Fidarsi o aggirarla: la vera sfida dell'intelligenza artificiale nella sicurezza sul lavoro

A cura della Redazione

Le tecnologie di intelligenza artificiale applicate alla prevenzione — telecamere che riconoscono posture a rischio, sistemi che rilevano la fatica, algoritmi che analizzano quasi-incidenti — possono davvero migliorare l'individuazione dei pericoli. Ma la loro efficacia reale non dipende solo dall'accuratezza tecnica: dipende dalla fiducia che i lavoratori ripongono nel modo in cui l'organizzazione raccoglie e utilizza i dati che quei sistemi generano. Un sistema tecnicamente ineccepibile, se percepito come uno strumento di sorveglianza o di sanzione, viene evitato, aggirato o privato del contesto che lo renderebbe davvero utile. Questo articolo spiega perché la fiducia dei lavoratori vada trattata come un vero controllo operativo del rischio — al pari della qualità del dato, della formazione o della manutenzione — e quali obblighi normativi italiani ed europei disciplinano già, in larga parte, questo equilibrio.

COSA TRATTA

Immaginate uno stabilimento produttivo che installa un sistema di telecamere basato sull'intelligenza artificiale per individuare tecniche di sollevamento scorrette. Ogni figura aziendale lo osserva con occhi diversi. La direzione vi vede uno strumento capace di prevenire i disturbi muscoloscheletrici che pesano su assenze e produttività. Il team di prevenzione vi vede un modo per individuare i pericoli più rapidamente di quanto farebbe un'ispezione visiva periodica. I lavoratori, invece, spesso vi vedono qualcosa di diverso: una telecamera che registra ogni loro movimento, un algoritmo che valuta silenziosamente le loro prestazioni, una possibile nuova fonte di provvedimenti disciplinari. Ed è qui che si annida un paradosso che chi si occupa di sicurezza dovrebbe conoscere bene: quel sistema può funzionare esattamente come previsto dal produttore, con un tasso di accuratezza tecnica impeccabile, e fallire comunque nel suo compito di prevenzione.

Accade quando i responsabili trattano la fiducia dei lavoratori come una questione di comunicazione interna — un annuncio, una locandina, qualche riunione informativa — anziché come quello che realmente è: un controllo operativo che, se manca, produce lavoratori che evitano il sistema, lo aggirano, omettono informazioni di contesto o smettono del tutto di segnalare le anomalie che notano. Nessuna accuratezza tecnica può compensare una relazione di fiducia compromessa.

La fiducia va calibrata, non data per scontata

Affidarsi all'intelligenza artificiale non significa accettarne acriticamente ogni indicazione, così come diffidarne sistematicamente non è una posizione prudente ma un modo per sprecarne il potenziale. Una fiducia cieca crea essa stessa un rischio per la sicurezza tanto quanto un rifiuto pregiudiziale della tecnologia: lavoratori e preposti devono possedere fiducia sufficiente per utilizzare correttamente lo strumento, ma anche lo scetticismo necessario per mettere in discussione un risultato che non corrisponda a ciò che osservano concretamente sul campo. Il concetto tecnico che meglio descrive questo equilibrio è quello di fiducia calibrata: un livello di affidamento proporzionato all'affidabilità dimostrata del sistema e alla gravità delle conseguenze di un suo eventuale errore, accompagnato da regole scritte e non ambigue su quando un lavoratore può limitarsi a seguire l'indicazione ricevuta, quando deve verificarla personalmente, e quando è tenuto a sottoporre il caso a un responsabile umano identificato.

Diversi criteri riconosciuti a livello internazionale per definire un'intelligenza artificiale affidabile richiamano proprio questi elementi — affidabilità tecnica, trasparenza sul funzionamento, responsabilità chiaramente attribuita, tutela della riservatezza dei dati raccolti e gestione dei pregiudizi che l'algoritmo può involontariamente incorporare — ma nessuno di questi criteri si realizza da solo: richiedono un processo organizzativo che permetta concretamente alle persone di individuare un problema, comunicarlo e vederlo corretto. Anche diverse organizzazioni professionali del settore della sicurezza e della salute occupazionale hanno adottato una posizione analoga, riconoscendo il potenziale preventivo dell'intelligenza artificiale ma segnalando altrettanto chiaramente che la stessa tecnologia può introdurre pericoli nuovi, non ultimo un uso improprio dei dati personali raccolti. Per chi si occupa di prevenzione, l'implicazione pratica è diretta: la supervisione umana su una raccomandazione dell'intelligenza artificiale funziona soltanto quando le persone si sentono davvero autorizzate a esercitarla, non quando esiste soltanto sulla carta come un passaggio formale di approvazione.

