Intelligenza artificiale e sicurezza sul lavoro: applicazioni, rischi e quadro normativo

La digitalizzazione dei processi produttivi ha visto l’integrazione dell’intelligenza artificiale nei sistemi di salute e sicurezza sul lavoro. L’obiettivo di questo studio è esaminare il ruolo delle tecnologie di intelligenza artificiale nella gestione predittiva della sicurezza, nel monitoraggio delle condizioni di lavoro e nella prevenzione dei rischi professionali. La ricerca si basa su una revisione della letteratura scientifica internazionale e sull’analisi dei principali sviluppi normativi in Europa e in Italia.
I risultati mostrano come l’intelligenza artificiale può contribuire significativamente al miglioramento delle pratiche di prevenzione e alla riduzione degli incidenti. Tuttavia, sottolineano la necessità di legislazione adeguata, trasparenza degli algoritmi e partecipazione dei lavoratori.

Il contributo è inoltre aggiornato ai più recenti sviluppi normativi europei in materia di intelligenza artificiale, con particolare attenzione al Digital Omnibus on AI e alle relative implicazioni per i sistemi di salute e sicurezza sul lavoro.

Dalla prevenzione reattiva alla prevenzione predittiva

L’intelligenza artificiale sta cambiando la sicurezza sul lavoro e il modo in cui lavoriamo. La digitalizzazione dei processi produttivi, conosciuta come Industry 4.0, sta modificando profondamente le modalità con cui il lavoro viene organizzato, monitorato e amministrato. Tecnologie quali l’Intelligenza Artificiale (IA), l’Internet of Things (IoT, letteralmente l’internet delle cose), l’analisi dei big data e i sistemi cyber‑fisici stanno diventando sempre più importanti negli ambienti lavorativi, offrendo nuove opportunità ma anche nuove sfide per la sicurezza e la salute dei lavoratori.

La sicurezza sul lavoro è fondamentale per garantire la salute e la vita dei lavoratori. Nel corso degli ultimi anni, si è assistito a un approccio prevalentemente reattivo, basato sull’analisi degli incidenti e sull’adozione di misure correttive successive al verificarsi di eventi indesiderati. Tuttavia, con l’arrivo di tecnologie alimentate dall’intelligenza artificiale è possibile creare modelli di prevenzione proattiva, che identificano situazioni di rischio prima che si verifichino incidenti utilizzando dati e informazioni provenienti da più fonti.
Il presente lavoro si propone di:

• approfondire le principali applicazioni dell’intelligenza artificiale nel campo della sicurezza sul lavoro;
• esaminare le tecnologie impiegate per il monitoraggio dei rischi professionali;
• esplorare i rischi emergenti associati alla digitalizzazione dei luoghi di lavoro;
• analizzare il quadro normativo europeo e italiano riguardante l’impiego dell’IA nei contesti lavorativi.

Metodologia della ricerca

Il presente studio adotta un approccio qualitativo basato su una revisione della letteratura scientifica internazionale (literature review). La ricerca bibliografica è stata condotta utilizzando database accademici quali:

• Scopus
• Web of Science
• Google Scholar
• SSRN

Le parole chiave utilizzate includono:

• artificial intelligence
• occupational safety
• algorithmic management
• predictive safety
• workplace monitoring
• digital labour

Sono stati selezionati principalmente contributi pubblicati tra il 2015 e il 2025, con particolare attenzione agli studi peer‑reviewed e ai rapporti istituzionali di organizzazioni internazionali.
La letteratura analizzata è stata classificata secondo tre macro‑aree tematiche:

• tecnologie di IA applicate alla sicurezza sul lavoro;
• impatti organizzativi e psicosociali della digitalizzazione del lavoro;
• governance e regolazione dell’intelligenza artificiale.

Applicazioni dell’intelligenza artificiale nella sicurezza sul lavoro

Analisi dei dati e gestione dei rischi

L’IA può essere utilizzata per analizzare un gran numero di dati (“big data”) relativi alle condizioni operative e agli incidenti/infortuni sul lavoro, facilitando l’individuazione di schemi di rischio che spesso sono difficili da trovare con metodi tradizionali.
Le prime applicazioni hanno utilizzato tecniche di text mining[1] per analizzare i report sugli infortuni e identificare fattori di rischio ricorrenti. Con l’evoluzione delle tecnologie di deep learning[2] è diventato possibile integrare dati provenienti da fonti diverse, quali:

• registri aziendali di incidenti o guasti;
• sensori ambientali;
• dispositivi indossabili;
• sistemi informativi aziendali.

L’integrazione di tali dati consente di sviluppare modelli predittivi più accurati.

Analisi predittiva della sicurezza

Una delle applicazioni più promettenti dell’intelligenza artificiale nel campo della sicurezza sul lavoro è l’analisi predittiva. Questa tecnologia analizza dati storici utilizzando modelli statistici e algoritmi, per stimare la probabilità che determinate condizioni operative possano causare incidenti, o infortuni, contribuendo così a prevenire potenziali minacce, sia in contesti fisici, come la sicurezza sul lavoro, urbana o legata a infrastrutture critiche, come in ambito digitale e nella cybersecurity. Le applicazioni pratiche della IA nel campo della SSL permettono di prevenire gli incidenti sul lavoro attraverso il monitoraggio dei comportamenti a rischio e l’individuazione di atteggiamenti anomali, oltre a consentire la previsione dei guasti in impianti industriali o reti energetiche.
Questo approccio consente alle organizzazioni di adottare strategie di prevenzione più mirate ed efficaci.

