Discriminazione algoritmica nel reclutamento: il problema che ridefinisce la responsabilità datoriale
L’adozione massiva di sistemi di intelligenza artificiale nei processi di selezione del personale pone oggi una delle questioni più spinose del diritto del lavoro contemporaneo: quando un algoritmo esclude un candidato sulla base di variabili correlate al genere, all’origine etnica o all’età, chi risponde giuridicamente di quella esclusione? La discriminazione algoritmica nel reclutamento non è più uno scenario ipotetico da manuale accademico, ma una realtà operativa che attraversa le pratiche HR di aziende di ogni dimensione. Comprendere i meccanismi attraverso cui l’automazione può produrre effetti discriminatori, e individuare le norme che ne governano la responsabilità, è oggi un’esigenza tanto per i professionisti del diritto quanto per i responsabili delle risorse umane. Il presente articolo esamina il quadro normativo applicabile, i profili di responsabilità del datore di lavoro, e le indicazioni emergenti dalla letteratura giuridica più recente.
Come funziona la discriminazione algoritmica nei processi di selezione
Per affrontare il problema giuridico è necessario partire da una comprensione tecnica di base. I sistemi di AI utilizzati nel reclutamento operano tipicamente in tre fasi distinte: la pubblicazione e il targeting degli annunci di lavoro, il filtraggio automatico delle candidature, e la valutazione e la classificazione dei profili. Ognuna di queste fasi può incorporare e amplificare pregiudizi preesistenti.
Nella fase di targeting, gli algoritmi pubblicitari possono distribuire le offerte di lavoro in modo selettivo, raggiungendo prevalentemente utenti di un determinato genere o fascia d’età sulla base di dati comportamentali storici. Nel filtraggio delle candidature, i sistemi di screening automatico — i cosiddetti Applicant Tracking Systems — assegnano punteggi ai curricula confrontandoli con profili di candidati “ideali” costruiti a partire da assunzioni precedenti. Se le assunzioni storiche riflettevano dinamiche discriminatorie, il modello addestrato su quei dati riprodurrà e consoliderà gli stessi schemi. Nella valutazione, strumenti di analisi del linguaggio, del tono vocale o dell’espressione facciale possono penalizzare candidati provenienti da contesti culturali diversi, indipendentemente dalle loro competenze effettive.
Come evidenzia Marco Peruzzi nel suo studio sull’impatto dell’IA nella selezione del personale, la questione non riguarda soltanto gli annunci di lavoro mirati, ma si estende alla determinazione della reputazione del lavoratore e all’assegnazione dei compiti, configurando un sistema di controllo algoritmico che attraversa l’intero ciclo lavorativo, dalla candidatura alla gestione in itinere del rapporto. Questo amplia considerevolmente il perimetro entro cui il diritto antidiscriminatorio è chiamato a operare.
Il quadro normativo antidiscriminatorio applicabile
Il diritto del lavoro italiano: principi fondamentali
Il divieto di discriminazione nell’accesso al lavoro è sancito da una pluralità di fonti normative che si intrecciano e si rafforzano reciprocamente. A livello costituzionale, gli articoli 3 e 37 della Costituzione italiana pongono le basi del principio di uguaglianza formale e sostanziale, con specifico riferimento alla parità tra lavoratori. A livello legislativo, lo Statuto dei Lavoratori contiene norme che vietano atti discriminatori fondati su ragioni sindacali, politiche, religiose, razziali, di lingua o di sesso, con effetti che si proiettano anche nella fase precontrattuale del reclutamento.
Il decreto legislativo n. 216 del 2003, di recepimento della Direttiva 2000/78/CE, e il decreto legislativo n. 215 del 2003, di recepimento della Direttiva 2000/43/CE, estendono la tutela antidiscriminatoria all’accesso all’occupazione e alle condizioni di lavoro, vietando sia la discriminazione diretta — trattamento meno favorevole fondato su un fattore protetto — sia quella indiretta, che si verifica quando una disposizione, un criterio o una prassi apparentemente neutri pongono in posizione di particolare svantaggio persone appartenenti a un gruppo protetto. È proprio la discriminazione indiretta la categoria giuridica più rilevante per i sistemi algoritmici: un algoritmo raramente discrimina esplicitamente in base al genere o all’etnia, ma può produrre effetti statisticamente disparati su gruppi protetti attraverso l’uso di variabili proxy correlate a tali caratteristiche.
