LA SELEZIONE DEL PERSONALE ai tempi della recruiting automation*

In anni recenti si è sviluppato, soprattutto in ambito anglosassone, un interessante dibattito sull’uso crescente da parte di grandi aziende private di sistemi informatici con caratteristiche di intelligenza artificiale nella selezione del personale. Il processo di selezione si colloca, per sua natura, in un momento antecedente all’inizio del rapporto di lavoro, in un’area solitamente poco regolata di esercizio dell’autonomia negoziale e della libertà di impresa. Allo stesso tempo la crescente rilevanza degli algoritmi di selezione automatizzata nel mercato del lavoro italiano, e di conseguenza nella vita socio-economica del nostro Paese, rende urgente una riflessione su questo tema.

TENDENZE RECENTI NELLA SELEZIONE DELLE RISORSE UMANE

Sebbene la situazione vari da Paese a Paese, è possibile individuare alcune linee di fondo che hanno portato allo sviluppo delle tecniche e delle tecnologie di selezione delle risorse umane: la domanda sempre più alta di competenze avanzate da parte delle aziende1 , unita a una forza-lavoro in costante invecchiamento2 e a un’alta mobilità occupazionale in tutto l’occidente, ha indotto le aziende a quella che è stata definita come una vera e propria “guerra per il talento”3 all’interno del mercato del lavoro post-fordista4 . Il primo campo di applicazione di nuove tecnologie nel mercato del lavoro ha riguardato la fase di ricerca e l’intermediazione tra domanda e offerta. Già nei primi anni ’90, con l’iniziale diffusione di Internet, hanno fatto capolino le prime bacheche on-line. Nel 1994 ha fatto la sua comparsa Monster. com, uno dei portali di ricerca di lavoro più utilizzati negli Stati Uniti, ma largamente diffuso anche in Europa. Da un lato, infatti, le persone in cerca di lavoro hanno avuto per la prima volta la possibilità di consultare agevolmente un grande numero di offerte di lavoro e di inviare il proprio curriculum senza alcun costo ad aziende anche molto lontane. Dall’altro lato, i datori di lavoro, specie per le mansioni più complesse, hanno iniziato a considerare non solo le candidature spontanee, ma anche i candidati c.d. passivi, ovvero lavoratori già occupati in altre aziende ma potenzialmente interessati al posto di lavoro perché in possesso delle competenze necessarie. La prima categoria di strumenti utilizzati a questo fine è costituita dagli ATS (“Applicant Tracking System”): si tratta di software gestionali che permettono di seguire grandi moli di candidature, in tutte le loro fasi, organizzandole in appositi database e tenendo così traccia di ogni singolo candidato5. Parallelamente, si è assistito alla progressiva diffusione di pratiche di social recruiting, ovvero l’uso di social network, generalisti o specializzati come Linkedin, come luogo virtuale dove è possibile cercare lavoro e ottenere informazioni utili, sfruttando le dinamiche tipiche delle reti sociali6. La più recente tendenza riguarda però l’impiego nel processo di selezione di sistemi di intelligenza artificiale, che possono essere utilizzati in ogni fase per rendere automatici alcuni passaggi e per accompagnare i professionisti delle risorse umane nel loro ruolo. In particolare, algoritmi predittivi basati su tecniche di machine learning vengono in alcuni casi impiegati per elaborare una valutazione del candidato sulla base dei dati da lui stesso forniti attraverso il curriculum, il completamento di prove selettive, le registrazioni di video-interviste realizzate da remoto o la somministrazione di giochi da risolvere come parte del processo selettivo. Da una ricerca dell’HR Research Institute del 20197 , le ragioni che spingono i responsabili delle risorse umane ad adottare tecnologie di intelligenza artificiale possono essere in sostanza ricondotte a tre esigenze fondamentali. In primo luogo, i sistemi di selezione automatizzata possono ridurre i tempi e i costi della selezione. Un secondo obiettivo perseguito con l’adozione di tali tecnologie è l’aumento della qualità e dell’efficacia della selezione. Infine, i sistemi di selezione automatizzata spesso promettono, secondo le società che li mettono in commercio, di aiutare a contenere i bias: un’idea relativamente diffusa tra i professionisti delle risorse umane, ma senz’altro contestabile, è che le tecniche tradizionali di selezione siano fallibili anche perché caratterizzate dai bias di chi deve valutare i candidati. Utilizzando decisioni automatizzate nel processo di selezione, prese sulla base di analisi statistiche dei dati dei candidati, dovrebbe quindi, nelle intenzioni dei sostenitori di tali strumenti, portare a scelte più oggettive8 o addirittura in grado di rispondere attivamente a esigenze di uguaglianza e di diversity 9 .

