AI nei colloqui: fiducia alta, bias irrisolti in HR

Il paradosso della fiducia dichiarata

Due numeri pubblicati nel report BambooHR del 2 settembre 2026, condotto su oltre 500 professionisti HR, definiscono la frattura che il governo dell'AI in hiring deve affrontare oggi: il 67% dichiara fiducia nell'AI per condurre colloqui in autonomia, mentre l'80% degli stessi rispondenti ha osservato bias o problemi nei modelli linguistici che sostengono quel lavoro, come riporta HCAMag^[1].

La distanza tra queste due cifre è la vera domanda di governance per il 2026.

Chi dichiara fiducia e chi osserva bias sono, in larga misura, le stesse persone: professionisti che riconoscono il problema e, contemporaneamente, autorizzano lo strumento a decidere chi entra in un'organizzazione.

Bias demografico e distorsione del modello: cosa mostrano i numeri

Il report scompone il fenomeno in cluster misurabili. Il 36% dei professionisti HR ha osservato l'AI favorire curriculum e lettere di presentazione generate dallo stesso modello che le valuta, un pattern circolare che premia la forma linguistica del testo, mai il merito del candidato. Il 33% riporta pattern di bias demografico ricorrente nei propri strumenti di selezione, secondo lo stesso report.

Contestualmente, tre HR su quattro (76%) si definiscono utenti quotidiani e sicuri dell'AI, contro appena il 50% registrato tra i lavoratori generici. Il gap di fiducia tra chi governa lo strumento e chi lo subisce cresce, mai si riduce, man mano che l'adozione avanza.

Il mirroring: quando gli umani copiano l'errore della macchina

Uno studio dell'University of Washington, citato nel report BambooHR, offre l'evidenza del meccanismo che rende questo gap pericoloso. I ricercatori hanno osservato che i decisori umani, posti davanti a un output AI distorto, tendono a rispecchiare la decisione della macchina invece di correggerla.

Il fenomeno rovescia l'assunzione comune secondo cui la supervisione umana funziona come correttivo automatico dei bias algoritmici. Un revisore che si limita a confermare l'output dell'AI aggiunge una parvenza di controllo, mai un controllo reale.

Un fallimento di design, mai di tecnologia

La lettura corretta di questi numeri riguarda il design organizzativo, mai la tecnologia in sé stessa. Un'organizzazione che promuove l'AI al ruolo di intervistatore, sapendo che l'80% dei propri professionisti ne ha osservato i bias, sta delegando una decisione di capitale umano a un sistema che essa stessa riconosce come parziale.

Nicole Csizar, senior director HR services di BambooHR, lo mette in questi termini: l'AI dovrebbe rendere l'intervistatore migliore nella parte del lavoro che richiede presenza umana, mai sostituirlo del tutto, come riportato da HCAMag^[1].

Il 92% delle organizzazioni sta già pilotando o pianificando agenti AI lungo l'intero ciclo HR: screening, monitoraggio del rischio di abbandono, applicazione di policy. La velocità di adozione supera, sistematicamente, la velocità con cui viene costruita la governance che dovrebbe accompagnarla.

Cosa fanno le organizzazioni che colmano il gap

Le organizzazioni che riducono questo divario condividono pratiche riconoscibili, documentate a livello di settore.

• Verifiche periodiche e indipendenti sui pattern di output dei modelli usati in selezione, mai solo un audit iniziale al momento dell'acquisto dello strumento
• Soglie chiare oltre le quali una decisione richiede revisione umana sostanziale, mai una semplice conferma pro forma
• Formazione dei revisori sull'effetto mirroring documentato dall'University of Washington, perché la supervisione resti un correttivo attivo

Una ricerca del 2024 condotta in Australia aveva già segnalato che i leader HR ritenevano probabile una discriminazione algoritmica ai danni di gruppi sottorappresentati sul lavoro. Il tema precede questo report di quasi due anni e resta aperto.

La lettura per CEO, CHRO, CFO e board

Per il CEO, il dato di governance da portare al board riguarda la readiness organizzativa nel governo dell'AI in hiring, mai unicamente l'ampiezza dell'adozione. Un tasso di pilotaggio del 92% qualora accompagnato da audit di bias assenti descrive esposizione, mai maturità.

Per il CHRO, la priorità immediata riguarda la costruzione di un processo di verifica dei modelli usati in selezione, con cadenza regolare e responsabilità assegnata a un ruolo preciso.

Per il CFO, il ragionamento è di rischio economico: una controversia per discriminazione algoritmica in hiring costa, in reputazione e contenzioso, molto più di un audit trimestrale sui pattern del modello. Per il comitato talento e compensi del board, la metrica da monitorare resta semplice: la quota di decisioni di hiring assistite da AI sottoposte a revisione umana sostanziale, mai simbolica.

La domanda di design per la leadership

Il 67% e l'80% descrivono due popolazioni ampiamente sovrapposte: professionisti che usano lo strumento ogni giorno e, contemporaneamente, ne conoscono i limiti documentati.

La domanda aperta per ogni leadership riguarda la struttura di verifica capace di rendere quella fiducia meritata, mai il livello di fiducia dichiarato in astratto. Un'organizzazione che risponde a questa domanda con un processo, con ruoli assegnati e con audit ricorrenti trasforma un dato di rischio in un vantaggio competitivo documentabile.