{"id":10448,"date":"2026-05-26T17:13:40","date_gmt":"2026-05-26T15:13:40","guid":{"rendered":"https:\/\/laborproject.it\/?p=10448"},"modified":"2026-09-15T15:29:09","modified_gmt":"2026-09-15T15:29:09","slug":"il-mio-capo-e-un-algoritmo-ai-hr-e-privacy-dei-lavoratori","status":"publish","type":"post","link":"https:\/\/laborproject.it\/en\/blog\/il-mio-capo-e-un-algoritmo-ai-hr-e-privacy-dei-lavoratori\/","title":{"rendered":"Il mio capo \u00e8 un algoritmo | AI, HR e Privacy dei lavoratori"},"content":{"rendered":"<h5><strong>La prima evidenza: l\u2019AI non corregge i processi, li amplifica<\/strong><\/h5>\n<p>Uno degli spunti pi\u00f9 forti emersi dal panel Wolters Kluwer \u00e8 organizzativo ed \u00e8 stato sollevato dalla Prof.ssa <strong>Barbara Quacquarelli<\/strong>, Universit\u00e0 Bicocca di Milano: <strong>l\u2019AI non produce automaticamente efficienza<\/strong>.<br \/>\nSe entra in processi opachi, li rende pi\u00f9 opachi.<br \/>\nSe entra in strutture dove ruoli e responsabilit\u00e0 non sono chiari, amplifica la confusione.<br \/>\nLa vera domanda non \u00e8 quindi:<br \/>\n\u201cL\u2019AI aumenta la produttivit\u00e0?\u201d<br \/>\nma:<br \/>\n\u201cIn quale organizzazione e a quali condizioni la aumenta?\u201d<br \/>\nNegli interventi \u00e8 emersa l\u2019importanza delle cosiddette <strong>small transformations<\/strong>: non grandi annunci di rivoluzione, ma redesign puntuale di processi, team, responsabilit\u00e0 e controlli.<br \/>\nI DPO e gli AI Officer devono alzare il livello di attenzione delle aziende che intendono introdurre strumenti di AI nei processi HR.<br \/>\nL\u2019innovazione \u00e8 certamente possibile, ma non dovrebbe essere avviata senza una preventiva mappatura di processi, dati, ruoli, responsabilit\u00e0 e impatti sui lavoratori.<br \/>\nInserire l\u2019AI in processi HR non governati significa costruire una compliance fragile e aumentare il rischio di opacit\u00e0 decisionale, discriminazioni indirette e controllo tecnologico non proporzionato.<br \/>\nIl rischio concreto \u00e8 generare pi\u00f9 output, report, sintesi e indicatori, ma anche pi\u00f9 lavoro invisibile di controllo, verifica, correzione e contestualizzazione.<br \/>\nL\u2019effetto sarebbe quello di rendere l\u2019organizzazione pi\u00f9 veloce, ma non necessariamente pi\u00f9 efficace, pi\u00f9 giusta o pi\u00f9 conforme.<br \/>\nPer questo l\u2019introduzione di AI in ambito HR deve essere preceduta da una valutazione integrata: <strong>privacy, diritto del lavoro, sicurezza, organizzazione aziendale e governance algoritmica<\/strong>.<\/p>\n<h5><strong>Il punto giuridico: nel lavoro l\u2019AI incide sul potere datoriale<\/strong><\/h5>\n<p>La Prof.ssa <strong>Alessandra Ingrao<\/strong>, Universit\u00e0 Statale di Milano, ha posto un tema centrale: nel rapporto di lavoro l\u2019AI non \u00e8 solo uno strumento tecnologico, ma pu\u00f2 diventare modalit\u00e0 di esercizio del potere direttivo e di controllo del datore di lavoro.<br \/>\nNon siamo pi\u00f9 soltanto davanti alla telecamera che \u201ccontrolla\u201d la prestazione.<br \/>\nOggi i dati servono a orientare decisioni su selezione, assegnazione di compiti, performance, turni, premi, trasferimenti e progressioni.<br \/>\nQuesto significa che il presidio privacy deve dialogare con il diritto del lavoro.