Sulle candidature più difficili che ricevi — quelle borderline, dove uno screening a chiamata unica dice no e un essere umano potrebbe dire sì — i tassi di passaggio sono passati dal 4,5% al 26,2% quando il candidato era rappresentato da un agente. È un cambiamento di accesso di quasi sei volte, e non è arrivato da alcuna modifica al modello, al CV o alla descrizione della posizione. È arrivato dal cambiamento della procedura.
Il dato viene dallo studio di Gao e Jiang sull'assunzione mediata da agenti (arXiv, 2026), accettato al workshop REALM di EMNLP 2026. Conta per un Head of Operations per una ragione che non ha nulla a che vedere con la retorica dell'equità e tutto a che vedere con la possibilità di difendere due volte il tuo screening di CV con AI. Lo stesso studio ha rilevato che le candidature selezionate dalla procedura a due agenti si ripetevano meno spesso quando i casi venivano rieseguiti. Il cancello si è spostato, e si è spostato in modo incoerente.
Lo studio: 600 coppie, due lati, un insieme borderline
La maggior parte dello screening automatizzato è un giudizio statico. Una singola chiamata al modello legge un CV rispetto a una posizione e restituisce un verdetto. Gao e Jiang fanno notare che l'assunzione non è in realtà strutturata così — i datori di lavoro valutano l'idoneità mentre i candidati presentano e difendono le prove delle proprie qualifiche — e costruiscono la versione a due lati: un agente lato datore di lavoro e un agente lato candidato si scambiano prove e aggiornano i propri giudizi prima di decidere chi avanza.
L'hanno eseguita su 600 coppie CV–posizione costruite con due modelli di frontiera, GPT-5.5 e Claude Opus 4.7, confrontandola con il baseline a chiamata unica sullo stesso materiale.
| Misura | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Tasso di avanzamento, chiamata unica → due agenti | 33,3% → 39,3% | 34,0% → 35,5% |
| Tasso di passaggio nell'insieme borderline, 3 esecuzioni | 4,5% → 26,2% | 6,5% → 16,1% |
Leggi le due righe una contro l'altra. Il tasso di avanzamento principale si è mosso al massimo di sei punti — il tipo di deriva che un responsabile operativo assorbirebbe senza accorgersene. L'insieme borderline, 191 coppie comuni a entrambe le procedure, si è mosso di diverse volte. L'effetto si concentra esattamente dove la tua soglia sta facendo il lavoro.
Se il tuo screening è tarato su un taglio, un candidato che arriva con un agente non è marginalmente avvantaggiato. È valutato da una procedura diversa.
Non è un allentamento, e questo è il problema
La lettura ovvia è che lo screening a due agenti sia semplicemente più permissivo — i candidati ottengono un avvocato, più di loro passano, ricalibri la soglia e vai avanti. Lo studio chiude esplicitamente questa via d'uscita: "lo screening a due agenti rifiuta candidature che la chiamata unica fa avanzare, cambiando le decisioni in entrambe le direzioni".
Ne seguono due conseguenze, e la seconda è quella costosa.
A volumi di passaggio simili, le due procedure fanno avanzare candidature diverse. Non puoi riprodurre gli esiti a due agenti allentando uno screening a chiamata unica, perché nessuna soglia a chiamata unica recupera le candidature che lo screening a due agenti seleziona in modo coerente. Le procedure non sono due impostazioni di una manopola. Sono due funzioni di selezione diverse che si limitano a far passare numeri simili di persone.
E tra i casi selezionati in fase di scoperta e rieseguiti in nuove esecuzioni, le selezioni esclusive dello screening a due agenti si sono ripetute meno spesso di quelle condivise da entrambe le procedure — chiaramente con GPT-5.5, in modo meno certo con Opus 4.7 — mentre un follow-up a chiamata unica non ha mostrato un calo comparabile. I candidati che la procedura mediata da agenti trovava da sola erano quelli con minore probabilità di essere trovati di nuovo.
Una decisione che non si riproduce non può essere spiegata. Non a un candidato rifiutato che lo chiede, non a un ricorso interno e non a un regolatore. Secondo l'EU AI Act, il reclutamento e la valutazione dei candidati rientrano nell'Allegato III, con gli obblighi per i sistemi ad alto rischio e i doveri dei deployer dell'art. 26 che si applicano ora dal 2 dicembre 2027 (EU AI Act explorer, 2026). Il requisito di sorveglianza umana dell'art. 14 presuppone che ci sia qualcosa di stabile da sorvegliare. Un registro di screening che dice questo candidato è avanzato in questa esecuzione non è un registro di sorveglianza. È un biglietto della lotteria con un timestamp.
Nello screening di CV con AI, la procedura — non il modello — è la variabile che controlli
Questo risultato non è isolato, ed è ciò che dovrebbe spostarlo da interessante a operativo. Un audit separato su oltre 30.000 valutazioni di CV con LLM su tre modelli, commerciali e a pesi aperti, ha rilevato che gli effetti demografici erano trascurabili in ogni condizione testata — ma che la sola formulazione del prompt riportava a galla una preferenza di seniority. Con l'esperienza tenuta identica, un prompt di valutazione strutturato ha fatto crollare l'effetto età a d=0,02 (p=0,90); un prompt informale, "a sensazione", ha mantenuto d=0,41 (p=0,03) (Pavlopoulos, 2026). Stessi modelli, stessi CV, stessi candidati. Procedura diversa, risposta diversa.
