È arrivata
Scopri di più →
Categorie HR

HR Decoder. Human + AI: il modello operativo del giudizio aumentato

Condividi su:

Quando l'AI entra nelle decisioni, il vantaggio non è adottarla, ma ridisegnare il giudizio che le accompagna

Nelle edizioni precedenti di HR Decoder abbiamo letto l'organizzazione come sistema di competenze (la skill-based organization di maggio) e la leadership come variabile critica sotto pressione (i fattori di deriva di giugno). Questo mese ci spostiamo sul gesto che tiene insieme competenze e leadership: la decisione. E sulla forza che la sta ridisegnando più rapidamente di qualsiasi altra, l'intelligenza artificiale.

L'intelligenza artificiale non è un problema di adozione di strumenti. È un problema di ridisegno del giudizio.

In Italia l'adozione è ormai un dato acquisito. Il ridisegno del modo in cui si decide è ancora un'eccezione. La maggior parte delle organizzazioni ha introdotto strumenti senza ridefinire chi decide cosa, su quali basi e con quale responsabilità. È in questa distanza, tra la disponibilità della tecnologia e la trasformazione effettiva delle decisioni, che si gioca il vantaggio competitivo dei prossimi anni. Non lo costruirà chi avrà gli strumenti migliori, ma chi avrà riprogettato il proprio modello operativo del giudizio.

Keywords: giudizio aumentato · automazione e capacità · responsabilità decisionale · human-in-the-loop · automation bias · AI Act · governance dell'AI

Perché parlarne ora, e perché riguarda chi si occupa di persone

Il tema dell'AI nelle organizzazioni non è nuovo. Ciò che è cambiato, e in fretta, è la sua pervasività nelle decisioni e l'asimmetria tra quanto è diffusa e quanto è governata.

Sul fronte dell'adozione, i numeri non lasciano spazio a dubbi. Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 l'84% delle grandi imprese italiane ha sottoscritto licenze per almeno uno strumento di AI generativa, con un incremento di 31 punti percentuali rispetto all'anno precedente, e il 71% ha avviato almeno un progetto di intelligenza artificiale.

L'AI non è più confinata alle funzioni tecniche: compare già nel 27% degli annunci di lavoro per Chief Human Resources Officer, segno che la competenza entra nel cuore della funzione HR e non solo ai suoi margini.

Anche l'impatto operativo è misurabile. L'Osservatorio HR Innovation Practice della stessa università rileva che il 45% delle aziende ha investito in AI a supporto dei processi HR e il 60% per la produttività individuale. Chi utilizza questi strumenti lo fa per circa il 20% delle proprie attività, con un risparmio di tempo medio del 26%, all'incirca 30 minuti al giorno, che salgono a 50 per gli utenti quotidiani. Sul versante della selezione, i dati di LinkedIn indicano una riduzione del time-to-hire intorno al 40% con il recruiting assistito dall'AI, concentrata soprattutto nella fase di screening.

Il quadro internazionale conferma la traiettoria. Secondo i Global Human Capital Trends 2026 di Deloitte, il 60% dei dirigenti usa ormai regolarmente l'AI a supporto delle proprie decisioni, mentre Gartner stima che entro il 2027 la metà delle decisioni di business sarà aumentata o automatizzata da agenti di AI.

È qui, però, che il dato si rovescia. La diffusione degli strumenti non corrisponde a una trasformazione del modo di decidere.

L'Osservatorio HR del Politecnico segnala che il 69% delle direzioni HR prevede di aumentare gli investimenti in AI, ma con motivazioni prevalentemente tattiche, riduzione dei costi ed efficienza, più che strategiche.

Solo il 14% delle aziende effettua un'analisi d'impatto delle tecnologie adottate, e ben il 21% non sa nemmeno se gli strumenti che utilizza siano abilitati da AI. La governance, sul piano strutturale, è ancora più indietro: secondo l'Osservatorio Artificial Intelligence, solo il 9% delle grandi imprese ha una gestione strutturata dell'AI e appena il 15% ha avviato progetti organici di adeguamento all'AI Act.

A rendere il tema non più rinviabile interviene il quadro normativo. L'AI Act europeo classifica i sistemi di AI per la selezione e la gestione del personale come applicazioni ad alto rischio, imponendo supervisione umana, audit periodici e trasparenza verso i candidati. È in vigore dal 2 agosto 2024 e sarà pienamente applicabile dal 2 agosto 2026, mentre in Italia la Legge quadro sull'intelligenza artificiale (n. 132/2025) ne ha recepito i principi. Per la funzione HR significa che molte decisioni oggi delegate, in tutto o in parte, a un algoritmo dovranno essere documentate, spiegabili e presidiate da una responsabilità umana esplicita.

Un'inversione di prospettiva: dall'adozione di strumenti al ridisegno del giudizio

Il modo più fuorviante di leggere l'AI è trattarla come l'ennesimo software da introdurre. È un errore di categoria: l'intelligenza artificiale non aggiunge una funzione a un processo, cambia la struttura economica della decisione.