<br \/>\nIn Italia resta centrale l\u2019<strong>art. 4 dello Statuto dei lavoratori<\/strong>, richiamato dall\u2019<strong>art. 114 D.lgs. 196\/2003<\/strong>, che disciplina gli strumenti dai quali derivi anche potenzialmente la possibilit\u00e0 di controllo a distanza dell\u2019attivit\u00e0 lavorativa.<br \/>\nMa la sfida dell\u2019AI \u00e8 pi\u00f9 complessa.<br \/>\nUn eventuale accordo sindacale non riguarda pi\u00f9 solo \u201cdove punta una telecamera\u201d, bens\u00ec:<\/p>\n<ul>\n<li>flussi di dati;<\/li>\n<li>logiche algoritmiche;<\/li>\n<li>metriche;<\/li>\n<li>modelli predittivi;<\/li>\n<li>sistemi decisionali.<\/li>\n<\/ul>\n<h5><strong>AI Act: l\u2019HR \u00e8 espressamente area ad alto rischio<\/strong><\/h5>\n<p>L\u2019AI Act conferma questa impostazione.<br \/>\nL\u2019Allegato III include tra i sistemi potenzialmente ad alto rischio quelli destinati a essere utilizzati in ambito occupazione, gestione dei lavoratori e accesso al lavoro autonomo.<br \/>\nIn particolare, sono rilevanti i sistemi usati per:<\/p>\n<ul>\n<li>selezione;<\/li>\n<li>analisi e filtraggio delle candidature;<\/li>\n<li>valutazione dei candidati;<\/li>\n<li>allocazione dei compiti;<\/li>\n<li>decisioni che incidono sul rapporto di lavoro.<\/li>\n<\/ul>\n<p>Ne discende una conseguenza pratica: ogni progetto AI in ambito HR deve essere sottoposto a una classificazione preliminare e a una valutazione del rischio attraverso una <strong>DPIA<\/strong> e una <strong>FRIA<\/strong>.<br \/>\nLa <strong>DPIA<\/strong>, Data Protection Impact Assessment ovvero Valutazione d\u2019impatto sulla protezione dei dati, \u00e8 prevista dall\u2019art. 35 GDPR.<br \/>\nVa effettuata, fra l\u2019altro, quando un trattamento, specie se basato su nuove tecnologie, pu\u00f2 generare un rischio elevato per i diritti e le libert\u00e0 delle persone: incide su soggetti vulnerabili quali sono i lavoratori, prevede un monitoraggio regolare e sistematico.<br \/>\nAnalizza dati trattati, finalit\u00e0, base giuridica, necessit\u00e0, proporzionalit\u00e0, rischi privacy e misure di mitigazione.<br \/>\nLa <strong>FRIA<\/strong>, Fundamental Rights Impact Assessment, \u00e8 la Valutazione d\u2019impatto sui diritti fondamentali.<br \/>\n\u00c8 prevista dall\u2019art. 27 AI Act per determinati utilizzatori\/deployer di sistemi AI ad alto rischio e serve a valutare l\u2019impatto del sistema su diritti fondamentali delle persone:<\/p>\n<ul>\n<li>non discriminazione;<\/li>\n<li>dignit\u00e0;<\/li>\n<li>lavoro;<\/li>\n<li>tutela dei dati;<\/li>\n<li>accesso a servizi;<\/li>\n<li>libert\u00e0;<\/li>\n<li>garanzie procedurali.<\/li>\n<\/ul>\n<p>Non basta chiedersi se il tool \u201cusa AI\u201d.<br \/>\nOccorre chiedersi per quale finalit\u00e0 \u00e8 usato, quali dati tratta, se incide su persone fisiche, se supporta decisioni rilevanti e se rientra in uno scenario ad alto rischio.<\/p>\n<h5><strong>Governance e tecnologia devono stare insieme<\/strong><\/h5>\n<p>L\u2019intervento di <strong>Marco Borzacchelli<\/strong>, dalla prospettiva di un grande gruppo HR internazionale, ha evidenziato due pilastri minimi: <strong>governance e tecnologia<\/strong>.<br \/>\nPrima ancora di scegliere il tool, l\u2019azienda deve capire quale parte del processo HR vuole migliorare:<\/p>\n<ul>\n<li>screening;<\/li>\n<li>hiring;<\/li>\n<li>formazione;<\/li>\n<li>care management;<\/li>\n<li>counseling;<\/li>\n<li>valutazione;<\/li>\n<li>altro.<\/li>\n<\/ul>\n<p>Solo dopo pu\u00f2 valutare quale sistema usare e con quali garanzie.