This post has already been read 17 times!

Il colloquio di lavoro senza recruiter: cosa succede quando registri le tue risposte, chi può analizzarle, quali distorsioni possono emergere e quali tutele hai in Italia.

Il colloquio è finito prima ancora di cominciare. O forse no.

Martedì, ore 21:40. Giulia ha appena ricevuto un’e-mail da una società di selezione. Ha superato la prima scrematura per una posizione di Junior Marketing Specialist presso un’azienda italiana che opera nel settore della distribuzione.

La comunicazione è cortese, quasi entusiasta: il suo profilo è interessante e l’azienda desidera conoscerla meglio. Per proseguire nella selezione, tuttavia, deve completare un passaggio entro le successive 48 ore.

Giulia deve accedere a una piattaforma, rispondere a sei domande davanti alla webcam e inviare le registrazioni. Non incontrerà nessuno, almeno per il momento, e non potrà osservare le reazioni di un selezionatore, chiedere chiarimenti o capire se la risposta è stata convincente. Le domande appariranno sullo schermo, una alla volta, mentre un conto alla rovescia indicherà il tempo disponibile per preparare e registrare ciascuna risposta.

La prima domanda è:

«Ci racconti una situazione in cui ha dovuto gestire un conflitto all’interno di un gruppo di lavoro».

Giulia prova una risposta, la cancella e ricomincia. Si accorge di guardare continuamente la propria immagine sul monitor, si sistema i capelli e modifica l’illuminazione della stanza. Alla quarta registrazione possibile, ormai non ricorda più bene l’esempio che voleva raccontare e comincia a preoccuparsi di come apparirà nel video.

La cosa che la mette maggiormente a disagio, però, non è la telecamera.

È una domanda che non riesce a togliersi dalla testa: chi guarderà questo video? Una persona, un algoritmo oppure entrambi? E soprattutto, quali aspetti della sua risposta verranno considerati importanti?

Questa microstoria è un caso illustrativo, non la ricostruzione di un episodio aziendale documentato. Descrive però una situazione plausibile e permette di osservare un cambiamento significativo nei processi di selezione: il colloquio non è più necessariamente una conversazione tra due persone, ma può diventare una sequenza di dati raccolti, trascritti e valutati attraverso una piattaforma digitale.

La differenza non riguarda soltanto il modo in cui il candidato viene intervistato, perché coinvolge anche la qualità delle valutazioni, la trasparenza dei criteri utilizzati e la possibilità che una tecnologia condizioni l’accesso a un’opportunità professionale.

Che cos’è un video-colloquio asincrono

Il video-colloquio asincrono, chiamato anche on-demand video interview, è una modalità di selezione nella quale il candidato registra le risposte a una serie di domande senza che il recruiter sia collegato in tempo reale.

A differenza di un colloquio su Teams o Zoom, non c’è necessariamente un interlocutore dall’altra parte dello schermo. La piattaforma presenta le domande, gestisce i tempi, registra le risposte e rende successivamente disponibili i materiali ai selezionatori.

Il processo può comprendere domande video preregistrate, quesiti testuali, un tempo prestabilito per preparare la risposta, una durata massima della registrazione e un numero limitato di tentativi. Alcune piattaforme consentono inoltre di integrare test attitudinali, simulazioni, trascrizioni automatiche e strumenti di valutazione delle competenze.

Non tutte le soluzioni disponibili comprendono queste funzionalità e, soprattutto, non tutti i video-colloqui utilizzano l’intelligenza artificiale. Questa distinzione è fondamentale perché dietro un’interfaccia apparentemente identica possono esserci procedure di valutazione molto diverse.

Possiamo individuare tre configurazioni principali.

Video-colloquio registrato: il candidato risponde alle domande e il recruiter guarda successivamente le registrazioni. La valutazione può essere interamente umana, senza alcuna elaborazione automatizzata del contenuto.

Video-colloquio con trascrizione automatica: il sistema converte le risposte vocali in testo, facilitando la consultazione delle registrazioni, la ricerca delle informazioni e il confronto tra le candidature. La trascrizione, da sola, non implica che un algoritmo attribuisca un punteggio al candidato.

Video-assessment con intelligenza artificiale: il sistema utilizza modelli automatizzati per analizzare il contenuto delle risposte, confrontarlo con competenze attese e produrre indicazioni o punteggi che possono supportare il lavoro dei selezionatori.

La stessa piattaforma può offrire più funzionalità, mentre l’azienda che la utilizza può decidere quali attivare in base alle proprie esigenze. La presenza di una webcam, quindi, non permette di capire quali dati vengano effettivamente elaborati e quale peso abbiano nella decisione finale.

La domanda corretta non è soltanto se un’intelligenza artificiale stia osservando il candidato, ma quali informazioni vengano ricavate dalle sue risposte, quali criteri siano utilizzati per valutarle e quanto il risultato automatico condizioni il proseguimento della selezione.