PROCESSO DI SELEZIONE E DECISIONI AUTOMATIZZATE

Appare opportuno tentare un diverso inquadramento del problema, che conduca a una più agevole analisi in termini giuridici. La selezione del personale da parte di un datore di lavoro privato viene spesso descritta, nello studio dell’organizzazione aziendale, come un processo10. Tale processo non risponde sempre allo stesso modello, ma è adattabile ai diversi contesti, mezzi ed esigenze delle aziende. Ciò che tuttavia rileva è che, al termine di ciascuna fase, deve essere presa una decisione basata sulle valutazioni condotte nella fase medesima, che determinano quali candidati passeranno ai momenti successivi della selezione e, soprattutto, quali candidati saranno esclusi o svantaggiati nei passaggi successivi. Da un punto di vista descrittivo, i modelli studiati nell’organizzazione aziendale prevedono generalmente una fase di ricerca dei potenziali candidati (o “pooling”, creazione della platea da cui verrà scelto il candidato migliore) e di comunicazione dell’offerta di lavoro; un primo filtro (“screening”) dei curricula; uno o più colloqui, con i selezionatori e con i manager di linea; una eventuale fase in cui vengono somministrati test psico-attitudinali e sulle competenze; una fase finale di controllo delle referenze e di trattative, che conducono alla definitiva offerta di lavoro.

Se si pensa, dunque, alla selezione delle risorse umane nei termini di una fattispecie a formazione progressiva, si può affermare che il contenuto di ogni fase di questo procedimento è la raccolta di informazioni sul candidato e che al termine di ogni fase vi è una decisione. Ciascuna di queste decisioni può essere automatizzata con l’ausilio di strumenti caratterizzati da intelligenza artificiale. Tale automazione può essere integrale, nel senso che una decisione presa dall’algoritmo determina direttamente l’accesso alla fase successiva, oppure parziale: spesso, infatti, i sistemi di selezione basati su algoritmi non estromettono direttamente un candidato dal processo selettivo, ma si limitano a marginalizzarlo, collocarlo in una posizione molto bassa in una graduatoria o in un insieme separato di candidati ritenuti meno idonei, e così suggeriscono al selezionatore di non prenderlo in considerazione e di preferire altri candidati. Per le persone in cerca di lavoro, le conseguenze di decisioni automatizzate ingiuste possono essere molto significative. Se si tiene per buona la qualificazione della selezione del personale, in termini giuridici, come un procedimento, ne consegue che per garantire la correttezza della selezione nel suo complesso sarà necessario, ma non sufficiente, che le singole decisioni all’esito di ogni fase siano a loro volta corrette.

UNA PROPOSTA DI CLASSIFICAZIONE DELLE TECNOLOGIE UTILIZZATE

È senz’altro utile tentare una classificazione descrittiva degli strumenti al centro di questa indagine. Esistono in letteratura alcune proposte di classificazione, che seguono due logiche differenti. Una prima11 suddivide i sistemi di IA per la selezione del personale in base alla fase del reclutamento in cui agiscono. Abbiamo dunque: – raggiungimento dei potenziali candidati (“sourcing”); – vaglio dei curricula (“screening”); – colloqui con i candidati (“interviews”); – selezione dei candidati (“selection”). Una seconda possibile classificazione considera invece il tipo di attività svolta dal software di intelligenza artificiale e, in un certo senso, il livello di sofisticazione e di intrusività nelle scelte dei responsabili delle risorse umane. Dal sistema meno automatizzato al più automatizzato, si potrebbe così parlare di: – sistemi di tracciamento dei candidati (o ATS, “Applicant Tracking Systems”), che utilizzano algoritmi per la ricerca di determinate parole chiave nei curricula sottoposti ai selezionatori12; – algoritmi di machine learning, che possono essere addestrati per analizzare migliaia di curricula, selezionarli in base a criteri individuati dal datore e ordinarli in una graduatoria13; – sistemi di analisi delle interviste che non si limitano all’analisi di testi scritti ma utilizzano dati visuali e uditivi per analizzare determinate caratteristiche psico-attitudinali dei candidati. Entrambe le classificazioni sono comunque utili per una migliore comprensione del fenomeno, si intersecano e si completano vicendevolmente. Nell’ottica di un esame di questi fenomeni dal punto di vista giuridico, tuttavia, appare più opportuno adottare la logica della prima classificazione.

