Il fatto che le IA entrino nelle aziende va al di là del mero aggiornamento tecnologico e si insinua nella ridefinizione di compiti, gerarchie e responsabilità ma anche nella qualità del lavoro. I dati forniti dall’Organizzazione Internazionale del Lavoro (ILO) mostrano che le occupazioni a prevalenza femminile (amministrativi, segreteria, contabilità, assistenza ai clienti) sono più esposte all’automazione rispetto a quelle maschili, di norma più fisiche o tecniche. Questa asimmetria è parte di un problema più grande che può tendere ad amplificare i bias già esistenti nel mercato globale del lavoro. I numeri celano una dinamica strutturale al cui centro le donne vivono una segregazione occupazionale. Coprono i ruoli professionali più automatizzabili in un contesto nel quale le IA, pur fornendo supporto al lavoro, contribuiscono all’intensificazione dei ritmi e della precarietà.
Per evitare l’aumento della disuguaglianza di genere, le scelte organizzative e politiche dei prossimi anni dovranno prevedere un accesso equo alle competenze digitali, trasparenza nei sistemi di valutazione e, ancora prima, una più equilibrata governance algoritmica. Temi che approfondiamo con Anam Butt, specialista in uguaglianza di genere e non discriminazione dell’ILO, autrice di diversi
studi e ricerche.
Quali segnali mostrano che l’esposizione alle IA è diversa tra uomini e donne?
«Vari indicatori evidenziano chiare differenze di genere nell’esposizione all’IA generativa. In primo luogo, applicando un indice di esposizione occupazionale sviluppato di recente ai dati sulle professioni, risulta che le occupazioni a prevalenza femminile hanno quasi il doppio delle probabilità di essere esposte alle IA generative rispetto a quelle a prevalenza maschile: 29 contro 16%. In secondo luogo, le donne sono più concentrate nelle categorie occupazionali a rischio più elevato: il 16% delle occupazioni a prevalenza femminile rientra nei livelli di esposizione 3 e 4 [dove 4 è il massimo, nda], rispetto ad appena il 3% di quelle a prevalenza maschile. In terzo luogo, considerando i modelli occupazionali effettivi in 84 Paesi, le donne risultano più esposte degli uomini nell’88% dei Paesi del
campione».
La segregazione occupazionale è un fenomeno culturale, economico o politico?
«È un fenomeno strutturale prodotto dall’intersezione di tutti questi fattori. È modellata da norme e stereotipi di genere persistenti che definiscono i ruoli “appropriati” per donne e uomini, spesso incanalando le prime verso attività di cura, amministrative e di supporto, e i secondi verso posizioni tecniche, manageriali e decisionali. La segregazione è poi rafforzata da dinamiche economiche, tra cui politiche macroeconomiche e settoriali, modelli di trasformazione strutturale e la distribuzione diseguale del lavoro di cura non retribuito, che nel loro insieme influenzano l’accesso ai diversi settori e la qualità dell’occupazione. Ed è un fenomeno politico poiché le scelte di policy, i quadri normativi e i rapporti di potere istituzionali determinano l’accesso all’occupazione, alle risorse e alle opportunità, come dimostra la persistente presenza, in molti Paesi, di restrizioni legali al lavoro femminile».
Esistono casi in cui le IA hanno migliorato concretamente la qualità del lavoro femminile?
«Sì. Le IA sono già utilizzate in modi che possono migliorare le condizioni di lavoro e promuovere l’uguaglianza di genere, a condizioni che siano progettate e governate in modo responsabile. Tra gli esempi figurano strumenti in grado di individuare bias negli annunci di reclutamento, analizzare i dati retributivi per far emergere i divari salariali di genere e rafforzare i sistemi di prevenzione e risposta alla violenza e alle molestie di genere sul lavoro. Vanno evidenziati inoltre il potenziale delle IA nel ridurre l’intensità fisica del lavoro, sostenere il benessere dei lavoratori e rafforzare la sicurezza nei luoghi di lavoro».
Quali requisiti dovrebbero avere gli algoritmi usati per assunzioni, valutazioni e retribuzioni?
