Cinquant’anni dopo Rita Levi Montalcini, gli algoritmi rischiano di ereditare i nostri pregiudizi. Ma per la prima volta abbiamo gli strumenti per riconoscerli, misurarli e correggerli: la domanda è se avremo il coraggio di usarli.
Un dito alzato nel 1974, un dataset nel 2026
Quando nel 1974, durante la trasmissione Uomini e Scienze, Giuseppe Benagiano domandò ai presenti in studio perché storicamente non ci fossero donne che avessero manifestato prestazioni intellettuali pari a quelle degli uomini, Rita Levi Montalcini mosse leggermente un dito per prendere prontamente la parola. In uno studio televisivo popolato esclusivamente da uomini, cosa considerata “normale” per l’epoca, la futura Premio Nobel per la Medicina spiegò con lucidità e coraggio che il minore coinvolgimento femminile nello sviluppo della civiltà non era il frutto di una differenza di capacità, ma di una condizione forzatamente sedentaria imposta da secoli di convenzioni sociali, e che nonostante tutto il contributo delle donne alla costruzione del futuro era stato tanto reale quanto sistematicamente non riconosciuto.
Scrissi di quell’episodio circa tre anni fa, in un articolo dedicato alla parità di genere come dimensione essenziale dei criteri ESG, e la domanda che ponevo allora era semplice: dal 1974 a oggi, cosa è cambiato realmente? Rileggendo quel testo mi accorgo che la domanda resta valida, ma il contesto è cambiato in un modo che allora potevo solo intuire, perché nel frattempo è arrivata l’onda più potente della storia recente della tecnologia. L’intelligenza artificiale generativa è entrata negli uffici, negli studi professionali, nei processi di selezione del personale, nelle decisioni di credito e nelle nostre conversazioni quotidiane, e quella domanda si è trasformata in qualcosa di più profondo e più urgente: cosa succede alla parità di genere quando le decisioni non le prendono più solo gli esseri umani, ma sistemi addestrati sulla memoria digitale di tutto ciò che gli esseri umani hanno scritto, deciso e discriminato fino a ieri?
Il contesto: numeri che non possiamo ignorare
Partiamo dai fatti, come sempre. Il Global Gender Gap Report 2025 del World Economic Forum ci dice che il divario di genere globale è stato chiuso al 68,8%, con il miglioramento annuale più rapido dal periodo pre-pandemico, eppure al ritmo attuale serviranno ancora 123 anni per raggiungere la piena parità. Centoventitré anni: nessuno di noi, e probabilmente nessuno dei nostri figli, vedrà quel traguardo.
L’Italia occupa la 85ª posizione su 148 paesi, guadagnando appena due posizioni rispetto all’anno precedente, penalizzata soprattutto dalla partecipazione economica delle donne e dalla loro presenza nei luoghi decisionali.
Tre anni fa citavo un divario retributivo europeo intorno al 16%; oggi i dati Eurostat indicano un gender pay gap medio dell’11,1% nell’Unione Europea. È un progresso reale, che dimostra come il cambiamento sia possibile quando lo si persegue con costanza, ma sarebbe un errore leggerlo come una missione compiuta, perché nel frattempo si è aperto un fronte completamente nuovo, ed è proprio lì che si gioca la partita dei prossimi decenni. Le donne rappresentano oggi circa il 30% della forza lavoro globale nell’intelligenza artificiale secondo l’Organizzazione Internazionale del Lavoro, e nell’Unione Europea, stando al recente rapporto del think tank Interface, solo il 20,9% dei ricercatori e ingegneri AI è donna. Ancora più preoccupante è il dato di McKinsey secondo cui in Europa la rappresentanza femminile nei ruoli tecnologici è scesa dal 22% del 2023 al 19% del 2026, in controtendenza rispetto a ogni retorica sull’inclusione.
Quando l’algoritmo eredita i nostri pregiudizi
Hedy Lamarr, l’inventrice del Secret Communication System da cui discende la tecnologia wireless che usiamo ogni giorno, nella maggior parte delle narrazioni il suo contributo scientifico viene sempre citato dopo la carriera di attrice hollywoodiana, quasi fosse una curiosità di contorno. Quel meccanismo di rimozione, che la Montalcini aveva denunciato mezzo secolo fa, oggi non vive più soltanto nei libri di storia e nei titoli dei giornali: vive nei dati con cui addestriamo le macchine.