HireVue: che cosa sappiamo e che cosa no

Tra le piattaforme note nel settore c’è HireVue, che offre strumenti per video-interviste, assessment e valutazione delle competenze. Per descriverne il funzionamento è importante separare le informazioni pubblicate dall’azienda da quelle verificate da fonti indipendenti, e non estendere automaticamente le caratteristiche di una sua soluzione a tutte le piattaforme di selezione.

In passato HireVue ha utilizzato una componente di analisi facciale nei propri assessment. Nel 2021 ha annunciato di averla rimossa: secondo la ricostruzione pubblicata da SHRM, l’azienda aveva interrotto quella componente nel 2020, ritenendo che l’analisi visiva non aggiungesse più un contributo significativo alle valutazioni. Questo dato descrive una scelta storica dell’azienda; non basta, da solo, a stabilire come funzionino tutti i suoi prodotti o tutte le configurazioni adottate dai clienti.

Nella documentazione attuale, HireVue dichiara che, per i video-assessment valutati con intelligenza artificiale, il sistema analizza la trascrizione delle risposte e il loro rapporto con le competenze pertinenti al ruolo. L’azienda afferma inoltre di non usare espressioni facciali, linguaggio del corpo, aspetto, sfondo o tono della voce per assegnare i punteggi. Si tratta di dichiarazioni del fornitore sul proprio sistema, non di una verifica indipendente valida per ogni prodotto, configurazione o singolo processo di selezione.

La documentazione di HireVue descrive valutazioni costruite in relazione alle competenze richieste per una posizione. Non è quindi corretto immaginare necessariamente un unico punteggio universale applicato a ogni candidato. Allo stesso tempo, sapere che un sistema confronta una risposta con criteri legati al ruolo non dimostra, da solo, che quei criteri siano validi, che il risultato sia affidabile o che non produca effetti ingiustamente diversi tra gruppi di candidati.

È utile tenere distinti tre passaggi: la registrazione della risposta, l’eventuale trascrizione automatica e la valutazione del contenuto. Le funzionalità effettivamente impiegate dipendono dalla soluzione e dal processo scelti dall’azienda. Per questo il candidato non può dedurre dal solo uso della webcam se la risposta verrà trascritta o valutata automaticamente; l’informativa e le informazioni fornite dal datore di lavoro restano essenziali.

La domanda, quindi, non è soltanto se il sistema analizzi il volto. Occorre capire quali dati vengono elaborati, quali criteri orientano la valutazione e quale peso abbiano i risultati automatizzati nella decisione. Anche quando il fornitore descrive il sistema come supporto ai selezionatori, la qualità e la correttezza del processo dipendono da come l’azienda lo configura e lo utilizza.

Validità e bias: che cosa misurano le metriche dichiarate da HireVue

Per valutare uno strumento di selezione non basta sapere che è stato «validato» o che ha superato un controllo di equità. Bisogna chiedersi quale componente sia stata verificata, su quali dati, rispetto a quale criterio e per quale specifica posizione. Una metrica può fornire un’informazione utile senza dimostrare, da sola, che l’intero processo di selezione sia accurato o imparziale.

Nel suo Explainability Statement del 2026, HireVue descrive diverse verifiche, ma riferite a componenti distinte della propria piattaforma. Per i colloqui valutati con IA, dichiara di confrontare i punteggi del modello su dati non usati durante l’addestramento con i punteggi assegnati da valutatori umani. Questo confronto stima quanto il modello riesca a riprodurre quelle valutazioni umane su risposte nuove. È una misura di accordo con i valutatori, non una prova diretta che il punteggio predica la prestazione lavorativa o che i criteri scelti siano appropriati per ogni ruolo.

La distinzione conta. Un modello potrebbe riprodurre con coerenza il giudizio dei valutatori e, tuttavia, risentire dei limiti dei criteri o delle valutazioni usate come riferimento. Per questo HireVue descrive anche passaggi preliminari di sviluppo: analisi del ruolo, definizione delle competenze e valutazione delle risposte da parte di più esperti, con sessioni di calibrazione e revisione dei casi in cui i giudizi divergono. Sono misure che possono sostenere la coerenza del processo; non sostituiscono la verifica che le competenze valutate siano davvero pertinenti alle mansioni.

Per gli assessment basati su giochi, il documento descrive invece modelli addestrati confrontando i comportamenti osservati nei giochi con i risultati di test tradizionali sulle abilità cognitive o su caratteristiche di personalità. Anche qui, la qualità della conclusione dipende dalla scelta del test di riferimento e dalla dimostrazione che ciò che il gioco misura sia rilevante per il lavoro. I risultati relativi ai giochi non vanno automaticamente estesi ai video-colloqui, né viceversa.

Il documento 2026 riporta inoltre alcune metriche dell’Assessment Builder, uno strumento che aiuta le aziende a progettare gli assessment, e non valuta direttamente i candidati. Per esempio, HireVue dichiara una correlazione media di 0,72 tra le valutazioni del proprio modello sulle competenze indicate nelle descrizioni delle posizioni e quelle di esperti; riporta anche valori di accordo tra valutatori, come ICC 0,95 per le etichette usate in una fase di sviluppo e ICC 0,87 per un confronto tra modello e psicologi del lavoro su un campione di descrizioni. Sono risultati riferiti a quel compito di progettazione. Non sono indici di accuratezza generale dei colloqui automatizzati, né dimostrano che un assessment produca assunzioni migliori.

