Tecnologie di selezione e intelligenza artificiale: ottimizzare lo screening preservando il valore umano

La recente entrata in vigore di una nuova fase dell’AI Act emanato dall’Unione Europea riporta prepotentemente alla ribalta il tema del bilanciamento tra l’utilizzo di strumenti di Intelligenza Artificiale e la supervisione umana. Un tema molto caldo soprattutto nel settore della Ricerca e Selezione del Personale, in cui l’AI è presente già da tempo.

La digitalizzazione dei processi di selezione nel 2026: scenari di mercato ed evoluzione delle competenze

Il panorama del mercato del lavoro e della gestione dei talenti ha raggiunto nel 2026 una fase di digitalizzazione pervasiva, guidata dalla necessità di far fronte a mercati complessi e a flussi di candidature massivi. L’adozione di sistemi automatizzati e l’integrazione di soluzioni basate sull’intelligenza artificiale non costituiscono più un’opzione d’avanguardia, bensì lo standard operativo per la sopravvivenza competitiva delle organizzazioni. 

Questa transizione è strettamente legata alla gestione della scarsità di talenti e alla necessità di ottimizzare le fasi preliminari di screening, riducendo i tempi di risposta e migliorando l’accuratezza dell’abbinamento tra domanda e offerta di lavoro. Nelle regioni a forte vocazione industriale, come la Lombardia e il Veneto, le imprese si trovano spesso a dover gestire il paradosso di ricerche di personale che non trovano riscontro o di colloqui che rimangono deserti, rendendo indispensabile l’adozione di metodologie capaci di intercettare il candidato ideale nel minor tempo possibile.   

Questa profonda evoluzione tecnologica impone una trasformazione radicale delle competenze richieste sul mercato, definendo una nuova domanda di e-skill sia per i candidati sia per i professionisti delle risorse umane. Da un lato, chi si propone nel mercato del lavoro deve acquisire la capacità di muoversi all’interno di processi di selezione digitalizzati, comprendendo le logiche con cui i propri dati vengono acquisiti, analizzati e valorizzati dalle piattaforme di reclutamento. Dall’altro lato, per i professionisti del settore HR, l’avvento delle piattaforme ATS (Applicant Tracking System) intelligenti ha ridefinito il perimetro della professione. Non è più sufficiente possedere doti relazionali o di valutazione psicologica; al recruiter moderno è richiesta un’elevata alfabetizzazione digitale per configurare i sistemi, monitorare i flussi di dati, interpretare i report predittivi e vigilare sul corretto funzionamento degli algoritmi, scongiurando fenomeni di esclusione arbitraria o di bias sistemici.   

Il mercato si trova pertanto di fronte a una duplice sfida: implementare l’efficienza dei flussi automatizzati e, al contempo, garantire che la tecnologia operi come un facilitatore inclusivo, in grado di ampliare le opportunità di inserimento lavorativo anziché ridurle attraverso l’applicazione di filtri eccessivamente rigidi.   

Il funzionamento degli algoritmi multi-parametro: l’esperienza pionieristica di etalentum e il bot ‘Robinson’

Per comprendere come l’innovazione tecnologica possa superare le rigidità dei tradizionali sistemi di tracciamento dei candidati (ATS), è utile analizzare l’evoluzione delle tecnologie proprietarie basate sugli algoritmi di screening dei curriculum vitae. I software di prima generazione si limitavano a una ricerca letterale e binaria di parole chiave, determinando l’esclusione automatica di profili di alto valore che semplicemente utilizzavano sinonimi o strutture sintattiche non predefinite. Per ovviare a questo limite, la ricerca scientifica ha sviluppato sistemi multi-parametro in grado di operare valutazioni complessive e dinamiche.   

Un esempio significativo di questo approccio è rappresentato dall’esperienza di Etalentum, società di ricerca e selezione fondata nel 2012 da Jaume Alemany e David Boixader come progetto finale di un master, con l’obiettivo di istituire la prima realtà di selezione interamente online in Spagna, partendo dall’operatività nella zona di Vic. L’azienda ha successivamente esteso la propria presenza a livello internazionale, iniziando a stabilire in Italia una rete di uffici coordinata dalla sede centrale di Bergamo e dislocata sul territorio per garantire un modello di prossimità geografica e una profonda conoscenza dei mercati locali. 