Uno studio citato da UN Women su 133 sistemi di intelligenza artificiale ha rilevato che il 44% mostra bias di genere e il 26% presenta contemporaneamente pregiudizi di genere e razziali. I grandi modelli linguistici, quelli con cui milioni di professionisti dialogano ogni giorno, tendono ad associare sistematicamente le donne a parole come “casa”, “famiglia” e “figli”, e gli uomini a “business”, “dirigente”, “stipendio” e “carriera”. Una ricerca
UNESCO ha documentato che circa il 20% delle risposte generate dai modelli linguistici, quando completano frasi che iniziano con il genere di una persona, esprime atteggiamenti sessisti. Il caso più emblematico resta quello del sistema di selezione del personale sperimentato anni fa da Amazon, che aveva imparato dai dati storici a penalizzare i curricula contenenti la parola “women’s”, semplicemente perché i candidati assunti in passato erano stati quasi sempre uomini.
Ecco il punto che mi interessa sottolineare, perché è qui che il discorso sulla parità incontra il cuore della mia riflessione sull’AI Alignment: l’algoritmo non inventa il pregiudizio, lo apprende da noi e lo restituisce amplificato, industrializzato, replicato su scala planetaria e rivestito di un’apparenza di oggettività matematica che lo rende molto più difficile da contestare. Quando la discriminazione era esercitata da una persona, potevamo guardarla negli occhi e chiederle conto; quando è incorporata in un modello statistico, rischia di diventare invisibile proprio mentre diventa onnipresente.
La doppia esposizione: chi perde di più nella transizione
C’è poi una seconda dimensione del problema, meno discussa ma altrettanto decisiva, che riguarda l’impatto occupazionale dell’automazione cognitiva. I dati del white paper Gender Parity in the Intelligent Age, pubblicato dal World Economic Forum insieme a LinkedIn, mostrano che negli Stati Uniti le donne costituiscono il 57% dei lavoratori impiegati in ruoli destinati a essere trasformati o ridimensionati dall’IA generativa, mentre gli uomini sono più presenti nelle occupazioni che verranno potenziate dalla tecnologia. L’ILO stima che circa il 29% dei posti di lavoro nelle occupazioni a prevalenza femminile sia esposto all’IA generativa, contro il 16% di quelle a prevalenza maschile, e uno studio della Brookings Institution calcola che tra i circa sei milioni di lavoratori americani che avrebbero maggiori difficoltà a riprendersi da una perdita di lavoro legata all’automazione, l’86% sono donne, concentrate in ruoli amministrativi e di segreteria.
È la distinzione tra augmentation e automation di cui parlo spesso, che qui rivela tutta la sua natura di questione redistributiva: il potenziamento va a chi occupa già le posizioni migliori, l’automazione colpisce chi sta ai piani intermedi e bassi dell’organizzazione, e poiché le donne sono sovrarappresentate proprio in quei piani, la transizione rischia di riportare indietro l’orologio della parità proprio mentre celebriamo il progresso tecnologico.
A questo si aggiunge un paradosso comportamentale documentato dalla ricerca della UC Berkeley: le donne usano gli strumenti di IA generativa circa il 20% in meno degli uomini, e uno studio ripreso da Forbes mostra che quando li usano vengono giudicate meno competenti dei colleghi maschi che fanno esattamente la stessa cosa. Insomma, se non usi l’IA resti indietro, se la usi vieni penalizzata nel giudizio: una trappola perfetta, costruita non dalla tecnologia ma dalla cultura che la circonda.
La risposta della “S”: quando la sostenibilità diventa norma
L’articolo di tre anni fa nasceva in un contesto ESG, e anche su questo fronte il paesaggio è cambiato in modo sostanziale, perché ciò che allora era prevalentemente volontario sta diventando obbligo normativo. Dal 7 giugno 2026 è in vigore in Italia il Decreto Legislativo 96/2026, che recepisce la Direttiva europea sulla trasparenza retributiva: le aziende dovranno indicare la retribuzione o la fascia retributiva già negli annunci di lavoro, non potranno più chiedere ai candidati quanto guadagnavano prima, e i lavoratori avranno il diritto di conoscere ogni anno i livelli retributivi medi, distinti per sesso, di chi svolge un lavoro di pari valore. Quando il divario supera il 5% senza giustificazione oggettiva, scatta l’obbligo di misure correttive.