Per quanto riguarda il bias, HireVue afferma di controllare le differenze nei risultati tra gruppi demografici e di monitorare i propri strumenti nel tempo. La sua documentazione pubblica menziona studi di calibrazione e fairness e verifiche di adverse impact. Queste dichiarazioni descrivono un approccio di controllo, ma numeri aggregati di studi o audit non bastano a capire come si comporti ciascun modello nella singola selezione. Per interpretare un risultato servirebbero dettagli sulla specifica versione del modello, sul campione, sui gruppi analizzati, sulle soglie decisionali e sugli intervalli di incertezza.

Un indicatore spesso citato negli Stati Uniti è la four-fifths rule: confronta i tassi di selezione tra gruppi e segnala come possibile campanello d’allarme un rapporto inferiore a 0,80 rispetto al gruppo con il tasso più alto. È uno strumento di screening, non una prova definitiva di discriminazione; superare la soglia non dimostra che il processo sia equo, e una differenza osservata richiede approfondimenti. Inoltre, la regola non va presentata come test legale universale applicabile automaticamente in Italia o nell’Unione europea.

Anche un audit esterno va letto considerando ambito e limiti. Nel resoconto pubblicato da HireVue su una revisione condotta nel 2021, l’azienda riporta che l’audit non aveva rilevato criticità significative di adverse impact alle soglie di selezione esaminate. Lo stesso resoconto riferisce che il revisore raccomandava ulteriori analisi usando i dati dei clienti dopo l’implementazione. È quindi un’evidenza circoscritta a quell’audit, ai sistemi e alle condizioni esaminate: non certifica ogni prodotto, ogni datore di lavoro o ogni uso successivo.

La conclusione più prudente è che le metriche dichiarate possono documentare aspetti importanti del processo, coerenza rispetto a valutatori, relazione con competenze definite, differenze tra gruppi, ma vanno lette separatamente e nel loro contesto. Per giudicare un assessment concreto occorrono evidenze riferite al ruolo e alla configurazione effettivi, controlli successivi all’adozione e una valutazione critica dei criteri umani usati come riferimento.

 

Accuratezza, affidabilità e validità: tre problemi diversi

Il caso HireVue mostra perché non basta sapere che un sistema è stato sottoposto a verifiche: bisogna capire quale componente è stata misurata e che cosa consente di concludere il risultato. In generale, accuratezza, affidabilità e validità descrivono proprietà diverse e non garantiscono automaticamente che uno strumento sia adatto a valutare i candidati.

Immaginiamo che un sistema trascriva correttamente il 98% delle parole pronunciate durante un colloquio. Il risultato potrebbe sembrare eccellente, ma non ci dice ancora se il punteggio assegnato alla risposta sia corretto, se il criterio utilizzato sia pertinente alla mansione oppure se il candidato che ottiene un punteggio elevato avrà effettivamente buone prestazioni professionali.

Occorre distinguere almeno tre livelli.

Accuratezza della trascrizione: misura quanto fedelmente il sistema converte la voce in testo. Errori di riconoscimento possono dipendere dall’accento, dalla pronuncia, dalla qualità del microfono, dal rumore ambientale e dalle caratteristiche del parlato.

Affidabilità della valutazione: riguarda la stabilità e la coerenza dei risultati. Se risposte equivalenti vengono valutate in modo molto diverso, oppure se piccole variazioni irrilevanti producono cambiamenti importanti nel punteggio, lo strumento presenta un problema di affidabilità.

Validità della misurazione: riguarda la capacità dello strumento di valutare proprio la competenza che dichiara di misurare. Una risposta fluida e ben organizzata non dimostra necessariamente capacità di leadership, così come un’esposizione meno brillante non implica una scarsa capacità di risolvere problemi.

La questione decisiva, quindi, è stabilire se i risultati dell’assessment siano effettivamente collegati alle caratteristiche professionali richieste dal ruolo.

Un sistema che valuta la capacità di comunicare con un cliente può avere una ragionevole giustificazione nell’analizzare la chiarezza delle risposte, purché la valutazione sia costruita e verificata correttamente. Sarebbe molto più difficile giustificare l’utilizzo della stessa fluidità espositiva come indicatore generale della capacità di gestire un gruppo, prendere decisioni o risolvere problemi tecnici.

Per un’azienda non basta acquistare una piattaforma che restituisce punteggi ordinati. Occorre dimostrare che le domande, i criteri e i risultati abbiano una relazione concreta con le attività che la persona dovrà svolgere.

Il problema dei bias: un algoritmo non è automaticamente più imparziale

La promessa più interessante della selezione automatizzata è anche quella che merita maggiore cautela: ridurre la soggettività umana.

Un colloquio tradizionale può essere influenzato da numerosi fattori che non hanno necessariamente relazione con la capacità di svolgere il lavoro. L’accento, l’età percepita, il genere, l’aspetto, la somiglianza con il selezionatore o persino il modo di vestirsi possono condizionare, anche inconsapevolmente, il giudizio.