Il regime della prova e l’inversione dell’onere probatorio
Un aspetto cruciale del diritto antidiscriminatorio è il regime dell’onere della prova. Ai sensi delle direttive europee recepite nell’ordinamento italiano, quando il ricorrente fornisce elementi di fatto idonei a far presumere l’esistenza di una discriminazione, spetta al convenuto dimostrare che non vi è stata violazione del principio di parità di trattamento. Questo meccanismo di inversione dell’onere probatorio assume un’importanza particolare nel contesto algoritmico, dove la “scatola nera” dei sistemi di AI rende spesso impossibile per il candidato escluso ricostruire le ragioni dell’esclusione.
La questione è analizzata da Filippo Bordoni, ricercatore dottorale in Diritto del Lavoro presso l’Università degli Studi di Milano-Bicocca, nel suo studio pubblicato nel 2023 sulla rivista Labour & Law Issues, intitolato Il processo di selezione del personale e la sua automazione in Italia. L’automazione dei processi di assunzione attraverso strumenti basati sull’IA solleva interrogativi fondamentali sull’applicazione delle tradizionali categorie giuridiche del diritto del lavoro italiano, in particolare quando la decisione non è riconducibile a un atto volitivo umano identificabile, ma emerge da processi computazionali opachi.
👉 Leggi anche: Discriminazione algoritmica nel recruiting: responsabilità datoriale e rimedi legali secondo la giurisprudenza italiana 2025-2026
L’AI Act europeo e gli obblighi di trasparenza e conformità
Il quadro normativo si è arricchito in modo decisivo con l’entrata in vigore del Regolamento (UE) 2024/1689, comunemente noto come AI Act, che rappresenta il primo corpus normativo organico dedicato alla disciplina dei sistemi di intelligenza artificiale nell’Unione Europea. È opportuno precisare che il numero di regolamento corretto è 2024/1689: riferimenti a numeri diversi presenti in alcune fonti secondarie non trovano riscontro nel testo ufficiale pubblicato nella Gazzetta Ufficiale dell’Unione Europea.
L’AI Act introduce una classificazione dei sistemi di AI in base al livello di rischio che presentano. I sistemi utilizzati per la selezione del personale, la valutazione dei candidati e la gestione delle risorse umane sono classificati come sistemi ad alto rischio, con conseguente applicazione di un regime stringente di obblighi. In particolare, i fornitori e gli utilizzatori di tali sistemi sono tenuti a garantire la trasparenza del funzionamento del sistema, a condurre valutazioni di conformità prima della messa in uso, a implementare misure di supervisione umana, a tenere registrazioni delle operazioni del sistema, e a fornire agli individui interessati spiegazioni significative delle decisioni automatizzate che li riguardano.
Per il datore di lavoro che utilizza un sistema di AI per il reclutamento, la qualificazione come “utilizzatore” ai sensi dell’AI Act comporta responsabilità concrete: verificare che il sistema sia stato sviluppato in conformità ai requisiti normativi, garantire che il personale addetto alla selezione abbia ricevuto un’adeguata formazione sull’uso del sistema, e assicurare che le decisioni finali di assunzione siano soggette a un controllo umano effettivo e non meramente formale. Come analizzato da De Luca & Partners nel contributo Diritto del Lavoro e Intelligenza Artificiale: Rischi e Compliance, la compliance in questo settore richiede un approccio integrato che coinvolga competenze legali, tecniche e organizzative.
Per un approfondimento diretto sul testo normativo e sulle linee guida interpretative ufficiali, si rinvia alla pagina della Commissione Europea dedicata al quadro regolatorio sull’intelligenza artificiale.
La discriminazione algoritmica nel reclutamento: profili di responsabilità datoriale
La responsabilità per fatto dell’algoritmo
La questione centrale che il diritto del lavoro deve affrontare è se e in che misura il datore di lavoro risponda degli effetti discriminatori prodotti da un sistema algoritmico che egli ha scelto di adottare ma che non ha progettato. La risposta che emerge dalla lettura sistematica delle fonti normative è tendenzialmente affermativa, per almeno tre ragioni convergenti.