Il perché prima del cosa: coinvolgere i lavoratori prima dell'implementazione

Un errore ricorrente, nell'introduzione di sistemi di sicurezza basati sull'intelligenza artificiale, consiste nello spiegare con dovizia di dettagli cosa fa lo strumento, trascurando però di spiegare perché lo si sta introducendo e come verranno effettivamente utilizzati i dati che produce. In assenza di questa informazione, i lavoratori colmano il vuoto con le proprie ipotesi, quasi sempre nella direzione peggiore: temono che un sistema di rilevamento della fatica generi segnalazioni disciplinari, che la visione artificiale misuri la produttività individuale sotto l'etichetta della sicurezza, che un assistente per la segnalazione di quasi-incidenti finisca per identificare chi ammette un proprio errore. Una recente indagine condotta su lavoratori di prima linea ha mostrato un dato interessante quanto rivelatore: la grande maggioranza dichiarava di aver ricevuto una formazione adeguata sullo strumento e di essersi sentita a proprio agio nel suggerire miglioramenti, ma soltanto poco più della metà riferiva di aver avuto un ruolo effettivo nelle decisioni relative al suo utilizzo. E proprio i lavoratori inseriti in contesti più partecipativi riportavano benefici percepiti più alti in termini di sicurezza, un livello di stress legato alla tecnologia più contenuto e una maggiore soddisfazione lavorativa complessiva: la formazione, per quanto ben fatta, non sostituisce la possibilità di incidere sulla decisione stessa. Il coinvolgimento reale dei lavoratori non consiste nel persuaderli ad accettare una scelta già presa dalla dirigenza, ma nel fornire loro informazioni e un margine di influenza fin dalle prime fasi, così che le loro osservazioni possano incidere concretamente sulla progettazione dello strumento, sulle regole d'uso dei dati, sulla formazione o sul piano di implementazione. In Italia, del resto, questo passaggio non è soltanto una buona pratica organizzativa: è un preciso obbligo di legge ogni volta che uno strumento tecnologico consenta, anche solo indirettamente, il controllo a distanza dell'attività dei lavoratori, e proprio questo vincolo normativo può trasformarsi, se ben utilizzato, nell'occasione strutturata per definire fin dall'inizio quali dati vengono raccolti, con quale finalità, chi vi può accedere, per quanto tempo vengono conservati e quali utilizzi restano espressamente vietati — ad esempio impiegare dati posturali per riprogettare le postazioni di lavoro e orientare la formazione ergonomica, escludendone però l'uso per classifiche di produttività individuale. Un confine scritto e circostanziato dà ai lavoratori un elemento concreto da valutare; una generica rassicurazione che "i dati serviranno solo per la sicurezza" non basta a costruire alcuna fiducia.

Separare l'errore dalla colpa: la segnalazione non punitiva

Ogni professionista della prevenzione conosce l'importanza dei segnali deboli — quasi-incidenti, soluzioni di ripiego adottate sul campo, anomalie ricorrenti delle attrezzature, scostamenti tra procedura scritta e lavoro reale — nel prevenire un infortunio prima che accada. L'intelligenza artificiale, lungi dal sostituire questa cultura della segnalazione, ne amplifica semmai l'importanza, perché introduce una categoria ulteriore di segnali deboli: falsi positivi, output privi di contesto, indicazioni imprecise, avvisi che con il tempo i lavoratori imparano semplicemente a ignorare. Queste debolezze emergono soltanto se l'organizzazione risponde in modo costruttivo a chi le segnala. È un meccanismo squisitamente informativo: se comunicare un problema comporta un rischio personale, l'azienda perde esattamente le informazioni che le servirebbero per correggere il sistema prima che un piccolo difetto contribuisca a un infortunio vero. Si pensi al caso, tutt'altro che teorico, di un sistema di visione artificiale che segnala ripetutamente come pericolosa un'attività in realtà sicura: la prima reazione dell'organizzazione dovrebbe concentrarsi sulla comprensione dell'errore e sulla sua correzione, non sull'attribuzione di una colpa al lavoratore che non ha seguito un avviso automatico privo di riscontro nella realtà. Lo stesso vale quando un dipendente ammette di aver ignorato, frainteso o aggirato lo strumento: un comportamento che spesso rivela una formazione insufficiente, un conflitto nei flussi di lavoro o un eccesso di falsi allarmi, informazioni preziose che un approccio punitivo farebbe semplicemente sparire. Questo non significa rinunciare al principio di responsabilità, che resta pienamente valido quando un lavoratore ignora deliberatamente un controllo critico ben definito: l'obiettivo di una segnalazione non punitiva è distinguere con chiarezza la divulgazione utile dalla condotta imprudente, non azzerare ogni conseguenza. Non va inoltre dimenticato l'altro lato della medaglia, spesso meno discusso: diverse ricerche internazionali in psicologia del lavoro hanno documentato come un monitoraggio tecnologico invasivo o percepito come tale possa generare rischi psicosociali autonomi, legati alla sensazione di sorveglianza costante, alla riduzione dell'autonomia percepita, all'intensificazione del ritmo di lavoro e all'incertezza su come i dati raccolti verranno effettivamente utilizzati — elementi che un sistema di gestione della sicurezza serio non può permettersi di ignorare nella valutazione dello stress lavoro-correlato.