Fonti di dati e principali tecniche di analisi

Nell’ambito della SSL, le informazioni utilizzate includono: dati storici relativi a incidenti sul lavoro, (o, in alcuni settori, i crimini localizzati in determinate aree), dati comportamentali come log degli utenti o movimenti del lavoratore, informazioni raccolte da dispositivi sensoriali e IoT (ad esempio telecamere, sensori di posizione, sistemi di allarme o dispositivi industriali) e, infine, dati esterni come le condizioni meteorologiche o i livelli di inquinamento ambientale.
Le principali tecniche di analisi comprendono:

• Machine Learning supervisionato per classificare eventi come sicuri o rischiosi. Questo approccio si basa su algoritmi addestrati utilizzando dati di esempio che associano specifici input agli output desiderati, rendendolo ideale per attività predittive con dataset pre-etichettati.
• Machine Learning non supervisionato per identificare schemi insoliti o anomali. Gli algoritmi di apprendimento non supervisionato lavorano con dati non etichettati. Possono esaminare nuovi insiemi di informazioni per individuare relazioni significative tra input non noti e gli output predeterminati.
• Analisi statistica avanzata, progettata per esaminare grandi quantità di dati e andare oltre la statistica descrittiva. La modellazione predittiva, l’analisi multivariata e le simulazioni sono utilizzate in questa metodologia allo scopo di identificare pattern nascosti, prevedere tendenze e fornire sostegno alle decisioni strategiche. Si divide in analisi diagnostica (indagare sulle cause di un evento), predittiva (anticipare eventi futuri) e prescrittiva. (fornire raccomandazioni su azioni da intraprendere).
• Reti neurali e deep learning, per affrontare schemi complessi e analizzare dati non strutturati, come immagini, suoni o testi. Queste tecnologie sono alla base di applicazioni quali il riconoscimento facciale, la guida autonoma e molte altre innovazioni basate sull’intelligenza artificiale.

Tecnologie di monitoraggio nei luoghi di lavoro

Come anticipato, l’intelligenza artificiale è utilizzata nel campo della salute e della sicurezza per analizzare dati e monitorare comportamenti allo scopo di prevenire situazioni potenzialmente pericolose. I dati raccolti possono aiutare a prevenire l’affaticamento e a ridurre significativamente il numero di infortuni sul lavoro. Le tecnologie indossabili, o wearable technologies, e i sistemi di visione artificiale sono le principali applicazioni dell’IA in questo campo.
Le tecnologie indossabili possono raccogliere informazioni utili sulla frequenza cardiaca, sulla postura, sui movimenti e sull’esposizione a condizioni ambientali estreme. I sistemi di visione artificiale, sfruttando l’analisi automatizzata di immagini e video, offrono la possibilità di monitorare ambienti di lavoro complessi, verificare l’uso corretto dei dispositivi di protezione individuale, individuare comportamenti a rischio e sorvegliare aree pericolose.

Tabella comparativa delle principali tecnologie IA per la sicurezza sul lavoro

Tecnologia	Applicazione principale	Vantaggi	Limiti
Machine Learning	Analisi dati incidenti	Identificazione pattern rischio	Dipendenza qualità dati
Computer Vision	Monitoraggio cantieri/manifatture	Controllo automatico sicurezza	Problemi privacy
Wearable devices	Monitoraggio fisiologico	Prevenzione affaticamento	Costi implementazione
IoT sensors	Monitoraggio ambientale	Rilevazione rischi in tempo reale	Infrastrutture necessarie
Digital twins*	Simulazione scenari rischio	Pianificazione preventiva	Elevata complessità tecnica

* Un gemello digitale è un modello virtuale di un oggetto fisico. Segue il ciclo di vita dell’oggetto e utilizza i dati in tempo reale inviati dai sensori sull’oggetto per simulare il comportamento e monitorare le operazioni. I gemelli digitali possono replicare molti elementi del mondo reale, e questa tecnologia consente di supervisionare le prestazioni di una risorsa, identificare potenziali anomalie e prendere decisioni più informate sulla manutenzione e sul ciclo di vita.

Esempi concreti di tecnologie IA applicate alla SSL

L’analisi delle pubblicazioni più recenti in materia di applicazioni di tecnologie IA per la SSL ha permesso di evidenziare i seguenti esempi pratici:

• Computer Vision
  Questa tecnologia utilizza le telecamere di sorveglianza, esistenti o incrementate ad hoc, trasformandole in sentinelle intelligenti capaci di analizzare i flussi video in diretta. Viene principalmente utilizzata per:
  • Verificare l’uso dei DPI, tramite sistemi che segnalano istantaneamente se un lavoratore entra in cantiere o inizia un lavoro senza elmetto, guanti o scarpe antinfortunistiche.
  • Creare “barriere virtuali” attorno a macchinari pericolosi o carrelli elevatori in movimento; se una persona entra nell’area a rischio, il sistema può arrestare il macchinario o emettere un allarme sonoro.
  • Rilevare cadute e “uomo a terra”: i sistemi permetto di identificare automaticamente una persona che cade o rimane immobile per un tempo insolito, inviando un soccorso immediato.
• Dispositivi Indossabili (Wearables)
  Si tratta di applicazioni dove sensori sono integrati in indumenti o accessori e monitorano lo stato di salute e la posizione del lavoratore. Tra le varie tipologie, si hanno:
  • Smart Helmets e Vest: caschi o giubbotti che monitorano la frequenza cardiaca e la temperatura corporea, per prevenire stress termico o colpi di calore, comuni nell’edilizia o in fonderia o ambienti estremi.
  • Sensori di movimento (sensori inerziali) che analizzano la postura durante il sollevamento carichi, avvisando l’operatore se sta compiendo un movimento dannoso per la schiena.
  • Braccialetti o occhiali intelligenti, che rilevano segni di stanchezza, episodi di microsonno o eccessiva fatica, principalmente utilizzati per monitorare i conducenti di mezzi pesanti o operatori di macchine complesse
• Robotica e Droni
  Si tratta di droni connessi a Intelligenza Artificiale che vengono utilizzati per ispezionare cisterne, ciminiere, aree piene di gas tossici o aree difficili da raggiungere, eliminando la necessità per gli esseri umani di entrare in aree ad alto rischio o fare escursioni pericolose. Gli Esoscheletri Intelligenti sono un altro esempio di questa categoria. Sono supporti robotici che aiutano i lavoratori a sollevare pesi, riducendo così il carico fisico e il rischio di malattie muscoloscheletriche croniche.