La distinzione utile è quella tra previsione e giudizio. L'AI abbatte il costo della previsione (stimare, classificare, ordinare informazioni), ma una previsione non è una decisione.

Tra il dato e la scelta resta il giudizio: definire cosa conta, leggere il contesto, valutare le conseguenze, assumersi la responsabilità. Più la previsione diventa abbondante e a basso costo, più il giudizio diventa la risorsa scarsa, e quindi distintiva.

Non a caso, secondo SHRM , tre quarti degli HR professional ritengono che l'AI accrescerà il valore del giudizio umano; e uno studio della Harvard Business School (Koning e Ammerman, 2025) mostra che l'AI generativa non distingue in modo affidabile le idee valide da quelle mediocri: può ampliare le opzioni, non scegliere fra esse.

Adottare uno strumento cambia ciò che un'organizzazione può calcolare; ridisegnare il giudizio cambia chi decide, su quali basi e con quale responsabilità. La prima operazione si compra, la seconda si progetta.

La confusione tra le due è la ragione per cui investimenti crescenti producono trasformazioni modeste.

I due nodi strutturali del giudizio aumentato

Tra l'automazione, che libera capacità, e il giudizio, che resta in capo alle persone, corre una linea che ogni organizzazione deve imparare a tracciare consapevolmente. Due nodi spiegano perché.

Nodo 1 — Dove l'automazione libera capacità

Esiste un'ampia fascia di attività HR in cui l'AI restituisce tempo e qualità senza sottrarre nulla di essenziale al lavoro umano. Sono le attività ad alto volume e a struttura ripetitiva: la prima scrematura delle candidature, la redazione di job description, la sintesi di documenti, la risposta a domande operative ricorrenti, l'organizzazione di dati dispersi. Qui l'automazione agisce come un amplificatore: assorbe il carico procedurale e libera capacità cognitiva per ciò che la richiede davvero.

Il punto, però, non è il tempo risparmiato in sé, ma il suo reimpiego. I dati dell'Osservatorio HR del Politecnico indicano che il tempo liberato viene investito in attività più produttive, in compiti a maggior valore aggiunto o in spazi personali.

La differenza tra un'organizzazione che usa bene l'AI e una che la spreca non sta nei minuti recuperati, ma in cosa li riempie.

Un esempio italiano lo offre Generali , premiata agli HR Innovation Award 2025 per l'impiego dell'AI generativa nel performance management, con assistenti conversazionali a supporto del processo di valutazione: lo strumento prepara e struttura, la valutazione resta una responsabilità delle persone.

In questa fascia il rischio non è la perdita di controllo, ma la perdita di competenza. Se l'automazione assorbe le attività di base senza che si coltivi la capacità di leggerne gli esiti, il deskilling diventa un effetto collaterale silenzioso, e con esso la dipendenza acritica dagli strumenti.

Nodo 2 — Dove il giudizio resta non delegabile

C'è poi una fascia di decisioni che non è possibile esternalizzare a un modello, non per limiti tecnici contingenti, ma per loro natura. Sono le scelte che richiedono l'interpretazione del contesto, l'assunzione di responsabilità, la considerazione dei valori e delle conseguenze sulle persone: valutare il potenziale e il "culture add" di un candidato, decidere una promozione o un'uscita, gestire un conflitto, leggere un caso che esce dagli schemi su cui il modello è stato addestrato.

Il pericolo, qui, è duplice e prende il nome di calibrazione della fiducia. La ricerca sull'interazione fra esseri umani e AI documenta due distorsioni opposte e ugualmente costose: da un lato l'eccesso di fiducia, l'automation bias, per cui si accettano output errati solo perché provengono da un sistema percepito come oggettivo; dall'altro l'avversione all'algoritmo, per cui si scartano output corretti per istintiva diffidenza. Entrambe nascono dallo stesso vuoto: l'assenza di una competenza esplicita nel valutare quando fidarsi del modello e quando no.

A questo si aggiunge un nodo che la normativa rende ineludibile: la responsabilità non è delegabile insieme al calcolo. Un sistema può produrre una raccomandazione, ma la decisione, e le sue conseguenze, restano di chi la adotta. È la lezione che emerge con forza dal caso che segue.

Contenuto dell’articolo
iTutorGroup founder and CEO Eric Yang

Case History: iTutorGroup, quando a discriminare è il software

Il primo caso in cui un'autorità pubblica ha sanzionato l'uso discriminatorio dell'AI nella selezione riguarda iTutorGroup, gruppo che attraverso tre società fornisce tutoraggio di inglese online a studenti in Cina, reclutando tutor da remoto negli Stati Uniti. Il software di selezione era stato programmato per scartare automaticamente le candidate dai 55 anni in su e i candidati dai 60, escludendo per ragioni di età oltre duecento persone.