Quando la macchina si sbaglia, chi decide?

L'intelligenza artificiale sa individuare pattern all'interno di grandi quantità di dati di sicurezza, segnalare condizioni anomale e portare rapidamente all'attenzione informazioni che altrimenti resterebbero sepolte. Ma può anche non cogliere un contesto che un lavoratore esperto riconoscerebbe all'istante: un avviso automatico potrebbe non tenere conto di un intervento di manutenzione svolto fuori dal programma ordinario, un modello predittivo potrebbe basarsi su dati storici che sottostimano sistematicamente i quasi-incidenti, un assistente generativo potrebbe restituire una risposta autorevole nella forma ma priva di un requisito specifico di quel particolare sito produttivo. Per questo ogni organizzazione che introduce sistemi di intelligenza artificiale in ambito di sicurezza dovrebbe dotarsi di una regola scritta, non lasciata all'iniziativa individuale, che stabilisca con precisione quando un lavoratore deve fermarsi, verificare o segnalare una decisione supportata dall'algoritmo. Ogni raccomandazione critica per la sicurezza deve avere un responsabile umano chiaramente identificato, e i lavoratori devono sapere con certezza chi contattare e come procedere quando lo strumento entra in conflitto con la formazione ricevuta, con le procedure operative o con la loro osservazione diretta della realtà. Quanto più grave è la possibile conseguenza di un errore, tanto più rigoroso deve essere il processo di verifica e di segnalazione previsto: nessun lavoratore dovrebbe mai sentirsi rispondere "il sistema dice che è sicuro" come risposta definitiva a una preoccupazione fondata sull'esperienza diretta.

Misurare la fiducia come indicatore anticipatore

Le organizzazioni valutano generalmente i propri programmi di intelligenza artificiale monitorando l'accuratezza degli algoritmi, il numero di avvisi generati, il tasso di adozione, il tempo risparmiato e gli incidenti evitati. Sono metriche utili, ma non dicono nulla su un aspetto altrettanto decisivo: se i lavoratori si sentano davvero liberi di mettere in discussione il sistema. I team che si occupano di salute e sicurezza dovrebbero perciò integrare questi indicatori tecnici con domande mirate a misurare l'esperienza soggettiva dei lavoratori — se comprendono il motivo per cui quella tecnologia è stata introdotta, se sanno quali dati raccoglie, se credono che i dati verranno utilizzati in modo coerente con lo scopo dichiarato, se possono segnalare un errore senza conseguenze negative, se sanno con certezza chi detiene l'autorità decisionale finale. Andrebbero osservati anche gli indicatori comportamentali, che raccontano spesso una storia diversa da quella dei numeri aggregati: un calo improvviso delle segnalazioni di errore del sistema può indicare un reale miglioramento delle prestazioni, ma può altrettanto facilmente significare che i lavoratori hanno semplicemente smesso di segnalarli; un basso tasso di correzioni manuali alle indicazioni dell'algoritmo può riflettere raccomandazioni accurate, oppure può rivelare che i supervisori temono di contraddire apertamente il sistema. Questo approccio, del resto, non è estraneo alla cultura prevenzionistica italiana: i sistemi di gestione della salute e sicurezza sul lavoro già chiedono da tempo di affiancare agli indicatori reattivi — infortuni, malattie professionali — indicatori proattivi capaci di anticipare un problema prima che si trasformi in danno, e la fiducia dei lavoratori nei sistemi di intelligenza artificiale rientra a pieno titolo in questa categoria, alla pari della partecipazione ai processi di consultazione già previsti dai principali standard di gestione volontaria della sicurezza.