Secondo i dati più recenti di Eurostat e dell’Agenzia Europea per la Sicurezza e la Salute sul Lavoro (EU-OSHA), circa il 20% delle imprese dell’UE utilizza almeno una tecnologia IA. La diffusione è molto più alta nelle grandi aziende (55%) rispetto alle piccole imprese. Inoltre, circa il 25% dei lavoratori dell’UE dichiara di essere soggetto a sistemi digitali che monitorano il proprio lavoro o comportamento per finalità di sicurezza o efficienza, mentre il 30% dei lavoratori riporta l’uso di dispositivi digitali per l’assegnazione automatica di compiti e turni.
L’uso di sensori e DPI intelligenti è ancora poco sviluppato: infatti è adottato da circa il 4,1% delle aziende industriali.

Grafico 1. Rielaborazione dell’autore su dati Eurostat (2025/2026): “ICT usage in enterprises”, e “Digital economy and society statistics – enterprises”.

Rischi emergenti e implicazioni psicosociali

L’integrazione dell’intelligenza artificiale nei luoghi di lavoro può portare all’emergere di nuove forme di rischio, in particolare di tipo psicosociale. Queste includono la maggiore pressione lavorativa, l’incremento della sorveglianza digitale sui dipendenti, l’opacità dei processi decisionali basati sugli algoritmi e i rischi di discriminazione derivanti da bias insiti nei dati utilizzati per l’addestramento dei modelli di intelligenza artificiale. Inoltre, il monitoraggio costante delle prestazioni e la gestione algoritmica delle attività rischiano di ridurre drasticamente il controllo dei lavoratori sui processi decisionali che influenzano il loro lavoro.
Tra i principali rischi individuati dalla letteratura sono riportati l’aumento dello stress lavorativo, l’ansia da prestazione e la riduzione dell’autonomia decisionale.

I dati più recenti dell’indagine Eurofound 2024 sulle condizioni di lavoro in Europa confermano una correlazione diretta tra l’uso di tecnologie digitali/IA e l’aumento dei rischi psicosociali: 45% dei lavoratori dichiara di essere esposto a fattori di rischio per la propria salute mentale, con un aumento significativo legato alla digitalizzazione; il 29% dei lavoratori afferma di soffrire di stress, depressione o ansia causati o peggiorati dal lavoro. L’indagine ha fatto emergere tre grandi stressor:

• La pressione temporale grave: il 44% dei lavoratori riporta un sovraccarico di lavoro o una pressione sui tempi di esecuzione esacerbata da algoritmi di gestione.
• L’intensità del lavoro: circa 4 dipendenti su 10 segnalano un’elevata intensità lavorativa dovuta alla rimozione dei “tempi morti” da parte dei sistemi di IA.
• L’insicurezza e il timore di sostituzione: il 14% dei lavoratori esprime una preoccupazione costante per l’insicurezza del proprio posto di lavoro a causa dell’automazione.

Inoltre, il 29% dei lavoratori dell’UE dichiara di non essere adeguatamente informato sulla prevenzione dello stress legato alle nuove tecnologie.

Grafico 2. Rielaborazione dell’autore su dati Eu-Osha (2025): European Survey of Enterprises on New and Emerging Risks, ESENER 2019 e ESENER 2024 (first findings) e “Worker management through artificial intelligence (AI): implications for occupational safety and health”.

Governance e quadro normativo

Il regolamento europeo sull’intelligenza artificiale (AI Act)

Il Regolamento Europeo sull’Intelligenza Artificiale (AI Act, Regolamento (UE) 2024/1689) è la norma quadro per l’impiego dell’intelligenza artificiale, introducendo un sistema di classificazione dei sistemi di IA in base al loro livello di rischio. Tale classificazione prevede quattro categorie:

• Rischio inaccettabile
• Alto rischio
• Rischio limitato
• Rischio minimo

I sistemi di IA utilizzati in ambiti lavorativi ricadono spesso nella categoria ad alto rischio. È necessario soddisfare determinati requisiti per questa categoria, come condurre valutazioni d’impatto, implementare una supervisione umana, adottare misure per garantire che gli algoritmi siano trasparenti e quindi tracciabili e rispettare standard di sicurezza e affidabilità.
Le imprese italiane che adottano sistemi di IA dovranno quindi garantire la conformità sia alle nuove disposizioni europee che alla normativa nazionale.

Digital Omnibus on Ai: nuove scadenze e modifiche all’AI Act

Il regolamento noto come Digital Omnibus on AI, adottato dal Parlamento Europeo il 16 giugno 2026, introduce modifiche sostanziali al Regolamento (UE) 2024/1689 (AI Act) con l’obiettivo di semplificarne l’attuazione, supportare l’innovazione e rispondere a nuove sfide tecnologiche. Di seguito sono dettagliate le principali novità rispetto all’impianto originario dell’AI Act.

Nuove Categorie di Imprese e Definizioni

L’atto introduce il concetto di “small mid-cap enterprises” (SMC), ovvero imprese che hanno superato i criteri delle PMI ma affrontano sfide simili in termini di oneri amministrativi.

• Supporto mirato: Diverse misure di favore inizialmente previste solo per le PMI sono state estese alle SMC, come l’accesso prioritario alle “sandbox” regolamentari e forme semplificate di documentazione tecnica.
• Chiarezza sui componenti di sicurezza: Viene ridefinita la nozione di “componente di sicurezza”. Un sistema di IA è tale solo se ha lo scopo di prevenire o mitigare rischi per la salute e la sicurezza; sono esplicitamente esclusi i sistemi destinati alla sola ottimizzazione delle prestazioni o all’automazione non legata alla sicurezza.