IL MERCATO DELLA SELEZIONE AUTOMATIZZATA: IL CASO ITALIANO

È opportuno tentare una descrizione dello stato attuale del mercato di questi software e della loro diffusione tra le imprese in cerca di personale. La ricerca empirica qualitativa condotta dal gruppo dell’Università di Milano-Bicocca all’interno del progetto PRIN14 ha evidenziato alcuni dati interessanti. Tra le aziende che da più tempo utilizzano tecniche di selezione automatizzata per assumere lavoratori, molte operano a loro volta nel campo delle tecnologie digitali: in certi casi sono esse stesse a sviluppare i software utilizzati nella selezione15. Esistono poi casi in cui aziende di dimensioni molto grandi decidono di progettare sin dalle fasi iniziali un proprio software di selezione automatizzata, talvolta avvalendosi anche dell’opera di appaltatori esterni. Nella grande maggioranza dei casi, tuttavia, i datori di lavoro si rivolgono a società di produzione di software, da cui acquistano i sistemi di selezione automatizzata “off the shelf” (già pronti per l’uso, uguali per tutti) o “tailor-made” (personalizzabili). Il mercato in cui operano le aziende produttrici di software è estremamente dinamico, caratterizzato dalla convivenza di prodotti di alcune grandi società informatiche come IBM, ADP o Microsoft, e di numerose startup spesso cresciute attorno a un singolo prodotto innovativo. È possibile ricostruire un quadro più preciso partendo da un esame dei produttori di software, i quali regolarmente diffondono, a fini promozionali, liste di clienti illustri sui propri siti internet. Innanzitutto, un dato interessante riguarda la provenienza dei produttori di software, che è stato possibile rinvenire a partire da articoli scientifici e da articoli di giornale: se, come prevedibile, la maggior parte di esse ha sede negli Stati Uniti, esistono anche importanti attori europei, come le francesi AssessFirst e GoldenBees, la tedesca SAP con il software Success Factor, la start-up di videogiochi greca Owiwi o la olandese Harver. Si è sviluppato, poi, negli ultimi dieci anni un particolare ecosistema italiano di start-up innovative che realizzano strumenti di selezione automatizzata e hanno contribuito a una maggiore diffusione anche nel nostro Paese di queste tecnologie. Alcune di esse sono state, negli anni, acquisite da società più grosse, come la società informatica Zucchetti o agenzie del lavoro come OpenJobMetis 16 e Gi Group17. Le aziende che decidono di adottare strumenti di selezione automatizzata sono prima di tutto grandi imprese con un numero elevato di dipendenti, appartenenti, per esempio, sia all’industria, sia alla finanza e alla consulenza, sia al commercio al dettaglio. Il principale motivo per cui gli strumenti di intelligenza artificiale vengono adottati in questi casi sembra essere l’esigenza di risparmiare tempo nelle fasi iniziali della selezione, prima ancora che un miglioramento della qualità degli assunti.

