La privacy frena l’adozione dell’intelligenza artificiale tra i capi del personale

La crescente diffusione dell’AI agentica nelle risorse umane promette di trasformare temi come la trasparenza salariale, la gestione dei gap retributivi, la valutazione delle performance, l’analisi dei carichi di lavoro, il reclutamento e le survey motivazionali; tuttavia, la sensibilità dei dati personali e le prescrizioni normative ne frenano l’adozione operativa da parte dei direttori del personale.

Dalla normativa in discussione a livello europeo — l’AI Act — derivano ulteriori vincoli: i sistemi di intelligenza artificiale utilizzati per il reclutamento e lo screening dei curriculum sono classificati come ad alto rischio e richiedono livelli stringenti di trasparenza, tracciabilità e supervisione umana. Questo quadro spiega perché, nonostante l’83% dei manager HR riconosca un impatto significativo e un alto potenziale degli strumenti nei prossimi due anni, solo il 21% dichiara di avere soluzioni operative in produzione.

Questi elementi sono emersi durante un workshop organizzato da Aidp Lombardia con il coinvolgimento di DGS, realtà impegnate nell’implementazione di AI e nella cybersecurity applicata alla gestione del personale. All’iniziativa hanno partecipato 50 manager che hanno discusso temi quali la gestione delle competenze, l’onboarding, l’esperienza dei lavoratori e la trasparenza salariale.

Dal sondaggio è emerso che, oltre al 21% di soluzioni già operative, il 33% delle aziende è in esplorazione e il 25% sta sperimentando progetti pilota. In particolare la gestione delle competenze si conferma un punto critico: il 65% dei manager HR segnala mappe delle competenze incomplete o non aggiornate, integrate in modo insufficiente nei processi decisionali, mentre solo il 17% dispone di piani strutturati di sviluppo e reskilling.

Il nodo della frammentazione del dato

Vincenzo De Giovanni ha affermato:

“Applicare l’intelligenza artificiale agentica alle risorse umane non significa solo implementare algoritmi come in altre funzioni aziendali. Molti dati, in particolare quelli sulle competenze, sono frammentati o incompleti; inoltre la natura sensibile delle informazioni richiede che siano puliti, sicuri, sistematizzati e pienamente conformi alle normative sul trattamento dei dati del personale. Molte aziende non hanno ancora raggiunto questo livello, il che ostacola l’implementazione di procedure affidabili basate sull’AI.”

La questione centrale non riguarda esclusivamente la tecnologia, ma la qualità del dato: senza un patrimonio informativo affidabile e governato secondo i principi del GDPR e dell’AI Act, gli output algoritmici rischiano di essere non riproducibili o di generare bias, con effetti negativi su decisioni di talent acquisition, percorsi di carriera e relazioni industriali.

Gli inserimenti e l’onboarding personalizzato

Vincenzo De Giovanni ha aggiunto:

“In azienda l’agentic AI può orchestrare l’onboarding, fornendo automaticamente al neoassunto i task nell’ordine e nel momento più adeguati in relazione al ruolo e alla fase di inserimento. Questo accelera l’apprendimento e riduce gli attriti, ma richiede informazioni aggiornate raccolte in modo continuo e sistematizzato: senza una cultura del dato nelle risorse umane, l’adozione resta limitata.”

L’analisi del workshop mostra che l’onboarding rimane per molte organizzazioni un processo standardizzato e poco personalizzato: la personalizzazione media si attesta su 2,35 su 5, con il 62% dei rispondenti posizionato nei livelli più bassi della scala. L’uso di AI agentica per la personalizzazione richiede quindi investimenti in data governance, integrazione dei sistemi e aggiornamento delle pratiche HR.

La trasparenza salariale e i rischi reputazionali

Vincenzo De Giovanni ha spiegato:

“La normativa europea favorisce una maggiore apertura sui dati retributivi, trasformando informazioni un tempo riservate in elementi più accessibili. L’AI potrebbe facilitare l’analisi e la diffusione controllata di questi dati, ma è essenziale definire guardrail chiari in sistemi e processi per evitare falle che danneggino la reputazione aziendale o le relazioni sindacali.”

La gestione della trasparenza salariale con strumenti automatizzati richiede quindi linee guida precise sulla governance dei dati, sulla protezione della privacy e sulla responsabilità degli algoritmi, oltre a piani di comunicazione interna per gestire le aspettative dei dipendenti.

Gli investimenti e le priorità operative

Dall’indagine emerge che il 50% dei manager considera prioritaria l’adeguamento di policy, processi e sistemi per integrare l’AI nelle HR, mentre il 42% è preoccupato dalla gestione delle aspettative dei dipendenti. Le principali barriere strutturali indicate sono la carenza di competenze AI nella funzione HR e i vincoli di budget (46%), seguiti dalla frammentazione dei dati (42%).

L’interpretazione è chiara: non manca la volontà di innovare, ma occorrono risorse finanziarie e programmi di upskilling per le persone HR, oltre a investimenti infrastrutturali sui dati. Senza questi elementi, molte iniziative rimarranno in fase di sperimentazione o bloccate a livello pilota.

Elena Panzera, presidente di Aidp Lombardia, ha dichiarato:

“L’AI sta ridefinendo modelli e processi; il confronto tra manager ed esperti offre spunti concreti e soluzioni applicabili per rendere i processi HR più efficaci, inclusivi e orientati alle persone, trasformando l’innovazione tecnologica in un vantaggio reale per le organizzazioni e i loro collaboratori.”

Queste osservazioni richiamano l’attenzione su un percorso di trasformazione che non è solo tecnologico ma anche culturale: servono leadership, governance interna, e sinergia tra funzioni IT, legale e HR per allineare i progetti alle regole europee e ai requisiti di compliance.

Per le imprese italiane, la sfida è doppia: adottare soluzioni che migliorino produttività ed esperienza lavorativa, ma farlo in un contesto regolamentare che richiede controllo, trasparenza e competenze specifiche. Le opportunità esistono, ma richiedono un approccio integrato che metta al centro la qualità del dato e la protezione delle persone.

In sintesi

• La maturità delle aziende italiane sul tema dell’AI agentica nelle HR dipende principalmente dalla qualità dei dati: investimenti in data governance accelererebbero l’adozione e ridurrebbero i rischi operativi.
• Per gli investitori, le imprese che puntano su infrastrutture dati e programmi di reskilling HR mostrano maggiore potenziale di rendimento operativo nel medio termine rispetto a chi si limita a sperimentazioni isolate.
• Il rispetto del quadro normativo UE sull’AI e del GDPR rappresenta un fattore competitivo: aziende con governance e compliance solide avranno minori rischi reputazionali e relazioni industriali più stabili.
• Dal punto di vista macroeconomico, la diffusione responsabile dell’AI nelle risorse umane può aumentare produttività e inclusione del mercato del lavoro italiano, a condizione che sia accompagnata da politiche industriali e formative adeguate.