Nel 2017, l’organizzazione ha implementato ‘Robinson’, il primo algoritmo proprietario basato sull’intelligenza artificiale concepito per automatizzare la lettura dei curricula, valutare i profili dei candidati e generare report dettagliati, ottimizzando l’efficacia dell’intero processo di reclutamento.   

Il funzionamento di questo algoritmo di intelligenza artificiale è alimentato dall’analisi continua di migliaia processi di selezione reali. Un addestramento che consente al sistema di ridurre drasticamente gli scarti automatici incrociando simultaneamente diverse variabili:   

L’algoritmo non esegue una somma aritmetica delle corrispondenze, ma assegna pesi specifici e ponderati ai diversi elementi in base alla natura e alle caratteristiche dei precedenti incarichi lavorativi svolti dai candidati. Questo approccio di recruiting predittivo permette di identificare correlazioni non lineari: ad esempio, una leggera distanza geografica può essere compensata da un’eccellente e coerente traiettoria esperienziale o da elevate competenze linguistiche, evitando lo scarto aprioristico del candidato.   

Utilizzando un sistema di scoring dinamico, il sistema simula la flessibilità interpretativa di un selezionatore umano, ottimizzando lo screening iniziale senza sacrificare il valore della diversità e dell’inclusione professionale.   

L’importanza della validazione umana: i limiti strutturali dell’IA e il colloquio clinico-comportamentale

Sebbene le tecnologie di screening iniziale abbiano raggiunto livelli di accuratezza elevati, la letteratura e la pratica operativa evidenziano limiti intrinseci e invalicabili nei modelli basati interamente sull’intelligenza artificiale, in particolare per quanto concerne l’uso di modelli generativi e predittivi nella valutazione qualitativa dei candidati. 

Gli strumenti algoritmici mancano della capacità di cogliere l’ambiguità, il contesto culturale profondo, l’empatia e l’intuizione. Le competenze trasversali (soft skills) — come la leadership, la capacità di lavorare in squadra, la gestione costruttiva dei conflitti e l’adattabilità a contesti stressanti — non sono dati strutturati estraibili fedelmente da una semplice scansione testuale. Un algoritmo può rilevare la presenza della parola “comunicazione” in un testo, ma non è in grado di misurare la qualità relazionale, la trasparenza o la risonanza emotiva di un professionista.   

Per tali ragioni, la validazione umana condotta da selezionatori esperti attraverso il colloquio clinico-comportamentale rimane un pilastro insostituibile del processo di selezione. Questo metodo si fonda sull’assunto psicologico che i comportamenti agiti in passato costituiscano i predittori più affidabili delle risposte comportamentali future in situazioni analoghe.     

La conduzione di un colloquio così strutturato richiede competenze psicologiche e relazionali che risiedono esclusivamente nella sensibilità del selezionatore. Durante l’interazione diretta, l’esperto di risorse umane decodifica elementi non verbali, rileva incongruenze tra il detto e il non detto, valuta la coerenza espositiva e calibra le domande in base alle risposte fornite, instaurando una comunicazione a due vie che valorizza la soggettività del candidato. Il selezionatore non agisce come un mero esecutore di punteggi, ma come un mediatore culturale capace di valutare la congruenza tra i valori personali della risorsa e l’ecosistema organizzativo dell’azienda cliente.   

Il nuovo framework regolatorio europeo: l’impatto dell’AI Act e del GDPR nel recruiting

L’integrazione dell’intelligenza artificiale nei processi di reclutamento non è più soltanto una scelta strategica e metodologica, ma è soggetta a un rigoroso quadro normativo a livello europeo. Il Regolamento Europeo sull’Intelligenza Artificiale (AI Act – Regolamento UE 2024/1689) definisce un approccio basato sul rischio, classificando le applicazioni tecnologiche in base alla loro potenziale lesività dei diritti fondamentali.   

