
Vicepresidente delle Risorse umane e dell’Organizzazione presso un unicorno dell’IA afferma che i leader delle Risorse umane devono diventare gli architetti di una forza lavoro umano-macchina

Brad Wilkins
Vicepresidente delle Risorse umane e dell'Organizzazione presso Cognite

Brad Wilkins spiega come i leader delle Risorse umane possano riprogettare il lavoro attorno all'IA mantenendo al centro il giudizio umano, l'empatia e la responsabilità.
Brad Wilkins
Vicepresidente delle Risorse umane e dell'Organizzazione presso Cognite

Key Takeaways
Riprogettare prima di tutto: Le aziende leader riprogettano i flussi di lavoro e le organizzazioni attorno all'IA invece di aggiungere strumenti a processi obsoleti delle Risorse umane.
Diagnosi più rapida: I dati connessi sulla forza lavoro possono trasformare segnali deboli in correzioni strutturali nel giro di poche ore, migliorando assunzioni, inserimento e fidelizzazione.
Giudizio umano: L'IA gestisce la sintesi e le decisioni di routine, mentre le persone mantengono la responsabilità per l'empatia, il contesto, le promozioni e i licenziamenti.
Competenze sui flussi di lavoro: La trasformazione attraverso l'IA ha successo grazie a competenze e progetti connessi, non a librerie di istruzioni che producono aumenti modesti della produttività.
Rischi dell'adozione: Un'adozione efficace richiede laboratori di apprendimento, promotori nelle unità aziendali, metriche doppie e una chiara attribuzione della responsabilità del lavoro assistito dall'IA.
Brad Wilkins è il VP di People & Organization presso Cognite, un unicorno industriale dell'IA. Con due decenni di esperienza nella leadership delle funzioni People in aziende SaaS e in fase di espansione nel settore dell'IA, offre una prospettiva chiara su come l'IA stia ridisegnando le risorse umane.
Nella nostra intervista, ci ha detto che le aziende migliori non si limitano ad adottare l'IA: stanno riprogettando interamente il proprio business intorno all'IA. Ecco come.
Guidare in anticipo sui tempi

Sono Brad Wilkins, VP di People & Organization presso Cognite, un unicorno industriale dell'IA. Ricopro il ruolo di partner strategico delle risorse umane per i nostri dirigenti in Europa, India, Medio Oriente, Giappone e nelle Americhe, ma il filo conduttore degli ultimi vent'anni conta più di qualsiasi singolo incarico.
Ho ricoperto cinque ruoli da VP e CHRO in aziende SaaS e in fase di espansione nel settore dell'IA, oltre a essere attualmente partner di un fondo di venture capital che investe in settori regolamentati: esperienze che mi hanno offerto un punto di osservazione particolare. Ho visto lo stesso schema ripetersi in più di una dozzina di aziende e mi sono mosso in anticipo sui cambiamenti della forza lavoro che il resto delle risorse umane considerava prematuri.
Un decennio fa, in Altisource, abbiamo eliminato la valutazione annuale delle prestazioni e l'abbiamo sostituita con quella che chiamavamo "valutazione dell'impatto". La conversazione era la stessa, ma il baricentro era opposto. Misuravamo ciò che le persone producevano, non ciò che facevano. Abbiamo ridotto il turnover nelle prime fasi dal 14% al 4% e aumentato il mantenimento dei dipendenti ad alte prestazioni dal 48% al 98%.
Quella scommessa ha dato i suoi frutti. In Loadsmart abbiamo triplicato la valutazione, portandola a $1.3 billion, raddoppiando al contempo il numero di dipendenti in 21 Paesi. In Collibra abbiamo gestito l'oscillazione dell'organico da 600 a 450 e poi a 825 dipendenti durante il COVID senza perdere lo slancio. Nessuna di queste è stata un'iniziativa delle risorse umane. Erano iniziative aziendali guidate, per caso, dalla funzione People.
Il momento attuale è la versione più ampia di tutte quelle scommesse. Il rapporto 2026 sulle tendenze del capitale umano di Deloitte lo descrive come un punto di svolta: oggi 7 leader su 10 affermano che velocità e adattabilità, non la dimensione, saranno il loro principale vantaggio competitivo nei prossimi tre anni.
L'indice sull'IA di Stanford mostra la stessa compressione della curva dal punto di vista tecnologico. Inoltre, esiste un divario di 60 punti tra i leader che affermano che la progettazione intenzionale della collaborazione tra esseri umani e IA è importante e quelli che stanno effettivamente svolgendo questo lavoro. Questo divario è la vera storia del 2026.
Le aziende più aggressive non si limitano a usare l'IA nelle risorse umane: stanno ricostruendo le risorse umane intorno all'IA. Oggi gli organigrammi includono gli agenti come riquadri, non solo le persone. I singoli collaboratori guidano team di sei persone, dove tutti e sei i riporti diretti sono agenti.
Moderna ha fuso le risorse umane e l'IT in un'unica funzione sotto la guida di un direttore delle persone e delle tecnologie digitali. Walmart descrive la propria trasformazione come "guidata dalle persone e potenziata dalla tecnologia". Disney ha nominato un direttore dell'IA e della collaborazione.
Il ruolo di CHRO sta diventando quello dell'architetto di una forza lavoro ibrida umano-macchina, non di un responsabile delle assunzioni. Le competenze si svalutano più rapidamente di quanto i cicli annuali riescano a monitorare e ogni flusso di lavoro che non avete riprogettato è ciò che BCG ed EY ora chiamano "debito di talento": potenziale inespresso intrappolato nelle vecchie logiche organizzative.
Ecco il punto a cui sono arrivato, e lo dirò chiaramente perché penso che il settore ci stia ancora girando intorno: l'IA come strumento è il minimo indispensabile. L'IA come mentalità è il luogo in cui si svolge il vero lavoro.
Il cambiamento non consiste nel dire: "Aggiungiamo un copilota al recruiting". Consiste nel presupporre che un agente possa svolgere una parte del lavoro e poi ragionare a ritroso per capire dove sia davvero necessario un essere umano, quello che chiamo dimostrare il negativo.
Significa capire che il quarto pubblico dei vostri contenuti formativi è ora lo stesso LLM. Significa accettare che probabilmente l'IT debba tornare all'interno della funzione People. Significa riconoscere che i dipendenti con un'anzianità compresa tra quattro e dieci anni potrebbero oggi essere più a rischio dei dipendenti alle prime armi, perché i neolaureati sono nativi dell'IA, mentre i vostri talenti a metà carriera stanno ancora difendendo il flusso di lavoro che hanno passato un decennio a padroneggiare.
Il mio lavoro consiste nel portare l'organizzazione verso quel futuro in anticipo sui tempi, non nel seguirlo.
More Articles
Come l'IA riduce il tempo tra un segnale debole e una correzione strutturale

