Tag Archives: Audit Algoritmico

20Apr/26

L’AI e i 5 errori cognitivi che l’HR Manager non può permettersi

L’AI e i 5 errori cognitivi che l’HR Manager non può permettersi | Alessandro Samele

20/04/2026Gestione Risorse UmaneAI, AI Governance, Audit Algoritmico, Autonomia Decisionale, Bias Cognitivi, BYOAI, HR e IA, Meritocrazia, Pensiero Critico, Processo decisionaleRisorseUmane-HR

Un articolo dedicato ai rischi cognitivi e organizzativi dell’uso dell’Intelligenza Artificiale nelle Risorse Umane. Dall’automation bias al confirmation bias, passando per BYOAI, overreliance e authority bias, il testo mostra come l’AI possa amplificare i pregiudizi decisionali e propone leve operative per difendere autonomia cognitiva, equità, giudizio critico e meritocrazia nei processi HR.

23Feb/26

IA e lavoro: HR e governance nell’Osservatorio nazionale

23/02/2026Gestione Risorse UmaneAI Act, AI Governance, Audit Algoritmico, Benessere Psicologico, Governance HR, HR e IA, Privacy, Processi HR, Relazioni Industriali, Sicurezza sul LavoroRisorseUmane-HR

La raccolta di contributi che avvia l’Osservatorio nazionale sull’adozione dell’IA nel lavoro porta HR al centro: selezione e promozioni ad alto rischio, trasparenza sui dati, impatti su autonomia e salute mentale, e perimetro del controllo a distanza (art. 4 Statuto). Il documento richiama anche la contrattazione collettiva come leva di regolazione anticipatoria e di governance partecipata: senza regole e ruoli chiari, l’adozione resta opaca e difficile da gestire.

27Ott/25

CV valido scartato con bollino ‘High Confidence’: rischio di overconfidence dell’IA nello screening HR

L’IA è troppo sicura di sé? Attenzione ai bias nelle risorse umane

27/10/2025Gestione Risorse UmaneAI Act, AI Governance, AI Recruiting, Audit Algoritmico, Bias Algoritmici, Bias Cognitivi, HR Tech, Intelligenza Artificiale, Overconfidence IA, Pensiero CriticoRisorseUmane-HR

L’intelligenza artificiale nei processi HR può mostrarsi estremamente sicura anche quando sbaglia. L’articolo analizza il fenomeno dell’overconfidence algoritmica, i rischi per selezione, valutazione e formazione, e propone strategie concrete per calibrare modelli, audit e controllo umano.