Accanto alla leva normativa cresce quella della rendicontazione: la certificazione italiana UNI/PdR 125 sulla parità di genere si sta integrando con la rendicontazione di sostenibilità europea, e la dimensione sociale dell’ESG, per anni la più trascurata delle tre lettere, sta finalmente acquisendo metriche misurabili. C’è persino un argomento economico che dovrebbe far riflettere i più scettici: la ricerca globale della Unstereotype Alliance, promossa da UN Women, ha dimostrato che la comunicazione libera da stereotipi di genere genera un incremento delle vendite del 3,46% nel breve periodo e di oltre il 16% nel lungo periodo. La parità, oltre che giusta, conviene, e chi continua a considerarla un costo sta semplicemente leggendo male i propri bilanci.
Le nuove Hedy Lamarr sono già qui
Come sempre il nostro spirito del Punto Digitale non ci fermiamo alla denuncia, perché la storia che stiamo vivendo ha anche protagoniste che stanno riscrivendo le regole dall’interno.
Se cerchiamo le eredi di Hedy Lamarr, non dobbiamo guardare lontano:
Fei-Fei Li, la scienziata che con ImageNet ha reso possibile la rivoluzione del deep learning nella visione artificiale e che oggi guida lo Human-Centered AI Institute di Stanford, viene chiamata “la madrina dell’intelligenza artificiale”;
Joy Buolamwini, con la sua ricerca Gender Shades al MIT, ha dimostrato che i sistemi di riconoscimento facciale sbagliavano molto più spesso con i volti femminili dalla pelle scura, costringendo i giganti tecnologici a rivedere i propri prodotti e aprendo di fatto il campo di studi sull’equità algoritmica. E i dati di LinkedIn analizzati dal World Economic Forum mostrano che la quota di donne con competenze di AI engineering è passata dal 23,5% del 2018 al 29,4% del 2025, con il divario che si è ridotto in 74 delle 75 economie osservate.
Il punto, ancora una volta, non è la tecnologia ma la narrazione: cinquant’anni fa il contributo delle donne veniva rimosso dai racconti della storia, oggi rischia di essere rimosso dai dataset, e la differenza decisiva è che questa volta la rimozione possiamo vederla, misurarla e correggerla. Un pregiudizio umano è opaco e si nasconde dietro mille giustificazioni; un pregiudizio algoritmico, se qualcuno ha il mandato e gli strumenti per cercarlo, lascia tracce statistiche inequivocabili.
È per questo che sostengo, forse “”controintuitivamente””, che l’intelligenza artificiale potrebbe rivelarsi la migliore alleata della parità di genere che abbiamo mai avuto, ma soltanto a una condizione: che le donne siedano al tavolo dove questi sistemi vengono progettati, addestrati e governati. Su 138 paesi analizzati da UN Women, solo 24 menzionano il genere nelle proprie strategie nazionali sull’IA. Ecco la vera misura di quanta strada resta da fare, ed ecco perché la domanda “chi decide?” resta la più importante di tutte.
Il dito alzato che serve oggi
Madame de Staël sosteneva che l’intero ordine sociale fosse schierato contro una donna desiderosa di realizzarsi e di raggiungere la reputazione di un uomo, e chiudevo l’articolo originale osservando che abbiamo il dovere di invertire la rotta di quell’ordine sociale di cui, nel bene o nel male, siamo parte attiva. Oggi aggiungo che quell’ordine sociale non è più fatto soltanto di persone, consuetudini e istituzioni: è fatto anche di modelli, dataset e algoritmi che stanno imparando da noi chi merita di essere visto, assunto, pagato e ricordato. Per la prima volta nella storia stiamo ri-scrivendo involontariamente i pregiudizi, o la loro correzione, direttamente nel codice delle infrastrutture cognitive che accompagneranno le prossime generazioni.
Rita Levi Montalcini, in quello studio televisivo del 1974, alzò un dito per chiedere la parola in una stanza dove nessuno si aspettava che parlasse. La domanda che consegno a chi legge è questa: nelle stanze dove oggi si addestrano gli algoritmi e si decide il futuro del lavoro, quante dita alzate siamo disposti a vedere, ad ascoltare e, soprattutto, a invitare noi stessi? Perché i 123 anni che ci separano dalla parità non sono una condanna scritta nei dati: sono la misura della nostra inerzia, e l’inerzia, a differenza degli algoritmi, dipende ancora interamente da noi.
Innovare il digitale, custodire l’umano
