, compresa la profilazione, che produca effetti giuridici che lo riguardano o che incida in modo analogo significativamente sulla sua persona.
L’applicazione di questa disposizione al contesto del recruiting solleva questioni interpretative ancora dibattute. In primo luogo, occorre stabilire quando una decisione di selezione possa dirsi “basata unicamente” su un trattamento automatizzato: se un selezionatore umano riceve una lista di candidati già filtrati e classificati dall’algoritmo e si limita a ratificarla senza una valutazione autonoma, è difficile sostenere che vi sia stato un genuino intervento umano. In secondo luogo, anche laddove l’articolo 22 risulti applicabile, le eccezioni previste — tra cui la necessità del trattamento per l’esecuzione di un contratto o il consenso esplicito dell’interessato — rischiano di essere invocate in modo tale da svuotare la tutela di contenuto effettivo.
Gli obblighi di trasparenza del GDPR — in particolare il diritto a ricevere informazioni “significative sulla logica utilizzata” nel trattamento automatizzato — costituiscono uno strumento complementare e potenzialmente molto utile per il candidato che sospetti di essere stato discriminato. Tuttavia, la vaghezza della formulazione normativa e la complessità tecnica dei sistemi in questione rendono spesso difficile tradurre questo diritto in una conoscenza effettivamente accessibile e comprensibile.
Responsabilità del datore di lavoro e obblighi di controllo
Uno degli aspetti più delicati del problema riguarda l’imputazione della responsabilità. Quando un sistema algoritmico produce un effetto discriminatorio, chi risponde? Il datore di lavoro che ha acquistato e impiegato il sistema, il fornitore tecnologico che lo ha sviluppato, o entrambi? La risposta del diritto del lavoro e del diritto antidiscriminatorio tende a privilegiare la responsabilità del datore di lavoro, in quanto soggetto che ha adottato la decisione di utilizzare lo strumento e che ne ha tratto beneficio. Il fatto che la discriminazione sia stata mediata da un algoritmo non vale di per sé a esonerare il datore di lavoro dalla responsabilità per la violazione del principio di parità di trattamento.
Questa impostazione ha conseguenze pratiche importanti. Il datore di lavoro che intenda avvalersi di sistemi automatizzati di selezione non può limitarsi ad acquistare il prodotto sul mercato e a fidarsi delle dichiarazioni del fornitore: ha l’obbligo di verificare che il sistema non produca effetti discriminatori, di monitorarne nel tempo il funzionamento, e di essere in grado di spiegare ai candidati i criteri adottati. In sostanza, l’adozione di un sistema di IA non trasferisce la responsabilità giuridica al software: la amplifica, imponendo al datore di lavoro oneri di diligenza più elevati di quelli che graverebbero su un selezionatore umano.
Questo approccio trova riscontro nell’elaborazione dottrinale più recente, che sottolinea come l’impatto dell’IA nella selezione del personale — dagli annunci di lavoro mirati al filtraggio delle candidature, dalla determinazione della reputazione professionale all’assegnazione dei compiti — richieda un ripensamento complessivo degli strumenti di tutela disponibili, come emerge dalle analisi pubblicate su Lavoro Diritti Europa.
Il ruolo della giurisprudenza: uno scenario ancora in evoluzione
Sul piano giurisprudenziale, il diritto della discriminazione algoritmica è ancora in una fase di consolidamento, tanto a livello italiano quanto a livello europeo. I tribunali del lavoro si trovano a dover applicare categorie normative concepite per contesti analogici a fattispecie tecnologicamente sofisticate, e lo fanno con strumenti processuali — in particolare le regole sull’onere della prova e i mezzi di istruzione — che non sempre si adattano agevolmente alla specificità del fenomeno.
Alcune tendenze emergenti possono tuttavia essere identificate. I giudici mostrano una crescente disponibilità a valorizzare il meccanismo dell’inversione dell’onere probatorio anche nei casi di discriminazione algoritmica, imponendo al datore di lavoro di rendere conto delle logiche del sistema utilizzato quando il candidato abbia fornito elementi sufficienti a far presumere l’esistenza di un trattamento sfavorevole. Si registra inoltre una tendenza a considerare la mancata adozione di misure di controllo e auditing del sistema come elemento indiziario della responsabilità del datore di lavoro, anche in assenza di prova diretta dell’intento discriminatorio.
