C’è stato un tempo in cui cercare lavoro significava preparare un curriculum, inviarlo e attendere una risposta. Un processo lineare, imperfetto ma comprensibile. Oggi quella linearità si è dissolta.
Il primo interlocutore non è più una persona. È un sistema.
In molte organizzazioni il curriculum passa prima attraverso piattaforme di Applicant Tracking System, i cosiddetti ATS, oppure attraverso strumenti di screening arricchiti da componenti di intelligenza artificiale. Non si tratta sempre di un’unica “AI” autonoma che decide tutto, come spesso si immagina. Più spesso ci troviamo davanti a una catena di elaborazioni: parsing del curriculum, estrazione di entità, classificazione delle competenze, confronto con la job description, ranking dei candidati e, in alcuni casi, suggerimenti automatici per il recruiter.
La prima operazione è quasi sempre la trasformazione del CV in dati strutturati. Il sistema prova a riconoscere sezioni come esperienze, formazione, certificazioni, competenze tecniche, lingue, date e ruoli ricoperti. Un curriculum elegante da vedere può risultare poco leggibile per una macchina se usa impaginazioni complesse, colonne, grafica invasiva o formule testuali poco standard. Per l’algoritmo non conta l’effetto visivo. Conta la capacità di estrarre informazione in modo affidabile.
Una volta trasformato in testo interpretabile, il CV viene spesso analizzato con tecniche di natural language processing. Il sistema cerca termini rilevanti, relazioni tra parole, sinonimi professionali, anni di esperienza associati a una tecnologia, progressione di carriera, coerenza temporale tra i ruoli. In alcuni casi non si limita alla presenza di una parola chiave, ma cerca di capire il contesto in cui compare. Scrivere “Java” in una lista di skill non equivale necessariamente ad averlo utilizzato in modo continuativo in contesti enterprise. Alcuni sistemi tentano proprio di distinguere tra menzione superficiale e uso sostanziale.
Poi arriva il confronto con la posizione aperta. La job description viene a sua volta scomposta in requisiti impliciti ed espliciti. Titolo del ruolo, competenze obbligatorie, competenze preferenziali, seniority attesa, settore, localizzazione, tipo di esperienza, certificazioni, disponibilità, lessico tipico di quel dominio. Da qui nasce uno score, cioè un punteggio di compatibilità, che non è quasi mai neutrale: dipende da come sono stati pesati i criteri, da quali competenze sono state considerate centrali, da quali corrispondenze semantiche il sistema è in grado di riconoscere.
In alcune implementazioni più avanzate entra in gioco anche l’embedding semantico, cioè la rappresentazione numerica del contenuto del CV e della job description in uno spazio vettoriale. Detto in modo semplice, il sistema non confronta solo parole uguali, ma anche concetti vicini. Questo può aiutare a riconoscere che due profili parlano di esperienze simili usando terminologie diverse, ma può anche introdurre ambiguità, approssimazioni o inferenze non sempre corrette.
Esistono poi sistemi che cercano pattern ricorrenti nei candidati assunti in passato o in quelli ritenuti ad alte prestazioni. Qui il rischio aumenta. Se il modello apprende da dati storici, può finire per replicare preferenze pregresse, squilibri organizzativi o bias sedimentati nel tempo. Il problema non nasce perché la macchina “odia” qualcuno. Nasce perché apprende da una storia che non è mai stata davvero neutrale.
A valle di tutto questo, il recruiter umano spesso non riceve l’intero universo delle candidature, ma una selezione già ordinata, filtrata e prioritarizzata. Questo significa che l’algoritmo non deve per forza “decidere” in modo definitivo per influenzare il risultato. Gli basta stabilire chi viene visto prima, chi viene visto dopo e chi rischia di non essere visto affatto.
Questo però è solo il primo livello.
Il vero cambiamento avviene dopo.
Quando un recruiter entra in contatto con un candidato, non parte da zero. Ha già a disposizione una quantità di informazioni che va ben oltre il curriculum.
Una semplice ricerca online non restituisce solo una fotografia del presente, ma spesso una vera e propria linea temporale. Profili social, commenti, contenuti condivisi, interazioni: tutto contribuisce a costruire una storia.
E questa è una delle differenze più profonde rispetto al passato.
Non viene osservato solo ciò che sei oggi, ma anche ciò che sei stato.
