Negli ultimi mesi molti manager mi hanno fatto, in forme diverse, la stessa domanda: “Come facciamo a usare l’AI senza snaturare il nostro modo di lavorare, le nostre competenze e i nostri valori?”
L’AI sta entrando in tutti gli spazi dell’organizzazione: processi interni, selezione, formazione, product, customer care, decisioni di business.
Non è più (solo) un tema tecnologico: è un tema di progettazione del lavoro, responsabilità e fiducia, in linea con quanto sottolineano linee guida come quelle della Commissione Europea e dell’OCSE sull’AI affidabile (https://www.oecd.org/en/topics/ai-principles.html).
Per questo ho sentito il bisogno di mettere nero su bianco un manifesto in 10 punti sull’etica e l’utilizzo dell’AI nelle organizzazioni.
Tale manifesto non vuole essere un documento accademico: è una base per il lavoro, da discutere, criticare, integrare insieme a team e clienti, in continuità con le raccomandazioni internazionali su trasparenza, equità, accountability e tutela dei diritti.
Testo scaricabile da GitHub: link
1. Mettere al centro le persone
L’AI deve potenziare la capacità delle persone di decidere e agire, non sostituirle o ridurle a esecutori di output generati da un modello. Nelle decisioni che impattano lavoro, diritti, benessere e opportunità, manteniamo sempre la regola del “human in the loop”: la macchina suggerisce, la persona decide.
2. Agire entro la legge, ma oltre il minimo legale
La conformità normativa (GDPR, AI Act, policy interne) è il punto di partenza, non il traguardo. Un’organizzazione matura usa la legge come baseline e aggiunge un proprio strato di principi, policy e pratiche per gestire rischi e impatti dell’AI lungo tutto il ciclo di vita.
3. Progettare per trasparenza e spiegabilità
Le persone hanno diritto di sapere quando interagiscono con un sistema di AI, che ruolo ha nel processo e quali sono i suoi limiti. Questo vale per dipendenti, candidati, clienti, fornitori: la trasparenza è il primo mattone della fiducia, come richiamano molte linee guida internazionali su AI etica. Dove possibile, puntiamo a sistemi spiegabili: non basta un punteggio o una raccomandazione, serve anche una narrativa comprensibile del perché e come ci siamo arrivati.
4. Proteggere dati, privacy e dignità
L’AI vive di dati, ma questo non ci autorizza a raccoglierne il più possibile. Usiamo il criterio della necessità e proporzionalità: solo ciò che serve davvero, per uno scopo chiaro e legittimo, con adeguate misure di sicurezza. In parallelo, difendiamo la dignità delle persone evitando usi intrusivi o distorsivi: sorveglianza pervasiva, profilazione aggressiva, social scoring, riconoscimento emotivo fuori scala rispetto al contesto e agli obiettivi.
5. Prevenire bias e discriminazioni
I modelli di AI apprendono dai dati e dai sistemi sociali esistenti, quindi possono amplificare bias e disuguaglianze invece di ridurle. Per questo servono pratiche di progettazione e test che includano controlli specifici su discriminazioni dirette e indirette, come richiamato anche da principi ONU e UE sull’AI. Non basta un audit iniziale: è necessario un monitoraggio continuo, con la possibilità di intervenire, correggere e, se necessario, sospendere un sistema quando emergono effetti discriminatori.
6. Chiarire responsabilità (accountability)
“È colpa dell’algoritmo” è una frase che non dovrebbe avere spazio in organizzazione. Ogni sistema di AI deve avere responsabili chiari, ruoli di governance definiti, processi di audit e di escalation in caso di problemi. Questo include: chi decide se un caso è ad alto rischio, chi approva il rilascio, chi monitora gli impatti, chi può fermare il sistema, in linea con le raccomandazioni su accountability dell’AI affidabile.
7. Progettare per sicurezza e affidabilità
Un sistema di AI non è mai “finito”: cambia il contesto, cambiano i dati, cambiano gli usi non previsti. Serve una progettazione che tenga conto di sicurezza, robustezza tecnica, gestione delle vulnerabilità e scenari di abuso, come indicato anche nelle linee guida internazionali su sicurezza e resilienza dell’AI. Questo significa: test periodici, controlli di qualità, piani di aggiornamento, procedure in caso di incidenti e canali per segnalare comportamenti anomali da parte di utenti e stakeholder.
8. Considerare benessere sociale e ambientale
L’AI non impatta solo efficienza e margini: incide su lavoro, relazioni, potere, accesso alle opportunità e uso di risorse ambientali. Molte raccomandazioni internazionali sottolineano che l’AI dovrebbe contribuire al benessere umano e alla sostenibilità, non solo alla produttività. Integrare questi criteri significa includere, nelle decisioni di adozione AI, anche indicatori qualitativi su clima interno, inclusione, carichi cognitivi, qualità delle decisioni e impatto ambientale dell’infrastruttura tecnologica.
9. Coltivare alfabetizzazione e dialogo sull’AI
Non possiamo chiedere alle persone di fidarsi dell’AI se prima non le aiutiamo a capirla. Servono percorsi di alfabetizzazione diffusi: non solo per i team tecnici, ma per manager, HR, sindacati interni, rappresentanze, persone di front-office.Accanto alla formazione, è fondamentale aprire spazi di dialogo: retrospetive dedicate all’AI, forum interni, momenti di co-design in cui raccogliere esperienze d’uso, paure, idee e casi concreti dove l’AI aggiunge valore o, al contrario, crea problemi.
10. Integrare l’etica nel ciclo di vita dell’AI
L’etica non è un paragrafo in fondo al documento, è un insieme di domande che vanno poste in ogni fase: ideazione, prototipazione, sviluppo, test, go-live, evoluzione, dismissione. Molti framework internazionali insistono sui meccanismi di governance “end-to-end”: impatto, rischio, mitigazioni, revisione periodica. Questo si può tradurre in pratiche molto concrete: checklist etiche nei design workshop, “ethics review” prima del rilascio, indicatori di rischio da monitorare, retro periodiche sui casi critici e sui trade-off affrontati dai team.
Come usare questo manifesto in pratica
Questi 10 punti non vogliono essere verità assolute, ma una base di conversazione.
Voglio mantenerli come riferimento in progetti di innovation, change e organizational design, ad esempio per:
- co-progettare policy interne sull’uso dell’AI
- disegnare workshop di allineamento tra HR, IT, Legal e Business
- accompagnare team di prodotto e di business nel mettere l’etica al centro della conversazione
La vera innovazione non è portare l’AI ovunque, ma scegliere dove e come usarla perché resti allineata ai nostri valori, ai diritti e al lavoro reale delle persone
