Bollettino ADAPT 27 gennaio 2025, n. 4
Negli ultimi anni, il crescente ricorso a sistemi di gestione dei lavoratori basati sull’intelligenza artificiale (AIWM) all’interno dei luoghi di lavoro ha suscitato un dibattito significativo sul suo impatto sulla sicurezza e la salute sul lavoro.
AIWM è termine generico, che si riferisce a un sistema di gestione dei lavoratori che raccoglie dati, spesso in tempo reale, sullo spazio di lavoro, sui lavoratori, sul lavoro che svolgono e sugli strumenti (digitali) che utilizzano per il loro lavoro, che vengono poi inseriti in un modello basato sull’intelligenza artificiale che prende decisioni automatizzate o semi-automatizzate o fornisce informazioni ai responsabili delle decisioni su questioni relative alla gestione dei lavoratori. Queste decisioni possono comprendere un’ampia gamma di attività, come la definizione degli orari di lavoro e l’assegnazione dei compiti, il monitoraggio delle attività dei lavoratori, la valutazione delle loro prestazioni e la fornitura di indicazioni per prevenire i rischi per la salute.
Ricerche precedenti hanno evidenziato il carattere ambivalente dell’AIWM sui rischi psicosociali (Moore, P. V. (2018). The threat of physical and psychosocial violence and harassment in digitalized work. International Labour Office), intesi come quegli aspetti della progettazione, dell’organizzazione e della gestione del lavoro, nonché del contesto sociale del lavoro, che determinano esiti psicologici, fisici e sociali negativi (European Agency for Safety and Health at Work, 2022, Artificial intelligence for worker management: an overview: https://osha.europa.eu/en/publications/artificial-intelligence-worker-management-overview).
Da un lato, l’AIWM può essere utilizzata per prevenire e mitigare alcuni rischi, ma anche per assistere i dirigenti e i rappresentanti della salute e della sicurezza nell’individuazione e nella gestione dei rischi psicosociali sul lavoro. D’altro canto, l’AIWM ha spesso portato a una maggiore sorveglianza, a una diminuzione del controllo sul lavoro, a modelli di lavoro imprevedibili e ad una percezione di mancanza di equità. Pertanto, l’impatto complessivo delle tecnologie AIWM sui rischi psicosociali non può essere determinato ex ante, ma dipende in larga misura dal contesto organizzativo e istituzionale in cui tali tecnologie vengono introdotte.
Secondo la nuova relazione della European Agency for Safety and Health at Work – EU-OSHA («Partecipazione e rappresentanza dei lavoratori: l’impatto sulla prevenzione dei rischi dei sistemi di gestione dei lavoratori basati sull’intelligenza artificiale», consultabile all’indirizzo https://osha.europa.eu/it/publications/worker-participation-and-representation-impact-risk-prevention-ai-worker-management-systems, l’AIWM può quindi avere implicazioni psicosociali sia positive che negative. Le ricerche che esplorano gli effetti psicosociali negativi dell’AIWM mostrano che i sistemi di AIWM possono intensificare la sorveglianza ed erodere l’autonomia dei lavoratori, il che a sua volta porta ad alti livelli di stress. I sistemi AIWM possono anche aumentare l’intensità e la velocità del lavoro e portare all’imprevedibilità degli orari di lavoro. Inoltre, le tecnologie AIWM utilizzate per monitorare e valutare le prestazioni possono creare una pressione sulle prestazioni e sono anch’esse associate ad alti livelli di stress tra i lavoratori, in particolare quando percepiscono le metriche e i processi come ingiusti.
Tuttavia, la ricerca mostra anche che i rischi psicosociali legati all’AIWM variano a seconda del tipo di azienda o del settore. A questo proposito, sono necessarie ulteriori ricerche per identificare meglio i rischi settoriali specifici associati ai sistemi di AIWM, in particolare al di fuori del settore delle piattaforme digitali e nelle PMI.