Sul versante europeo, la Corte di Giustizia dell’Unione Europea è chiamata a interpretare le direttive antidiscriminatorie in un contesto tecnologico che i legislatori degli anni Duemila non potevano prevedere. Le questioni pregiudiziali che potrebbero emergere nei prossimi anni — relative alla nozione di “disposizione, criterio o prassi” nella discriminazione indiretta, all’adeguatezza della giustificazione oggettiva nel contesto algoritmico, e alla portata degli obblighi di trasparenza — avranno un impatto determinante sulla configurazione definitiva del diritto antidiscriminatorio nell’era dell’IA.
Verso un approccio pratico: indicazioni per datori di lavoro e professionisti
Per i professionisti delle risorse umane e per i consulenti legali che assistono le aziende, il quadro normativo attuale impone alcune cautele operative concrete. In primo luogo, prima di adottare qualsiasi sistema automatizzato di selezione, è opportuno effettuare una valutazione d’impatto che includa specificamente un’analisi del rischio di bias algoritmico: occorre esaminare i dati di addestramento del sistema, le variabili utilizzate come proxy, e i risultati prodotti su campioni demograficamente diversificati.
In secondo luogo, è essenziale mantenere un genuino intervento umano nel processo decisionale finale. Questo non significa semplicemente apporre una firma su una lista prodotta dall’algoritmo: significa che il selezionatore umano deve essere in grado di comprendere e, se necessario, di discostarsi dalla raccomandazione del sistema, sulla base di una valutazione autonoma. La supervisione umana deve essere effettiva, non formale.
In terzo luogo, le aziende devono predisporre meccanismi di informazione adeguati verso i candidati: questi ultimi hanno diritto a sapere che il loro profilo è stato valutato da un sistema automatizzato, e a ricevere informazioni comprensibili sui criteri adottati. La trasparenza non è solo un obbligo giuridico: è anche una forma di tutela preventiva contro il contenzioso.
Infine, è consigliabile istituire procedure di monitoraggio periodico dei sistemi in uso, verificando nel tempo che i risultati prodotti non determinino una sovra- o sotto-rappresentazione sistematica di gruppi protetti tra i candidati selezionati. L’auditing algoritmico, ancora poco diffuso nella pratica italiana, è destinato a diventare uno standard di diligenza richiesto tanto dal diritto positivo quanto dalla giurisprudenza in formazione.
Prospettive evolutive: verso un diritto antidiscriminatorio adeguato all’era algoritmica
Il problema degli algoritmi nella selezione del personale e della discriminazione che ne può derivare non è destinato a ridursi con il progresso tecnologico: al contrario, è probabile che si intensifichi man mano che i sistemi di IA diventano più pervasivi e le loro logiche più opache. Il diritto è chiamato a rispondere a questa sfida con strumenti nuovi, che vadano oltre la mera trasposizione analogica di categorie pensate per contesti diversi.
L’AI Act rappresenta un passo importante in questa direzione, ma la sua efficacia dipenderà in larga misura dalla qualità dell’applicazione concreta: dalla capacità delle autorità di vigilanza di sviluppare competenze tecniche adeguate, dalla disponibilità dei giudici a valorizzare i nuovi strumenti normativi, e dalla volontà delle aziende di adottare un approccio genuinamente responsabile — e non meramente formalistico — all’uso dell’intelligenza artificiale nei processi di selezione. Il dialogo tra giuristi, informatici e professionisti delle risorse umane è in questo senso non solo auspicabile, ma necessario: solo un approccio interdisciplinare può produrre soluzioni capaci di tutelare effettivamente i diritti dei lavoratori senza ostacolare l’innovazione tecnologica.
In definitiva, la questione degli algoritmi, della selezione del personale e della discriminazione non è una questione tecnica da delegare agli esperti di informatica, né una questione puramente giuridica da affidare ai soli avvocati: è una questione di giustizia sostanziale, che riguarda le opportunità di vita di milioni di persone e che merita di essere affrontata con la serietà e la profondità che le compete. Il quadro normativo attuale offre strumenti utili, ma la loro efficacia dipende dalla capacità di tutti gli attori coinvolti — legislatori, giudici, aziende, lavoratori — di comprenderne la portata e di applicarli con coerenza e determinazione.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