Estensione dei Divieti (Articolo 5)

L’Omnibus risponde alla diffusione di contenuti manipolati proibendo esplicitamente:

• Materiale intimo non consensuale: È vietata l’immissione sul mercato di sistemi di IA destinati a generare o manipolare immagini, video o audio realistici che ritraggono parti intime o attività sessuali di una persona senza il suo consenso esplicito (fenomeno noto come “nudificazione”).
• Materiale pedopornografico (CSAM): Viene introdotto il divieto per i sistemi di IA che generano o manipolano materiale relativo ad abusi sessuali su minori, inclusi i contenuti sintetici.
• Responsabilità dei fornitori: Il divieto colpisce i fornitori se il sistema è destinato a tali fini o se tali esiti sono ragionevolmente prevedibili e riproducibili in assenza di adeguate misure di sicurezza tecniche (come filtri sui prompt o controlli sugli output).

Flessibilità su Alfabetizzazione e Bias Detection

• AI Literacy (Articolo 4): L’obbligo originario per fornitori e deployer di garantire un certo livello di alfabetizzazione informatica del personale viene ammorbidito. Invece di un obbligo stringente di risultato, i soggetti devono ora “adottare misure per supportare” lo sviluppo di tali competenze, tenendo conto del contesto e dell’esperienza dello staff.
• Trattamento dati per il contrasto ai bias (Articolo 4a): La base legale per trattare categorie particolari di dati personali (dati sensibili) per rilevare e correggere i bias è stata estesa. Ora possono avvalersene non solo i fornitori di sistemi ad alto rischio, ma anche i deployer e i fornitori di altri modelli di IA, a patto che sia strettamente necessario per prevenire discriminazioni.

Rafforzamento e Centralizzazione dell’AI Office

L’Ufficio Europeo per l’IA (AI Office) vede notevolmente accresciuti i suoi poteri di supervisione e applicazione:

• Competenza esclusiva: L’AI Office ha ora la competenza esclusiva per la supervisione dei sistemi di IA basati su modelli di IA per scopi generali (GPAI) quando il sistema e il modello sono sviluppati dallo stesso fornitore (o dalla stessa impresa).
• Piattaforme molto grandi (VLOPs): L’AI Office assume poteri di autorità di sorveglianza del mercato anche per i sistemi di IA integrati in piattaforme online o motori di ricerca di dimensioni molto grandi (come definiti dal Digital Services Act).
• Poteri investigativi: L’Ufficio può condurre ispezioni in loco, richiedere informazioni mediante decisioni vincolanti e imporre sanzioni o penalità di mora.

Semplificazione e Sperimentazione (Sandbox)

• Sandbox a livello UE: L’AI Office può istituire una “sandbox” regolamentare a livello di Unione per facilitare lo sviluppo di sistemi di IA innovativi, con accesso prioritario per PMI e SMC.
• Test in condizioni reali: Viene estesa la possibilità di effettuare test in condizioni reali al di fuori delle sandbox anche per i sistemi di IA coperti dalla legislazione di armonizzazione settoriale (es. dispositivi medici, macchine), purché entro quadri normativi definiti dagli Stati membri.
• Documentazione tecnica: Per PMI e SMC è prevista la possibilità di fornire la documentazione tecnica in forma semplificata, utilizzando modelli standardizzati forniti dalla Commissione.

Rinvio delle Date di Applicazione

Riconoscendo i ritardi nella preparazione degli standard tecnici e nella creazione delle autorità nazionali, l’atto sposta le date di applicazione per i requisiti relativi ai sistemi ad alto rischio (Capo III, Sezioni 1, 2 e 3):

• Sistemi ex Allegato III (es. istruzione, occupazione): la data di applicazione è spostata al 2 dicembre 2027.
• Sistemi ex Allegato I (IA come componente di prodotti): la data di applicazione è spostata al 2 agosto 2028.
• Settore Macchine: il Regolamento (UE) 2023/1230 sulle macchine viene spostato nella “Sezione B” dell’Allegato I, adottando un approccio puramente settoriale per semplificare il quadro normativo dell’IA integrata nei macchinari.

Di seguito, si riporta una tabella riepilogativa delle nuove scadenze elencate in base temporale/cronologica.

Tabella riepilogativa delle scadenze AI Act su base Digital Omnibus per l’AI

Nuova Scadenza	Obbligo chiave	Soggetti interessati
Enforcement dal 2 agosto 2026	Divieto di utilizzo e implementazione di sistemi di IA vietati; obblighi di AI Literacy; obblighi per i provider di General Purpose AI Models (GPAI).	Provider e deployer (AI Literacy); provider GPAI.
2 agosto 2026	Applicazione degli obblighi di trasparenza ex art. 50 AI Act.	Provider e deployer dei sistemi interessati.
2 dicembre 2026	Obbligo di watermarking per i sistemi di IA già immessi sul mercato prima del 2 agosto 2026, con marcatura degli output come contenuti generati o manipolati artificialmente.	Provider di sistemi di IA già sul mercato.
2 dicembre 2027	Applicazione degli obblighi per i sistemi di IA ad alto rischio ex art. 6(2) AI Act e Allegato III.	Provider e deployer di sistemi autonomi di IA ad alto rischio.
2 agosto 2028	Applicazione degli obblighi per i sistemi di IA ad alto rischio ex art. 6(1) AI Act.	Provider e deployer di sistemi di IA incorporati in prodotti regolamentati.

Normativa italiana sull’intelligenza artificiale

In Italia il quadro normativo relativo all’intelligenza artificiale si colloca a metà strada tra la normativa europea e le disposizioni in materia di sicurezza sul lavoro. Tra i principali riferimenti normativi si annoverano:

• Il Decreto legislativo 81/2008 (Testo Unico sulla sicurezza sul lavoro)
• Il Regolamento europeo GDPR (Reg. UE 2016/679)
• Il citato AI Act (Reg. UE 2024/1689)
• La Legge n. 132 del 23 settembre 2025

Pertanto, lo sviluppo di sistemi di intelligenza artificiale all’interno delle organizzazioni produttive deve essere esaminato considerando tre ambiti normativi principali:

• le disposizioni relative alla salute e sicurezza sul lavoro;
• le normative sulla tutela dei dati personali;
• le regole riguardanti il controllo dei lavoratori.

