L’IA non è neutrale: il divario di genere nelle evidenze presentate dall’OCSE

Un recente webinar realizzato dall’OCSE il 29 giugno 2026 ed intitolato “Taking a closer look at the AI adoption gap between women and men” ha posto al centro del dibattito scientifico internazionale una questione di stringente attualità: il rapporto fra IA e divari di genere.

In particolare, le relatrici, esperte di studi di genere e di tecnologia, si sono interrogate sull’impatto profondamente asimmetrico e non neutrale che l’intelligenza artificiale (IA) esercita sulle donne nei luoghi di lavoro.

La repentina accelerazione dei sistemi di IA generativa sta riscrivendo la definizione delle mansioni lavorative e la qualità dell’occupazione, modificando contenuti professionali, competenze richieste e prospettive occupazionali. Il quadro che si delinea è complesso, poiché accanto alle opportunità di innovazione e incremento della produttività, si possono già individuare rischi concreti di automazione, sostituzione di alcune mansioni e crescente polarizzazione delle competenze. In questo contesto, alla luce della discussione presentata dall’OCSE è emerso come adottare una prospettiva di genere nelle politiche pubbliche e nelle strategie aziendali non rappresenti soltanto una scelta di inclusione, ma una condizione necessaria per governare in modo equo la trasformazione digitale del mercato del lavoro.

Uno dei risultati più significativi emersi dalla letteratura recente, citata nel corso del webinar, riguarda il diverso rapporto che donne e uomini instaurano con gli strumenti di IA. Il minore tasso di adozione di strumenti IA registrato tra le donne viene spesso attribuito a carenze nelle competenze digitali o a una maggiore “avversione al rischio”. Tuttavia, un numero crescente di studi suggerisce un’interpretazione differente. La minore propensione all’utilizzo dell’IA sembrerebbe riflettere soprattutto una forma di “risk awareness”, ossia una maggiore sensibilità e consapevolezza verso i rischi e le criticità associate all’impiego a tali tecnologie.

Le donne tendono, infatti, a riconoscere con maggiore attenzione le vulnerabilità strutturali dei sistemi di IA, tra cui l’opacità algoritmica, la possibile riproduzione di discriminazioni preesistenti e i rischi connessi alla tutela della privacy (per un approfondimento sul tema della discriminazione algoritmica, si veda S. Prosdocimi, L’illusione del controllo umano? Evidenze sui limiti della supervisione nei sistemi di IA, Bollettino ADAPT 3 novembre 2025, n. 38). Questa diversa percezione deriverebbe da esperienze lavorative e sociali che le espongono più frequentemente agli effetti negativi delle tecnologie digitali. Le lavoratrici sperimentano, infatti, con maggiore frequenza discriminazioni nei processi di selezione, molestie mediate dalla tecnologia, fenomeni di sessualizzazione negli ambienti digitali e una maggiore vulnerabilità rispetto ai processi di automazione.

Tale consapevolezza del rischio trova fondamento anche nelle persistenti disuguaglianze che caratterizzano la struttura del mercato del lavoro. Le donne continuano a essere sovrarappresentate in professioni amministrative, impiegatizie e caratterizzate da attività routinarie, ossia in quelle occupazioni che risultano maggiormente esposte agli effetti dell’intelligenza artificiale generativa. Al contrario, molte professioni a prevalenza maschile presentano una maggiore complementarità tra lavoro umano e tecnologie digitali, riducendo il rischio di sostituzione diretta delle mansioni (Gmyrek et al., 2023; Brussevich et al., 2019).

Una parziale eccezione è rappresentata dalle professioni di cura che, tradizionalmente considerate meno vulnerabili all’automazione per la centralità delle competenze relazionali, stanno anch’esse progressivamente integrando strumenti di intelligenza artificiale. Ciò conferma come la trasformazione tecnologica stia ormai investendo un numero sempre più ampio di attività lavorative, seppur non causando con i medesimi nessi e intensità di causalità l’automazione delle mansioni che le caratterizzano (ILO, 2018; Cheon e Lee, 2026). Eccetto questo caso, le stime più recenti dell’Organizzazione Internazionale del Lavoro (ILO, 2026) confermano la portata asimmetrica di tali dinamiche, rilevando come le occupazioni a prevalenza femminile presentino un rischio di automazione significativamente più elevato (16% contro il 3% di quelle maschili).