<br \/>\nMolto rilevante anche il passaggio sull\u2019<strong>AI literacy<\/strong>: per governare l\u2019AI bisogna sapere che cosa si governa.<br \/>\nLa formazione non deve riguardare solo gli utilizzatori finali, ma anche:<\/p>\n<ul>\n<li>manager;<\/li>\n<li>product owner;<\/li>\n<li>asset owner;<\/li>\n<li>IT;<\/li>\n<li>legal;<\/li>\n<li>HR;<\/li>\n<li>security;<\/li>\n<li>compliance;<\/li>\n<li>DPO.<\/li>\n<\/ul>\n<p>In particolare, \u00e8 stato correttamente ricordato che non basta dire \u201cnon uso dati sensibili\u201d.<br \/>\nDiscriminazioni indirette e variabili proxy possono generare effetti discriminatori anche partendo da dati apparentemente neutri.<\/p>\n<h5><strong>CPDP: il ruolo e le differenze fra AMS e ADMS<\/strong><\/h5>\n<p>Il confronto alla Conferenza internazionale CPDP, <strong>Computers, Privacy and Data Protection<\/strong>, arrivata alla 19\u00aa edizione, ha confermato che il tema non riguarda solo il lavoro subordinato tradizionale, ma anche i parasubordinati (<em>es.rider-consulenti-agenti ecc<\/em>).<br \/>\nNelle piattaforme digitali, i sistemi di <strong>AMS<\/strong>, Automated Monitoring Systems, e di <strong>ADMS<\/strong>, Automated Decision-Making Systems, possono incidere su:<\/p>\n<ul>\n<li>assegnazione degli incarichi;<\/li>\n<li>punteggi;<\/li>\n<li>remunerazione;<\/li>\n<li>tempi di lavoro;<\/li>\n<li>classificazione;<\/li>\n<li>promozioni;<\/li>\n<li>demansionamenti;<\/li>\n<li>misure disciplinari.<\/li>\n<\/ul>\n<p>Ma quali sono le differenze fra i due sistemi?<br \/>\nGli <strong>AMS<\/strong> sono sistemi che utilizzano un monitoraggio e profilazione automatizzati: sistemi che raccolgono, tracciano o analizzano dati sul lavoratore o sul platform worker.<br \/>\nEsempi:<\/p>\n<ul>\n<li>geolocalizzazione del rider;<\/li>\n<li>tempi di connessione\/disconnessione;<\/li>\n<li>numero di consegne;<\/li>\n<li>velocit\u00e0;<\/li>\n<li>pause;<\/li>\n<li>accettazione\/rifiuto degli incarichi;<\/li>\n<li>produttivit\u00e0;<\/li>\n<li>rating ricevuti.<\/li>\n<\/ul>\n<p>Il punto critico \u00e8 che il sistema non decide necessariamente, ma osserva, misura e profila il comportamento lavorativo.<br \/>\nGli <strong>ADMS<\/strong>, invece, attivano un processo decisionale automatizzato: il sistema non si limita a monitorare, ma produce o supporta una decisione.<br \/>\nEsempi:<\/p>\n<ul>\n<li>assegnare o non assegnare una consegna;<\/li>\n<li>modificare il ranking;<\/li>\n<li>ridurre gli slot disponibili;<\/li>\n<li>sospendere un account;<\/li>\n<li>proporre un licenziamento;<\/li>\n<li>selezionare o escludere un candidato.<\/li>\n<\/ul>\n<p>Qui il rischio \u00e8 pi\u00f9 alto perch\u00e9 l\u2019algoritmo incide direttamente sulla posizione del candidato o del lavoratore.<br \/>\nIn sintesi:<br \/>\nAutomated monitoring = il sistema osserva.<br \/>\nAutomated decision-making = il sistema decide o influenza la decisione.<br \/>\nNel mondo HR spesso i due sistemi sono collegati: prima il software monitora, poi quei dati alimentano una decisione automatizzata o semi-automatizzata.<\/p>\n<h5><strong>Direttiva UE 2024\/2831 sul lavoro tramite piattaforme<\/strong><\/h5>\n<p>La Direttiva UE 2024\/2831 sul lavoro tramite piattaforme, da recepire da parte degli Stati membri entro il 2 dicembre 2026, ha introdotto regole specifiche sulla gestione algoritmica e sulla protezione dei dati personali dei platform workers.