La fiducia, in definitiva, cresce attraverso prove ripetute nel tempo, non attraverso un singolo incontro informativo: i lavoratori osservano se i responsabili spiegano davvero le proprie decisioni, se rispettano i confini concordati sull'uso dei dati, se correggono con trasparenza i malfunzionamenti del sistema e se tutelano concretamente chi solleva un dubbio. Il coinvolgimento dei lavoratori non può quindi esaurirsi nella fase pilota di un progetto, ma deve accompagnare l'intero ciclo di vita della tecnologia, con un ruolo continuo nella sua valutazione, correzione e governance. Anche gli strumenti digitali di raccolta strutturata del feedback — sondaggi periodici, canali di segnalazione dedicati, cruscotti che incrociano indicatori tecnici e indicatori di fiducia — possono facilitare questo monitoraggio continuo, purché restino un supporto al dialogo reale tra organizzazione e lavoratori, e non un sostituto di esso. L'intelligenza artificiale può aiutare un'azienda a individuare prima i pericoli, analizzare più rapidamente gli incidenti e prendere decisioni più consapevoli, ma questi vantaggi dipendono interamente dalle persone che forniscono informazioni accurate, mettono in discussione risultati poco convincenti e segnalano quando la tecnologia tralascia qualcosa di importante. La fiducia si affianca così alla qualità del dato, alla formazione, alla manutenzione e alla verifica come un autentico strumento di controllo del rischio: quando i lavoratori si fidano abbastanza del processo da parteciparvi onestamente, anche un sistema complesso rafforza la sicurezza collettiva; quando la paura spinge i problemi a restare nell'ombra, persino la tecnologia più sofisticata conserva un punto cieco pericoloso.

COSA DICE LA LEGGE

  • L'articolo 4 della Legge 300/1970 (Statuto dei Lavoratori), come modificato dal D.Lgs. 151/2015, ammette l'installazione di strumenti — comprese le tecnologie di intelligenza artificiale — dai quali derivi anche la sola possibilità di controllo a distanza dei lavoratori esclusivamente per esigenze organizzative, produttive o di sicurezza del lavoro, previo accordo con le rappresentanze sindacali o autorizzazione dell'Ispettorato del Lavoro, e a condizione che i lavoratori siano adeguatamente informati sulle modalità d'uso dello strumento e sui controlli effettuati.
  • Il Regolamento (UE) 2024/1689 (AI Act) classifica come ad alto rischio i sistemi di intelligenza artificiale destinati alla gestione e al monitoraggio dei lavoratori, incluse le prestazioni e il comportamento, imponendo obblighi di gestione del rischio lungo tutto il ciclo di vita del sistema, sorveglianza umana effettiva e non meramente formale, trasparenza verso i lavoratori interessati e tracciabilità delle decisioni automatizzate.
  • Il Regolamento (UE) 2016/679 (GDPR), in particolare l'articolo 22, limita le decisioni basate unicamente su un trattamento automatizzato che producano effetti significativi sulla persona, e richiede basi giuridiche definite, finalità determinate e minimizzazione dei dati raccolti su ciascun lavoratore.
  • Il D.Lgs. 81/2008, articolo 28, impone la valutazione dei rischi da stress lavoro-correlato, che deve tenere conto degli effetti psicosociali di sistemi di monitoraggio percepiti dai lavoratori come intrusivi, indipendentemente dalle finalità dichiarate dall'organizzazione.
  • Il D.Lgs. 81/2008, articoli 20 e 50, sanciscono rispettivamente l'obbligo dei lavoratori di segnalare tempestivamente carenze e situazioni di rischio e il diritto del rappresentante dei lavoratori per la sicurezza a essere consultato preventivamente sull'introduzione di nuove tecnologie rilevanti per la sicurezza, senza subire alcun pregiudizio per l'esercizio di tale funzione.

MODIFICHE AL DVR

I contenuti descritti possono comportare la necessità di una revisione del Documento di Valutazione dei Rischi, ai sensi dell'articolo 29, comma 3, del D.Lgs. 81/2008, in particolare quando: l'azienda introduce un sistema di intelligenza artificiale per il monitoraggio, la rilevazione dei pericoli o il supporto alle decisioni di sicurezza; la valutazione dello stress lavoro-correlato non ha ancora considerato gli effetti psicosociali della sorveglianza tecnologica introdotta; emergono segnalazioni ricorrenti di output errati, fuorvianti o privi di contesto da parte del sistema, tali da incidere sui comportamenti di sicurezza dei lavoratori; oppure quando cambia in modo significativo la tipologia o la finalità dei dati raccolti rispetto a quanto originariamente comunicato ai lavoratori.