RILIEVI GIURIDICI

In un processo di selezione in cui vengono automatizzate le decisioni riguardo al passaggio da una fase alla successiva l’intervento umano può esistere, ma essere ampiamente condizionato dalla scelta algoritmica, o addirittura essere del tutto assente. Tuttavia la selezione automatizzata non è in antitesi con la selezione umana. Un algoritmo, infatti, non è altro che uno schema, un procedimento sistematico di calcolo, che sulla base dei dati di input restituisce informazioni di output. Di conseguenza, le decisioni automatizzate prese nel processo di selezione richiedono sempre una qualche forma di intervento umano: ex ante, nella programmazione e nella raccolta dei dati, oppure ex post, nella scelta di ignorare il risultato ottenuto dall’algoritmo o di fare determinate eccezioni. Questo significa che, dal punto di vista giuridico, studiare un algoritmo significa studiare uno strumento utilizzato da soggetti che ne determinano i fini e che ne decidono l’uso. Chiarito questo aspetto, è comunque opportuno notare come le caratteristiche intrinseche dei sistemi di selezione automatizzata diano luogo a problematiche che giustificano una loro trattazione: a prescindere dall’input umano, gli algoritmi alla base di questi strumenti sono infatti poco trasparenti18, soggetti a bias (nei dati, di programmazione o di modello)19; tendono ad ampliare le asimmetrie informative tra chi li utilizza e chi è sottoposto alle loro decisioni20; dipendono, per il loro funzionamento, da una grande mole di dati personali raccolti dai lavoratori21. È poi importante fare luce su una dinamica fondamentale: è probabile, in queste occasioni, che il datore di lavoro che acquista il software e lo utilizza nel processo di selezione dei propri dipendenti non abbia una piena consapevolezza dell’esatto funzionamento delle decisioni automatizzate. Allo stesso tempo, molte tecnologie utilizzate nelle fasi della preselezione, dei colloqui o del testing prevedono un modello a piattaforma, con caratteristiche di Software as a Service (“SaaS”). Questo significa che il software di selezione non viene mai installato sui dispositivi di proprietà dell’azienda utilizzatrice ma, al contrario, è ospitato sui server della stessa società che lo ha prodotto e viene distribuito da remoto, per il tramite di Internet, dietro il pagamento di un abbonamento periodico o di un corrispettivo commisurato all’utilizzo. I produttori di software entrano direttamente in relazione con il candidato per conto del datore di lavoro: concretamente, in molti casi, il candidato viene reindirizzato dal sito web dell’azienda in cerca di personale sulla piattaforma on-line gestita da una delle società di produzione di software specializzate. Si crea così, sul piano pratico prima che giuridico, una relazione triangolare tra candidato, datore di lavoro e società produttrice di software che, dal punto di vista della protezione dei dati personali, viene talvolta identificata come una relazione tra interessato, titolare e responsabile del trattamento22. Una relazione triangolare di questo genere aumenta il rischio di incertezze riguardo alla responsabilità per eventuali lesioni dei diritti dei lavoratori. Esistono, infatti, rischi per i diritti costituzionalmente garantiti dei lavoratori e dei cittadini in cerca di lavoro, qualora entrino in relazione con un processo selettivo in tutto o in parte automatizzato. Un primo, fondamentale aspetto è quello della protezione dei dati personali, garantita dall’art. 8 della Carta dei Diritti Fondamentali dell’Unione Europea. È basilare chiedersi se il trattamento di questi dati per i fini della selezione sia lecito, su quale base giuridica e con quali limitazioni sotto la normativa europea e italiana in materia di protezione dei dati personali, e in particolare del GDPR. L’art. 22 del GDPR, infatti, attribuisce all’interessato un “diritto di 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”: la questione rimane quindi aperta.