Brad racconta
Il cambiamento più grande non è stato uno strumento che abbiamo adottato. È stata la riduzione del tempo tra un segnale debole proveniente dalla forza lavoro e una correzione strutturale… Un esercizio che storicamente avrebbe richiesto settimane del tempo di un partner aziendale delle risorse umane — recuperare le descrizioni delle mansioni, confrontarle con dati esterni, mappare le responsabilità — è stato completato in circa tre ore.
Il cambiamento più grande non è stato uno strumento che abbiamo adottato. È stata la riduzione del tempo tra un segnale debole proveniente dalla forza lavoro e una correzione strutturale.
Il modello operativo dominante nel nostro settore è stato storicamente quello in cui i dati sul coinvolgimento risiedono qui, i dati sulle prestazioni lì, i sondaggi sui nuovi assunti in un terzo sistema, i metadati del calendario e del rilevamento del tempo in un quarto, e qualcuno prepara una sintesi trimestrale che viene presentata alla leadership sei settimane dopo il momento in cui avrebbe potuto fare la differenza.
Abbiamo costruito la nostra funzione del personale sulla stessa architettura che la nostra azienda vende ai clienti industriali: collegare dati eterogenei in un unico grafo, sovrapporvi un livello agentico e lasciare che il sistema porti alla luce connessioni che gli esseri umani, da soli, non riuscirebbero a cogliere in tempo.
Un esempio recente: un sondaggio a 90 giorni per un nuovo assunto ha segnalato una debole connessione con il responsabile. Separatamente, i dati sul rilevamento del tempo mostravano che il calendario di questo responsabile era stato silenziosamente assorbito da attività di prevendita che in realtà non rientravano nella descrizione del suo ruolo, per circa metà della settimana.
Tre anni fa, sarebbero stati due dati non correlati, collocati in due sistemi non correlati, portati alla luce da due analisti diversi, a sei settimane di distanza. A quel punto, avresti perso il nuovo assunto oppure avresti incorporato definitivamente un problema strutturale nel ruolo. Con l'IA che incrocia i segnali in tempo reale, la diagnosi ha richiesto pochi minuti.
Quando abbiamo individuato il lavoro di prevendita assegnato erroneamente, non ci siamo limitati a correggere il calendario del responsabile. Siamo tornati alla descrizione della famiglia professionale, abbiamo riesaminato se quel lavoro appartenesse davvero a quel ruolo, analizzato i benchmark dei colleghi in aziende comparabili e preso una decisione strutturale su dove dovesse essere collocato quel lavoro.
Un'attività che storicamente avrebbe assorbito settimane del tempo di un business partner delle risorse umane — recuperare le descrizioni dei ruoli, confrontarle con dati esterni, mappare le responsabilità — si è conclusa in circa tre ore.
Come l'IA sta cambiando la funzione del personale
Il cambiamento comportamentale che conta non è "ora usiamo l'IA nelle risorse umane". Molte organizzazioni possono dirlo. Il cambiamento consiste nel fatto che il tempo tra un segnale debole e una decisione strutturale si è ridotto di circa due ordini di grandezza. Questo cambia ciò che la funzione del personale è.
La pianificazione della forza lavoro smette di essere un documento trimestrale e diventa una disciplina del martedì pomeriggio. La gestione delle capacità smette di essere una tassonomia statica e diventa una mappa continuamente rielaborata. Il ruolo del business partner delle risorse umane smette di consistere nel gestire un processo e inizia a consistere nell'orchestrare un sistema.
L'effetto a valle è ciò che conta. Ogni futura assunzione in quel team partirà ora da una descrizione del ruolo che riflette il lavoro effettivo, non quello immaginato quando il ruolo è stato definito per la prima volta. Il tempo di inserimento migliora. Il costo per assunzione diminuisce. La qualità degli incontri individuali con il responsabile aumenta, perché il responsabile non viene più tirato in quindici direzioni diverse.
Niente di tutto questo appare come un'operazione di implementazione dell'IA appariscente: non c'è alcun chatbot con cui i dipendenti interagiscono. Ma l'organizzazione funziona in modo misurabilmente diverso. È questo il tipo di cambiamento rispetto al quale credo che i responsabili del personale dovrebbero misurarsi, non con la domanda "abbiamo implementato un copilota?".
Quando la domanda diventa: "Perché questo non può essere gestito dall'IA?"
Stiamo integrando l’IA generativa in tutto questo attraverso librerie di prompt strutturate — non con un utilizzo ad hoc, non con un “arrangiatevi a capirlo.“…Lo considero una buona notizia, perché ciò che rimane è il sostanzioso lavoro strategico ed empatico che mi ha spinto a entrare in questo settore.

