IA · 22 giugno 2026 · 4 min di lettura
Oltre i limiti della computer vision: il piano del Regno Unito per la stima dell'età tramite IA svela i limiti dei bias algoritmici
In sintesi: A partire dal prossimo anno, il governo del Regno Unito utilizzerà sistemi di stima facciale dell'età (FAE) sui richiedenti asilo privi di documenti. Tuttavia, un documento interno rivela che i test condotti su sette algoritmi evidenziano gravi margini di errore e una forte discriminazione algoritmica, in particolare nei confronti delle persone provenienti dall'Africa subsahariana, sollevando seri interrogativi sull'uso dell'intelligenza artificiale in decisioni ad alto impatto umano.
di Team Mocchi's
La tecnologia alla frontiera: il debutto della stima facciale dell'età
A partire dal prossimo anno, le autorità di frontiera del Regno Unito implementeranno un sistema di intelligenza artificiale basato sulla stima facciale dell'età per identificare i richiedenti asilo privi di documenti identificativi. Si tratta del primo utilizzo sistematico a livello globale di questa tecnologia in contesti di frontiera e sicurezza nazionale, un ambito in cui le decisioni dell'algoritmo hanno ripercussioni immediate e profonde sui diritti legali e umani delle persone coinvolte.
La stima facciale dell'età analizza la geometria del volto e i tratti somatici per calcolare, su base probabilistica, l'età biologica del soggetto. Nelle intenzioni del governo, lo strumento dovrebbe snellire i processi di identificazione dei flussi migratori. Tuttavia, l'accuratezza e la neutralità di questi sistemi rimangono oggetto di forte dibattito all'interno della comunità scientifica e dello sviluppo software.
Il peso degli errori in scenari ad alto rischio
Nel contesto delle politiche di asilo, distinguere tra un minore e un adulto non è solo una formalità burocratica. I minori godono di protezioni giuridiche internazionali e nazionali rigorose, che includono l'accesso all'istruzione, l'affidamento a strutture protette e il divieto di detenzione insieme agli adulti.
Se un algoritmo commette un errore stimando l'età di un minore al di sopra della soglia della maggiore età, il soggetto rischia di perdere istantaneamente tali tutele, venendo trasferito in centri di detenzione ordinari. In scenari definiti "high-stakes" (ad alto rischio), il margine di tolleranza di un software deve essere pressoché nullo. Eppure, le prove sul campo condotte dalle stesse istituzioni governative evidenziano una realtà ben diversa.
Bias etnico e di genere: i dati del rapporto interno
Un documento riservato del Ministero dell'Interno britannico, recentemente emerso e basato su test condotti su sette diversi algoritmi di stima facciale, descrive i limiti concreti della tecnologia. I risultati mostrano che anche i sistemi considerati più performanti presentano gravi lacune sul piano dell'equità algoritmica.
Il problema principale risiede nel bias etnico. L'accuratezza degli algoritmi cala drasticamente quando l'analisi viene condotta su individui provenienti dall'Africa subsahariana, che rappresentano storicamente uno dei gruppi demografici più rilevanti tra i migranti in arrivo. In particolare, per le donne provenienti da questa regione geografica, la discrepanza media tra l'età reale e quella calcolata dall'intelligenza artificiale è risultata significativamente più alta rispetto ad altri gruppi etnici. Questa asimmetria statistica aumenta sensibilmente il rischio che un minore venga classificato erroneamente come adulto.
La radice tecnica del problema: l'addestramento dei modelli
Dal punto di vista dello sviluppo software, il fallimento di questi sistemi non è una sorpresa. I modelli di computer vision vengono addestrati su dataset composti prevalentemente da volti caucasici o, in generale, da immagini che non riflettono fedelmente la varietà demografica delle popolazioni globali.
Quando un algoritmo addestrato su dati sbilanciati si trova a operare in scenari reali con popolazioni eterogenee, le sue prestazioni degradano rapidamente. Non si tratta solo di una scarsa precisione quantitativa, ma di una distorsione sistematica che penalizza specifici gruppi di persone. Per i progettisti di sistemi di intelligenza artificiale, questo scenario rappresenta un monito fondamentale sulla necessità di raccogliere, validare e bilanciare i dati di addestramento prima di considerare un modello pronto per la produzione.
Dallo schermo alla realtà: le prospettive future
Fino ad oggi, i sistemi di verifica dell'età tramite riconoscimento facciale sono stati discussi e applicati prevalentemente nel mondo digitale, ad esempio per limitare l'accesso ai social media ai minori o per conformarsi alle normative sulla privacy online in vari mercati globali. Il passaggio di questa tecnologia dal mondo online alle infrastrutture fisiche dello Stato segna un punto di svolta.
L'adozione di soluzioni automatizzate in assenza di standard rigorosi di accuratezza e di meccanismi trasparenti di ricorso rischia di minare la fiducia nelle tecnologie witnessed. Per le aziende che sviluppano software e intelligenza artificiale, il caso britannico solleva la necessità di ridefinire i confini della responsabilità tecnologica. L'automazione non può sostituire il giudizio umano nei processi decisionali complessi, specialmente quando l'errore di calcolo si traduce direttamente in una violazione dei diritti fondamentali.