Un secondo fondamentale profilo problematico riguarda la possibilità che l’algoritmo di selezione possa dar luogo, con o senza la cognizione di chi lo ha sviluppato e lo impiega, a esiti discriminatori e che, quindi, possa essere violato il principio di uguaglianza e il diritto a non subire discriminazioni stabilito dall’art. 21 della Carta dei Diritti Fondamentali. In questo ambito, rilevanti novità potrebbero poi riguardare, in un’ottica processuale, le opportunità di dimostrare in giudizio una condotta discriminatoria da parte del datore di lavoro. In terzo luogo, autonomi rilievi possono riguardare il diritto all’informazione e alla consultazione dei lavoratori, stabilito dall’art. 27 della Carta dei Diritti Fondamentali. In ambito italiano, un’importantissima novità legislativa è rappresentata dalla Direttiva sulle condizioni di lavoro trasparenti e prevedibili, approvata nel 2019 dal legislatore europeo e dalla sua trasposizione nel diritto italiano, avvenuta con il D.lgs. 27 giugno 2022, n. 104 (c.d. “Decreto trasparenza”). Quest’ultimo decreto, in particolare, introduce un nuovo art. 1-bis nel D.lgs. n. 152/1997, che prevede specifici obblighi informativi del datore di lavoro “nel caso di utilizzo di sistemi decisionali o di monitoraggio automatizzati”. Non si possono infine ignorare gli effetti che l’impiego di strumenti di selezione automatizzata possono avere su altri diritti fondamentali dei lavoratori come il diritto alla riservatezza, il diritto alla libertà di opinione, alla libertà di associazione e sindacale, riconosciuti e garantiti a livello costituzionale e comunitario. Primo fra tutti, a essere messo a rischio è il diritto al lavoro, riconosciuto dall’art. 4 della Costituzione italiana e dall’art. 15 della Carta dei Diritti Fondamentali: a causa del potenziale ruolo di filtro per l’accesso al lavoro, i sistemi di selezione automatizzata potrebbero essere nel futuro in grado di inficiare gli assetti del mercato del lavoro e, in ultima analisi, la concreta possibilità dei cittadini di godere dei diritti sociali.

CONCLUSIONI

Se, come prevedibile, tali strumenti digitali otterranno una espansione sempre crescente e se, quindi, l’automazione della selezione del personale – almeno di alcune fasi – diventerà la norma in Europa e in Italia, l’accesso al lavoro da parte dei cittadini sarà, in concreto, sempre più condizionato dai fattori qui valutati e da altri di ancora difficile previsione. Da questo punto di vista, appaiono manifestamente alcuni problemi di ordine giuridico che, prima di altri, richiedono una indagine capillare. Sarebbe opportuno prenderne coscienza: una plausibile risposta in questo senso potrebbe essere costituita dalla Proposta di Regolamento sull’intelligenza artificiale23, presentata dalla Commissione europea nel 2021 e approvato dal Parlamento il 14 giugno scorso. Il prossimo trilogo avverrà il 6 dicembre 2023. Ci sono ancora dei punti importanti da definire e, a condizione che si raggiunga un accordo in sede europarlamentare entro la fine di questo anno, il Regolamento potrebbe poi entrare in vigore intorno alla metà del 202424. Tale sviluppo sarebbe effettivamente un atto di portata rivoluzionaria dato che darebbe all’Europa la “palma” di primo attore a regolamentare tale materia. L’AI Act potrebbe dunque diventare in futuro uno tra i principali standard globali a cui fare riferimento per la regolamentazione dell’intelligenza artificiale: quanto meno sul lato legislativo, dunque, l’Europa potrebbe dunque guadagnare importante terreno in questo campo rispetto agli altri player globali.

* Sintesi dell’articolo pubblicato in LLI, Vol. 9, No. 1, 2023, dal titolo Il processo di selezione del personale e la sua automazione in Italia.

1. D. H. Autor – F. Levy – R. J. Murnane, The Skill Content of Recent Technological Change: An Empirical Exploration, The Quarterly Journal of Economics, 2003, 118, 1279-1333. V. anche D. J. Deming – K. Noray, Earnings Dynamics, Changing Job Skills, and STEM Careers, The Quarterly Journal of Economics 2020, 135, 1965-2005.

2. J. Hurley et al., European Jobs Monitor 2021: Gender Gaps and the Employment Structure, Eurofound and European Commission Joint Research, 2021, 9 ss. 3. E.G. Chambers et al., The War for Talent, The McKinsey Quarterly, 3, 1998, 44. Gli autori utilizzano un’espressione senza dubbio enfatica e caratterizzata da toni in parte promozionali, ma non vi è dubbio che con essa catturino un sentimento comune tra i professionisti delle risorse umane di quegli anni. 4. V. R. Edwards, The Inevitable Future? PostFordism in Work and Learning in Adult Learners, Education, and Training: A Reader, a cura di R. Edwards – S. Sieminski – D. Zeldin, Psychology Press, 1993, 176–86. 5. M. Bogen – A. Rieke, Help Wanted: An Examination of Hiring Algorithms, Equity, and Bias, Report Upturn, 2018.

