Se in azienda usi già software che filtrano CV, propongono turni o assegnano punteggi alle prestazioni, dal 23 ottobre 2026 devi poter dimostrare che l’ultima parola l’ha avuta una persona, e che quella persona ha davvero valutato il caso. Lo stabilisce il D.Lgs. 179/2026, pubblicato nella Gazzetta Ufficiale n. 234 dell’8 ottobre 2026. In questo articolo vediamo cosa significa in pratica per chi progetta e usa l’AI nella gestione del personale: come costruire automazioni e agenti AI per l’HR che restino utili senza diventare un rischio.
Una premessa onesta: non sono un avvocato né un consulente del lavoro. Il mio mestiere è costruire automazioni, integrazioni e agenti AI. Quello che segue è come tradurre gli obblighi in architettura software. La valutazione legale va fatta con il tuo consulente del lavoro e, se presente, con il DPO.
Perché il tema riguarda anche le PMI, non solo le grandi aziende
L’adozione dell’AI nelle piccole imprese non è più marginale. In un’indagine di Assolombarda con il Politecnico su 700 aziende del proprio territorio, presentata a ottobre 2026, il 49% dichiara progetti di AI attivi, contro meno del 20% a fine 2024; l’adozione è al 40% nelle microimprese e al 41% nelle piccole (fonte). Sono dati locali, non nazionali, ma indicano una tendenza chiara.
Il punto è che spesso l’AI entra in azienda senza un progetto dedicato: arriva dentro il gestionale paghe, la piattaforma di recruiting, il software di pianificazione turni. Molte PMI usano già sistemi di AI nella gestione del personale senza averli mai censiti. Ed è proprio da qui che bisogna partire.
Cosa prevede il D.Lgs. 179/2026 sul rapporto di lavoro
Dalle prime analisi pubblicate (tra cui Euroconference News e Lavoro e Diritti) emergono quattro punti che hanno un impatto diretto sul modo in cui si costruiscono i sistemi:
- Niente decisioni finali esclusivamente automatizzate sul rapporto di lavoro. Il divieto copre anche provvedimenti disciplinari e valutazioni delle prestazioni.
- L’approvazione formale non basta: un responsabile HR che clicca “conferma” sul risultato del software senza poterlo esaminare non soddisfa il requisito. Deve poter valutare concretamente.
- Diritto a una motivazione intelligibile: il lavoratore può chiedere perché è stata presa una decisione, inclusa l’eventuale incidenza del sistema AI e i principali parametri utilizzati.
- L’AI entra nel DVR: come riporta LavoroFacile, è consigliato avviare il censimento dei sistemi di IA in uso, compresi quelli integrati in gestionali, piattaforme HR e software di pianificazione.
Tradotto in termini tecnici: servono tracciabilità, spiegabilità e una revisione umana progettata, non aggiunta all’ultimo momento.
Primo passo: il censimento dei sistemi AI già in uso
Prima di costruire qualcosa di nuovo, mappa quello che c’è. Un foglio condiviso o, meglio, una tabella in un database con questi campi è un buon punto di partenza:
- Nome del sistema e fornitore (es. modulo di screening CV della piattaforma recruiting).
- Processo HR coinvolto: selezione, turni, valutazioni, presenze, formazione, disciplinare.
- Cosa fa l’AI: classifica, suggerisce, genera testi, assegna punteggi, decide.
- Dati in ingresso: quali dati personali elabora e da dove arrivano.
- Chi vede l’output e chi prende la decisione finale.
- Log disponibili: il sistema conserva input, output e versione del modello? Si possono esportare?
- Documentazione del fornitore sui criteri usati.
Il punto 6 è quello che più spesso rivela problemi. Molti SaaS mostrano un punteggio finale ma non i parametri che lo hanno generato: in quel caso fornire una motivazione intelligibile diventa difficile. Vale la pena chiedere al fornitore in modo esplicito cosa può esportare. Se stai valutando l’impatto sul trattamento dei dati, la DPIA per i sistemi di intelligenza artificiale è il documento in cui questo censimento trova naturalmente posto.
Come progettare un’automazione HR in cui decide una persona
Il principio è semplice: l’AI prepara, la persona decide. Ma nei dettagli si gioca tutto. Prendiamo tre casi tipici.
Selezione del personale
Un workflow in n8n o Make può ricevere le candidature, estrarre i dati dai CV, confrontarli con i requisiti dell’annuncio e produrre una scheda sintetica per ogni candidato. Quello che il workflow non deve fare è inviare in automatico l’email di rifiuto a chi ha un punteggio basso. Il nodo di invio arriva solo dopo un passaggio di approvazione (in n8n, ad esempio, un nodo Wait con form o un’azione da una dashboard interna) in cui il selezionatore vede la scheda, i requisiti soddisfatti e non soddisfatti, e il CV originale. Ne ho parlato più in generale nell’articolo su AI per il recruiting.