<br \/>\nL\u2019art. 7 pone limiti forti al trattamento di dati particolarmente invasivi:<\/p>\n<ul>\n<li>stato emotivo o psicologico;<\/li>\n<li>conversazioni private;<\/li>\n<li>dati fuori orario;<\/li>\n<li>attivit\u00e0 sindacale;<\/li>\n<li>dati particolari;<\/li>\n<li>biometria.<\/li>\n<\/ul>\n<p>La Direttiva impone trasparenza sugli ADMS.<br \/>\nIl lavoratore deve conoscere esistenza, funzionamento, categorie di dati e principali parametri che incidono su incarichi, rating, remunerazione, turni o sospensioni.<br \/>\nLe decisioni algoritmiche rilevanti devono essere soggette a supervisione umana effettiva, non meramente formale.<br \/>\nIl lavoratore deve poter chiedere il riesame della decisione: non baster\u00e0 dire \u201cha deciso il sistema\u201d.<br \/>\nRilevante anche il ruolo delle rappresentanze dei lavoratori, che devono poter comprendere e discutere l\u2019impatto degli algoritmi sull\u2019organizzazione del lavoro.<br \/>\nSul piano operativo serviranno:<\/p>\n<ul>\n<li>mappatura dei dati;<\/li>\n<li>DPIA ove necessario;<\/li>\n<li>informativa chiara;<\/li>\n<li>procedura per human review;<\/li>\n<li>audit periodico su bias, proporzionalit\u00e0 e impatti discriminatori.<\/li>\n<\/ul>\n<h5><strong>Common foundation europea e differenze nazionali di approccio<\/strong><\/h5>\n<p>Dagli eventi \u00e8 emerso comunque che sul potenziale monitoraggio digitale nei luoghi di lavoro esiste una base comune europea, ma l\u2019applicazione resta frammentata.<br \/>\nLa base comune \u00e8 composta da:<\/p>\n<ul>\n<li>Carta dei diritti fondamentali UE;<\/li>\n<li>GDPR, in particolare art. 88 GDPR sui trattamenti in ambito lavorativo;<\/li>\n<li>giurisprudenza <strong>B<\/strong><strong>\u0103<\/strong><strong>rbulescu c. Romania<\/strong>, che richiede un corretto bilanciamento tra esigenze datoriali e diritto alla vita privata del lavoratore.<\/li>\n<\/ul>\n<p>La <strong>frammentazione nasce perch\u00e9 l\u2019art. 88 GDPR consente agli Stati membri di introdurre regole pi\u00f9 specifiche, anche tramite leggi o contratti collettivi<\/strong>.<br \/>\nCi\u00f2 genera approcci nazionali diversi su:<\/p>\n<ul>\n<li>controllo;<\/li>\n<li>informazione;<\/li>\n<li>coinvolgimento sindacale;<\/li>\n<li>rimedi.<\/li>\n<\/ul>\n<p>Germania e Spagna si soffermano maggiormente sul tema delle norme lavoristiche.<br \/>\nIl Regno Unito, fuori dal quadro UE, valorizza linee guida dell\u2019ICO, requisiti di sicurezza nazionale e indicazioni settoriali, ad esempio per pubblico impiego e servizi finanziari.<br \/>\nDa tutto ci\u00f2 un DPO deriva una conseguenza molto concreta: una multinazionale non pu\u00f2 adottare una sola policy europea \u201ccopia e incolla\u201d.<br \/>\nServe una <strong>common policy di gruppo<\/strong> fondata su GDPR, AI Act e principi CEDU, ma con <strong>local addendum<\/strong> per ciascun Paese, verificando:<\/p>\n<ul>\n<li>regole lavoristiche;<\/li>\n<li>ruolo delle rappresentanze dei lavoratori;<\/li>\n<li>obblighi informativi;<\/li>\n<li>DPIA\/FRIA;<\/li>\n<li>poteri dei Garanti Privacy;<\/li>\n<li>giurisprudenza nazionale.<\/li>\n<\/ul>\n<p>L\u2019AI Act armonizza alcuni obblighi sui sistemi ad alto rischio in ambito employment, ma non elimina le differenze nazionali del diritto del lavoro.<\/p>\n<h5><strong>Italia: CCNL chimico-farmaceutico e utilizzo dell\u2019AI in azienda<\/strong><\/h5>\n<p>Nel rinnovo del CCNL chimico-farmaceutico 2025-2028, sottoscritto il 15 aprile 2025, compare un passaggio molto innovativo: un intero capitolo di linee guida settoriali sull\u2019utilizzo dell\u2019intelligenza artificiale nell\u2019organizzazione aziendale.