Nell’ambito delle risorse umane, i sistemi software impiegati per la selezione, lo screening dei curricula, la classificazione e la valutazione dei candidati sono esplicitamente inseriti nella categoria dei sistemi ad alto rischio (Allegato III). La classificazione deriva dal fatto che tali strumenti influenzano in modo determinante l’accesso al lavoro e la carriera professionale delle persone, potendo perpetuare discriminazioni storiche qualora gli algoritmi venissero addestrati su dati non rappresentativi o distorti.

La recente approvazione del pacchetto di semplificazione europea (AI Digital Omnibus) ha rimodulato la roadmap temporale per l’adeguamento delle imprese, delineando scadenze specifiche e differenziate per i diversi obblighi normativi:   

Le aziende che utilizzano software HR basati sull’intelligenza artificiale assumono la qualifica legale di “deployer” (utilizzatori), dovendo rispondere a obblighi precisi che ridisegnano la governance dei dati. Il deployer deve garantire che il sistema sia utilizzato in conformità con le istruzioni del fornitore, assegnare la sorveglianza umana a personale competente e specificamente formato, monitorare costantemente il corretto funzionamento, sospendere l’uso in caso di rischi gravi e conservare i log generati dal sistema per un periodo minimo di sei mesi. Inoltre, sussiste l’obbligo di informare preventivamente i lavoratori e i loro rappresentanti sindacali in merito all’adozione di tali strumenti sul posto di lavoro, fornendo spiegazioni chiare e intelligibili alle persone fisiche soggette a decisioni automatizzate.   

Questo impianto normativo si integra in modo sinergico con il Regolamento Generale sulla Protezione dei Dati (GDPR). Le aziende devono infatti garantire una base giuridica valida per il trattamento dei dati personali, rispettare i principi di minimizzazione e proporzionalità, e condurre una valutazione d’impatto sulla protezione dei dati (DPIA) appositamente integrata per gli aspetti legati all’IA. In Italia, la vigilanza sul rispetto di queste disposizioni è affidata ad autorità competenti come l’Agenzia per la Cybersicurezza Nazionale (ACN) e il Garante per la protezione dei dati personali.   

L’apparato sanzionatorio introdotto dall’AI Act sottolinea la criticità della conformità legale. Per le violazioni delle pratiche vietate, le multe possono raggiungere i 35 milioni di euro o il 7% del fatturato mondiale annuo globale. L’inosservanza degli obblighi relativi ai sistemi ad alto rischio o ai requisiti di trasparenza comporta sanzioni fino a 15 milioni di euro o al 3% del fatturato, mentre la fornitura di informazioni inesatte o fuorvianti alle autorità di controllo è punita con sanzioni fino a 7,5 milioni di euro o all’1% del fatturato. Al fine di garantire equità nel tessuto produttivo, il regolamento prevede l’applicazione del principio di proporzionalità per le piccole e medie imprese (PMI) e per le start-up, per le quali si applica l’importo o la percentuale inferiore tra quelli indicati.   

Linee guida per i candidati: ottimizzazione del curriculum per lo screening algoritmico

Dinanzi a una presenza massiva di sistemi automatizzati di preselezione, per i candidati diviene essenziale comprendere come strutturare la propria candidatura. L’obiettivo fondamentale consiste nel facilitare la lettura del documento da parte dei parser degli ATS, senza tuttavia privare il curriculum del proprio valore narrativo, indispensabile per superare la successiva e decisiva fase di valutazione umana.   

La leggibilità da parte degli algoritmi dipende in prima istanza da parametri tecnici di formattazione e layout. I motori di parsing convertono i file di testo in stringhe di dati strutturati, procedendo secondo un ordine sequenziale standard (da sinistra a destra, dall’alto verso il basso). Per evitare errori di trascrizione automatica dei dati o lo scarto del profilo per impossibilità di lettura, si raccomanda di conformarsi a standard specifici:  

Sotto il profilo del contenuto, l’efficacia dello screening algoritmico si basa sul corretto posizionamento delle parole chiave. Il candidato deve analizzare sistematicamente l’annuncio di lavoro per estrarre la terminologia utilizzata dal recruiter nella descrizione della posizione, integrando tali parole chiave in modo fluido ed omogeneo all’interno del proprio profilo professionale, delle competenze e dell’esperienza lavorativa. È opportuno inserire sia gli acronimi sia le definizioni per esteso (ad esempio, inserendo sia “SEO” sia “Search Engine Optimization”), poiché non tutte le piattaforme sono dotate di dizionari di sinonimi integrati.   