Ogni flusso di lavoro viene filtrato attraverso una lente che mette l'IA al primo posto: la domanda non è "Dove potrebbe essere utile l'IA?" È "Perché questo non può essere gestito dall'IA?"
Ciò che arriva dall'altra parte è quello che richiede realmente capitale umano, giudizio umano o empatia umana. Invertire la domanda è la svolta. Ti costringe ogni volta a dimostrare il contrario e fa emergere un'enorme quantità di lavoro che nessuno avrebbe affidato volontariamente a un sistema.
Ciò che l'IA gestisce ora per me: sintesi di dati eterogenei sulle persone, analisi dei ruoli e dell'architettura professionale, redazione di documenti (descrizioni dei ruoli, comunicazioni, linee guida sulle politiche, presentazioni per i dirigenti), formazione sulla qualità dei colloqui per i responsabili, riconoscimento di modelli nei segnali di coinvolgimento e nelle percezioni, abbinamento nel mercato interno dei talenti, interpretazione di primo livello delle politiche.
Stiamo integrando l'IA generativa in tutto questo attraverso librerie di prompt strutturate — non con un utilizzo ad hoc, non con "arrangiatevi a capirlo". Se dovessi quantificarlo, direi che circa la metà di ciò che costituiva il mio lavoro cinque anni fa è stata compressa o eliminata. Lo considero una buona notizia, perché ciò che rimane è il sostanzioso lavoro strategico ed empatico che mi ha spinto a entrare in questo settore.
Perché la vera leva risiede negli input, non negli output
L'IA è valida solo quanto gli input e il professionista che la utilizza. Non sento abbastanza leader dirlo.
L'intero settore si è concentrato sul miglioramento degli output, quando la vera leva si trova sul lato degli input. Lo stesso strumento, due professionisti, risultati completamente diversi. Le decisioni basate sul giudizio — riguardo alle persone, alla cultura, a chi merita comprensione e a chi ha bisogno di una conversazione chiara — sono gli input. Se si salta il lavoro preliminare, la macchina che opera nel mezzo non conta.
Quindi, la mia risposta a "Cosa resta umano?" è anche "Cosa rende davvero utile utilizzare l'IA?" Il cambiamento che stanno attuando i leader migliori consiste nel passare da umano nel ciclo a umano alla guida. L'IA esegue, l'essere umano prende la decisione.
Come capire quale tipo di lavoro dovrebbe "restare umano"
L'IA è eccellente nell'indicare in quale categoria potrebbe rientrare una persona. L'IA è pessima nel gestire la conversazione che segue. Lo stesso vale per le promozioni. L'IA può mostrare chi è pronto sulla base degli indicatori di competenza, ma la decisione sul fatto che una persona sia pronta per il giudizio richiesto al livello successivo è fondamentalmente una valutazione umana.
Dove l'IA prende l'iniziativa e una persona approva: sintesi dei dati sulla forza lavoro e rilevamento dei modelli, analisi preliminare dell'architettura dei ruoli, redazione di policy e comunicazioni standardizzate, sintesi delle valutazioni delle prestazioni, analisi del sentiment e del coinvolgimento, coaching per i manager durante i colloqui sulla base delle trascrizioni, triage di primo livello delle relazioni con i dipendenti, abbinamento dei candidati ai framework delle competenze e interpretazione delle policy per le domande di routine.
Dove l'IA fornisce supporto e una persona guida: compromessi nella pianificazione della forza lavoro, decisioni sulla successione, filosofia retributiva e progettazione dei premi, scelte relative alla progettazione organizzativa e calibrazione della valutazione dei talenti. L'IA mi offre input migliori, scenari più rapidi e il riconoscimento di modelli che da solo non riuscirei a cogliere. La decisione spetta a me.
Dove l'IA non ha diritto di voto: licenziamenti, promozioni, conversazioni delicate sulle prestazioni, colloqui di uscita, decisioni sulla profondità della panchina della leadership, qualsiasi situazione che implichi una valutazione del fatto che l'intento di una persona sia in linea con l'organizzazione e qualsiasi momento che richieda di leggere la situazione. Il motivo è semplice: questi momenti richiedono empatia, e l'empatia è l'unica capacità per la quale non vedo prove credibili che l'IA stia colmando il divario rispetto alle persone esperte in tempi significativi. Non è un collo di bottiglia, è un patrimonio culturale, radicato nella profonda convinzione che consenso ed equità siano vantaggi competitivi, non rallentamenti. Lo difenderei di fronte a qualsiasi argomento a favore dell'efficienza che un'IA potrebbe presentare.
La società fintech che ha annunciato la sostituzione di 700 addetti al servizio clienti con l'IA — e che ora li sta riassumendo silenziosamente — è la storia ammonitrice che ogni leader delle risorse umane dovrebbe seguire. L'IA ha gestito la velocità e il volume. Non ha colto l'empatia né i casi limite. I leader che nel 2026 scommetteranno contro il giudizio umano si troveranno a scrivere post di scuse su LinkedIn nel 2027.
Dove l'IA eccelle nelle risorse umane

