I candidati possono ricorrere all’intelligenza artificiale per imbrogliare durante le valutazioni, e questo ha importanza?
Sì, i candidati possono utilizzare l’IA generativa per tentare di manipolare i risultati delle valutazioni. I dati della ricerca confermano che ciò è possibile e va preso sul serio. Ciò che la stessa ricerca dimostra, tuttavia, è che scelte progettuali specifiche e ben consolidate riducono sostanzialmente l’impatto che questo fenomeno può avere. Anche i dati su larga scala relativi a candidati reali vanno nella stessa direzione, con scarse prove di un effettivo gonfiamento dei punteggi finora riscontrato. La questione di fondo non riguarda quindi tanto il panico, quanto piuttosto quali strumenti siano stati sviluppati tenendo conto di questo rischio sin dall’inizio. Comprendere entrambi i lati di queste evidenze è ciò che richiede un uso responsabile dei dati di valutazione nell’era dell’IA.
Cosa ha effettivamente rilevato la ricerca
Phillips e Robie (2024) hanno sviluppato un quadro sperimentale che ha coinvolto 655 studenti di economia e diversi modelli linguistici di grandi dimensioni, utilizzando misure consolidate di integrità e coscienziosità. In particolare, hanno messo a confronto due formati di item: domande a stimolo singolo, in cui l’intervistato valuta un’affermazione alla volta, e domande a scelta forzata basate su frasi, in cui l’intervistato sceglie tra coppie di affermazioni abbinate in base al loro grado di desiderabilità.
I loro risultati sono stati specifici e direttamente utili per la progettazione delle valutazioni. I modelli ChatGPT sono stati in grado di produrre profili di personalità favorevoli che hanno ottenuto punteggi più alti rispetto alla popolazione studentesca umana, confermando che i modelli di linguaggio di grandi dimensioni (LLM) possono manipolare i punteggi delle valutazioni della personalità quando viene loro richiesto di farlo. Altrettanto importante è il fatto che le misure a scelta forzata basate su frasi si sono dimostrate significativamente più resistenti a questa manipolazione rispetto alle domande a stimolo singolo. È stato il formato della valutazione, e non semplicemente la presenza dell’IA, a determinare l’entità della manipolazione effettivamente possibile.
Ma questo avviene davvero nelle assunzioni concrete?
La capacità non equivale a un uso diffuso. Dabdoub e Pool (2026) hanno verificato questa distinzione sui punteggi d’archivio di oltre un milione di candidati a un posto di lavoro, raccolti attraverso tre test di valutazione pre-assunzione ampiamente utilizzati – due cognitivi e uno di personalità – relativi ai 27 mesi precedenti e successivi al lancio di ChatGPT. Se gli imbrogli fossero stati diffusi, i punteggi avrebbero dovuto aumentare. Ma non è stato così. Le variazioni erano prossime allo zero, di direzione incostante e non spiegavano quasi nessuna varianza; inoltre, nemmeno i candidati più giovani hanno mostrato miglioramenti significativi.
Gli autori spiegano questa assenza di gonfiamento dei punteggi con le modalità di costruzione dei test. Sia il test cognitivo a tempo che le domande sulla personalità, da rispondere una alla volta, rendono dispendioso il copia-incolla delle domande in uno strumento esterno. Il punto non è che nessuno utilizzi l’IA. È che la disponibilità di uno strumento efficace non ha, finora, prodotto il gonfiamento dei punteggi che molti temevano, motivo per cui la risposta più sensata è il monitoraggio e una progettazione accurata, piuttosto che il panico.
Non tutte le valutazioni hanno la stessa visibilità
Il dott. Luke Treglown, direttore della ricerca e sviluppo in materia di intelligenza artificiale e valutazione presso Deeper Signals, ha sostenuto che le valutazioni delle capacità cognitive e quelle della personalità sono soggette a livelli di esposizione alla manipolazione assistita dall’intelligenza artificiale realmente diversi, e che confondere le due cose porta ad adottare una strategia di mitigazione errata.
I test sulle capacità cognitive sono maggiormente esposti a un tipo specifico di rischio, poiché i modelli linguistici di grandi dimensioni sono efficaci nel trovare risposte corrette a problemi ben definiti. Le valutazioni della personalità e delle competenze trasversali presentano invece un rischio diverso e più gestibile. Raramente esiste una risposta oggettivamente corretta a una domanda sulla personalità; pertanto, un’IA a cui viene chiesto di completarne una senza una guida specifica verso un profilo target tende a produrre un risultato generico o medio, piuttosto che qualcosa di strategicamente vantaggioso. Il rischio significativo legato alle valutazioni della personalità è che un candidato indirizzi l’IA verso uno specifico profilo desiderabile, scenario che la struttura a scelta forzata contrasta in modo misurabile.