Per preservare lo stile narrativo e l’impatto sul selezionatore umano, si suggerisce di coniugare le parole chiave con la descrizione di risultati concreti. L’uso di verbi d’azione all’inizio di ciascuna descrizione professionale (es. “coordinato”, “sviluppato”, “analizzato”, “incrementato”) conferisce dinamismo al profilo, consentendo al contempo agli algoritmi di mappare correttamente le competenze operative.   

Il curriculum deve riflettere un’identità professionale autentica, evitando il fenomeno dell’iper-ottimizzazione artificiale (ovvero l’inserimento forzato di elenchi di parole chiave prive di contesto), che verrebbe immediatamente svelata e penalizzata durante la fase di colloquio clinico.   

L’effetto dell’AI Act: raccomandazioni operative

L’analisi dei processi di selezione nel 2026 evidenzia che la tecnologia e il fattore umano non costituiscono elementi in contrapposizione, bensì due facce della medesima medaglia organizzativa. L’adozione di una piattaforma ATS intelligente e l’impiego di soluzioni basate sul recruiting predittivo consentono di governare la complessità del mercato del lavoro, a patto che tali strumenti siano concepiti come abilitatori inclusivi e non come barriere d’accesso rigide ed escludenti. La tecnologia proprietaria, quando strutturata su algoritmi multi-parametro e validata scientificamente, è in grado di valorizzare la ricchezza dei profili riducendo i tassi di scarto accidentale.   

Al contempo, l’introduzione dell’AI Act impone alle organizzazioni un ripensamento etico e procedurale delle proprie metodologie di selezione. 

I dipartimenti HR e le agenzie di Ricerca e Selezione devono strutturare percorsi di governance interna rigorosi, garantendo che ogni automazione sia costantemente soggetta alla supervisione e alla convalida di un professionista umano. Il colloquio clinico-comportamentale rimane la sola modalità idonea a misurare il potenziale emotivo, motivazionale e attitudinale di una risorsa, traducendo il dato analitico in una scelta di inserimento strategica e duratura.   

Per le aziende che intendono operare in conformità con i requisiti normativi e massimizzare l’efficacia dei propri processi di attrazione dei talenti, si delineano le seguenti raccomandazioni operative:

• mappatura e audit dei sistemi di selezione: censire l’intera infrastruttura software aziendale per identificare i sistemi che rientrano nella definizione di “alto rischio” ai sensi dell’Allegato III dell’AI Act, pianificandone l’adeguamento documentale e procedurale entro la scadenza del 2 dicembre 2027;   
• implementazione di protocolli di supervisione umana: istituire policy aziendali che vietino l’adozione di decisioni di esclusione o assunzione basate esclusivamente su trattamenti automatizzati, garantendo che la valutazione finale sia sempre validata da un selezionatore qualificato;   
• sviluppo di programmi di formazione continua (AI Literacy): avviare programmi sistematici di alfabetizzazione sull’intelligenza artificiale per tutto il personale HR, in ottemperanza all’obbligo previsto dall’Articolo 4 del Regolamento Europeo, focalizzando la formazione sull’interpretazione critica degli output algoritmici e sulla prevenzione dei bias;   
• integrazione dei requisiti di trasparenza e privacy: aggiornare la modulistica di candidatura, le informative sul trattamento dei dati personali e i canali di interazione digitale (es. chatbot) per assicurare la piena trasparenza informativa richiesta dall’Articolo 50 dell’AI Act e dalle direttive del GDPR, conducendo le necessarie valutazioni d’impatto sulla protezione dei dati (DPIA).   

Attraverso questo modello di integrazione responsabile, le imprese possono conciliare le straordinarie opportunità di ottimizzazione offerte dall’intelligenza artificiale con il rispetto dei diritti fondamentali dei candidati, consolidando la propria reputazione sul mercato e costruendo organizzazioni solide, eque e orientate al futuro.