Adozioni e Algoritmi: Perché l’Intelligenza Artificiale non Può Misurare una Famiglia
L'intelligenza artificiale nel child welfare rischia di trasformare povertà e disabilità in fattori di rischio. Scopri perché l'idoneità genitoriale deve restare umana.
L’intelligenza artificiale possiede una straordinaria capacità di ordinare vasti database, individuare risorse nascoste all’interno dei sistemi burocratici e proporre abbinamenti basati su schemi ricorrenti, ma si scontra con un limite invalicabile: non ha gli strumenti ontologici né etici per decidere se una persona sia “adatta” a ricoprire il ruolo di genitore. La valutazione psicologica, emotiva e finanziaria di un aspirante genitore o di una famiglia affidataria non è un semplice problema di ottimizzazione matematica. Si tratta di un’indagine che tocca diritti fondamentali, disuguaglianze socioeconomiche, condizioni di povertà, disabilità, origine etnica e, soprattutto, il futuro e l’incolumità di un bambino, rendendo imprescindibile che tale decisione resti umana, multidisciplinare, profondamente motivata e legalmente impugnabile.
L’Illusione del Matchmaking: Il Caso Family-Match
La distanza tra la promessa tecnologica e la delicatissima pratica dell’adozione emerge con chiarezza disarmante nell’indagine condotta dall’Associated Press sull’algoritmo Family-Match. Questo strumento computazionale, esplicitamente ispirato alle meccaniche delle applicazioni di online dating, era stato progettato con l’intento di assegnare un punteggio di “compatibilità relazionale” tra bambini inseriti nel sistema di affido e aspiranti genitori. L’inchiesta ha tuttavia rivelato risultati pratici estremamente limitati negli stati della Virginia e della Georgia, portando alla luce casi di segnalazioni a famiglie che non erano minimamente interessate o preparate a quel tipo di abbinamento, e sollevando dubbi profondi sull’efficacia dichiarata dai promotori del software.
Il fallimento di questo approccio non si limita a una scarsa accuratezza statistica, ma affonda le radici nella natura stessa dei dati elaborati. L’algoritmo Family-Match fagocitava e processava oltre 250 variabili sensibili per calcolare i suoi indici di compatibilità. Tra questi parametri figuravano informazioni intimissime e potenzialmente stigmatizzanti, come storie di abusi sessuali subiti in passato, precedenti penali e l’identità LGBTQIA+ dei minori coinvolti. Il problema centrale, in questo scenario, non è unicamente la bontà o l’efficienza dell’abbinamento proposto, ma la raccolta massiva e l’utilizzo non supervisionato di dati estremamente intimi all’interno di un’architettura software opaca e inaccessibile allo scrutinio pubblico.
Sorveglianza Digitale, Bias e il Crimine della Povertà
L’introduzione dell’intelligenza artificiale nel sistema del child welfare (tutela dei minori) statunitense ha seguito finora una traiettoria precisa e preoccupante. Una rassegna accademica basata sull’analisi di 50 pubblicazioni riguardanti i sistemi computazionali nella tutela minorile dimostra che la stragrande maggioranza delle implementazioni riguarda modelli predittivi orientati esclusivamente al calcolo del rischio. Funzioni vitali come il vero matching relazionale, l’integrazione delle prospettive umane degli assistenti sociali e l’analisi qualitativa delle note di caso rimangono, al contrario, drammaticamente poco integrate o del tutto ignorate dai software.
Questa focalizzazione sul “rischio” genera un cortocircuito algoritmico che penalizza le fasce più vulnerabili della società. Uno studio approfondito sull’Allegheny Family Screening Tool, un noto modello predittivo statunitense, svela un bias strutturale inequivocabile: le famiglie povere o appartenenti a minoranze etniche interagiscono per necessità in misura molto maggiore con i servizi pubblici, accumulando così una quantità sproporzionata di dati amministrativi a loro carico. L’algoritmo, leggendo questa mole di dati e utilizzando le indagini passate come predittori per il futuro, finisce per assegnare a queste famiglie punteggi di rischio sistematicamente più alti, amplificando un circolo vizioso discriminatorio. Il punto focale è che la povertà e l’indigenza finanziaria non equivalgono alla trascuratezza genitoriale, ma all’interno dei dataset pubblici finiscono immancabilmente per sembrare un gigantesco fattore di rischio.
Per mitigare questa deriva, i ricercatori sottolineano la necessità di distinguere nettamente tra due finalità d’uso: impiegare il machine learning per identificare e offrire risorse preventive alle famiglie in difficoltà è profondamente diverso dall’usarlo per selezionare quali famiglie investigare o da quali case allontanare i bambini. La seconda ipotesi, per le sue conseguenze devastanti, richiede uno standard probatorio incommensurabilmente più elevato rispetto al primo. Il Center on Privacy & Technology della Georgetown Law sintetizza perfettamente queste criticità, denunciando la scarsa evidenza di efficacia dei sistemi attuali, una accountability (responsabilità) quasi inesistente, le asimmetrie di potere tra enti pubblici e fornitori privati di software, e l’estrema pericolosità nell’uso di proxy socioeconomici per valutare la genitorialità. Di fronte a questo quadro istituzionale, diventa imperativo esigere audit indipendenti, documentazione trasparente e rimedi concreti e accessibili per le famiglie ingiustamente penalizzate.
