Dal 2018 IRCC usa modelli di advanced analytics per smistare le domande di visto temporaneo, oggi estesi a tutti i Paesi. Nel 2023 l’Auditor General ha scritto che l’efficacia dello strumento non era stata misurata. Il fallimento non è un algoritmo che sbaglia: è un sistema in funzione da otto anni di cui nessuno ha verificato se funzioni.
Nel gennaio 2022 Immigration, Refugees and Citizenship Canada — l’agenzia federale che gestisce visti, permessi e cittadinanza, abbreviata in IRCC — ha pubblicato un comunicato tecnico che pochi hanno letto. Diceva che i modelli di analisi avanzata usati per smistare le domande di visto di soggiorno temporaneo, fino ad allora applicati alle pratiche provenienti da Cina e India, venivano aggiornati, e che un terzo modello sarebbe entrato in funzione per tutte le altre nazionalità. Da quel momento, ogni domanda di visto turistico presentata al Canada dall’estero passa attraverso un sistema di apprendimento automatico prima di arrivare sulla scrivania di un funzionario.
Il componente di intelligenza artificiale, qui, è preciso e circoscritto: sono modelli addestrati sullo storico delle decisioni prese da funzionari umani su domande analoghe. Ricevono in input i dati strutturati della pratica, producono in output una classificazione — questa domanda è semplice, questa richiede attenzione — e in alcuni casi approvano automaticamente la sola componente di eligibility, cioè la verifica che il richiedente soddisfi i requisiti formali del programma. Non toccano l’ammissibilità in senso stretto, quella che riguarda sicurezza, precedenti penali e salute. E su un punto IRCC è categorico: nessun sistema automatico può rifiutare una domanda né raccomandare un rifiuto. Il no lo firma sempre una persona.
Cosa non esiste
Chi cerca il documento che certifica il fallimento di questo sistema non lo trova, perché non è mai stato scritto. Non esiste un audit federale canadese dedicato al triage automatico delle domande di immigrazione. L’Auditor General — l’equivalente della nostra Corte dei conti nella sua funzione di controllo sulla performance amministrativa — ha prodotto due rapporti che toccano IRCC in anni recenti: uno nell’ottobre 2023 sui tempi di lavorazione delle domande di residenza permanente, uno nel marzo 2026 sulle riforme del programma per studenti internazionali. Nessuno dei due ha per oggetto il triage, e nessuno dei due misura differenze di esito per nazionalità attribuibili all’automazione.
Il rapporto del 2023 è però interessante proprio per quello che dice di sfuggita. La conclusione principale riguardava le attese: la maggior parte dei richiedenti aspettava a lungo, e i programmi per rifugiati risultavano i più penalizzati. La raccomandazione chiedeva al dipartimento di individuare e correggere i tempi di attesa differenziali. Nella risposta ufficiale, però, compare un dettaglio che vale più di molte denunce: l’implementazione dello strumento automatico di valutazione dell’eligibility non era stata valutata quanto alla sua effettiva capacità di ridurre i tempi.
Rileggiamola. Uno strumento introdotto nel 2018 per rendere più rapido lo smistamento delle pratiche, esteso nel 2022 a tutte le domande di visto temporaneo presentate dall’estero, non era stato sottoposto a una verifica sul suo scopo dichiarato. Non si tratta di un algoritmo che discrimina: si tratta di un algoritmo di cui nessuno ha misurato il rendimento rispetto alla ragione per cui è stato comprato.
Quindici milioni e nessun contatore
La cifra pubblica è di circa quindici milioni di dollari canadesi spesi in cinque anni, dall’esercizio 2017-18 al 2021-22, per attività di advanced analytics. Non è una somma enorme per un’amministrazione federale, ed è esattamente questo il punto: è abbastanza piccola da non attirare un audit dedicato, e abbastanza strutturale da aver cambiato il modo in cui vengono trattate milioni di pratiche.
Nel frattempo il perimetro si è allargato. Nella primavera 2021 è arrivato un modello per le domande di coniugi e conviventi già in Canada, esteso a maggio 2024 a tutte le domande della family class per coniugi e partner. Nell’ottobre 2022 un modello per i Visitor Records. A fine 2023 uno strumento per i permessi di lavoro dell’International Experience Canada, accompagnato stavolta da documentazione sostanziosa: Algorithmic Impact Assessment, peer review, valutazione GBA Plus — l’analisi di impatto differenziato per genere e altri fattori identitari prevista dal governo canadese. Sempre nel 2023 è entrato in funzione l’Integrity Trends Analysis Tool, un sistema di machine learning per individuare pattern di rischio nelle domande.