Per quanto riguarda le opportunità offerte dall’AIWM per prevenire i rischi psicosociali, le evidenze esistenti mostrano che i sistemi di AIWM possono migliorare la progettazione del lavoro e l’assegnazione dei compiti o essere utili per la prevenzione del burnout. Tenendo conto delle tempistiche dei progetti e delle preferenze individuali in materia di modelli di lavoro, tali sistemi possono suggerire cicli di interruzione del lavoro ottimali e quindi contribuire a migliorare la salute mentale e la produttività. Il monitoraggio della salute e del benessere dei lavoratori può anche aprire la strada a interventi proattivi quando vengono rilevati dei rischi: ad esempio, i dispositivi indossabili e le app di monitoraggio della salute dotate di intelligenza artificiale possono tenere traccia di indicatori fisiologici come la frequenza cardiaca e i livelli di stress, fornendo un feedback in tempo reale sia ai lavoratori che ai datori di lavoro. Tuttavia, la ricerca mostra anche che questo uso positivo dell’AIWM può spesso entrare in conflitto con le norme del Regolamento generale sulla protezione dei dati (GDPR) e portare ad effetti indesiderati o negativi sulla sicurezza e salute sul lavoro (ad esempio, se gli stessi dati vengono utilizzati per monitorare le prestazioni).
L’impatto complessivo dell’AIWM sui fattori psicosociali, ossia la prevalenza degli effetti dannosi o dei benefici, sarà determinato pertanto dal contesto istituzionale in cui la tecnologia viene applicata e, in particolare, dalle strutture di rappresentanza dei lavoratori. Attraverso la loro partecipazione all’implementazione dell’AIWM, queste strutture determineranno quale tecnologia applicare e come applicarla per massimizzare i benefici e ridurre i rischi ad essa associati.
Il report in commento ha analizzato dei casi pratici di rilievo, che mostrano una diversità di situazioni in relazione ai rischi psicosociali posti dall’introduzione di sistemi AIWM. In particolare, spicca un caso di studio sulla contrattazione tecnologica in una delle maggiori società minerarie svedesi, che si occupa dell’estrazione e dello sfruttamento del minerale da siti minerari e impianti di fusione. Il caso di studio ha esaminato l’implementazione di un sistema di monitoraggio della sicurezza: nel 2013, a seguito di un incidente non mortale in cui 22 lavoratori sono rimasti intrappolati in una miniera, l’azienda ha deciso di installare un sistema di posizionamento basato su Wi-Fi, al solo fine di prevenire e aiutare i lavoratori in situazioni di emergenza, permettendo di monitorare in tempo reale la posizione dei lavoratori attraverso strumenti GPS e di migliorare la comunicazione in caso di crolli o di qualsiasi altra emergenza nelle miniere. Tuttavia, l’azienda e i rappresentanti dei lavoratori erano consapevoli delle potenziali preoccupazioni relative alla privacy dei lavoratori: il processo di co-determinazione ha comportato discussioni informali che si sono poi tradotte nella conclusione di accordi collettivi o protocolli locali in ogni sito in cui il sistema è stato implementato. I sindacati hanno riconosciuto l’obiettivo dell’azienda di migliorare la sicurezza sul posto di lavoro, ma hanno richiesto l’anonimizzazione di tutti i dati personali per evitare il monitoraggio delle pause o della produttività dei singoli lavoratori. Inoltre, hanno stabilito che solo i supervisori specificamente designati avrebbero potuto essere autorizzati ad abbinare ogni tag (numero di identificazione) al lavoratore corrispondente e che la de-anonimizzazione avrebbe potuto essere consentita solo in situazioni di emergenza, come incidenti o incendi.
Anche il caso di due piccole cooperative che operano nel settore della consegna di generi alimentari appare molto interessante. In entrambe le cooperative, l’organizzazione del lavoro è affidata al “dispacciatore”, un membro della cooperativa incaricato di distribuire e assegnare le consegne. In quanto tale, il dispacciatore si affida a un sistema AIWM. A differenza delle piattaforme digitali per il lavoro che operano nel settore, il sistema AIWM e l’applicazione software sono stati progettati da una federazione mondiale di cooperative (CoopCycle), con un programma open-source liberamente accessibile che garantisce l’adozione di un modello cooperativo che risponde alla definizione di economia sociale, come stabilito dall’Unione Europea. Caratteristica fondamentale è che il sistema non può essere utilizzato per scopi punitivi o di esclusione; dunque, consente di instaurare rapporti di lavoro basati sul riconoscimento e sulla reciprocità professionale, in cui i lavoratori comprendono che gli strumenti digitali hanno lo scopo di supportarli e non di controllarli. Nel settore della consegna di generi alimentari dominato dalle piattaforme, infatti, il carico di lavoro eccessivo, la pressione del tempo e gli orari di lavoro atipici sono stati evidenziati come fonti principali di rischi psicosociali. Le due cooperative hanno affrontato questi rischi attraverso una migliore distribuzione del lavoro tra tutti i dipendenti nei giorni festivi e nei fine settimana. In entrambe le cooperative, il lavoro viene distribuito in base alla disponibilità e all’interesse dei lavoratori, senza penalità associate al rifiuto di un ordine. Inoltre, si presta attenzione all’accumulo di ore, poiché i moto-ciclisti non possono pedalare per più di tre ore al giorno, considerato come il limite massimo di sforzo. Una distribuzione più equa dell’orario di lavoro ha portato a un migliore equilibrio tra lavoro e vita privata e a un minor carico di lavoro, che a sua volta ha ridotto l’insorgere di sonnolenza e stanchezza, soprattutto nelle ore di punta, quando c’è un alto volume di veicoli in circolazione e un accumulo di ordini.