Il Testo Unico sulla salute e sicurezza sul lavoro (D.Lgs. 81/2008)

La principale legislazione italiana in materia di salute e sicurezza nei luoghi di lavoro è il Decreto legislativo 9 aprile 2008, n. 81, cosiddetto Testo Unico Sicurezza Lavoro (TUSL). Il decreto crea un sistema di prevenzione che si basa sulla valutazione globale e preventiva dei rischi. Ai sensi dell’articolo 17 e dell’articolo 28 del TUSL, il datore di lavoro è tenuto a valutare tutti i rischi presenti nell’azienda, compresi quelli derivanti dall’introduzione di nuove tecnologie basate sull’intelligenza artificiale. Di conseguenza, il documento di valutazione dei rischi (DVR), lo strumento fondamentale del sistema di prevenzione aziendale, deve essere aggiornato prima dell’implementazione di sistemi di IA. Inoltre, si sottolinea che, per effettuare detta valutazione, il decreto prevede la partecipazione di varie figure della prevenzione, tra cui il Responsabile del Servizio di Prevenzione e Protezione (RSPP), il medico competente e il rappresentante dei lavoratori per la sicurezza (RLS).
L’adozione di sistemi di intelligenza artificiale, di monitoraggio algoritmico o di strumenti di analisi dei dati può infatti generare nuove tipologie di rischio, tra cui:

• rischi organizzativi,
• rischi ergonomici,
• rischi psicosociali,
• rischi derivanti dall’interazione uomo-macchina.

La disciplina del controllo a distanza dei lavoratori

L’articolo 4 dello Statuto dei lavoratori (Legge n. 300/1970), modificato dal Decreto legislativo n. 151/2015, noto come Jobs Act, costituisce un riferimento normativo importante. La disposizione regola l’uso di strumenti che possono determinare un controllo a distanza sull’attività dei lavoratori. In particolare, stabilisce che tali strumenti possano essere installati esclusivamente per scopi quali:

• esigenze organizzative e produttive,
• sicurezza sul lavoro,
• tutela del patrimonio aziendale.

I sistemi per il monitoraggio delle prestazioni, i software per la gestione degli algoritmi o le tecnologie di computer vision sono esempi di sistemi di Intelligenza Artificiale utilizzati negli ambienti di lavoro che possono essere utilizzati per il controllo remoto dei dipendenti. Perciò, l’installazione di questi dispositivi deve avvenire con l’approvazione delle rappresentanze sindacali oppure con l’autorizzazione dell’Ispettorato Nazionale del Lavoro nel pieno rispetto delle garanzie fornite dalla legislazione italiana in materia.

La protezione dei dati personali (GDPR)

Il Regolamento generale sulla protezione dei dati (Regolamento UE 2016/679 – GDPR) definisce i principi fondamentali per garantire un trattamento corretto e sicuro dei dati personali. Ciò include informazioni su performance professionali, comportamenti o, in alcuni casi, dati biometrici o fisiologici rilevabili o meno da sistemi IA. I principi più importanti da tenere a mente quando si tratta di utilizzare l’intelligenza artificiale nei luoghi di lavoro sono:

• Un trattamento dei dati rispettoso, corretto e trasparente;
• La minimizzazione dei dati, cioè trattare solo i dati necessari per l’obiettivo stabilito;
• Limitare l’uso dei dati, garantendo che siano utilizzati solo per scopi legittimi e specifici;
• Responsabilizzare il titolare del trattamento, che deve prendere le misure necessarie per garantire il rispetto della normativa in vigore

Il GDPR introduce inoltre specifiche garanzie in relazione ai processi decisionali automatizzati. L’articolo 22 del regolamento prevede infatti che l’interessato abbia il diritto di non essere sottoposto a una decisione basata unicamente su un trattamento automatizzato che produca effetti giuridici significativi sulla sua persona.
Nel contesto lavorativo, ciò implica la necessità di mantenere forme di supervisione umana nelle decisioni che riguardano aspetti rilevanti del rapporto di lavoro.

Il ruolo del Garante per la protezione dei dati personali

Il Garante per la protezione dei dati personali è responsabile in Italia della regolamentazione dell’uso delle tecnologie digitali nei luoghi di lavoro.
L’Autorità ha rilasciato una serie di linee guida e provvedimenti per l’utilizzo dei sistemi di monitoraggio dei lavoratori, ponendo particolare enfasi sui rischi per la privacy derivanti dall’uso di tecnologie digitali avanzate.
Nel corso degli ultimi anni, il Garante ha sottolineato l’importanza dell’esecuzione di valutazioni d’impatto sulla protezione dei dati (Data Protection Impact Assessment, DPIA) quando vengono implementati sistemi tecnologici che richiedono un monitoraggio costante dei lavoratori.