Il meccanismo è emerso per un dettaglio quasi paradossale. Una candidata, respinta, si è ricandidata allo stesso ruolo cambiando solo la data di nascita e indicandone una più recente: con il profilo "ringiovanito" è stata invitata al colloquio. Da lì la denuncia. Nel maggio 2022 la Equal Employment Opportunity Commission (EEOC), l'autorità federale statunitense contro le discriminazioni sul lavoro, ha avviato la causa per violazione della normativa sull'età (ADEA); ad agosto 2023 è arrivato l'accordo: 365.000 dollari ai candidati esclusi, un decreto di cinque anni con nuove politiche antidiscriminazione, formazione obbligatoria e l'obbligo di riconsiderare le candidature respinte. È stata la prima sanzione dell' EEOC su un caso di AI nella selezione.

La lettura organizzativa è netta, e la riassume la presidente dell'EEOC:

anche quando è la tecnologia ad automatizzare la discriminazione, la responsabilità resta del datore di lavoro.

L'azienda non aveva progettato un sistema "cattivo", aveva delegato a un automatismo un criterio, l'età, che nessun responsabile avrebbe potuto applicare apertamente. Il caso non racconta il fallimento di una tecnologia, ma cosa accade quando si delega all'algoritmo non solo il calcolo, ma il giudizio e la responsabilità che lo accompagnano.

Contenuto dell’articolo
le 5 leve operative per progettare il giudizio aumentato

 

Le cinque leve operative per progettare il giudizio aumentato

Se il problema non è adottare l'AI ma ridisegnare il giudizio, le leve su cui agire sono identificabili e, in larga parte, sequenziali.

1 — Definire i diritti di decisione. Prima di ogni strumento, serve una mappa: quali decisioni possono essere automatizzate, quali richiedono una raccomandazione dell'AI seguita da una firma umana, quali restano integralmente in capo alle persone. Senza questa distinzione esplicita, la linea tra assistenza e decisione la traccia lo strumento, non l'organizzazione.

2 — Tenere l'essere umano nel circuito con un ruolo reale. Il presidio umano vale solo se è sostanziale. Una supervisione che si limita a ratificare ciò che l'algoritmo propone è una delega mascherata. Il punto non è che un essere umano confermi, ma che possa effettivamente leggere, contestare e ribaltare l'output.

3 — Calibrare la fiducia nell'output. Tra eccesso di fiducia e diffidenza pregiudiziale, l'obiettivo è una fiducia tarata: sapere dove il modello è affidabile e dove no. Servono visibilità degli errori, riscontri strutturati e una cultura che renda legittimo mettere in discussione una raccomandazione automatica.

4 — Sviluppare la competenza nell'interpretazione, non solo nell'uso dello strumento. Saper usare l'AI e saperne leggere gli esiti sono due competenze diverse. La seconda, la capacità di interpretare un output, riconoscerne i limiti e collocarlo nel contesto, è quella che fa la differenza ed è anche quella su cui la formazione è più indietro.

5 — Governare bias, tracciabilità e conformità. Audit periodici sui dati e sugli esiti, documentazione delle logiche decisionali, trasparenza verso le persone coinvolte. Non sono adempimenti accessori: con l'AI Act e la classificazione ad alto rischio dei sistemi HR, sono la condizione stessa per usare questi strumenti in modo legittimo e difendibile.

Per la funzione HR questo comporta uno spostamento di posizione. Da consumatrice di strumenti a progettista dell'architettura decisionale dell'organizzazione.

Il giudizio aumentato non è un problema di acquisto di tecnologia né di formazione episodica all'uso degli strumenti. È una capacità organizzativa che richiede infrastruttura: una mappa dei diritti di decisione, competenze di interpretazione, ruoli di presidio, una governance dei dati e della conformità.

È l'HR a definire quali decisioni sulle persone possono essere aumentate, dove la responsabilità resta umana e quali competenze servono per esercitarla.

In questa prospettiva la formazione smette di essere un adempimento e torna a essere ciò che è davvero, l'infrastruttura che permette alle persone di decidere bene in un contesto in cui l'AI ha cambiato il costo, ma non la natura, del giudizio.

Consiglio di lettura

Contenuto dell’articolo

Co-Intelligence: Living and Working with AI di Ethan Mollick (Portfolio / Penguin Publishing Group , 2024). Professore alla The Wharton School e tra le voci più seguite sul tema, Mollick propone di trattare l'AI non come uno strumento ma come una "co-intelligenza" con cui collaborare, definendo regole d'ingaggio chiare su cosa affidare al modello e cosa trattenere come responsabilità umana. Il libro alterna principi operativi ed esempi concreti, ed è particolarmente utile a chi deve decidere non se introdurre l'AI, ma come ridisegnare il lavoro e le decisioni attorno a essa. Da leggere con attenzione da parte di chi guida le funzioni HR e i percorsi di sviluppo.

Fonti e Bibliografia