In primo luogo, il principio di responsabilità per fatto dell’ausiliario, applicato in chiave analogica, suggerisce che chi si avvale di uno strumento — umano o tecnologico — per svolgere attività che rientrano nella propria sfera organizzativa non può sottrarsi alle conseguenze giuridiche degli atti compiuti tramite quello strumento. In secondo luogo, la discriminazione indiretta non richiede l’elemento soggettivo dell’intento discriminatorio: è sufficiente che la prassi adottata produca effetti statisticamente svantaggiosi per un gruppo protetto, indipendentemente dalla consapevolezza o dalla volontà del datore. In terzo luogo, l’AI Act colloca esplicitamente il datore di lavoro nella posizione di “utilizzatore” con obblighi propri e autonomi, distinti da quelli del fornitore del sistema.
Il bias di genere come caso paradigmatico
Il bias di genere nei sistemi di AI per il reclutamento rappresenta il caso più documentato e giuridicamente rilevante. La ricerca condotta da GiudaLab (Dipartimento di Ingegneria Meccanica, Energetica e Gestionale, Università della Calabria) e dal Dipartimento di Meccanica, Matematica e Management del Politecnico di Bari, sotto la direzione scientifica di Salvatore Ammirato, ha esaminato specificamente il fenomeno del bias di genere nell’AI applicata al reclutamento, esplorando anche le strategie di debiasing. Questo tipo di ricerca interdisciplinare — che unisce competenze ingegneristiche e gestionali — è essenziale per comprendere come i meccanismi tecnici producano discriminazioni giuridicamente rilevanti.
Dal punto di vista giuridico, un sistema che sistematicamente assegna punteggi più bassi alle candidature femminili in settori tradizionalmente maschili — anche quando le qualifiche sono equivalenti — produce una discriminazione indiretta di genere che, se dimostrata attraverso analisi statistiche, può fondare una pretesa risarcitoria nei confronti del datore di lavoro che ha adottato quel sistema senza adeguata verifica preventiva.
👉 Leggi anche: Intelligenza artificiale e responsabilità del datore di lavoro: il caso dei sistemi di monitoraggio predittivo
L’obbligo di due diligence algoritmica
Emerge con crescente chiarezza dalla letteratura giuridica più recente l’idea che il datore di lavoro sia gravato da un obbligo di due diligence algoritmica: prima di adottare un sistema di AI per la selezione del personale, egli deve verificare che il sistema sia stato sottoposto a test di equità, che i dati di addestramento siano stati selezionati in modo da minimizzare i rischi di bias, e che esistano meccanismi di monitoraggio continuo delle performance del sistema in termini di equità nei risultati. Come sottolinea la professoressa Maura Ranieri dell’Università Magna Græcia di Catanzaro nel suo saggio Sistemi di Intelligenza Artificiale: accesso al lavoro e discriminazione, pubblicato su federalismi.it nel febbraio 2026, la prospettiva del diritto antidiscriminatorio offre strumenti analitici preziosi per affrontare le sfide poste dall’AI nell’accesso al lavoro, richiedendo un ripensamento delle categorie tradizionali alla luce delle specificità tecnologiche.
Per una panoramica aggiornata degli orientamenti europei in materia di AI e mercato del lavoro, è utile consultare le risorse dell’Fondazione Europea per il Miglioramento delle Condizioni di Vita e di Lavoro (Eurofound), che monitora sistematicamente l’impatto della digitalizzazione sulle relazioni di lavoro nell’Unione Europea.
Obblighi pratici per il datore di lavoro: dalla compliance alla prevenzione
La valutazione d’impatto preventiva
Prima di implementare qualsiasi sistema automatizzato di selezione del personale, il datore di lavoro dovrebbe condurre una valutazione d’impatto che comprenda almeno tre dimensioni: la conformità al diritto antidiscriminatorio, la conformità alla normativa sulla protezione dei dati personali — in particolare al GDPR, che pone vincoli stringenti sul trattamento automatizzato di dati che producono effetti significativi sugli individui — e la conformità all’AI Act per i sistemi ad alto rischio. Questa valutazione non è un adempimento una tantum, ma deve essere periodicamente rinnovata, specialmente quando il sistema viene aggiornato o quando i dati di addestramento vengono modificati.