<br \/>\nIl contratto istituisce anche, nell\u2019Osservatorio nazionale, una sezione specifica su <strong>Trasformazione digitale e Intelligenza Artificiale<\/strong>.<br \/>\nLe linee guida settoriali sull\u2019intelligenza artificiale sono fondate su:<\/p>\n<ul>\n<li>centralit\u00e0 della persona;<\/li>\n<li>responsabilizzazione;<\/li>\n<li>trasparenza;<\/li>\n<li>formazione;<\/li>\n<li>coinvolgimento dei lavoratori.<\/li>\n<\/ul>\n<p>Il punto pi\u00f9 interessante \u00e8 che l\u2019AI non viene trattata solo come leva di efficienza, ma anche come possibile fonte di rischi:<\/p>\n<ul>\n<li>privacy;<\/li>\n<li>discriminazioni;<\/li>\n<li>opacit\u00e0 decisionale;<\/li>\n<li>informazioni fuorvianti;<\/li>\n<li>tutela del know-how aziendale.<\/li>\n<\/ul>\n<p>Sul piano operativo, il CCNL valorizza il confronto con le rappresentanze aziendali e l\u2019Osservatorio sulla trasformazione digitale, anticipando un modello di governance partecipata.<br \/>\nLe aziende dovranno orientarsi al fatto che l\u2019introduzione di sistemi AI nei luoghi di lavoro deve essere preceduta da mappatura dei rischi, informazione, formazione e coordinamento con GDPR, AI Act e Statuto dei Lavoratori.<\/p>\n<h5><strong>I casi rider: il Garante ha gi\u00e0 indicato la strada<\/strong><\/h5>\n<p>Le ordinanze e i provvedimenti del Garante per la protezione dei dati personali italiano mostrano che il problema \u00e8 attuale.<br \/>\nNel primo caso Foodinho Glovo del 2021, il Garante ha sanzionato gravi carenze relative agli algoritmi di gestione dei rider, contestando anche l\u2019insufficiente trasparenza e le garanzie sull\u2019esattezza e correttezza dei sistemi utilizzati.<br \/>\nNel secondo caso, con provvedimento del 13 novembre 2024, n. 675, doc. web 10074601, il Garante Privacy ha sanzionato sempre Foodinho S.r.l., gruppo Glovo, per trattamenti illeciti dei dati dei rider tramite piattaforma digitale.<br \/>\nIl principio \u00e8 chiaro: l\u2019algoritmo che incide sull\u2019organizzazione del lavoro non pu\u00f2 essere opaco, incontestabile o privo di adeguate garanzie di controllo umano.<\/p>\n<h5><strong>Il rischio pi\u00f9 sottovalutato: la Shadow AI<\/strong><\/h5>\n<p>Un ulteriore punto emerso con forza \u00e8 la <strong>Shadow AI<\/strong>: l\u2019uso non dichiarato di strumenti di AI da parte di dipendenti, collaboratori o funzioni aziendali, spesso tramite strumenti gratuiti o account personali.<br \/>\nIl problema non \u00e8 solo tecnologico, ma organizzativo.<br \/>\nSe l\u2019azienda non offre regole, strumenti approvati e formazione, l\u2019innovazione si sposta nell\u2019ombra.<br \/>\nPer questo serve una policy chiara sull\u2019uso degli strumenti AI, accompagnata da:<\/p>\n<ul>\n<li>formazione;<\/li>\n<li>controlli tecnici;<\/li>\n<li>procedure di procurement;<\/li>\n<li>criteri di classificazione dei casi d\u2019uso;<\/li>\n<li>canale interno per proporre nuovi utilizzi in modo governato.