Un sistema automatizzato può rendere alcuni passaggi più standardizzati, ma non elimina automaticamente questi problemi. Le distorsioni possono essere trasferite nei dati utilizzati per sviluppare il modello, nei criteri di valutazione o nelle modalità con cui viene interpretato il risultato.

Immaginiamo tre situazioni.

Il candidato che non parla come il modello si aspetta

Marco ha 52 anni e una lunga esperienza nella gestione commerciale. Ha lavorato per anni in aziende manifatturiere del Nord Italia, conosce i clienti, sa negoziare e ha gestito gruppi di vendita.

Durante il video-assessment risponde in modo concreto, utilizzando un linguaggio professionale che appartiene alla sua esperienza. Non ha l’abitudine di costruire risposte secondo lo schema tipico dei colloqui anglosassoni e non utilizza continuamente parole come leadership, ownership o stakeholder management.

Un sistema che valuta correttamente le competenze dovrebbe riconoscere la sostanza delle sue risposte, indipendentemente dalla familiarità con un determinato stile comunicativo.

Se, invece, il modello è stato sviluppato utilizzando esempi poco rappresentativi della varietà linguistica e professionale dei candidati, potrebbero emergere differenze di valutazione non giustificate dalle competenze effettive.

Non significa che questo accada necessariamente in una specifica piattaforma, ma rappresenta un rischio metodologico che deve essere verificato.

La candidata con un accento regionale

Sara è una professionista qualificata, ma ha un accento marcato. Durante la registrazione pronuncia alcune parole in modo differente rispetto alle pronunce più frequentemente rappresentate nei dati utilizzati per addestrare il sistema di riconoscimento vocale.

Il problema potrebbe verificarsi ancora prima della valutazione semantica: se la trascrizione è imprecisa, anche il contenuto successivamente analizzato potrebbe risultare alterato.

Una risposta corretta potrebbe essere interpretata come incompleta, mentre una parola riconosciuta in modo errato potrebbe modificare il significato di un’intera frase.

In questo caso la distorsione non nasce necessariamente dal modello che valuta le competenze, ma dalla catena tecnologica che trasforma la voce in testo.

È un problema particolarmente interessante per il mercato italiano, caratterizzato da una forte varietà linguistica, accenti regionali e differenti livelli di familiarità con il linguaggio professionale standardizzato.

Il candidato neurodivergente

Luca possiede competenze tecniche eccellenti, ma durante un colloquio registrato trova difficile mantenere il contatto visivo con la telecamera e organizzare verbalmente le risposte sotto pressione.

In un colloquio con una persona potrebbe spiegare il proprio ragionamento, chiedere di ripetere una domanda e recuperare il filo attraverso il dialogo. Nel video-colloquio, invece, deve adattarsi a un’interazione rigida e unidirezionale, nella quale non sempre sono disponibili strumenti di supporto o modalità alternative di risposta.

Se il sistema valuta competenze attraverso criteri linguistici o comportamentali non sufficientemente pertinenti alla mansione, il rischio è che una difficoltà nella modalità di presentazione venga confusa con una carenza professionale.

Questi tre esempi sono scenari ipotetici, ma evidenziano un principio concreto: la qualità di uno strumento di selezione dipende da ciò che misura, da come lo misura e dalla capacità di dimostrare che la misurazione sia pertinente al lavoro.

Un sistema non diventa imparziale soltanto perché applica lo stesso procedimento a tutti. Se quel procedimento penalizza sistematicamente alcune caratteristiche non rilevanti per la posizione, la standardizzazione può rendere il problema meno visibile, senza eliminarlo.

Come si verifica se un assessment è valido

Per valutare correttamente una piattaforma di selezione, un’impresa dovrebbe adottare verifiche che vadano oltre la dimostrazione del funzionamento tecnico del software.

Esistono almeno quattro dimensioni che meritano attenzione.

Dimensione	Che cosa verifica	Esempio pratico
Validità di contenuto	Se le domande misurano competenze richieste dal ruolo	Un assessment per un commerciale valuta capacità di negoziazione e gestione del cliente
Validità predittiva	Se i risultati sono associati a prestazioni lavorative pertinenti	I punteggi sono confrontati con indicatori di performance successivi, adeguatamente definiti
Affidabilità	Se la valutazione è sufficientemente coerente e riproducibile	Risposte equivalenti non ricevono punteggi arbitrariamente differenti
Equità	Se emergono differenze ingiustificate tra gruppi di candidati	Si confrontano gli esiti per individuare eventuali penalizzazioni non motivate

La validità predittiva è particolarmente importante, perché permette di affrontare una domanda che dovrebbe interessare qualsiasi responsabile delle risorse umane: i candidati che ottengono i punteggi migliori sono effettivamente quelli che, una volta assunti, svolgono meglio il lavoro?

Per rispondere non basta confrontare i punteggi con il giudizio di altri recruiter, perché anche le valutazioni umane possono contenere errori e pregiudizi. Servono criteri di riferimento pertinenti, dati sufficienti e analisi condotte con attenzione ai possibili fattori confondenti.