«Dovrebbero essere trasparenti, affinché lavoratori, datori di lavoro e autorità di regolazione condividano una comprensione comune di come vengono prese le decisioni. Dovrebbero basarsi su dataset rappresentativi e di alta qualità, così da non riprodurre discriminazioni storiche né escludere sistematicamente le donne e altri gruppi marginalizzati. Dovrebbero includere solide garanzie contro la discriminazione e meccanismi di responsabilità, soprattutto perché sistemi distorti possono penalizzare le donne nei processi di assunzione, rafforzare i divari retributivi e svantaggiare chi è soggetto a forme di discriminazione intersezionale [che si sovrappongano e interagiscano simultaneamente, ndr]. Dovrebbero essere implementati nel rispetto della protezione dei dati e con adeguate valutazioni dei rischi etici. Infine, dovrebbero essere introdotti attraverso consultazione e dialogo sociale, integrando la voce dei lavoratori nella progettazione, l’implementazione e il monitoraggio».
Quali barriere culturali o economiche impediscono l’accesso ai ruoli tecnici e quanto è rischioso che sistemi così pervasivi vengano progettati da gruppi poco diversificati?
«È un rischio serio. Le donne rappresentano solo circa il 30% della forza lavoro globale nell’IA e la loro sottorappresentazione nello sviluppo e nella governance di questi sistemi implica che le prospettive che li modellano siano spesso troppo ristrette. Questo è rischioso non solo dal punto di vista dell’uguaglianza, ma anche sotto il profilo della qualità, della legittimità e dell’efficienza economica. I sistemi di IA addestrati su dati incompleti o non rappresentativi possono produrre esiti discriminatori, tra cui strumenti di selezione del personale che penalizzano i curriculum delle donne, sistemi di determinazione salariale che riproducono i divari retributivi di genere e altri strumenti che amplificano pregiudizi legati a razza, disabilità o status migratorio. Viene inoltre segnalato il rischio di un circolo vizioso: l’esclusione dalla fase di progettazione genera risultati distorti, e tali risultati, a loro volta, scoraggiano ulteriormente la partecipazione e acuiscono le disuguaglianze».
L'IA ti farà perdere il lavoro? Un'inchiesta per capire come stanno davvero le cose
Come si risolve, in pratica, questa situazione?
«La responsabilità va condivisa tra governi, datori di lavoro e organizzazioni dei lavoratori. I governi svolgono un ruolo centrale nell’istituzione di quadri normativi e di policy che garantiscano trasparenza, protezione dei dati, responsabilità e non discriminazione, oltre a definire politiche macroeconomiche, del mercato del lavoro e dei servizi di cura in grado di affrontare le disuguaglianze strutturali di genere. I datori di lavoro dovrebbero adottare l’IA in modo strategico e non ad hoc, con chiari modelli di governance, investimenti in competenze e valutazioni dei rischi etici, per garantire che i questi sistemi siano equi, trasparenti e non compromettano le condizioni di lavoro. Le organizzazioni dei lavoratori sono essenziali per assicurare che i lavoratori abbiano voce su come l’IA viene introdotta, negoziata e monitorata. Più in generale, è necessario integrare la parità di genere nella progettazione, implementazione e gestione dei sistemi di IA, anche attraverso l’uso di dataset rappresentativi e di alta qualità e l’aumento della partecipazione femminile nei lavori e nei processi decisionali legati all’IA. Il rafforzamento delle istituzioni del mercato del lavoro e delle tutele occupazionali, insieme a politiche economiche che pongano la parità di genere al centro, sarà cruciale per garantire che il cambiamento tecnologico generi più posti di lavoro e di migliore qualità per tutti».
/https%3A//www.repstatic.it/content/contenthub/img/2026/09/14/103107736-02a482f0-98d0-488e-b3f4-0f183e744411.jpg)
/https%3A//www.repstatic.it/content/contenthub/img/2026/09/04/094247711-491cef02-3f28-4315-ba41-f90099b10a02.jpg)
/https%3A//www.repstatic.it/content/contenthub/img/2026/09/24/100546754-0fd7e408-cd3c-4541-972c-bdd0ca8b0c20.jpg)