A ciò contribuisce una persistente sottorappresentazione femminile nei settori tecnologici e nelle discipline STEM (Science, Technology, Engineering, and Mathematics), che oltre ad ostacolare l’accesso alle opportunità occupazionali più qualificate, incide negativamente sull’inclusione nei processi di progettazione, addestramento e governance delle tecnologie. Secondo il portale statistico ILOSTAT (2023), infatti, le donne rappresentano circa il 30% della forza lavoro impiegata nell’IA e il 40% dei professionisti STEM, ma meno del 10% negli ambiti dell’ingegneria e dello sviluppo software. Analogamente, pur costituendo circa il 30% degli autori che pubblicano su temi legati all’intelligenza artificiale, rappresentano soltanto il 4% delle persone direttamente coinvolte nello sviluppo dei sistemi di IA (OECD.AI Policy Observatory).

Le tendenze comuni evidenziate dalle ricerche dimostrano pertanto l’esistenza di un vero e proprio “soffitto di cristallo digitale” (digital glass ceiling) secondo il quale, nonostante vi sia una sostanziale parità nell’uso delle tecnologie di base, le donne rimangono sistematicamente escluse dall’accesso alle mansioni digitali più avanzate e ai ruoli ad alta intensità tecnologica per effetto di segregazione educativa e occupazionale e di barriere strutturali e culturali (IZA, 2026). Questa sottorappresentazione contribuisce a un potenziale disallineamento tra tecnologie e bisogni reali delle utenti, rafforzando il rischio che le nuove tecnologie riproducano le disuguaglianze di genere esistenti, poiché esse non sono neutrali ma tendono a riflettere le strutture sociali in cui vengono sviluppate (Spencer, 2018; Howcroft e Rubery, 2019).

Ancora, recenti studi sull’IA confermano tale rischio. I modelli linguistici di grandi dimensioni, addestrati su dati storici (tipicamente gender biased), possono ricreare e addirittura amplificare biasdi genere preesistenti, ad esempio associando alle donne aspettative salariali inferiori rispetto agli uomini o riproducendo stereotipi occupazionali consolidati (Sorokovikova et al., 2025; Leong e Sung, 2024).

Se progettata e utilizzata in modo responsabile, tuttavia, l’intelligenza artificiale può rappresentare un importante strumento per promuovere l’uguaglianza di genere nei luoghi di lavoro. Diverse applicazioni stanno già trovando graduale impiego nell’individuazione dei suddetti bias nei processi di selezione del personale, nel rafforzamento della trasparenza retributiva e nel supporto alla prevenzione, individuazione e gestione di fenomeni di discriminazione, violenza e molestie di genere (Ramboll, 2020; EIGE, 2021).

Alla luce di questa complessità, il dibattito emerso dagli studi citati non si limita a capire chi utilizzerà le tecnologie, ma pone soprattutto la domanda relativa a chi contribuirà a progettarle e governarle. Le risposte emerse dal webinar OCSE indicano dunque tre leve fondamentali, consistenti nella formazione, la regolazione algoritmica e il ruolo delle parti sociali.

Intervenire sulle politiche della formazione e dello sviluppo delle competenze appare un passaggio necessario per superare il divario descritto, a patto di abbandonare approcci estemporanei agli strumenti informatici. Le strategie di upskilling devono configurarsi come percorsi strutturati e integrati nei reali flussi di lavoro, capaci di sviluppare congiuntamente abilità tecniche (come il prompting), competenze trasversali e una profonda consapevolezza etica nell’uso dello strumento. In questa prospettiva, i sei principi metodologici del framework PRIMES (Practical, Reachable, Integrated, Modular, Expandable, Sustainable) elaborati dalla ricerca “Skills England” si propongono come una linea guida flessibile, essenziale per disegnare una formazione che riduca le barriere di accesso temporali ed economiche, costruendo fiducia accanto alle abilità pratiche. 