Quanto sopra dimostra che dai casi analizzati emerge una diversità di situazioni in relazione ai rischi psicosociali posti dall’introduzione di sistemi AIWM. Infatti, i casi dell’industria manifatturiera e mineraria dimostrano come il coinvolgimento dei rappresentanti dei lavoratori nella progettazione dei sistemi AIWM possa contribuire a mitigare diversi rischi. Nel caso dell’azienda mineraria svedese, la partecipazione dei rappresentanti dei lavoratori ha permesso di affrontare i potenziali effetti negativi associati all’uso dei dati personali per le prestazioni e il monitoraggio degli orari di lavoro. In secondo luogo, il caso delle due piccole cooperative di rider mostra chiaramente come l’organizzazione del lavoro medi l’impatto della tecnologia sul benessere dei lavoratori. Le piattaforme di consegna sono state descritte come chiari esempi di come la gestione algoritmica porti ad un deterioramento delle condizioni di lavoro e aggravi i rischi psicosociali. Tuttavia, questo impatto dipende proprio dall’organizzazione del lavoro. Nel caso analizzato, una gestione basata sui principi delle cooperative sociali ha facilitato l’implementazione dei sistemi di gestione algoritmica sotto la supervisione umana e l’inclusione di garanzie aggiuntive per i lavoratori.
In conclusione, la ricerca dimostra e conferma i seguenti punti essenziali:
– le tecnologie AIWM possono avere effetti benefici nell’individuare e prevenire i fattori di rischio psicosociale, ma possono anche intensificare alcuni di questi rischi, soprattutto quelli legati alla sorveglianza dei lavoratori e alla valutazione delle prestazioni. Per garantire che i benefici siano superiori ai rischi, è necessario dotare le strutture di rappresentanza dei lavoratori della capacità di accedere e negoziare efficacemente gli algoritmi alla base di queste tecnologie;
– l’intensificazione del lavoro e l’aumento dei livelli di stress derivanti dalla costante sorveglianza e raccolta di dati costituiscono le principali minacce associate all’AIWM. Per prevenire questi rischi è necessario un accesso adeguato dei rappresentanti dei lavoratori all’algoritmo e ai dati raccolti. Tuttavia, i casi aziendali analizzati mostrano come l’approccio migliore per ridurre al minimo questi e altri rischi per i lavoratori sia quello di coinvolgere i lavoratori fin dalle prime fasi di adozione e implementazione della tecnologia;
– le capacità istituzionali forniscono ai lavoratori e ai loro rappresentanti il diritto di essere informati e/o consultati sull’introduzione e l’implementazione dell’AIWM. Tuttavia, le capacità istituzionali da sole non bastano a garantire che i rappresentanti dei lavoratori possano esercitare pienamente questi diritti. Per farlo in modo efficace, i lavoratori e i loro rappresentanti hanno bisogno delle conoscenze tecniche necessarie per monitorare l’uso dell’AIWM e per impegnarsi in negoziati sulla sua attuazione.
Le caratteristiche delle tecnologie AIWM, tra cui la loro opacità e dinamicità, ma anche la diversità delle applicazioni sul posto di lavoro, richiedono approcci normativi sicuramente più flessibili con riconoscimento di un ruolo più forte della contrattazione collettiva. È fondamentale, ad avviso di chi scrive, che le attuali normative sul coinvolgimento e la rappresentanza dei lavoratori si evolvano ancor più per incorporare questi aspetti, poiché la contrattazione collettiva nel contesto dell’AIWM rimane, ancora oggi, troppo limitata.
Matteo Di Francesco
Avvocato, PhD in diritto del lavoro
ADAPT Professional Fellow