Anche il confronto tra gruppi richiede cautela. Una differenza nei tassi di superamento non dimostra automaticamente una discriminazione, ma costituisce un segnale che merita un’indagine. Occorre verificare se le differenze siano spiegabili attraverso requisiti realmente necessari per la mansione oppure se dipendano da caratteristiche estranee alle competenze professionali.

Per le aziende, questo significa che la validazione non può essere considerata un’attività da svolgere una sola volta, al momento dell’acquisto della piattaforma. Deve accompagnare l’utilizzo dello strumento, soprattutto quando cambiano le domande, i modelli, i criteri di valutazione o le caratteristiche dei candidati.

Il caso italiano: importare una tecnologia non significa importare automaticamente le sue garanzie

In Italia il tema presenta una particolarità: molte organizzazioni utilizzano processi di selezione digitalizzati, piattaforme di recruiting e strumenti di assessment, ma il candidato non sempre dispone di informazioni sufficienti per distinguere una semplice registrazione video da una valutazione automatizzata.

Le pratiche adottate dalle multinazionali, dalle grandi società di consulenza e dalle aziende italiane di dimensioni più contenute possono essere molto differenti. Non sarebbe corretto affermare, senza dati rappresentativi, che una determinata piattaforma sia utilizzata diffusamente da tutte le imprese italiane oppure che ogni candidato venga sottoposto a valutazioni algoritmiche.

È invece ragionevole osservare che la disponibilità commerciale di queste tecnologie rende necessario conoscere le regole applicabili, anche quando il fornitore della piattaforma ha sede all’estero.

Il punto di partenza è il GDPR, il Regolamento europeo sulla protezione dei dati personali.

Quando un’azienda registra un video-colloquio, può trattare diverse categorie di dati personali:

• immagine e voce del candidato;
• contenuto delle risposte;
• trascrizioni automatiche;
• informazioni relative alle esperienze professionali;
• risultati di eventuali test;
• valutazioni e punteggi prodotti durante l’assessment;
• dati tecnici relativi all’utilizzo della piattaforma.

L’azienda deve fornire un’informativa adeguata, chiarire le finalità del trattamento, individuare una base giuridica valida e rispettare i principi di minimizzazione, limitazione della conservazione, sicurezza e trasparenza.

La scelta della base giuridica deve essere valutata in relazione al trattamento concreto. Non è corretto presumere che il consenso del candidato sia sempre la soluzione più appropriata, perché nel contesto della selezione può esistere uno squilibrio tra le parti che rende necessario verificare attentamente la sua effettiva libertà.

Il fatto che una persona abbia inviato il proprio curriculum non autorizza automaticamente qualsiasi trattamento successivo dei suoi dati.

C’è poi un aspetto spesso trascurato: il video del colloquio non è automaticamente un dato biometrico appartenente alle categorie particolari previste dal GDPR soltanto perché contiene il volto e la voce di una persona.

La qualificazione dipende dalla natura del trattamento e dall’eventuale utilizzo di caratteristiche biometriche per identificare univocamente l’interessato. Una registrazione audiovisiva contiene certamente dati personali, ma non ogni elaborazione dell’immagine o della voce costituisce automaticamente un trattamento di dati biometrici ai sensi dell’articolo 9 del regolamento.

Il diritto di sapere se decide un algoritmo

L’articolo 22 del GDPR riguarda il diritto a non essere sottoposti a decisioni basate unicamente su trattamenti automatizzati, compresa la profilazione, quando producono effetti giuridici oppure incidono in modo analogamente significativo sulla persona.

Il regolamento prevede alcune eccezioni, tra cui determinate situazioni di necessità contrattuale, autorizzazione normativa o consenso esplicito, accompagnate dalle specifiche garanzie previste dalla disciplina.

Non significa che qualsiasi utilizzo dell’intelligenza artificiale nella selezione sia vietato. Significa, però, che occorre verificare la natura effettiva della decisione, il ruolo del sistema e le tutele applicabili.

Una valutazione algoritmica che produce un punteggio consultato da un recruiter non è necessariamente equivalente a una decisione interamente automatizzata. Tuttavia, la presenza formale di una persona nella procedura non basta, da sola, a dimostrare che il controllo sia reale.

Immaginiamo che un sistema assegni un punteggio basso a un candidato e che il recruiter lo escluda automaticamente senza esaminare la risposta, senza verificare eventuali errori di trascrizione e senza considerare informazioni ulteriori.

In questo caso, la presenza di un operatore umano rischia di diventare una formalità.

Un intervento umano significativo richiede invece che il valutatore possieda competenze sufficienti per comprendere il risultato, abbia accesso alle informazioni necessarie e disponga dell’autorità effettiva per modificarlo o discostarsene. Non deve limitarsi a confermare il punteggio prodotto dal sistema.

Il candidato deve inoltre ricevere informazioni adeguate sul trattamento e, quando ricorrono i presupposti previsti dal GDPR, può esercitare il diritto di accesso, ottenere informazioni significative sulla logica del trattamento automatizzato e contestare una decisione attraverso le garanzie applicabili.