La Legge n. 132 del 23 settembre 2025

L’Italia è il primo Stato membro dell’Unione Europea a adottare una legislazione nazionale completa sull’Intelligenza Artificiale. La Legge n. 132 del 23 settembre 2025, denominata “Disposizioni e deleghe al Governo in materia di intelligenza artificiale”, è entrata in vigore il 10 ottobre 2025 ed introduce un quadro normativo antropocentrico che equilibra le opportunità offerte dall’IA con la protezione dei diritti fondamentali. La legge è composta da sei capi principali e stabilisce le basi per promuovere un utilizzo dell’IA corretto, trasparente e responsabile. I punti cardinale su cui si basa la legge sono:

• Principi Fondamentali.
  La normativa italiana codifica principi cardine tra cui antropocentrismo, trasparenza, proporzionalità, sicurezza e non-discriminazione. La legge promuove un utilizzo corretto, trasparente e responsabile dell’IA, garantendo la vigilanza sui rischi economici, sociali e sull’impatto sui diritti fondamentali.
• Governance e Autorità Nazionali.
  La regolamentazione nazionale è coordinata dalla Presidenza del Consiglio dei ministri con il supporto tecnico di due autorità nazionale principali:
  • AgID (Agenzia per l’Italia Digitale): incaricata delle funzioni di notifica e accreditamento.
  • ACN (Agenzia Nazionale di Cybersicurezza): responsabile della vigilanza, delle attività ispettive e sanzionatorie sui sistemi di IA, oltre alla promozione della cybersicurezza.
• Disposizioni Settoriali.
  La legge introduce norme specifiche per diversi ambiti:
  • Sanità: L’IA può essere utilizzata per la prevenzione, diagnosi e trattamento, ma la decisione finale rimane sempre con i professionisti sanitari. I pazienti devono essere informati dell’utilizzo dell’IA nella loro assistenza. La legge vieta discriminazioni nell’accesso ai servizi sanitari e richiede che i sistemi di IA siano affidabili e sottoposti a verifiche periodiche.
  • Lavoro: L’uso dell’IA sul posto di lavoro deve aderire ai principi di sicurezza, affidabilità, trasparenza e rispetto della dignità umana e della confidenzialità dei dati. I datori di lavoro sono obbligati a informare i dipendenti quando sistemi di IA sono utilizzati nei processi lavorativi.
  • Protezione dei Dati: La legge prevede disposizioni per il trattamento dei dati personali, inclusi dati sintetici e secondari nella ricerca clinica, in conformità alle leggi sulla privacy.
  • Diritti d’Autore: La legge protegge il copyright delle opere create con l’ausilio dell’IA, a condizione che siano risultato del lavoro intellettuale umano. Introduce inoltre regole per la riproduzione e l’estrazione di dati mediante IA.
  • Diritto Penale: La legge introduce nuovi reati penali mirati alla diffusione illecita di contenuti generati o alterati dall’IA (deepfake). È reato causare danno ingiusto a una persona diffondendo immagini, video o registrazioni audio generate o alterate dall’IA.
  • Pubblica Amministrazione e Attività Giudiziaria: La legge disciplina l’uso dell’IA nella pubblica amministrazione e nell’attività giudiziaria, con il Ministero della Giustizia responsabile dell’approvazione dei decreti specifici.
• Deleghe al Governo.
  La legge delega il Governo a adottare decreti legislativi entro dodici mesi dall’entrata in vigore per specificare:
  • l’allineamento con l’EU AI Act
  • l’assegnazione dei poteri di vigilanza, ispezione e sanzione alle autorità competenti
  • le regole comprensive sull’uso di dati, algoritmi e metodi matematici per l’addestramento di sistemi di IA
  • le regole per l’uso dell’IA in attività investigative e di polizia
  • l’aggiornamento del framework per sanzioni civili e penali.
• Investimenti e Promozione.
  La legge autorizza fino a 1 miliardo di euro da un fondo di capitale di rischio sostenuto dallo Stato per supportare aziende attive in IA, cybersicurezza e telecomunicazioni (per confronto, la Cina ha intenzione di investire 20 miliardi di euro nel 2026 per lo sviluppo di IA).
• Importanza Strategica.
  L’Italia è il primo paese europeo nella regolamentazione dell’IA e l’adozione di questa normativa è un momento importante per il paese. La legge ha l’obiettivo di non solo ridurre i rischi associati all’uso improprio della tecnologia, ma anche aumentare l’innovazione e lo sviluppo economico del settore e delle relative applicazioni.

Analisi degli impatti dell’intelligenza artificiale sulla sicurezza e organizzazione del lavoro

L’analisi delle pubblicazioni in letteratura e l’evoluzione del quadro normativo mostra che l’intelligenza artificiale sta cambiando gradualmente la gestione della sicurezza nei posti di lavoro. Questo cambiamento può essere visto come il passaggio da un approccio tradizionale alla prevenzione, basato principalmente su controlli periodici e analisi degli incidenti dopo che sono successi, a un modello più moderno che si basa sulla prevenzione anticipata (o predittiva) e sull’uso dei dati.
I sistemi di intelligenza artificiale possono raccogliere e analizzare dati diversi provenienti da molte fonti, come sensori IoT, dispositivi indossabili, archivi di incidenti e sistemi informativi interni. Ciò consente alle aziende di individuare rapidamente i rischi e intervenire prima che accadano problemi. Di conseguenza, l’efficacia delle politiche di prevenzione e sicurezza sul lavoro aumenta notevolmente.
Tuttavia, l’adozione di queste tecnologie porta anche problemi organizzativi, giuridici ed etici che richiedono attenzione e regolamentazione adeguata. È importante valutare attentamente questi aspetti per garantire che l’intelligenza artificiale sia utilizzata in modo responsabile e sicuro.

Impatti organizzativi dell’intelligenza artificiale

L’uso di algoritmi e intelligenza artificiale aiuta a prendere decisioni importanti in molti ambienti di lavoro. Queste possono riguardare la pianificazione delle attività quotidiane, la valutazione di come stanno andando le cose e la gestione dei rischi.
Si parla di un cambiamento nel modo in cui le aziende prendono decisioni e gestiscono il lavoro, detto algorithmic management. In pratica, significa usare sistemi algoritmici per raccogliere e analizzare dati su come lavorano le persone. Ci sono stati molti studi sull’uso dell’intelligenza artificiale per gestire il lavoro, noto anche come Artificial Intelligence for Worker Management (AIWM), cioè un modello basato sull’intelligenza artificiale che prende decisioni automatizzate o semi-automatizzate o fornisce informazioni ai responsabili delle decisioni su questioni relative alla gestione dei lavoratori.
Se da un lato tali strumenti possono migliorare l’efficienza organizzativa e la capacità di individuare situazioni di rischio, dall’altro lato essi possono ridurre gli spazi di autonomia decisionale dei lavoratori e modificare gli equilibri di potere all’interno dell’organizzazione. Di conseguenza, l’implementazione di sistemi di IA dovrebbe essere accompagnata da regole adeguate che prevedano il coinvolgimento delle rappresentanze dei lavoratori e delle figure della prevenzione. 