PROCEDURE DI SICUREZZA

I temi trattati possono richiedere l'introduzione o l'aggiornamento di procedure dedicate, tra cui: una procedura di consultazione preventiva dei lavoratori e del rappresentante dei lavoratori per la sicurezza prima della scelta e dell'implementazione di ogni sistema di intelligenza artificiale rilevante per la sicurezza; una procedura che definisca con chiarezza quando un lavoratore deve fermarsi, verificare o segnalare una raccomandazione automatizzata, con individuazione del responsabile umano di riferimento per ciascuna categoria di decisione critica; una procedura di segnalazione non punitiva per errori, falsi allarmi e soluzioni alternative legate all'intelligenza artificiale, che distingua esplicitamente l'errore in buona fede dall'inosservanza deliberata di un controllo critico; e una procedura di monitoraggio periodico degli indicatori di fiducia e di adozione del sistema, con revisione delle regole d'uso ogni volta che cambiano lo strumento, il contesto produttivo o la percezione dei lavoratori coinvolti.

INDICAZIONI OPERATIVE

  1. Coinvolgere il rappresentante dei lavoratori per la sicurezza e il personale di prima linea nella fase di definizione del problema, prima ancora della scelta dello strumento di intelligenza artificiale, non a implementazione già decisa.
  2. Definire per iscritto, prima dell'introduzione del sistema, quali dati vengono raccolti, con quale finalità, chi vi può accedere, per quanto tempo vengono conservati e quali utilizzi restano espressamente vietati.
  3. Formalizzare l'accordo sindacale o richiedere l'autorizzazione all'Ispettorato del Lavoro ogni volta che lo strumento consenta, anche indirettamente, il controllo a distanza dei lavoratori.
  4. Redigere una regola scritta e vincolante su quando un lavoratore deve fermarsi, verificare personalmente o segnalare a un responsabile umano una raccomandazione generata dall'intelligenza artificiale.
  5. Individuare un responsabile umano identificabile per ogni categoria di raccomandazione critica per la sicurezza, dotato di autorità reale per respingerla quando non corrisponde alla realtà osservata.
  6. Istituire un canale di segnalazione non punitivo per errori, falsi allarmi e soluzioni alternative legate al sistema, mantenendo comunque ferma la responsabilità in caso di inosservanza deliberata di un controllo critico definito.
  7. Integrare nella valutazione dello stress lavoro-correlato gli effetti psicosociali della sorveglianza tecnologica, aggiornando il DVR quando la percezione dei lavoratori lo richiede.
  8. Affiancare agli indicatori tecnici di accuratezza e adozione del sistema indicatori proattivi di fiducia, rilevati periodicamente attraverso il rappresentante dei lavoratori o strumenti di ascolto strutturato.
  9. Come leva strategica di medio periodo, inserire la misurazione della fiducia dei lavoratori nei sistemi di intelligenza artificiale tra gli indicatori proattivi strutturali del sistema di gestione della sicurezza, con un obiettivo misurabile: ad esempio innalzare, entro dodici mesi, la quota di lavoratori che dichiarano di poter segnalare un errore del sistema senza conseguenze negative di almeno il 15%.
  10. Come seconda leva strategica, programmare un riesame periodico e continuativo di ogni sistema di intelligenza artificiale lungo l'intero ciclo di vita, con revisione delle regole d'uso a ogni cambiamento rilevante dello strumento, del contesto produttivo o della percezione dei lavoratori.

IL 20% CHE CONTA (PER L'80% DEI RISULTATI)

A. Un sistema di intelligenza artificiale tecnicamente perfetto ma privo della fiducia dei lavoratori non previene infortuni: viene evitato, aggirato o privato del contesto che lo renderebbe realmente efficace.
B. La fiducia va calibrata, non data per scontata: servono regole scritte su quando affidarsi al sistema, quando verificarlo e quando coinvolgere un responsabile umano.
C. Il coinvolgimento dei lavoratori deve iniziare prima della scelta dello strumento, con confini scritti e circostanziati su dati raccolti e usi espressamente vietati.
D. Errori, falsi allarmi e soluzioni alternative vanno sempre segnalabili senza timore di ritorsioni, per non perdere le informazioni necessarie a correggere il sistema in tempo.
E. La fiducia dei lavoratori è un controllo del rischio a pieno titolo, da misurare con indicatori dedicati esattamente come qualità del dato, formazione, manutenzione e verifica.

Riproduzione riservata ©