È importante non confondere questi diritti con un presunto obbligo generalizzato di consegnare il codice sorgente dell’algoritmo. La normativa tutela l’interessato attraverso informazioni comprensibili e pertinenti, senza imporre necessariamente la divulgazione di ogni dettaglio tecnico o segreto industriale.

Anche il decreto legislativo 104/2022, conosciuto come Decreto trasparenza, ha introdotto obblighi informativi relativi all’impiego di sistemi decisionali o di monitoraggio automatizzati nell’ambito dei rapporti di lavoro. Occorre però distinguere gli obblighi che riguardano il rapporto di lavoro da quelli applicabili alla fase di selezione: non tutte le disposizioni previste per i lavoratori possono essere trasferite automaticamente ai candidati.

AI Act: il recruiting tra gli utilizzi ad alto rischio

Il Regolamento europeo sull’intelligenza artificiale affronta direttamente il problema della selezione automatizzata.

I sistemi di IA destinati a essere utilizzati per il reclutamento e la selezione delle persone rientrano tra i casi d’uso considerati ad alto rischio dall’Allegato III, perché possono incidere sulle opportunità professionali e sui diritti fondamentali.

La classificazione dipende tuttavia dalla finalità effettiva del sistema e dal suo utilizzo concreto. Non ogni piattaforma che registra un colloquio è automaticamente un sistema di IA ad alto rischio: occorre verificare se utilizzi effettivamente funzionalità di intelligenza artificiale per finalità riconducibili a quelle indicate dal regolamento.

È inoltre necessario distinguere i sistemi che analizzano le competenze da quelli che cercano di riconoscere le emozioni.

L’AI Act vieta, salvo specifiche eccezioni per finalità mediche o di sicurezza, l’utilizzo di sistemi di riconoscimento delle emozioni sul luogo di lavoro e negli istituti di istruzione. Il divieto è applicabile dal 2 febbraio 2025.

Un sistema che tentasse di dedurre lo stato emotivo di un candidato durante una selezione attraverso l’analisi biometrica del volto o della voce incontrerebbe quindi un problema normativo particolarmente serio.

Non bisogna però confondere il riconoscimento delle emozioni con il riconoscimento delle parole pronunciate o con l’analisi semantica di una risposta. Trascrivere una frase e valutarne il contenuto rispetto a una competenza professionale non costituisce automaticamente riconoscimento delle emozioni.

C’è un aggiornamento importante anche sul calendario di applicazione del regolamento.

Alla data di novembre 2026, le disposizioni specifiche per i sistemi ad alto rischio ricompresi nell’Allegato III sono previste dal 2 dicembre 2027, in seguito alle modifiche introdotte dal pacchetto europeo di semplificazione dell’AI Act. Per i sistemi ad alto rischio collegati ai prodotti disciplinati dall’Allegato I, il calendario prevede invece il 2 agosto 2028.

Questo rinvio riguarda l’applicazione degli specifici obblighi previsti per tali sistemi e non modifica la loro classificazione come ad alto rischio. Non sospende inoltre gli obblighi già applicabili derivanti dal GDPR e non rende leciti trattamenti discriminatori o pratiche di riconoscimento delle emozioni vietate.

Per chi si candida a un lavoro, quindi, la questione non è rimandata al 2027: le tutele sulla protezione dei dati e i divieti già applicabili esistono indipendentemente dal calendario degli ulteriori obblighi dell’AI Act.

Come prepararsi senza trasformarsi in un personaggio artificiale

A questo punto arriva la domanda pratica: come si affronta un video-colloquio asincrono?

Il primo errore è cercare di interpretare un personaggio. Non serve sorridere continuamente, fissare ossessivamente la webcam o costruire risposte artificialmente perfette, perché il candidato deve dimostrare di possedere competenze professionali e non di essere un presentatore televisivo.

La preparazione più utile riguarda i contenuti, la capacità di organizzare il racconto e la scelta di esempi concreti.

Costruire un repertorio di esperienze

Prima di avviare la registrazione, conviene individuare quattro o cinque episodi professionali che dimostrino capacità differenti: risoluzione dei problemi, collaborazione, gestione delle priorità, autonomia, adattamento e capacità di apprendimento.

Non è necessario che tutti gli esempi provengano da un’esperienza lavorativa. Per chi è all’inizio della carriera possono essere significativi anche progetti universitari, attività di gruppo, esperienze di tirocinio e iniziative personali, purché permettano di descrivere responsabilità e risultati effettivi.

Utilizzare il metodo STAR

Un metodo utile per organizzare le risposte è il modello STAR, che permette di raccontare un’esperienza senza perdersi in dettagli poco rilevanti.

• Situation: qual era il contesto e quale problema si era presentato?
• Task: quale responsabilità avevi e quale risultato dovevi raggiungere?
• Action: quali decisioni hai preso e che cosa hai fatto concretamente?
• Result: quale risultato hai ottenuto e che cosa hai imparato?

La parte più importante è l’Action, perché molti candidati raccontano ciò che ha fatto il gruppo senza chiarire il proprio contributo. Una risposta convincente dovrebbe permettere al selezionatore di comprendere il ragionamento seguito, le scelte effettuate e le responsabilità assunte.