IRCC rivendica di seguire la Directive on Automated Decision-Making del Treasury Board, il quadro normativo canadese sulle decisioni amministrative automatizzate, e di aver pubblicato più Algorithmic Impact Assessment di qualunque altro dipartimento federale. È plausibile e probabilmente vero. Ma un Algorithmic Impact Assessment è un documento che si compila prima: descrive i rischi attesi, le mitigazioni previste, il livello di impatto stimato. Non è una misurazione di quello che il sistema ha poi effettivamente fatto. La differenza è la stessa che passa tra una valutazione d’impatto ambientale e il monitoraggio delle emissioni dieci anni dopo.
Il caso Chinook, o la controversia sulle parole
Accanto ai modelli c’è Chinook, uno strumento basato su Excel in uso dal 2018, diventato pubblico in modo obliquo: attraverso l’affidavit di Andie DaPonte, all’epoca director of international network optimization and modernization di IRCC, depositato in Federal Court nel contenzioso sul rifiuto del permesso di studio di Abigail Ocran. IRCC sostiene che Chinook non usi intelligenza artificiale né advanced analytics, che non prenda decisioni e non ne raccomandi. La Canadian Immigration Lawyers Association sostiene invece che con Chinook un singolo funzionario possa esaminare fino a mille domande contemporaneamente — è un’affermazione dell’associazione, non un dato dipartimentale. In giudizio, il Department of Justice ha argomentato che lo strumento «did not substantively affect the outcome».
Qui la disputa non è sui fatti ma sulle definizioni. Un foglio di calcolo che aggrega e riorganizza informazioni per accelerare il lavoro umano non è un modello di apprendimento automatico, e chi lo chiama AI sbaglia tecnicamente. Ma il problema di governance che pone è identico: quando una tecnologia modifica il numero di pratiche che un occhio umano attraversa in un turno, la qualità della decisione dipende da quella tecnologia anche se la tecnologia non decide nulla. La domanda rilevante non è «chi firma» — la risposta è nota e corretta — ma «quanto tempo di attenzione umana resta per ogni pratica». Nessuno dei documenti pubblici disponibili risponde.
I numeri che ci sono, e cosa non dimostrano
I tassi di rifiuto canadesi sono saliti in modo vistoso. Secondo note parlamentari di IRCC, i visti per visitatori rifiutati sono passati dal 38% nel 2023 al 54% nel 2024, con il 49% registrato ad aprile 2025. I rifiuti per misrepresentation sono cresciuti del 251% nel 2024 rispetto all’anno precedente. I permessi di studio rifiutati sono stati il 59% tra gennaio e settembre 2025, contro il 49% dello stesso periodo del 2024.
È tentante collegare questa curva all’automazione. Sarebbe sbagliato. Il dipartimento spiega l’aumento con requisiti finanziari più stringenti per i richiedenti, la chiusura dello Student Direct Stream e una maggiore attenzione all’integrità del sistema, e nelle fonti disponibili nessuno ha dimostrato un nesso causale con i modelli di triage. Vale lo stesso per la crescita dei ricorsi alla Federal Court, riportata da fonti secondarie e contestata da IRCC nella sua attribuzione all’automazione.
I giudici, dal canto loro, hanno chiuso una scorciatoia argomentativa: secondo un’analisi pubblicata da Law360 Canada nel luglio 2026, la Federal Court ha respinto la tesi che il semplice uso di tecnologia renda una decisione iniqua o irragionevole, concentrando il controllo sulla legalità della decisione presa. Chi fa ricorso deve mostrare che quella specifica decisione è viziata, non che è stata preparata da un computer.
Il fallimento vero
Il rapporto dell’Auditor General del marzo 2026 sul programma studenti internazionali offre un controesempio utile. Il nuovo sistema di verifica delle lettere di accettazione — che non è un modello predittivo ma un controllo di autenticità — ha funzionato come previsto ed è stato usato per il 97% di oltre 841.000 domande. Lì una misurazione c’è, ed è positiva. Lo stesso rapporto rileva però che il dipartimento non ha risposto efficacemente ad altre debolezze dei controlli di integrità: oltre 145.000 studenti segnalati come non conformi non sono stati verificati, e in 800 casi IRCC non ha nemmeno preso in considerazione un intervento.
È la fotografia di un’amministrazione che sa costruire strumenti e non sa chiudere il ciclo. Il fallimento del triage automatico canadese non è un bias dimostrato né una decisione sbagliata presa da una macchina: è l’assenza, dopo otto anni e tre generazioni di modelli, di una risposta pubblica alla domanda più semplice possibile. Lo strumento ha ridotto i tempi? Di quanto? Per chi? La Directive on Automated Decision-Making impone trasparenza sull’impatto atteso, e IRCC quella parte la esegue meglio di chiunque altro nel governo federale. Nessuna norma impone di tornare a controllare se le previsioni si siano avverate — ed è esattamente quel pezzo mancante, non l’algoritmo, il posto dove il sistema si rompe.