Post di anni prima, opinioni espresse in contesti diversi, conversazioni che non avevano alcuna intenzione professionale possono riemergere e diventare parte della valutazione. Internet non dimentica facilmente, e i motori di ricerca sono progettati proprio per recuperare informazione nel tempo.
Questo introduce una dimensione nuova: la profondità storica della tua identità digitale.
Non si tratta più solo di coerenza nel presente, ma di continuità nel tempo. Cambiare idea, evolvere, crescere professionalmente sono processi naturali per una persona, ma non sempre risultano evidenti quando i contenuti vengono letti fuori dal loro contesto originario.
In altre parole, la selezione non si limita a osservare un profilo, ma interpreta una traiettoria.
Non si tratta solo di LinkedIn.
Instagram racconta uno stile di vita. Facebook restituisce relazioni e opinioni. X mostra il modo di esprimersi. TikTok rivela il linguaggio e il tono comunicativo.
Ogni piattaforma contribuisce a costruire un’immagine.
Non necessariamente completa. Non sempre coerente. Ma reale.
In questo scenario il curriculum perde centralità. Diventa una dichiarazione formale, mentre la presenza online diventa una dimostrazione continua.
Il CV dice chi pensi di essere. Internet mostra chi sembri essere.
Ed è proprio in questa distanza che si gioca una parte sempre più rilevante della selezione.
Non stiamo più semplicemente cercando lavoro. Stiamo costruendo, spesso senza esserne consapevoli, una identità digitale che viene osservata, interpretata e valutata.
Questa trasformazione porta con sé implicazioni pratiche evidenti. Diventa importante la coerenza tra ciò che si dichiara e ciò che emerge online. Le parole utilizzate nel curriculum devono dialogare con quelle presenti nei profili pubblici. Le competenze devono trovare riscontro nei contenuti condivisi. Anche il modo in cui si partecipa alle conversazioni digitali assume un valore.
Ma la dimensione più interessante, e forse più delicata, è quella etica.
Fino a che punto è legittimo valutare una persona sulla base della sua presenza online? Dove finisce la selezione e dove inizia una forma di sorveglianza diffusa? È corretto che contenuti nati in contesti personali influenzino opportunità professionali?
E ancora: chi definisce i criteri di valutazione?
Gli algoritmi che filtrano i curriculum non sono neutri. Riflettono scelte progettuali, dataset di addestramento, priorità aziendali. Possono amplificare bias esistenti, favorire determinati percorsi rispetto ad altri, escludere profili non allineati a modelli impliciti.
Il problema non è solo l’automazione. È l’opacità.
Quando un candidato viene escluso, raramente sa perché. Non conosce le regole del sistema che lo ha valutato. Non ha strumenti per comprendere se sia stato penalizzato da una scelta tecnica, da un’informazione incompleta o da un pregiudizio incorporato nel modello.
Allo stesso tempo, anche la valutazione umana cambia natura. Il recruiter non osserva più solo competenze ed esperienze. Interpreta segnali digitali, costruisce una narrazione del candidato basata su frammenti di informazioni distribuite.
Questo introduce un ulteriore livello di complessità.
Perché ciò che emerge online non è sempre intenzionale. Non è sempre rappresentativo. Non è sempre aggiornato.
Eppure contribuisce a formare un giudizio.
Ci troviamo così in una fase di transizione in cui le regole del gioco non sono ancora completamente esplicite, ma i loro effetti sono già concreti.
Chi cerca lavoro oggi non si confronta solo con aziende e recruiter. Si confronta con sistemi invisibili, con logiche algoritmiche, con dinamiche di esposizione digitale.
Questo non significa che tutto sia fuori controllo.
Significa però che la consapevolezza diventa una competenza fondamentale.
Comprendere come funzionano i sistemi di selezione, sapere che la propria presenza online viene osservata, riconoscere che ogni contenuto contribuisce a costruire un’identità percepita: tutto questo diventa parte del processo.
Non si tratta di costruire una maschera. Si tratta di essere intenzionali.
Di scegliere cosa mostrare, come comunicarlo, con quale coerenza.
Perché nel nuovo scenario il lavoro non si trova solo inviando candidature.
Si trova anche, e sempre più spesso, attraverso ciò che si è già lasciato online.
Non stiamo più semplicemente cercando lavoro.
Stiamo lasciando tracce.
E qualcuno le sta leggendo.