6. I. Pais, Looking for a Job Online. An International Survey on Social Recruiting, SL, 2015, 137, 115 – 129. 7. HR Research Institute, The 2019 State of Artificial Intelligence in Talent Acquisition, 2019.

8. N. R. Kuncel – D. S. Ones – D. M. Klieger, In Hiring, Algorithms Beat Instinct, Harvard Business Review, 2014.

9. Esistono diversi sviluppatori di software che concentrano l’attenzione su questa caratteristica: un esempio è TestGorilla, società olandese secondo cui «With TestGorilla, you give all applicants an equal, unbiased opportunity to showcase themselves» – https:// www.testgorilla.com/.

10. Si tratta di un assunto ampiamente condiviso in psicologia del lavoro (v. A. E. Barber, Recruiting Employees. Individual and Organizational Perspectives, SAGE, 1998), ma anche nelle scienze dell’organizzazione (v. R. W. Mondy, Human Resource Management, Pearson, 2010, 158, per il quale «Selection is the process of choosing from a group of applicants the individual best suited for a particular position and the organization»).

11. M. Fritts – F. Cabrera, AI Recruitment Algorithms and the Dehumanization Problem, Ethics and Information Technology, 2021, 23, 791.

12. A titolo d’esempio, v. il software Cleverstaff – https://cleverstaff.net/

13. Era questo il caso del noto algoritmo sviluppato da Amazon, il quale è stato in un secondo momento ritirato in quanto protagonista di vistosi casi di discriminazione di genere – v. https://perma.cc/6SA7-R35L.

14. Progetto Prin, 2017, Artificial Intelligence and Legal Studies Perspectives. Are the Algorithmic decisionmaking and data driven predictions calling for a new legal framework? A focus on financial and labour markets highlighting protection of rights and wealth distribution.

15. È questo, per esempio, il caso di Google, che ha sviluppato una serie di strumenti per la valutazione dei candidati a proprie posizioni, in particolare per quanto riguarda i test di preselezione – https://careers.google.com/howwe-hire/#step-interviews.

16. La quale nel 2018 ha acquisito integralmente la start-up Meritocracy, «piattaforma internet specializzata nella ricerca delle professionalità legate all’innovazione e al mondo digitale che utilizza anche componenti di Intelligenza Artificiale nella selezione e nel matching delle posizioni. – https://www.openjobmetis.it/it/news-eventi press/news/meritocracy-entra-farparte-diopenjobmetis.

17. Con la società controllata EXS Italia – https://exsitalia.it.

18. J. Burrell, How the Machine “Thinks”: Understanding Opacity in Machine Learning Algorithms, Big Data & Society, 2016, 3, 1.

19. M. Raghavan et al., Mitigating Bias in Algorithmic Hiring: Evaluating Claims and Practices, Conference on Fairness, Accountability, and Transparency (FAT* ’20), January 27-30, 2020, Barcelona, Spain, 2020.

20. K. Yeung, A Study of the Implications of Advanced Digital Technologies (Including AI Systems) for the Concept of Responsibility Within a Human Rights Framework, SSRN, 2018.

21. M. Parviainen, Can Algorithmic Recruitment Systems Lawfully Utilise Automated Decision-Making in the EU? cit., 227.

22. V., a mero titolo di esempio, la privacy policy di Glickon, disponibile online all’indirizzo https:// en.glickon.com/privacy-policy.

23. Proposta di Regolamento del Parlamento europeo e del Consiglio che stabilisce regole armonizzate sull’intelligenza artificiale (Legge sull’intelligenza artificiale) e modifica alcuni atti legislativi dell’Unione, 2021.

24. Occorre considerare che l’AI Act prevede un periodo transitorio di 24 mesi dalla sua entrata in vigore al fine di preparare tutti gli attori coinvolti all’impatto che l’AI Act comporterà in termini di compliance (si veda l’articolo 85 della Proposta di Regolamento).

Scarica l'articolo