I 7,4 secondi — Come funziona davvero la selezione | TenPerZent
Long read interattivo: 7,4 secondi × 12.000 candidati l'anno × 30 anni di ricerca sul bias, e i quattro interventi che spostano davvero il numero.
Source: TenPerZent.
Long read · 8 minuti
7,4secondi.
Tanto guarda un recruiter un CV prima di decidere se avanzare o scartare.
A cura della redazione di TenPerZent · Pubblicato a maggio 2026 · Cosa accade in quei secondi, moltiplicato per dodicimila candidati l'anno.
Capitolo uno
Il numero stesso è la storia.
Nel 2018 la società di servizi alla carriera Ladders ha condotto uno studio di eye-tracking su 30 recruiter senior di grandi aziende USA. Il risultato: quando un CV appare a schermo, lo sguardo si ferma in media sette secondi e quattro decimi prima di decidere.1
Il dato era cresciuto rispetto ai 6 secondi del 2012, ma la conclusione è la stessa: la decisione è veloce, per lo più inconscia, e quasi sempre definitiva. Chi viene scartato nella prima scansione raramente torna in gioco.
Per un'azienda da 200 persone, sono circa dodicimila decisioni l'anno, ognuna nel tempo di un respiro.
Scena uno
Cosa succede in 7,4 secondi.
Le heatmap di eye-tracking mostrano che lo sguardo si fissa su sei zone, in quest'ordine:2
0,0–1,2sNome e contattiPrima impressione. Massimo carico di bias inconscio.
1,2–2,7sRuolo attualeVerifica rapida "è del nostro livello?".
2,7–4,2sDate dell'ultimo impiegoRilevamento dei gap. Impatta i tassi di richiamo.
4,2–5,4sRuolo precedenteVerifica della traiettoria di carriera.
5,4–6,5sDate precedentiPattern di permanenza.
6,5–7,4sFormazioneNome dell'università. Spesso il trigger del rifiuto.
Cosa manca? Skill: non viste. Progetti personali: non visti. Premi: non visti. I bullet che il candidato ha limato per ore non entrano nei 7,4 secondi.
La decisione si gioca su sei campi: nome, ruolo attuale, date attuali, ruolo precedente, date precedenti e università. Cinque su sei sono pesantemente contaminati dal bias inconscio.
Capitolo due
Stesso CV. Nome diverso.
Nel 2003 due economisti — Marianne Bertrand (Chicago) e Sendhil Mullainathan (MIT) — hanno inviato 5.000 CV fittizi a 1.300 annunci a Boston e Chicago.3
I CV erano identici a coppie. L'unica differenza: il nome in alto. Metà con nomi associati a candidati bianchi, metà con nomi associati a candidati neri.
A parità di CV, i nomi "bianchi" ricevevano il 50% in più di richiami.
Lo studio è stato replicato decine di volte in USA, UK, Francia, Germania, Paesi Bassi, Svezia e Australia.4 Una meta-analisi Northwestern del 2023 su 30 studi (oltre 200.000 CV fittizi) trova che il gap è praticamente immutato dal 2003 al 2023.5
Il numero non lo sposta la formazione. Lo sposta cambiare il modo in cui la decisione viene presa.
Interattivo · 60 secondi
Tocca a te. Cinque CV. Tre secondi ciascuno.
Una simulazione della decisione in 7,4 secondi. Cinque CV anonimi, tre secondi a testa. Avanza o scarta. Alla fine ti diciamo cosa rivelano le tue scelte.
Capitolo tre
Ora moltiplica per scala.
7,4 secondi
Per candidato
× 12.000 CV/anno per un'azienda da 200 persone
× 2.000.000 CV/anno per una Fortune 500
× ~100 milioni CV/anno solo nel mercato del lavoro USA
~28 mld $
Costo annuo stimato delle decisioni di assunzione viziate da bias
Mishire, giorni di vacanza e contenziosi attribuibili al rifiuto inconscio di candidati qualificati. BCG, studio 2023 su 1.000 datori USA.6
Capitolo quattro
L'AI doveva risolverlo. Per lo più non l'ha fatto.
Quando dal 2017 gli ATS hanno iniziato a integrare scoring AI, la promessa era: togli l'umano, togli il bias. Mascheriamo nomi e università, valutiamo le skill.
Lo strumento AI interno di Amazon, ritirato nel 2018, aveva imparato da dieci anni di assunzioni storiche che i candidati "di successo" usavano parole più comuni nei CV maschili.7 Penalizzava la parola "women" e i college femminili.
Un audit Stanford 2024 su 27 strumenti AI commerciali ha trovato che 22 di essi mostrano disparate impact misurabile.8
I vendor dicevano di rimuovere il bias. I dati dicono che lo hanno solo codificato in modo più efficiente.
Nel 2026 i regolatori si sono allineati: NYC Local Law 144, classificazione "alto rischio" nell'EU AI Act (in vigore dal 2 agosto 2026), Colorado AI Act. Stessi obblighi: audit, spiegazioni al candidato, log, supervisione umana.
Capitolo cinque
Cosa sposta davvero il numero.
Trent'anni di ricerca empirica indicano quattro interventi che riducono in modo affidabile il gap di bias. Nessuno di essi è "più formazione".
01
Colloqui strutturati con scorecard calibrate
Stesse domande, stessa rubrica, ogni candidato. La validità predittiva passa da 0,18 (non strutturati) a 0,51 (strutturati) in meta-analisi che risalgono al 1965. Le sessioni di calibrazione tagliano la varianza fra valutatori circa della metà.
02
AI spiegabile con audit log su ogni decisione
Se il sistema non sa spiegare in linguaggio chiaro perché un candidato ha preso 6 e non 8, il punteggio è indifendibile in tribunale e non migliorabile nella pratica. Ogni decisione AI deve produrre una spiegazione leggibile legata al contenuto del CV. Ogni override umano va loggato.
03
Audit del bias continuo — non un corso una tantum
Analisi trimestrale dell'impact ratio su ogni strumento AI e ogni categoria protetta. La NYC Local Law 144 lo rende obbligatorio; l'EU AI Act estende l'obbligo all'intera UE. Ogni risultato di adverse impact attiva un piano correttivo entro 90 giorni.
04
Supervisione umana come processo, non come spunta
Ogni rifiuto AI rivisto da una persona. Ogni rifiuto motivato. Lavoratori e rappresentanze informati prima del deploy. Nulla di tutto ciò è opzionale ai sensi dell'EU AI Act dal 2 agosto 2026.
TenPerZent è l'ATS costruito attorno a questi quattro interventi.
Documentazione provider EU AI Act. Audit di bias automatizzato (NYC AEDT). Spiegazioni AI su ogni punteggio. Audit log che reggono in giudizio. Kit di colloquio strutturato con calibrazione. Data residency UE. Implementazione in <7 giorni.
100 screening gratis · Senza carta · Online in 60 secondi
Basta leggere CV. Inizia ad assumere meglio.
Carica la prossima descrizione del ruolo. TenPerZent classifica ogni candidato con evidenze e ti mostra i migliori 5 — di solito prima del caffè del mattino.