Tuttavia, le politiche formative risultano insufficienti se non accompagnate da un cambiamento di prospettiva nelle politiche pubbliche e aziendali. L’obiettivo non può essere soltanto quello di spingere l’adozione della tecnologia, ma di garantirne affidabilità, sicurezza e trasparenza. In questa direzione, il quadro normativo europeo, guidato dall’AI Act dell’Unione Europea, rappresenta una leva fondamentale introducendo obblighi di trasparenza, valutazione dei bias e supervisione umana per i sistemi ad alto rischio.

Per prevenire scenari di ulteriore disuguaglianza, diventa indispensabile che il contesto presentato sia affiancato da una regolazione informata, che introduca definizioni chiare, sistemi di monitoraggio continui e meccanismi efficaci di gestione algoritmica, oltre che un coinvolgimento diretto delle lavoratrici nei processi di implementazione aziendale, affinché possano effettivamente contribuire alla definizione e alla progettazione delle tecnologie stesse.

In questa prospettiva, il successo della transizione digitale dipende in modo decisivo dalla qualità del dialogo sociale e della contrattazione collettiva. L’automazione produce infatti esiti più equi e sostenibili quando viene sviluppata a partire dai bisogni reali e rappresentativi dei lavoratori (need-first approach) e attraverso processi di progettazione partecipata checoinvolgano le parti sociali (Cheon e Lee, 2026). Al contrario, soluzioni imposte dall’alto o concepite in contesti astratti tendono a generare inefficienze e nuove forme di precarietà.

Strumenti innovativi di governance partecipativa, come la proposta di un sistema di benchmarking e valutazione comparativa crowdsourced delle tecnologie (“Arena AI leaderboard”, in Bahar e Milanez, 2026), possono allora contribuire ad aumentare la trasparenza, migliorare la qualità delle decisioni e rafforzare la responsabilità condivisa nell’adozione dei sistemi di intelligenza artificiale.

In conclusione, nel quadro delle ricerche citate nel dibattito promosso dall’OCSE, emerge con forza come la governance partecipativa sia lo snodo decisivo per gestire consapevolmente il rischio di creazione (o persistenza) dei divari di genere nell’implementazione di strumenti di IA. Solo assicurando che la voce e l’esperienza delle lavoratrici siano riconosciute come rilevanti ed autorevoli nella definizione degli strumenti tecnologici sarà possibile orientare l’innovazione verso un’effettiva equità di trattamento fra uomini e donne, una maggior sicurezza dei contesti operativi e una crescita inclusiva nel mercato del lavoro.

Riprendendo le parole di Bolis (2025) in“The AI Gender Gap Paradox: A Case for Fierce Ambivalence”, la prospettiva delle donne non rappresenta una componente accessoria, ma un elemento fondamentale per rendere la tecnologia più solida e consapevole. Secondo gli studi dell’Autrice, sebbene non esista una formula unica per garantire l’equità nell’adozione dell’IA generativa, l’esperienza di altri settori suggerisce che è probabile che si facciano progressi quando si interviene sui seguenti fronti:

– Apprendimento: rafforzare la fiducia delle donne nell’IA generativa attraverso approcci incentrati sull’utente.

– Accesso: progettare opportunità di aggiornamento professionale flessibili e inclusive che tengano conto dei vincoli di tempo delle donne.

– Opportunità: tradurre le competenze nell’IA generativa in leadership e creazione di reddito.

– Responsabilità: esigere trasparenza ed equità dalle aziende che operano nel settore dell’IA generativa.

– Controllo: stabilire misure di salvaguardia per garantire che questa nuova tecnologia sia al servizio del bene pubblico.

Giulia Comi

PhD Candidate ADAPT – Università di Siena

X@giulphil

Giorgia Passerini

Apprendista di ricerca ADAPT