Il Valore Legale dell’Empatia: Diritti e Trattati Internazionali
Delegare a una macchina la formazione o la disgregazione di una famiglia si scontra frontalmente con l’architettura dei diritti umani internazionali. Le Linee guida delle Nazioni Unite sull’accoglienza alternativa dei minori (2009) stabiliscono un perimetro chiaro: ogni decisione deve essere presa rigorosamente caso per caso e fondarsi esclusivamente sul superiore interesse del bambino. Questo processo esige solide tutele legali, una valutazione rigorosa e qualitativa, e l’intervento diretto di team multidisciplinari composti da professionisti altamente qualificati. Tali criteri internazionali rendono di fatto impossibile e illegittimo giustificare un freddo punteggio algoritmico come base per una decisione autonoma o semi-autonoma.
La Convenzione ONU sui diritti dell’infanzia rafforza ulteriormente questo paradigma. Nel contesto dell’adozione, l’interesse superiore del minore non è derubricabile a una delle tante variabili da calcolare: è il criterio primario e determinante, che deve includere, ovunque possibile, la partecipazione attiva e l’ascolto della voce del bambino stesso. Il minore in cerca di famiglia non può e non deve essere ridotto a un mero “output” di un software di matching, ma deve essere trattato come una persona portatrice di diritti, di una storia irripetibile e di una volontà propria.
A blindare giuridicamente l’interazione tra IA e diritti fondamentali è intervenuto recentemente il Consiglio d’Europa con la Framework Convention on Artificial Intelligence del 2024, il primo trattato internazionale vincolante in materia. Il documento richiede che l’impiego dell’IA rispetti la dignità e l’autonomia umana, garantisca l’uguaglianza e la non discriminazione, e impone valutazioni di impatto sui diritti umani e rigide misure di prevenzione lungo l’intero ciclo di vita del sistema. Il messaggio normativo è inequivocabile: un sistema deputato alla valutazione delle capacità genitoriali non può in alcun modo operare come una black box inesplicabile.
L’Ultima Parola
Il dibattito contemporaneo deve compiere un salto di maturità. La domanda centrale che decisori politici e operatori sociali devono porsi non è la fantascientifica e illusoria “l’intelligenza artificiale può prevedere se saremo dei buoni genitori?”, bensì una serie di quesiti pragmatici e di sistema: quali specifici segnali sta usando l’algoritmo per decidere, chi ha etichettato questi segnali come indicatori di rischio e attraverso quali canali un cittadino può contestare un verdetto generato dalla macchina? Un reddito basso, un passato nei registri dell’assistenza sociale, una condizione di disabilità o una storia familiare complessa non sono e non saranno mai strumenti in grado di misurare l’amore, l’attitudine alla cura o la reale capacità di crescere ed educare un bambino; possono tuttavia trasformarsi in inesorabili proxy di rischio se il modello di intelligenza artificiale viene addestrato su dati storici già profondamente segnati da disuguaglianze e ingiustizie sistemiche.
Un algoritmo può eccellere nel setacciare fascicoli burocratici, può suggerire una risorsa territoriale o ipotizzare un incontro potenziale, ma non ha l’autorità morale, giuridica né cognitiva per decidere il valore intrinseco di una famiglia. Quando in gioco ci sono la vita, il futuro e la stabilità emotiva di un bambino vulnerabile, l’ultima parola deve sempre e inderogabilmente appartenere a persone in carne ed ossa, professionisti responsabili, in grado di spiegare in modo trasparente il proprio ragionamento, capaci di ascoltare i bisogni inespressi e tenuti a rispondere personalmente, sia eticamente che legalmente, delle proprie scelte.
Riferimenti Bibliografici e Fonti
- Does an AI tool help boost adoptions? Key takeaways from an AP Investigation — Associated Press, 2023
- Inspired by online dating, AI tool for adoption matchmaking falls short for vulnerable foster kids — Associated Press, 2023
- A Human-Centered Review of Algorithms used within the U.S. Child Welfare System — CHI 2020
- A case study of algorithm-assisted decision making in child welfare — PMLR, 2018
- Using machine learning to predict future foster care admission — PMC, 2025
- Data and Automation in Child Welfare — Georgetown Law, Privacy & Technology Center
- Guidelines for the Alternative Care of Children — Nazioni Unite, 2009
- Convention on the Rights of the Child — Nazioni Unite
- The Framework Convention on Artificial Intelligence — Consiglio d’Europa, 2024
Articolo a cura della Redazione di La Bussola dell’IA