<\/li>\n<\/ul>\n<h5><strong>Checklist operativa per imprese, HR e DPO<\/strong><\/h5>\n<p><img fetchpriority=\"high\" decoding=\"async\" class=\"alignnone wp-image-10765 size-large\" src=\"https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-1024x566.png\" alt=\"\" width=\"800\" height=\"442\" srcset=\"https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-1024x566.png 1024w, https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-300x166.png 300w, https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-768x424.png 768w, https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-1536x849.png 1536w, https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-2048x1131.png 2048w, https:\/\/laborproject.it\/wp-content\/uploads\/2026\/05\/Tabella-18x10.png 18w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><\/p>\n<h5><\/h5>\n<h5><strong>Conclusione: il nuovo ruolo del DPO<\/strong><\/h5>\n<p>La conclusione che porto a casa da questi due eventi \u00e8 questa:<br \/>\nL\u2019AI applicata alle risorse umane non pu\u00f2 essere trattata come un semplice progetto IT.<br \/>\n\u00c8 un <strong>tema di governance del potere organizzativo<\/strong>.<br \/>\nIl DPO, in questo scenario, non \u00e8 il soggetto che \u201cblocca l\u2019innovazione\u201d, ma chi aiuta l\u2019organizzazione a renderla sostenibile.<br \/>\nIl DPO:<\/p>\n<ul>\n<li>mappa i rischi;<\/li>\n<li>chiede trasparenza;<\/li>\n<li>pretende misure di mitigazione;<\/li>\n<li>sollecita la DPIA;<\/li>\n<li>dialoga con HR, IT, legal, security e relazioni industriali;<\/li>\n<li>ricorda che l\u2019efficienza non pu\u00f2 mai trasformarsi in controllo opaco della persona.<\/li>\n<\/ul>\n<p>Il <strong>28 settembre 2026<\/strong>, il Congresso ASSO DPO dedicher\u00e0 una mezza giornata al tema:<br \/>\n<strong>Privacy \u2013 AI nei luoghi di lavoro e rischio di controllo tecnologico<\/strong><br \/>\nCon la Lectio Magistralis della Prof.ssa <strong>Alessandra Ingrao<\/strong>, Universit\u00e0 degli Studi di Milano, e gli interventi di <strong>Cristiano Ornaghi<\/strong>, <strong>Sergio Aracu<\/strong>, <strong>Silvia Cereda<\/strong> e <strong>Gianluigi Riva<\/strong>, analizzeremo AI nei processi HR, workplace analytics, Copilot, controllo a distanza e sistemi ad alto rischio.<br \/>\nIl focus sar\u00e0 il nuovo ruolo di DPO, Privacy Manager e AI Officer nel coordinare GDPR, AI Act e Statuto dei Lavoratori.<br \/>\nPerch\u00e9 l\u2019AI in azienda non va subita: <strong>va governata<\/strong>.<\/p>","protected":false},"excerpt":{"rendered":"<p>La prima evidenza: l\u2019AI non corregge i processi, li amplifica Uno degli spunti pi\u00f9 forti emersi dal panel Wolters Kluwer \u00e8 organizzativo ed \u00e8 stato sollevato dalla Prof.ssa Barbara Quacquarelli, Universit\u00e0 Bicocca di Milano: l\u2019AI non produce automaticamente efficienza. Se entra in processi opachi, li rende pi\u00f9 opachi. Se entra in strutture dove ruoli e [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":10766,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"tags":[],"categoria-servizio":[67,36],"class_list":["post-10448","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","categoria-servizio-intelligenza-artificiale","categoria-servizio-privacy"],"acf":[],"_links":{"self":[{"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/posts\/10448","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/comments?post=10448"}],"version-history":[{"count":0,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/posts\/10448\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/media\/10766"}],"wp:attachment":[{"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/media?parent=10448"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/tags?post=10448"},{"taxonomy":"categoria-servizio","embeddable":true,"href":"https:\/\/laborproject.it\/en\/wp-json\/wp\/v2\/categoria-servizio?post=10448"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}