Due CV, stesso strumento, stesso autore, quasi il doppio di risposte. In un test sul campo di due mesi con 204 candidature reali inviate ad annunci attivi, un CV generato dall'AI e spedito così come era stato prodotto ha ottenuto risposte sul 10% delle candidature. Lo stesso output dell'AI, personalizzato su ogni singolo annuncio, è arrivato al 18% (Kickresume, 2026). Nulla del candidato è cambiato tra i due gruppi. È cambiato quanto lavoro è stato messo nella candidatura.
Questo risultato dovrebbe riorganizzare il modo in cui guardi il tuo funnel. La maggior parte dei team di assunzione nel 2026 si sta preparando al problema sbagliato. Il timore è che le candidature scritte dall'AI siano troppo levigate per essere filtrate — che il CV scritto dalla macchina passi perché si legge meglio di quello umano. I dati indicano il contrario. Il CV grezzo prodotto dall'AI è stato il peggiore in assoluto di tutto il test. Ciò che il tuo screening dei CV premia non è la paternità del testo e non è la capacità. È lo sforzo di personalizzazione — e lo sforzo di personalizzazione è l'unico input che l'AI generativa ha reso quasi gratuito.
Cosa hanno misurato davvero 204 candidature reali
Il disegno dello studio conta, quindi eccolo in chiaro. Tra aprile e giugno 2026, 204 candidature reali sono state inviate ad annunci attivi nel mercato di New York, concentrate su ruoli di customer service e di rappresentante commerciale — categorie scelte deliberatamente per il loro alto volume. Sono state ruotate quattro versioni del CV, 51 candidature ciascuna: un CV scritto da una persona su colonna singola, uno scritto da una persona su due colonne, una bozza AI grezza e un CV AI personalizzato per ogni annuncio (Kickresume, 2026).
Sull'intero test, 36 risposte sono state positive — circa il 18%, più o meno una su sei — di cui 22 richieste dirette di colloquio e il resto screening telefonici, screening video, email positive e inviti a test di valutazione. La maggior parte delle risposte è arrivata entro tre giorni.
Lo scarto tra i gruppi è il vero risultato:
- Scritto da una persona, colonna singola pulita: 31%
- AI personalizzato su ogni annuncio: 18%
- Scritto da una persona, due colonne: 12%
- Bozza AI grezza, inviata come generata: 10%
Dentro quei numeri ci sono due cose facili da perdere. Primo, il CV umano a due colonne ha reso meno del CV AI personalizzato — il parsing del layout sta ancora costando colloqui reali a candidati reali, che è un'accusa silenziosa al livello di parsing più che ai candidati. Secondo, 30 delle 36 risposte positive sono arrivate da ruoli genuinamente coerenti con il profilo, e il solo customer service e supporto ne ha generate 18 su 36. La qualità del match ha dominato tutto il resto nei dati.
Un caveat onesto, che gli autori stessi segnalano: le versioni sono uscite in fasi successive e non in parallelo sugli stessi annunci, quindi i CV umani hanno incontrato prima le posizioni meglio allineate, prima che il bacino locale di ruoli coerenti si esaurisse — cosa che secondo gli autori ha richiesto circa una settimana, nelle categorie professionali a più alto volume del paese. Questo confondimento gonfia il dato del CV umano a colonna singola di una quantità ignota. Prendi il 31% come indicativo. Il confronto che sopravvive al confondimento è quello interno alla coppia AI, dove strumento e autore erano costanti e variava solo la personalizzazione: dal 10% al 18%.
Il tuo screening dei CV legge lo sforzo, e lo sforzo è diventato economico
Ecco il meccanismo. Quando uno screening — umano o automatico — premia un CV perché usa il vocabolario dell'annuncio, rispecchia i requisiti dichiarati e mette in primo piano il terzo rilevante di una storia professionale, non sta misurando se il candidato sa fare il lavoro. Sta misurando se il candidato ha speso venti minuti su di te invece di premere invio su un file generico.
Per la maggior parte della storia delle assunzioni quella era una proxy difendibile. Lo sforzo correlava con la motivazione, la motivazione con il fit, e il costo della personalizzazione era abbastanza alto da essere informativo. Un candidato che riscriveva il proprio CV per il tuo annuncio aveva rivelato qualcosa di reale sul proprio ordine di preferenze.
L'AI generativa ha distrutto il prezzo di quel segnale. Personalizzare un CV su una job description oggi è un singolo prompt, eseguito in pochi secondi, a costo marginale zero, a volume illimitato. Il segnale non è diventato più rumoroso — si è invertito. Un funnel che premia la personalizzazione oggi fa avanzare preferenzialmente i candidati con i migliori strumenti di candidatura, variabile che non ha correlazione con i candidati che renderanno nella posizione.
I dati dal lato datore di lavoro mostrano già la tensione. Solo circa un terzo dei responsabili delle assunzioni dichiara di essere molto fiducioso che un CV rifletta le competenze reali di un candidato, e tuttavia circa due terzi usano ancora lo screening del CV come primo passo del funnel; le organizzazioni in cui il CV è il principale fattore decisionale hanno una probabilità superiore del 35% di segnalare un'assunzione sbagliata (Criteria e Lighthouse Research & Advisory, 2026, indagine su 998 responsabili). Separatamente, il 54% dei senior talent leader afferma che CV e candidature generate dall'AI hanno reso più difficile valutare la capacità reale, mentre oltre il 90% delle aziende usa l'AI su sourcing e screening e meno del 5% definisce i risultati trasformativi (ManpowerGroup e Everest Group, 2026). E il 67% dei responsabili HR statunitensi riferisce che la revisione delle candidature generate dall'AI ha rallentato le proprie assunzioni, con il 20% che registra ritardi superiori a due settimane (Robert Half, 2026).
