Poche aree rendono evidenti le ambivalenze dell’intelligenza artificiale quanto la valutazione psicologica. La promessa è potente: analizzare grandi quantità di dati, individuare configurazioni difficili da riconoscere, automatizzare scoring e report, confrontare rilevazioni nel tempo.
Ma proprio nell’assessment il fascino della tecnologia può produrre un errore concettuale: confondere capacità predittiva e validità psicologica.
Non esiste un’attività unica chiamata “valutazione con AI”
Raccogliere dati, classificarli, effettuare scoring, eseguire uno screening, suggerire un’interpretazione, formulare una diagnosi e prendere una decisione sono operazioni differenti. Il fatto che un sistema sia affidabile in una funzione non dimostra che lo sia nelle successive.
L’American Psychological Association, nelle indicazioni del 2026 sull’AI nell’assessment, richiama trasparenza, accountability, bias, privacy, consenso informato, competenza e supervisione umana.
La psicometria viene prima dell’algoritmo
Una frase come “il sistema raggiunge il 95% di accuratezza” è insufficiente. Occorre sapere su quale popolazione è stato sviluppato, quale fosse la prevalenza del fenomeno, sensibilità, specificità, valori predittivi, calibrazione, validazione esterna e conseguenze dei falsi positivi e negativi.
La tecnologia non abolisce la psicometria. La rende ancora più necessaria.
L’AI non rende scientifico uno strumento non scientifico
Un modello sofisticato può analizzare enormi quantità di dati e continuare a misurare male il costrutto che interessa. Se la relazione tra il segnale utilizzato e il fenomeno psicologico è debole, una maggiore capacità computazionale non crea automaticamente validità. Può, anzi, aumentare la falsa impressione di precisione.
Benchmark e pratica reale non coincidono
Rispondere correttamente a vignette o domande standardizzate non equivale a lavorare con una persona concreta. La vita reale contiene dati mancanti, informazioni contraddittorie, comorbilità, elementi culturali e problemi che non rientrano perfettamente nelle categorie.
Supervisione umana significa più che premere “approva”
Le principali organizzazioni professionali convergono sulla necessità di human oversight. Ma la supervisione può essere reale oppure nominale. Se lo Psicologo accetta automaticamente l’output, la sua presenza formale non aggiunge una vera garanzia. È il problema dell’automation bias, approfondito nell’articolo su AI e ragionamento clinico.
Legge e deontologia
L’articolo 13 della L. 132/2025 colloca l’AI nelle attività strumentali e di supporto delle professioni intellettuali. Il Codice Deontologico vigente richiede allo Psicologo competenza nell’uso degli strumenti, autonomia professionale e valutazione critica di validità e attendibilità delle informazioni. Il quadro completo è nell’approfondimento su AI, legge e deontologia.
Dove può essere utile
L’AI può facilitare scoring correttamente validati, confrontare dati longitudinali, individuare incoerenze, sintetizzare informazioni e predisporre una bozza di report. Il problema compare quando il salto fra dato e giudizio professionale diventa invisibile.
La domanda utile non è “l’AI sa valutare una persona?”, ma: quale inferenza sta producendo, con quali dati, con quale validità e con quali conseguenze se sbaglia?