Implicazioni per la salute e sicurezza dei lavoratori

L’intelligenza artificiale può fare una grande differenza nel migliorare la sicurezza sul lavoro. Ad esempio, le tecnologie di monitoraggio avanzato possono aiutare a identificare:

• comportamenti pericolosi
• esposizioni prolungate a condizioni ambientali rischiose
• situazioni di affaticamento fisico
• posture ergonomicamente scorrette.

Con le informazioni che questi sistemi raccolgono, è possibile creare allerte tempestive e progettare interventi di prevenzione o di soccorso più efficaci. Tuttavia, alcuni studi mettono in luce il rischio che un monitoraggio costante possa creare nuove forme di pressione sulle persone che lavorano. La consapevolezza di essere sempre sotto controllo dei sistemi digitali può aumentare lo stress e i rischi legati alla salute mentale sul lavoro. Questo problema è particolarmente importante in ambienti di lavoro molto digitalizzati, come le piattaforme online o i sistemi logistici automatizzati. 

Questioni etiche e trasparenza algoritmica

Un altro aspetto molto importante riguarda la trasparenza dei sistemi algoritmici utilizzati nei luoghi di lavoro. Molti modelli di intelligenza artificiale, soprattutto quelli che utilizzano tecniche di deep learning, sono spesso molto difficili da capire. Questo significa che può essere difficile comprendere come l’algoritmo arrivi a certe decisioni e quali fattori abbiano influenzato il risultato dell’analisi. La trasparenza dei sistemi algoritmici è fondamentale per garantire che le decisioni prese siano giuste e che i lavoratori comprendano come funzionano questi sistemi. Se non siamo in grado di capire come funzionano questi algoritmi, potrebbe essere difficile fidarsi dei risultati che forniscono.

Questa opacità nel contesto lavorativo può causare problemi di fiducia tra i lavoratori e la loro organizzazione, soprattutto quando i sistemi algoritmici influenzano decisioni importanti come la valutazione delle prestazioni o l’assegnazione di compiti. Anche se il fine ultimo dell’algoritmo è bilanciare le due esigenze apparentemente contrastanti, la produttività e la tutela della dignità, della sicurezza e della privacy dei lavoratori, la maggioranza dei lavoratori e delle Istituzioni stesse sono preoccupate per l’innovazione tecnologica.
Per questo motivo, numerosi studi sottolineano l’importanza di sviluppare modelli di AI governance basati su principi di trasparenza, responsabilità e supervisione umana (sistemi antropocentrici, come anche richiesto dalla normativa europea e soprattutto italiana), con garanzia che l’adozione delle tecnologie di intelligenza artificiale avvenga nel rispetto dei diritti fondamentali dei lavoratori. 

Prospettive future

La letteratura ha dimostrato che l’intelligenza artificiale è un ottimo strumento per migliorare i sistemi di prevenzione nei luoghi di lavoro. È essenziale creare piani che tengano conto dei fattori tecnologici, organizzativi e normativi per massimizzare questi vantaggi. In quest’ottica, le future ricerche dovrebbero focalizzarsi su alcuni temi chiave, tra cui:

• L’impatto dell’IA sui rischi psicosociali nei contesti lavorativi.
• Le modalità di integrazione tra i sistemi di prevenzione tradizionali e le tecnologie digitali.
• I modelli di regolamentazione partecipativa per la gestione delle tecnologie algoritmiche.

È essenziale utilizzare un approccio interdisciplinare. Per affrontare le sfide poste dalla crescente diffusione dell’intelligenza artificiale negli ambienti professionali, sarà necessario coinvolgere figure professionali come giuristi, ingegneri, esperti di sicurezza sul lavoro e studiosi delle scienze sociali.

Conclusioni: l’IA come leva strategica per la prevenzione

Lo studio svolto dimostra che l’intelligenza artificiale sta acquisendo un ruolo sempre più rilevante nei sistemi di gestione della salute e sicurezza sul lavoro. Le imprese, infatti, possono sviluppare modelli di prevenzione più sofisticati rispetto ai metodi consueti, grazie all’impiego di moderne tecnologie digitali quali machine learning, sensori IoT, dispositivi indossabili e strumenti di analisi dati.
In particolare, gli strumenti che usano l’intelligenza artificiale permettono di andare oltre un approccio prettamente reattivo alla sicurezza, che si limita alla valutazione di incidenti già accaduti. Al contrario, si favorisce un modello di prevenzione che è sia predittivo che proattivo. Analizzando tanti dati insieme, i sistemi di intelligenza artificiale riescono a identificare correlazioni e modelli di rischio che spesso sfuggono alle tecniche di analisi tradizionali. In questo modo, le organizzazioni possono, diciamo, capire meglio i possibili rischi e intervenire in tempo con misure preventive adeguate. L’IA si dimostra quindi un’importane risorsa strategica per migliorare i sistemi di prevenzione aziendale, contribuendo a diminuire sia la frequenza che la gravità degli infortuni sul lavoro. Non è qualcosa di immediatamente ovvio, ma in effetti può fare una differenza significativa. 