Preparare risposte, non copioni

Una risposta memorizzata parola per parola rischia di diventare rigida e poco naturale, soprattutto quando il candidato deve adattarsi a una domanda formulata in modo leggermente diverso da quello previsto.

È preferibile costruire una traccia con tre o quattro concetti da sviluppare, lasciando spazio a un’esposizione spontanea.

Per esempio, alla domanda «Mi racconti una situazione in cui ha risolto un problema complesso», si può partire dalla descrizione del problema, spiegare il metodo adottato, illustrare la decisione presa e concludere con il risultato ottenuto.

Verificare le condizioni tecniche

Una buona illuminazione, un audio pulito e una connessione stabile riducono i problemi durante la registrazione, ma non devono diventare una gara estetica.

Prima di iniziare è opportuno controllare la compatibilità del browser e del dispositivo, il funzionamento della webcam e del microfono, il limite temporale delle risposte, il numero di tentativi consentiti e la possibilità di interrompere e riprendere la sessione.

È utile verificare anche la disponibilità di sottotitoli, strumenti di accessibilità e modalità alternative per completare l’assessment quando necessario.

Non rinunciare alla propria naturalezza

Un candidato non deve dimostrare di essere perfettamente a proprio agio davanti a una telecamera. Una pausa per riflettere, un’esitazione occasionale o un accento regionale non sono automaticamente segnali di incompetenza.

Il criterio dovrebbe essere la qualità della risposta rispetto alla posizione, non la capacità di imitare un modello ideale di comunicazione.

Il candidato ha dei diritti: cinque domande da fare prima di registrarsi

La fretta di completare la candidatura porta spesso ad accettare condizioni senza leggerle. È comprensibile, soprattutto quando si teme che qualsiasi richiesta di chiarimento possa compromettere la possibilità di ottenere il lavoro.

Conoscere i propri diritti, tuttavia, non significa essere un candidato difficile. Prima di registrare è ragionevole cercare nell’informativa o chiedere al referente della selezione alcune informazioni essenziali.

Chi è il titolare del trattamento?

Occorre capire quale azienda decide le finalità e i mezzi del trattamento e quale ruolo svolge il fornitore della piattaforma, che potrebbe operare come responsabile del trattamento per conto dell’impresa.

Il video viene soltanto registrato oppure è analizzato automaticamente?

La risposta dovrebbe chiarire se sono previste trascrizioni, valutazioni algoritmiche, attribuzione di punteggi o altre elaborazioni automatizzate.

Quali dati vengono utilizzati per la valutazione?

È importante distinguere tra contenuto delle risposte, caratteristiche vocali, immagini, risultati dei test e altri dati eventualmente elaborati dal sistema.

Per quanto tempo vengono conservate le registrazioni?

Non esiste un unico periodo valido per tutte le selezioni. La durata deve essere giustificata rispetto alle finalità del trattamento e ai principi stabiliti dal GDPR.

È prevista una valutazione umana e quali strumenti di accessibilità sono disponibili?

La risposta dovrebbe chiarire come vengono esaminate le candidature, quale ruolo svolge il recruiter, come vengono gestiti gli errori tecnici e quali alternative ragionevoli sono disponibili per chi incontra difficoltà nell’utilizzo della piattaforma.

Se le informazioni non sono sufficienti, il candidato può rivolgersi all’azienda per ottenere chiarimenti e, quando ne ricorrono i presupposti, esercitare i diritti previsti dal GDPR.

Una richiesta potrebbe essere formulata in questo modo:

«Prima di completare il video-assessment, vorrei sapere se le registrazioni saranno sottoposte esclusivamente a valutazione umana oppure anche a elaborazioni automatizzate, comprese trascrizioni e attribuzione di punteggi. Vorrei inoltre conoscere le categorie di dati utilizzate per la valutazione, i tempi di conservazione delle registrazioni e le modalità con cui vengono esaminati i risultati».

È una comunicazione semplice e professionale, che permette al candidato di comprendere meglio il processo senza trasformare la richiesta in una contestazione.

Un secondo caso italiano: quando il problema non è l’algoritmo, ma l’organizzazione

Immaginiamo una media impresa lombarda che deve selezionare 120 addetti per la propria rete commerciale.

Il responsabile delle risorse umane riceve centinaia di candidature e decide di introdurre video-colloqui asincroni per ridurre i tempi della prima selezione. La piattaforma consente di presentare le stesse domande a tutti i candidati e raccogliere le risposte in un ambiente centralizzato.

Sulla carta il processo sembra efficiente, perché riduce il numero di telefonate preliminari e permette ai recruiter di consultare le registrazioni quando hanno tempo a disposizione.

Dopo alcune settimane, però, emerge un problema: i selezionatori guardano i video prevalentemente fuori dall’orario di lavoro e con poco tempo a disposizione. Per velocizzare la valutazione, alcuni si concentrano sulle prime impressioni, sulla fluidità espositiva e sulla capacità di sintetizzare, senza utilizzare una griglia comune sufficientemente dettagliata.