L’esposizione dei test di abilità cognitive rappresenta un problema di progettazione sostanzialmente diverso, che nella pratica viene affrontato in modo diverso. Anziché cercare di redigere domande a cui un’intelligenza artificiale non possa rispondere – soluzione difficile e spesso temporanea, vista la rapidità con cui migliorano le capacità dei modelli – la misura di mitigazione più duratura consiste nel controllare le condizioni in cui viene svolto il test. Limitare l’accesso a strumenti esterni durante una sessione sorvegliata o a tempo, utilizzare una selezione adattiva delle domande in modo che i candidati non vedano tutti lo stesso insieme fisso di domande e limitare la frequenza con cui una singola domanda viene proposta nelle diverse sessioni: tutte queste misure riducono le opportunità concrete di ricorso all’assistenza dell’intelligenza artificiale, indipendentemente da quanto diventi potente il modello sottostante.
Si tratta di un imbroglio o di un altro tipo di abilità?
Il dottor Treglown propone una prospettiva davvero utile: se un candidato utilizza l’intelligenza artificiale per risolvere un problema complesso nell’ambito di una valutazione e produce una soluzione eccellente, ha barato o ha dimostrato una competenza professionale reale e sempre più rilevante, ovvero la capacità di utilizzare efficacemente gli strumenti a disposizione per ottenere un buon risultato?
Questa questione è rilevante per il modo in cui le valutazioni saranno progettate in futuro, ma non modifica ciò che oggi costituisce una pratica responsabile. Per i costrutti in cui l’obiettivo è misurare un tratto sottostante stabile, come la personalità o i valori, una risposta generata dall’intelligenza artificiale che non rifletta l’indole del candidato non costituisce un dato utile, indipendentemente da come la domanda sia formulata dal punto di vista filosofico. La risposta pratica è la stessa in entrambi i casi: creare valutazioni che misurino ciò per cui sono state progettate, utilizzando formati che rendano difficile sostituire una risposta genuina con una generica o preparata in anticipo.
Cosa si può fare al riguardo
La risposta più valida non consiste in un'unica misura di sicurezza, bensì in un sistema a più livelli, in cui diversi meccanismi riducono ciascuno, a modo proprio, la possibilità di manipolazione assistita dall'IA e nessuna singola caratteristica si fa carico dell'intero peso.
Progetto con scelta obbligata e abbinamento in base alla desiderabilità. Phillips e Robie (2024) forniscono prove empiriche dirette del fatto che questo specifico formato riduce in modo misurabile la misura in cui l’assistenza dei modelli di linguaggio di grandi dimensioni (LLM) può gonfiare un punteggio, rispetto ai formati a stimolo singolo.
Formati a risposta rapida. La presentazione rapida delle domande e la necessità di risposte immediate limitano la possibilità concreta di consultare uno strumento esterno durante la valutazione, un vantaggio che risale a prima che sorgesse la preoccupazione specifica riguardo all’IA generativa, ma che si applica direttamente a essa.
Aspettative chiare nei confronti dei candidati, accompagnate da una motivazione. Le ricerche sulla deterrenza dimostrano costantemente che chiedere esplicitamente ai candidati di non utilizzare l’IA, spiegandone il motivo, riduce in modo significativo gli abusi. Le persone sono più propense a rispettare una richiesta quando ne comprendono lo scopo.
Limitare il completamento automatico e tramite proxy. Garantire che sia la persona valutata, e non un agente di intelligenza artificiale o una terza parte, a rispondere effettivamente elimina la forma più diretta di questo rischio.
Analisi della coerenza delle risposte. I controlli statistici che individuano modelli di risposta internamente incoerenti o statisticamente improbabili offrono un ulteriore livello di verifica senza fare affidamento su un unico indicatore.
Come Deeper Signals affronta la questione
Le valutazioni di Deeper Signals sono state progettate ponendo la resistenza alla simulazione come requisito psicometrico esplicito ben prima che l’IA generativa diventasse uno strumento ampiamente accessibile, e quella stessa struttura a più livelli si applica direttamente a questo nuovo rischio.
La “Core Drivers Diagnostic” e la “Core Values Diagnostic” utilizzano un formato a scelta forzata con coppie di aggettivi abbinate in base alla desiderabilità, lo stesso principio di progettazione che Phillips e Robie (2024) hanno ritenuto misurabilmente più resistente alla manipolazione assistita dai modelli di linguaggio di grandi dimensioni (LLM) rispetto alle alternative basate su un singolo stimolo. La valutazione presenta inoltre le domande in un formato a risposta rapida che limita il tempo a disposizione per consultare uno strumento esterno, e i risultati vengono normalizzati rispetto a gruppi di riferimento pertinenti anziché essere valutati in termini assoluti, il che limita la misura in cui un eventuale spostamento verso l’alto condiviso possa distorcere la posizione relativa di un candidato.