Turni e pianificazione
Un ottimizzatore che propone il calendario dei turni è utile, ma la proposta va presentata al capoturno con i vincoli che hanno pesato: ore contrattuali, riposi, indisponibilità, competenze. Il capoturno deve poter modificare il piano e il sistema deve registrare la modifica. Per l’aspetto tecnico dell’ottimizzazione rimando alla guida sulla pianificazione turni con l’AI.
Valutazioni e disciplinare
Qui la prudenza deve essere massima. Un LLM può aiutare a riassumere feedback raccolti durante l’anno o a mettere in ordine una documentazione, ma non deve produrre giudizi o proposte di sanzione presentate come “pronte da firmare”. L’output va trattato come materiale di lavoro, con le fonti sempre visibili.
Evitare la revisione di facciata
Il decreto, secondo le analisi citate, considera insufficiente l’approvazione puramente formale. Nell’interfaccia questo si traduce in scelte precise:
- Mostrare i dati, non solo il risultato: il revisore vede input, criteri e documenti originali, non un semaforo verde o rosso.
- Motivazione obbligatoria: un campo testo da compilare per confermare o modificare la proposta. Un pulsante “approva tutti” su cinquanta candidati è il segnale che la revisione non è reale.
- Possibilità di dissentire senza attrito: modificare la proposta deve essere facile quanto accettarla.
- Metriche di controllo: tempo medio di revisione e percentuale di proposte modificate. Se il tasso di modifica è sempre zero e i tempi sono di pochi secondi, c’è qualcosa da rivedere nel processo.
Sono gli stessi principi che applico negli agenti con supervisione, descritti nell’articolo su Human-in-the-Loop, ma qui hanno un peso normativo specifico.
Il registro delle decisioni: da cui nasce la motivazione
Se un lavoratore chiede la motivazione di una decisione, non puoi ricostruirla a memoria dopo sei mesi. Ogni decisione assistita dall’AI dovrebbe generare un record con:
- data, processo e persona interessata;
- dati in ingresso (o riferimento ai documenti) e versione del prompt e del modello usati;
- output dell’AI e parametri principali che lo hanno determinato;
- chi ha revisionato, quando, con quale decisione e quale motivazione;
- eventuali differenze tra proposta e decisione finale.
Con questo registro, generare una motivazione leggibile è quasi meccanico: si può anche far preparare una bozza a un LLM a partire dal record, sempre rivista da una persona prima dell’invio. Attenzione alla conservazione: questi log contengono dati personali, quindi servono tempi di retention definiti, accessi limitati e cifratura. Dove possibile preferisco tenerli su infrastruttura controllata dall’azienda anziché sparsi nei log di cinque SaaS diversi.
Una checklist per i prossimi giorni
- Censisci i sistemi AI usati nei processi HR, inclusi quelli integrati nei gestionali.
- Per ognuno, identifica se esistono passaggi in cui l’output diventa decisione senza revisione.
- Chiedi ai fornitori quali log e criteri possono esportare.
- Blocca gli invii automatici di comunicazioni con effetti sul rapporto di lavoro.
- Introduci un registro delle decisioni, anche semplice, per i processi più delicati.
- Coinvolgi consulente del lavoro, RSPP per il DVR e DPO per la parte privacy.
Domande frequenti
Se uso solo ChatGPT per scrivere annunci di lavoro, sono coinvolto?
Scrivere un annuncio non è una decisione sul rapporto di lavoro, ma lo strumento rientra comunque nel censimento dei sistemi AI in uso. Diverso è il caso in cui lo stesso strumento venga usato per confrontare candidati o valutare dipendenti.
Basta far approvare ogni output da un responsabile HR?
No, se l’approvazione è solo formale. Secondo le prime analisi del decreto, chi approva deve poter valutare concretamente il caso: servono accesso ai dati, ai criteri e la possibilità reale di modificare la proposta.
Posso adeguare un software HR esistente o devo sostituirlo?
Spesso si può intervenire attorno al software: workflow di approvazione, registro delle decisioni, blocco degli invii automatici. Se però il fornitore non espone né log né criteri, fornire motivazioni intelligibili diventa complicato e conviene valutare alternative.
Ci sono finanziamenti per questi interventi?
Alcune Camere di Commercio hanno voucher dedicati all’AI e alla digitalizzazione, con condizioni e scadenze diverse da territorio a territorio. Vanno verificati caso per caso sul sito della Camera di Commercio di competenza.
Costruire AI per l’HR che regga anche le verifiche
Il D.Lgs. 179/2026 non vieta di usare l’AI nella gestione del personale: chiede che sia progettata bene, con persone che decidono davvero e tracce che permettono di spiegare ogni scelta. È un lavoro di architettura più che di modelli. Se vuoi censire gli strumenti che usi, rivedere i tuoi workflow HR o costruire automazioni e agenti AI con revisione umana e registro delle decisioni integrati, contattami qui: partiamo dai processi che hai oggi e capiamo insieme cosa adeguare per primo.