La supervisione umana effettiva
Uno dei requisiti più importanti imposti dall’AI Act per i sistemi ad alto rischio è la supervisione umana. Tuttavia, la norma non si accontenta di una supervisione meramente formale: è necessario che il soggetto umano coinvolto nel processo decisionale abbia effettivamente la capacità di comprendere i limiti del sistema, di identificare eventuali anomalie o bias nei risultati, e di discostarsi dalla raccomandazione algoritmica quando questa appaia ingiustificata o potenzialmente discriminatoria. Questo richiede investimenti in formazione specifica del personale HR, e non soltanto l’apposizione di una firma umana a valle di una decisione già sostanzialmente automatizzata.
La trasparenza verso i candidati
Il diritto alla spiegazione delle decisioni automatizzate, sancito dall’articolo 22 del GDPR e rafforzato dall’AI Act, impone al datore di lavoro di informare i candidati dell’utilizzo di sistemi automatizzati nella selezione e di fornire, su richiesta, spiegazioni significative dei criteri applicati. Questo obbligo di trasparenza non è soltanto un adempimento formale: esso è funzionalmente connesso all’effettività del diritto antidiscriminatorio, perché senza accesso alle informazioni sul funzionamento del sistema il candidato escluso non è in grado di raccogliere gli elementi di fatto necessari per attivare il meccanismo dell’inversione dell’onere probatorio.
Scenari applicativi e orientamenti emergenti
La discriminazione algoritmica nel reclutamento si manifesta in forme diverse a seconda del settore e del tipo di strumento utilizzato. Nei settori altamente tecnici, dove la domanda di competenze specializzate è elevata, i sistemi di matching algoritmico possono escludere sistematicamente candidati provenienti da percorsi formativi non tradizionali, penalizzando implicitamente chi ha acquisito competenze attraverso l’esperienza pratica o la formazione autodidatta piuttosto che attraverso percorsi universitari canonici. Nei settori a prevalenza femminile, i sistemi addestrati su dati storici possono paradossalmente riprodurre segregazioni occupazionali che il diritto antidiscriminatorio intende superare.
La letteratura giuridica italiana più recente — come testimoniano i contributi di Ranieri, Peruzzi, Bordoni e le analisi di De Luca & Partners — converge nell’indicare che il diritto del lavoro italiano, pur non essendo stato specificamente progettato per affrontare le sfide dell’automazione algoritmica, dispone di strumenti interpretativi sufficientemente flessibili per estendere le tutele antidiscriminatorie ai nuovi contesti tecnologici. Il nodo critico rimane quello probatorio e quello della definizione di standard tecnici di equità che possano essere tradotti in criteri giuridicamente verificabili.
Conclusioni: verso una responsabilità datoriale consapevole nell’era dell’AI
La discriminazione algoritmica nel reclutamento rappresenta una delle frontiere più avanzate e problematiche del diritto del lavoro contemporaneo. Il datore di lavoro che adotta sistemi di AI per la selezione del personale non può limitarsi a delegare all’algoritmo la responsabilità delle scelte: egli rimane il soggetto giuridicamente responsabile degli effetti discriminatori che quei sistemi producono, in forza del diritto antidiscriminatorio tradizionale, degli obblighi specifici introdotti dall’AI Act, e dei principi generali sulla protezione dei dati personali. La compliance non è un’opzione, ma una condizione necessaria per l’esercizio legittimo del potere di selezione. Investire in una due diligence algoritmica rigorosa, garantire una supervisione umana effettiva e assicurare la trasparenza verso i candidati non sono soltanto adempimenti normativi: sono le condizioni per costruire processi di selezione che siano al tempo stesso efficienti e giusti, capaci di valorizzare il merito senza perpetuare le disuguaglianze che il diritto antidiscriminatorio si propone di eliminare. Il dialogo tra giuristi, ingegneri e responsabili HR è oggi più necessario che mai, e la letteratura accademica e professionale italiana dimostra che questo dialogo è già in corso, con risultati promettenti per la definizione di standard condivisi di equità algoritmica.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