La Core Reasoning Suite, lo strumento di valutazione delle capacità cognitive della piattaforma, affronta il problema della diversa esposizione a cui sono specificamente soggetti i test cognitivi. Utilizza una selezione adattiva delle domande, in modo che i candidati non vedano tutti lo stesso insieme fisso di domande, il che limita l’efficacia con cui un insieme di risposte condivise o trapelate potrebbe essere sfruttato tra i candidati. La somministrazione a tempo e le restrizioni all’accesso a strumenti esterni durante il test riducono ulteriormente la possibilità concreta di consultare l’IA durante la valutazione, affrontando il rischio di divulgazione a livello delle condizioni di test piuttosto che affidarsi esclusivamente alla progettazione delle domande per superare le capacità dei modelli.
Deeper Signals limita l’uso di agenti di intelligenza artificiale e altri strumenti automatizzati o di terze parti per il completamento delle valutazioni per conto di un candidato, e combina questa misura con controlli algoritmici che segnalano modelli di risposta statisticamente improbabili affinché vengano sottoposti a revisione. La piattaforma utilizza inoltre elementi di progettazione adattiva che limitano l’esposizione delle domande, rendendo più difficile lo sfruttamento su larga scala di una serie di domande condivisa o trapelata. Nel loro insieme, questi elementi riflettono lo standard effettivamente supportato dall’evidenza: un formato convalidato, aspettative chiare e un monitoraggio continuo, applicati in combinazione.
Domande frequenti
L'intelligenza artificiale è davvero in grado di completare un test della personalità in modo convincente?
Sì, a determinate condizioni. Phillips e Robie (2024) hanno scoperto che i modelli ChatGPT, quando sollecitati a farlo, sono in grado di produrre profili di personalità che ottengono punteggi più alti rispetto a quelli dei partecipanti umani, in particolare nei formati con domande a stimolo singolo.
Gli strumenti di intelligenza artificiale hanno effettivamente gonfiato i punteggi delle valutazioni nelle assunzioni reali?
Finora, i dati indicano che non è così. Dabdoub e Pool (2026) hanno analizzato oltre un milione di candidati reali e non hanno riscontrato alcun aumento dei punteggi significativamente rilevante dopo il lancio di ChatGPT.
L'utilizzo di un formato a scelta forzata rende una valutazione immune alla manipolazione da parte dell'intelligenza artificiale?
Nessun formato elimina completamente il rischio, ma un modello a scelta forzata, calibrato in base alla desiderabilità, lo riduce in modo misurabile. Phillips e Robie (2024) hanno riscontrato che le misure a scelta forzata basate su frasi sono significativamente più resistenti all'inflazione dei punteggi causata dai modelli di linguaggio di grandi dimensioni (LLM) rispetto alle domande a stimolo singolo.
I test di abilità cognitive o quelli di personalità sono più esposti al rischio di frode tramite IA?
Sono esposti a questo rischio in modi diversi e vengono mitigati in modo diverso. I test di abilità cognitive sono esposti perché l’IA è efficace nel trovare le risposte corrette a problemi ben definiti, e questo rischio si affronta al meglio attraverso le condizioni di somministrazione, come la somministrazione controllata e la selezione adattiva delle domande. I test di personalità sono esposti in modo diverso, poiché un candidato può istruire l’IA a simulare un profilo specifico e desiderabile, cosa che un formato a scelta forzata ben progettato limita in modo significativo.
Le organizzazioni dovrebbero affidarsi alla sorveglianza tramite webcam per prevenire gli imbrogli con l’ausilio dell’intelligenza artificiale?
La sorveglianza può ridurre alcuni abusi, ma è solo uno strumento tra tanti piuttosto che una soluzione a sé stante, e comporta alcuni compromessi in termini di esperienza dei candidati. Un formato di valutazione convalidato, intrinsecamente più resistente alle manipolazioni, riduce fin dall’inizio la necessità di ricorrere alla sorveglianza.
Esiste un test di valutazione della personalità completamente immune alla manipolazione assistita dall’intelligenza artificiale?
No, e qualsiasi fornitore che affermi il contrario dovrebbe essere considerato con cautela. Lo standard appropriato è la difendibilità, non la perfezione: un insieme articolato di scelte progettuali e pratiche di monitoraggio, combinato con prove di validità continue su campioni reali di candidati.
Ultima revisione a cura del dott. Reece Akhtar — giugno 2026
Riferimenti
Dabdoub, A., & Pool, R. (2026). I test dopo ChatGPT: variazione complessiva dei punteggi di valutazione dei candidati. International Journal of Selection and Assessment, 34, e70077. https://doi.org/10.1111/ijsa.70077
Phillips, J. J., & Robie, C. (2024). Ottenere il punteggio perfetto nei test di personalità ad alto rischio grazie all’IA generativa. Personality and Individual Differences, 231, 112840. https://doi.org/10.1016/j.paid.2024.112840
