AI in HR e recruiting: screening dei CV, non decisione di assunzione

Un recruiter che riceve centinaia di candidature per una posizione aperta affronta un problema quasi puramente di filtraggio prima ancora di poter esercitare qualunque giudizio: separare le candidature che meritano una lettura approfondita da quelle chiaramente non allineate ai requisiti minimi. Questo è esattamente il tipo di compito -- volume alto, criteri espliciti, struttura ripetitiva -- dove un sistema ben costruito restituisce giorni di lavoro, permettendo al recruiter di dedicare il proprio tempo alle candidature che superano il filtro iniziale, con una lettura umana reale invece che una scansione affrettata di tutte.

Il rischio, documentato ripetutamente e non ipotetico, è lo stesso visto in altri settori con decisioni storiche come dato di addestramento: un sistema che impara "che aspetto ha un buon candidato" da assunzioni passate eredita qualunque pattern esistesse in quelle assunzioni, incluso qualunque squilibrio non intenzionale di genere, età, o provenienza che le decisioni umane precedenti potrebbero aver prodotto senza che nessuno lo intendesse esplicitamente. Un caso reale, ampiamente riportato, ha visto un grande sistema di screening penalizzare sistematicamente candidature che contenevano la parola "donne" (come in "capitana della squadra di scacchi donne") semplicemente perché lo storico di assunzioni tecniche su cui era stato addestrato era sbilanciato.

La contromisura non è evitare l'AI nello screening -- è restringere esplicitamente cosa il sistema valuta: competenze dichiarate, esperienza rilevante, requisiti oggettivi della posizione -- ed escludere esplicitamente segnali che correlano con categorie protette senza essere rilevanti per la competenza. Questo richiede una progettazione consapevole del criterio di valutazione, non un modello generico lasciato libero di trovare pattern in dati storici che potrebbero riflettere pregiudizi passati piuttosto che merito reale.

Un secondo caso d'uso, meno controverso e altrettanto utile: la schedulazione dei colloqui e la comunicazione con i candidati durante tutto il processo -- conferme, promemoria, aggiornamenti di stato -- un lavoro puramente logistico che consuma tempo amministrativo senza richiedere alcun giudizio, e la cui automazione migliora anche l'esperienza del candidato, che riceve risposte più rapide invece di aspettare giorni per una semplice conferma di appuntamento.

Il principio che dovrebbe guidare ogni adozione in questo ambito, forse più che in ogni altro data la posta in gioco per la vita delle persone coinvolte: l'AI filtra e organizza, un umano decide. Nessun sistema dovrebbe mai rifiutare automaticamente una candidatura senza che un recruiter abbia potuto vedere, se richiesto, perché è stata filtrata -- la trasparenza del criterio non è un dettaglio tecnico opzionale, è la condizione minima perché un processo di selezione automatizzato resti equo e difendibile.

Un esempio concreto chiarisce il rischio e la contromisura: un sistema che impara da assunzioni tecniche passate in un settore storicamente sbilanciato verso un genere puo penalizzare candidature che menzionano attivita associate all'altro genere, anche quando irrilevanti per il ruolo. La contromisura pratica non e ignorare il problema ma testare esplicitamente il sistema con coppie di CV identici tranne che per segnali demografici, verificando che il punteggio assegnato non cambi -- un controllo semplice da fare, spesso saltato.

Un team HR che valuta questi strumenti dovrebbe insistere, prima di adottare qualunque sistema di screening, su una richiesta esplicita al fornitore: quali dati sono stati usati per l'addestramento, e quali test di equita sono stati condotti -- una domanda che ogni fornitore serio dovrebbe poter rispondere con specificita, non con rassicurazioni generiche.