Capitolo 2
Tecnologie emergenti e relativi limiti
Distinguere automazione, previsione e generazione per scegliere applicazioni proporzionate.
2.1 Apprendimento automatico
L’apprendimento automatico adatta modelli a partire da esempi. Nelle risorse umane può sostenere la classificazione documentale, la ricerca di competenze o l’individuazione di regolarità collettive. La sua utilità dipende dalla qualità dell’obiettivo, dalla rappresentatività dei dati e da una valutazione indipendente dall’addestramento.
Una previsione non identifica, di per sé, le cause di un risultato. Quando cambia il contesto, le relazioni apprese possono perdere stabilità. È necessario confrontare il modello con alternative semplici e verificare se il miglioramento compensi il costo, la complessità e i rischi aggiuntivi.
2.2 Linguaggio e assistenti generativi
I modelli linguistici possono aiutare a redigere descrizioni delle posizioni, riassumere politiche o proporre materiali formativi. Le loro risposte devono essere verificate prima di comunicare condizioni di lavoro o interpretare norme. La scorrevolezza di una spiegazione non dimostra che la fonte esista né che la conclusione sia corretta.
Un assistente interno deve delimitare le proprie fonti, segnalare l’incertezza e indirizzare le questioni sensibili ai professionisti. Anche i documenti recuperati possono contenere istruzioni malevole. Le prove devono includere domande ambigue, politiche contraddittorie e richieste che superano le autorizzazioni dell’utente.
2.3 Automazione dei processi
L’automazione basata su regole può svolgere compiti ripetitivi senza ricorrere all’intelligenza artificiale. Gestire una richiesta completa o verificare un campo obbligatorio sono esempi di operazioni relativamente circoscritte. Scegliere una soluzione semplice facilita le prove e riduce la dipendenza da componenti difficili da spiegare.
Ogni flusso automatizzato deve gestire le eccezioni e impedire che un errore si ripeta su larga scala. Devono esistere una coda di revisione, una persona responsabile e una modalità per interrompere l’esecuzione. I miglioramenti si misurano sull’intero processo, compreso il lavoro necessario per correggere gli incidenti.
2.4 Emozioni, biometria e sorveglianza
Non si deve presumere che la voce, il volto o le microespressioni consentano di inferire validamente l’onestà, la personalità o l’idoneità lavorativa. Una correlazione apparente può riflettere il contesto, una disabilità, la lingua o le condizioni di registrazione. Questi usi richiedono una valutazione scientifica e giuridica particolarmente rigorosa.
Nel quadro europeo, il regolamento sull’intelligenza artificiale comprende il divieto di determinate inferenze emotive sul lavoro, con eccezioni circoscritte per ragioni mediche o di sicurezza. Non costituisce un’autorizzazione generale a sorvegliare il benessere. Occorre consultare il testo vigente e gli orientamenti ufficiali applicabili al caso [R1].
2.5 Scelta proporzionata della tecnologia
La scelta comincia da una necessità verificabile. Si esaminano poi alternative, dati necessari, accessibilità, costi di manutenzione e possibilità di ritiro. Uno strumento non è preferibile soltanto perché è nuovo. Alcune necessità trovano una risposta migliore nei cambiamenti organizzativi o nella formazione.
L’analisi deve comprendere chi ottiene il beneficio e chi sostiene il rischio. Una soluzione che fa risparmiare tempo al dipartimento può imporre barriere ai candidati. La decisione deve includere questi punti di vista e descrivere i limiti d’uso in modo comprensibile.
Questionari
Comprensione del capitolo & Dilemmi delle risorse umane
I dilemmi non prevedono un punteggio morale e non vengono utilizzati per valutare le candidature.