La piattaforma non sta necessariamente producendo un giudizio discriminatorio e potrebbe anche non utilizzare alcun algoritmo per valutare le risposte. Il problema nasce dall’organizzazione che ha introdotto uno strumento standardizzato senza definire criteri di valutazione altrettanto rigorosi.

Il risultato è una selezione digitale che riproduce, attraverso un’altra interfaccia, gli stessi limiti del colloquio tradizionale.

Anche questo è un caso illustrativo, non una vicenda aziendale documentata. Suggerisce però una lezione importante per le imprese italiane: acquistare una piattaforma non equivale a progettare un processo di selezione valido.

Occorrono criteri collegati alle mansioni, valutatori preparati, verifiche sugli errori, controlli sulle differenze di risultato tra gruppi di candidati e procedure per gestire contestazioni e richieste di accessibilità.

La tecnologia può ridurre i tempi organizzativi, ma non può sostituire la responsabilità di chi decide quali caratteristiche professionali siano davvero importanti.

La vera asimmetria: l’azienda conosce il sistema, il candidato no

C’è una differenza sostanziale tra il recruiter e il candidato.

L’azienda sceglie la piattaforma, decide le domande, configura le funzionalità e può avere accesso alla documentazione tecnica del fornitore. Può inoltre definire le competenze da valutare, stabilire il peso dei risultati e organizzare le modalità con cui i selezionatori esaminano le candidature.

Il candidato, invece, riceve un collegamento e una scadenza. Non conosce necessariamente i criteri di valutazione, non sa se le risposte saranno trascritte, non può verificare la qualità del sistema e spesso non riceve alcun feedback dopo aver completato l’assessment.

Questa asimmetria informativa è il vero nodo della questione.

Non dobbiamo immaginare che ogni video-colloquio sia una macchina che giudica automaticamente le persone, perché sarebbe una rappresentazione imprecisa. Non dobbiamo nemmeno considerarlo un semplice colloquio tradizionale con una webcam al posto del tavolo, perché la raccolta e l’elaborazione dei dati possono introdurre nuove forme di valutazione e nuove possibilità di errore.

La selezione digitale è un processo nel quale le informazioni personali possono essere trasformate in indicatori, punteggi e classificazioni che incidono sulle opportunità di accesso al lavoro.

La responsabilità non può essere trasferita interamente al candidato, che dovrebbe conoscere le regole del processo senza avere gli strumenti per verificarle.

Una nuova competenza professionale: saper affrontare un colloquio mediato dalla tecnologia

Per chi entra nel mercato del lavoro, la capacità di affrontare un video-assessment è destinata ad assumere un’importanza crescente, ma non dovrebbe trasformarsi nell’obbligo di adattare la propria personalità a un modello algoritmico.

La preparazione deve comprendere due dimensioni complementari.

La prima è professionale: saper descrivere esperienze, risultati, competenze e capacità di risoluzione dei problemi, fornendo esempi concreti che permettano di comprendere il contributo effettivo del candidato.

La seconda è digitale: conoscere il funzionamento delle piattaforme, leggere le informative, comprendere le modalità di valutazione e riconoscere quando è necessario chiedere chiarimenti.

Per le aziende, invece, la sfida è più impegnativa, perché richiede di dimostrare che l’efficienza del processo non venga ottenuta sacrificando trasparenza, accessibilità e correttezza.

Un buon sistema di selezione non è quello che elimina più rapidamente i candidati, ma quello che riesce a individuare le persone più adatte al ruolo attraverso criteri pertinenti, verificabili e non discriminatori.

La telecamera può registrare una risposta e un algoritmo può contribuire a valutarla, ma nessuno dei due dovrebbe diventare un alibi per rinunciare alla responsabilità di scegliere una persona.

Forse la domanda che un candidato dovrebbe poter fare prima ancora di accendere la webcam è molto semplice: «Mi state chiedendo di sostenere un colloquio oppure di sottopormi a un test automatizzato?».

La differenza non è semantica. Riguarda la trasparenza del processo, la qualità della valutazione e il diritto di accedere a un’opportunità professionale senza essere penalizzati da criteri che non hanno relazione con le proprie capacità.

Fonti e riferimenti

• HireVue – Our Science: documentazione sulle modalità di valutazione e sulle tecnologie utilizzate.
• HireVue – Candidate FAQ: informazioni per i candidati su video-assessment, domande e valutazioni.
• Society for Human Resource Management – HireVue Discontinues Facial Analysis Screening: ricostruzione della decisione di abbandonare l’analisi facciale.
• Regolamento (UE) 2016/679 – GDPR: testo del regolamento, in particolare articoli 5, 9, 13, 15 e 22.
• Garante per la protezione dei dati personali: processi decisionali automatizzati e profilazione.
• Decreto legislativo 27 giugno 2022, n. 104: Decreto trasparenza.
• Regolamento (UE) 2024/1689 – AI Act: testo consolidato del regolamento europeo sull’intelligenza artificiale.
• Commissione europea – AI Act: calendario di applicazione e aggiornamenti normativi.

Pubblicità