Sfide etiche e organizzative nell’adozione dell’IA

Detto ciò, l’adozione di queste tecnologie introduce anche nuove criticità di natura organizzativa, giuridica ed etica. L’uso di sistemi di monitoraggio avanzati e la gestione algoritmica delle attività possono cambiare in modo importante come si organizza il lavoro e come si relazionano lavoratori con i loro capi. Non si può sottovalutare il rischio di un aumento di stress e di problemi psicosociali legati alla pressione continua e al controllo costante delle prestazioni.
È quindi indispensabile che l’uso dell’intelligenza artificiale nei luoghi di lavoro sia supportato da un adeguato impianto regolatorio e una normativa chiara in grado di proteggere i diritti fondamentali dei lavoratori. In Europa, ad esempio, si sta sviluppando una normativa sempre più articolata, come il regolamento europeo sull’intelligenza artificiale, che impone proprio per questo scopo requisiti specifici ai sistemi IA classificati ad alto rischio – molti dei quali utilizzati proprio in ambito lavorativo. La combinazione tra la regolamentazione europea sull’IA, la normativa sulla privacy e le leggi nazionali in materia di salute e sicurezza sul lavoro (come il D.lgs. 81/08 e la L. 132/25) gioca un ruolo di primo piano, perché permette che l’innovazione proceda senza compromettere dignità e sicurezza dei lavoratori.

L’approccio interdisciplinare: integrare tecnologia, valori umani e società

Un punto che merita attenzione in più riguarda il fatto che la gestione delle tecnologie digitali nei luoghi di lavoro richiede un approccio interdisciplinare. Non basta il solo contributo tecnico o giuridico: occorre coinvolgere discipline diverse, dal diritto del lavoro fino alla sociologia e alle scienze organizzative.
Guardando avanti, sarà importante esplorare meglio alcune aree meno conosciute, come gli effetti a lungo termine dell’IA sui rischi psicosociali nei contesti lavorativi, la combinazione tra sistemi tradizionali di prevenzione e tecnologie di monitoraggio intelligente, e le modalità per sviluppare una regolamentazione partecipata dell’IA. Anche il ruolo delle rappresentanze sindacali nell’adozione di questi strumenti digitali dovrà essere valorizzato in modo più incisivo.

Insomma, l’intelligenza artificiale si presenta come una svolta decisiva per l’evoluzione della sicurezza sul lavoro – a patto che sia regolata e gestita con attenzione.
Alla fine, non basta la tecnologia efficiente: serve soprattutto un approccio che metta davvero al centro la persona e i diritti di chi lavora.

FAQ – Intelligenza artificiale e sicurezza sul lavoro: cosa sapere

Riferimenti bibliografici

• Ajunwa, I. (2020). The paradox of automation as anti-bias intervention. Univeristy of Carolina.
• Badri, A., Boudreau-Trudel, B., & Souissi, A. (2022). Occupational health and safety in the Industry 4.0 era. Safety Science Volume 109, November 2018, Pages 403-411.
• Cheng, T. et al. (11/2025). Data fusion for ergonomics analysis. Automation in Construction.
• De Stefano, V. (2019). Negotiating the algorithm. ILO Employment working paper, no. 246.European Commission. (2024). Artificial Intelligence Act.
• Eurofound. (2022). Algorithmic management and platform work.
• Eurofond (2024). European Working Conditions Survey (EWCS), risultati prelimimari.
• Fang, W. et al. (2020). Computer vision for construction safety. Advanced Engineering Informatics, Vol. 43.
• Global Partnership on Artificial Intelligence (GPAI). (Dec. 2023). Responsible AI in the workplace.
• Changbum R. Ahn. et al. (2019). Wearable sensing technologies for safety. Journal of Construction Engineering and Management, Volume 145 Texas Univ.
• ILO. (2021). Artificial intelligence and labour.
• Organisation for Economic Co-operation and Development OECD. (2021). AI in the workplace.
• Tixier, A. et al. (2016). Automated safety content analysis. Elsevier.
• Wood, A. et al. (2019). Algorithmic management and worker autonomy. ILO.
• Zhang, M. et al. (2026). Machine learning for occupational risk prediction. Ecotoxicology and Environmental Safety.
• Zhou, Z. et al. (2019). Advanced technologies in construction safety. Safety Science.
• Brynjolfsson & McAfee. (2016). Human Work in the Robotic Future: Policy for the Age of Automation. JSTOR.
• Davenport & Kirby. (2016). Only Humans Need Apply, Harper Business.
• Susskind. (2020). A World Without Work: Technology, Automation and How We Should Respond. Allen Lane London.
• AA.VV. (2023). How AI is rewriting the challenges for safety and health. EU-OSHA.
• World Economic Forum. (2023). AI: rapporto 2023 sul futuro dell’occupazione.
• Eurostat (2024/2025): “ICT usage in enterprises”. Dataset sull’adozione dell’intelligenza artificiale nelle imprese europee.
• Eurostat (2025): “Digital economy and society statistics – enterprises”. Analisi dell’uso delle tecnologie IA per settore e dimensione aziendale.
• EU-OSHA (2024): “AI-driven and algorithmic worker management: EU workplaces”. Una ricerca completa basata sull’indagine ESENER (European Survey of Enterprises on New and Emerging Risks).
• EU-OSHA (2025): European Survey of Enterprises on New and Emerging Risks, ESENER 2019 e ESENER 2024 (first findings).
• EU-OSHA (2025): “Worker management through artificial intelligence (AI): implications for occupational safety and health”.

Strumenti e risorse per l’approfondimento

Arricchisci le tue competenze con i Volumi di EPC Editore  e con i Corsi di formazione dell’Istituto Informa:

Approfondimenti a cura dell’autore

Consulta di seguito gli altri articoli pubblicati dall’autore: analisi tecniche, spunti critici e strumenti utili per chi opera nel settore.

• https://www.insic.it/author/alberto-oleottigmail-com/

---

[1] Il text mining è una tecnica che utilizza l’elaborazione del linguaggio naturale per trasformare il testo libero, non strutturato, di documenti/database in dati strutturati e normalizzati.

[2] Il deep learning è un sottoinsieme avanzato dell’intelligenza artificiale e del machine learning che utilizza reti neurali artificiali con molteplici strati (da cui “profondo”) per analizzare grandi quantità di dati.