Leggi insieme questi quattro risultati e il quadro è preciso: il cancello che tutti aprono per primo è quello di cui quasi nessuno si fida, è diventato più costoso da gestire, e la cosa che adesso misura è acquistabile.
Il risultato delle due colonne è un allarme a parte
Metti da parte per un momento la questione AI e guarda i due gruppi umani. Stesso candidato, stessa storia, stesse affermazioni — impaginato su colonna singola, 31%; impaginato su due colonne, 12%. Quel divario non ha nulla a che fare con capacità, motivazione o fit. È un artefatto di impaginazione.
I layout a due colonne sono il punto in cui i parser dei CV falliscono regolarmente: le colonne di testo si intrecciano in modo incomprensibile, le barre laterali delle competenze vengono perse, le date si staccano dai ruoli a cui appartengono. Se il tuo applicant tracking system assegna punteggi o ranking su campi estratti dal parsing, una scelta di impaginazione fatta per ragioni estetiche sposta silenziosamente un candidato più in basso nella tua lista. Nei numeri stessi del test, un CV scritto da una persona nel layout sbagliato ha reso meno di una bozza AI che era stata semplicemente puntata sull'annuncio (Kickresume, 2026).
Questo merita un pomeriggio di lavoro diagnostico, qualunque conclusione tragga sulla personalizzazione. Prendi dieci CV che hai scartato allo screening nell'ultimo trimestre, passali nel tuo parser e leggi cosa il tuo sistema ha effettivamente acquisito rispetto a cosa il candidato ha effettivamente inviato. La modalità di guasto non è che il parser restituisce un errore — è che il parser riesce, produce campi degradati, e il ranking a valle li tratta come veri.
L'obiezione: la personalizzazione non è comunque un segnale reale?
L'obiezione più forte merita un ascolto corretto. Se un candidato si prende la briga di personalizzare — anche con l'AI — ha comunque scelto il tuo annuncio tra gli altri quaranta aperti nelle sue schede. Questo non rivela una preferenza?
In parte sì, e il test lo sostiene: 30 esiti positivi su 36 sono arrivati da ruoli ben allineati, il che significa che il fit stava facendo gran parte del lavoro. Ma preferenza e fit non sono la stessa variabile, e la personalizzazione fa da proxy solo per la prima. Un candidato può personalizzare in modo perfetto per un ruolo che lascerà in cinque mesi, e un candidato con fit forte, un CV semplice su colonna singola e nessuna abitudine alla personalizzazione può essere escluso prima che un essere umano legga una parola. Peggio, la proxy si degrada in modo asimmetrico: i candidati che più probabilmente inviano candidature di massa con l'aiuto dell'AI sono esattamente quelli per cui personalizzare non costa niente, quindi la correlazione tra personalizzazione e interesse reale si indebolisce più rapidamente proprio dove il volume di candidature è più alto.
La versione difendibile dell'obiezione è più stretta di quanto sembri. La personalizzazione è una prova debole di preferenza e quasi nessuna prova di capacità. Va bene come criterio di spareggio. È indifendibile come input di ranking.
Misura la capacità, non l'artigianato del documento
Circa ottant'anni di ricerca sulla selezione indicano la stessa direzione: campioni di lavoro, colloqui strutturati e misure di abilità cognitiva sono tra i predittori più forti della performance lavorativa, mentre gli input adiacenti al CV, come gli anni di esperienza e i titoli di studio, sono comparativamente debolli (meta-analisi di Schmidt e Hunter, 1998). Quel risultato precede l'AI generativa di un quarto di secolo. L'AI non ha invalidato il CV — ha rimosso l'ultima scusa pratica per usarlo come primo filtro.
La distinzione operativa è tra inferire la capacità da come è stato assemblato un documento e misurarla rispetto a ciò che il ruolo richiede.
Cosa cambiare questo trimestre
Scegli una posizione ad alto volume — quelle in cui il numero di candidature è raddoppiato e i tuoi recruiter stanno affogando in file quasi identici e ben personalizzati. Poi fai quattro cose:
- Declassa il CV a filtro di esclusione. Risponde a domande di ammissibilità (autorizzazione al lavoro, credenziale obbligatoria, soglia di esperienza non negoziabile) e a nulla di più. Non produce un ranking.
- Metti un segnale strutturato e rappresentativo del lavoro prima della fase di ranking — un breve campione di lavoro, una valutazione validata o un colloquio strutturato valutato rispetto ai requisiti dichiarati del ruolo e non rispetto agli altri candidati.
- Pesa i requisiti prima di vedere un singolo candidato. Un requisito che blocca l'assunzione non deve contare come un elemento desiderabile, e decidere quell'ordinamento dopo l'arrivo delle candidature è il modo in cui la giustificazione a posteriori entra in un funnel. La ponderazione esplicita della criticità è la parte dei meccanismi di scoring che la maggior parte dei team salta, ed è la parte che rende un ranking verificabile.
- Fai un A/B contro una posizione comparabile gestita con il CV al primo posto e guarda due numeri: la qualità dell'assunzione a 90 giorni e le ore di recruiting recuperate dal filtraggio.
Se il gruppo AI personalizzato di quel test sul campo dice qualcosa a livello operativo, è che il tuo funnel pagherà volentieri un premio per venti minuti di lavoro di prompt. La domanda per questo trimestre è se ordineresti consapevolmente i candidati su quella base. Fino a quando il segnale di capacità non precede il documento, il tuo screening dei CV compra venti minuti di lavoro di prompt e lo chiama evidenza — ed è l'acquisto che rifai ogni volta che apri la pipeline.