Il mobbing non è sempre un conflitto esplicito. Spesso inizia con piccole esclusioni: non ricevi l'invito a una riunione importante, il tuo contributo in una email viene ignorato, i tuoi risultati sono attribuiti ad altri. Ogni episodio preso singolarmente può sembrare insignificante. Ma quando gli episodi si moltiplicano nel tempo, formano un quadro di violenza organizzativa deliberata e sistemica.

Il problema è che le donne che lo subiscono stentano a provarlo. Non hanno sempre testimoni. Non hanno una registrazione vocale. Hanno sensazioni, posta elettronica, commenti ambigui. Dicono al datore di lavoro: "Mi è stata tolta un'assegnazione senza spiegazione", e il responsabile risponde: "Potrebbe essere stato un errore amministrativo". Il conflitto rimane irrisolto nella nebbia.

Qui entra in gioco l'intelligenza artificiale. Non per giudicare intenti o motivazioni, che restano un dominio umano. Ma per riconoscere pattern comportamentali che gli occhi umani non vedono quando osservano il singolo evento.

Come l'AI analizza i dati aziendali

Le aziende moderne producono dati di comunicazione continui. Email, messaggi su piattaforme interne, calendari, assegnazioni di progetto, sistemi di ticket, dati di accesso. Ogni interazione lascia una traccia.

Un sistema di intelligenza artificiale può analizzare questi dati e rispondere a domande precise: In un anno, quante riunioni ha frequentato la dipendente X rispetto ai colleghi dello stesso livello? Qual è la distribuzione dei progetti assegnati per genere? In quante conversazioni via email è stata esclusa la dipendente rispetto ai maschi? Le sue email ricevono risposte più lentamente? Quando parla in una riunione, le sue affermazioni sono contraddette più spesso?

Nessuna di queste metriche è perfetta isolatamente. Ma insieme dipingono un quadro. Se una donna riceve il 35% dei progetti rispetto ai colleghi uomini dello stesso livello, se partecipa al 40% delle riunioni strategiche in meno, se le sue email ricevono risposta in media 4 ore dopo, mentre i colleghi maschi in 90 minuti, l'insieme di questi dati suggerisce un pattern. Non è opinione. È misura.

Il riconoscimento del linguaggio come spia

L'AI non legge il contenuto delle email solo per contare. Può analizzare il tono e il linguaggio. Uno studio recente, benché non italiano, ha mostrato che le donne ricevono critiche formulate diversamente rispetto agli uomini. Gli uomini leggono: "Questo report potrebbe essere migliorato nella sezione analisi". Le donne ricevono: "Il tuo lavoro non è diligente come mi aspetto".

Una differenza di tono. La AI lo segmenta e lo misura. Se una donna riceve il 60% di messaggi critici formulati in modo personale rispetto ai suoi colleghi maschi che ricevono critiche formulate sul lavoro, il sistema lo segnala.

Lo stesso accade con l'esclusione verbale. Se i verbali delle riunioni mostrano che le donne intervengono meno spesso, che i loro interventi sono seguiti da lunghi silenzi invece che da prosecuzione della discussione, che il termine "aggressivo" appare solo negli aggettivi usati per donne che hanno alzato la voce, il sistema lo documenta.

Dalla misurazione alla documentazione

Il vantaggio pratico è concreto. Una donna che denuncia mobbing a un responsabile HR armata di un report che dice "Nel periodo gennaio-ottobre 2024, hai ricevuto il 38% in meno di assegnazioni di progetto rispetto a tre colleghi maschi di pari livello, e in due casi specifici i tuoi contributi email sono stati ignorati per 48 ore mentre la stessa azienda ha risposto in media in 3 ore ai tuoi colleghi", dispone di un argomento documentato.

L'azienda non può dire "non abbiamo prove". Le prove esistono nei dati. Non sono opinioni soggettive. Sono misure.

I limiti rimangono importanti

L'AI non è una bacchetta magica. Non risolve il problema. Semmai lo rende visibile. Se l'azienda ignora i dati, il report non cambia nulla. Se la cultura aziendale tollera il mobbing, la misurazione senza conseguenze è solo teatro.

C'è un secondo rischio: la falsa neutralità. Un algoritmo può contenere bias suoi propri. Se il sistema di AI è stato addestrato con dati storici che già contenevano discriminazione, può imparare a riprodurla come se fosse normale.

Per questo motivo l'uso dell'AI deve accompagnarsi a verifiche umane, a revisioni di esperti di diritto del lavoro, a trasparenza su come è costruito il modello.

Quello che cambia nella pratica

In aziende dove è stato implementato un sistema di riconoscimento del mobbing basato su AI, è accaduto qualcosa di semplice ma potente: il comportamento medio è migliorato. Non perché i responsabili sono diventati migliori persone. Ma perché sapevano che i dati sarebbero stati controllati. L'esclusione dalla riunione diventa rischiosa. L'assegnazione iniqua dei progetti diventa visibile. Il silenzio dopo l'intervento di una donna diventa misurabile.

Non è una soluzione perfetta. Il mobbing più sofisticato trova sempre vie per nascondersi. Ma ha alzato il costo della violenza organizzativa. Ha reso più facile per chi lo subisce trovare le prove. Ha dato al responsabile HR un argomento per dire al manager "questo è quantificato, devi cambiare".

Il vero lavoro rimane umano. La decisione di agire contro il mobbing, la volontà di scegliere una cultura aziendale diversa, la responsabilità personale di ogni leader. L'AI fornisce visibilità. Il resto dipende da scelte che solo le persone possono fare.