La direzione si inverte in condizioni più ricche, il che rende il punto più difficile anziché più morbido. Quando Karvonen e Marks hanno aggiunto un contesto di deployment realistico — nomi reali di aziende, descrizioni della cultura prese da pagine carriere pubbliche, vincoli selettivi come "accetta solo il 10% migliore" — hanno indotto effetti demografici fino a 12 punti percentuali nei tassi di convocazione a colloquio su sei modelli, e le istruzioni anti-bias nei prompt che funzionano nei benchmark puliti hanno smesso di funzionare (arXiv, 2025).
Tre studi, tre metodi, una conclusione: il modello di scoring non è dove vive la tua varianza. La procedura che lo circonda sì.
Perché questo conta ora e non nel 2028
Perché la metà lato candidato è già in produzione. ManpowerGroup ed Everest Group hanno rilevato che il 54% dei datori di lavoro afferma che CV, candidature e preparazione ai colloqui generati con AI hanno reso più difficile valutare la reale capacità dei candidati, mentre oltre il 90% usa l'AI in sourcing e screening e meno del 5% descrive i risultati come trasformativi (ManpowerGroup, 2026).
Quel divario — adozione quasi universale, valore realizzato quasi nullo — viene di solito letto come un problema di strumenti. Gao e Jiang suggeriscono che sia un problema di procedura. Entrambi i lati automatizzati, la procedura di nessuno dei due specificata, e il comportamento del cancello è ormai una proprietà emergente di due sistemi che negoziano.
I limiti onesti
Tieni il risultato al suo peso effettivo. Si tratta di 600 coppie CV–posizione costruite, non di assunzioni reali con esiti reali — non c'è alcuna misura del fatto che i candidati fatti avanzare dallo screening a due agenti abbiano poi reso. Due modelli, entrambi di frontiera, in un singolo momento. Ed è un paper di workshop, non un articolo di rivista con peer review, quindi il risultato sulla ricorrenza in particolare va trattato come un segnale forte più che come una stima consolidata.
Ciò che sopravvive a quei caveat è l'affermazione strutturale, ed è quella che ti costa denaro: le procedure di screening differiscono per quanto affidabilmente le loro decisioni si ripetono, e nessuno lo sta misurando. Se l'effetto è reale anche solo a metà della dimensione riportata, le tue decisioni borderline sono la parte meno stabile del tuo funnel e quella con maggiore probabilità di essere contestata.
Cosa fare al riguardo questo trimestre
La risposta utile non è vietare gli agenti dei candidati — non puoi rilevarli in modo affidabile e il tentativo ti costerà i candidati che seguono le istruzioni. È rendere la procedura, non il modello, la cosa che governi. Quattro mosse, in ordine di costo:
- Esegui un test di ricorrenza sulle decisioni borderline del mese scorso. Prendi cinquanta candidature finite a pochi punti dalla tua soglia, rieseguile attraverso lo screening identico e conta quanti verdetti tengono. Quel numero è il tuo tasso di riproducibilità, quasi certamente non lo hai, e serve un pomeriggio per ottenerlo.
- Fissa il prompt come configurazione, non come abitudine di ogni singolo recruiter. Il risultato di Pavlopoulos dice che un prompt di valutazione strutturato e uno informale sono strumenti diversi. Se i tuoi recruiter possono modificare liberamente ciò che lo screening chiede, stai eseguendo un numero imprecisato di procedure e attribuendone l'output a un solo modello.
- Separa la quota deterministica del punteggio dalla quota di giudizio, e registrale distintamente. Una componente calcolata aritmeticamente dai requisiti dichiarati del ruolo si riproduce per costruzione; un giudizio del modello no. Lo scoring di Scovai gira su un budget di pesi fisso diviso 50/50 tra le due, con la metà di giudizio restituita come quattro sottopunteggi separati a bassa temperatura, ognuno con la propria motivazione scritta — un modo per vedere come appare questa separazione in pratica è l'architettura di scoring.
- Metti la revisione umana dove sta la varianza, non dove sta il volume. I tuoi revisori sono oggi distribuiti su tutto il funnel. Lo studio dice che l'instabilità si concentra nella fascia borderline — il che significa che un budget di revisione umana piccolo e mirato su quella fascia compra più difendibilità di uno più grande distribuito in modo uniforme.
Nessuna di queste richiede nuovi acquisti. Tutte e quattro sono decisioni di configurazione, che è la buona notizia e anche la ragione per cui continuano a non essere prese.
La decisione che hai davanti
L'assunzione mediata da agenti non si annuncerà. Non c'è alcuna demo di vendor, nessuna voce di spesa, nessuna integrazione da approvare. Arriva quando un numero sufficiente di candidati porta i propri strumenti, e il tuo cancello smette di comportarsi come dice la tua dashboard — e, sulla base delle prove qui raccolte, la prima cosa a rompersi non è l'accuratezza ma la ripetibilità.
Quindi la domanda da mettere all'ordine del giorno di questo trimestre non è se il tuo screening di CV con AI sia accurato. È più stretta e molto più rispondibile: se rieseguissi domani i rifiuti del mese scorso, quanti tornerebbero uguali? Se non lo sai, è la prima cosa da misurare. Tutto ciò che potresti voler affermare sul tuo screening — che è equo, che è spiegabile, che un essere umano lo sorveglia in modo significativo — dipende da una risposta che oggi non hai.