L'entusiasmo è reale. L'IA offre grandi vantaggi.
Il tempo che intercorre tra l'individuazione di un segnale e l'azione sulle questioni relative alla forza lavoro è crollato da settimane a ore. La qualità dei colloqui condotti dai manager è migliorata sensibilmente quando abbiamo iniziato a eseguire script di coaching sulle trascrizioni — quando mostri a un manager che il 90% delle sue domande da colloquio erano a risposta chiusa, o che parlava per l'85% del tempo, il problema viene corretto. La maggior parte di loro vuole migliorare, semplicemente non aveva mai avuto uno specchio davanti.
Il tempo necessario per coprire le posizioni è diminuito in modo significativo quando abbiamo smesso di considerare i titoli professionali come l'unità di lavoro e abbiamo iniziato ad abbinare i candidati alle competenze dedotte. Il tasso di abbandono dei dipendenti che ci dispiace perdere è ben al di sotto del 5% — non esclusivamente grazie all'IA, ma in parte perché ora individuiamo i problemi di inserimento e di disconnessione con il manager mentre sono ancora risolvibili.
L'adozione degli strumenti interni di IA ha subito una forte accelerazione quando abbiamo creato laboratori di apprendimento in stile workshop invece della tradizionale formazione in aula, con i primi utenti ad adottare gli strumenti e insegnarli ai colleghi durante il lavoro.
Il modello che trovo più entusiasmante è che l'IA sta rendendo visibile un lavoro prima invisibile — il manager il cui calendario ha perso il giusto equilibrio, il nuovo assunto il cui inserimento sta andando nella direzione sbagliata, il dipendente ad alte prestazioni il cui coinvolgimento sta iniziando a diminuire. In precedenza, nulla di tutto questo era rilevabile rapidamente.
Dove l'IA non mantiene le promesse

Brad condivide
L’IA ha ancora difficoltà con la traduzione culturale sfumata tra le diverse regioni… Ho osservato differenze significative nelle prestazioni quando i modelli si confrontano con dialetti, contesto culturale o le sfumature delle leggi locali sul lavoro. Continuiamo a fare affidamento sul giudizio umano locale per tutto ciò che presenta una forte componente culturale. La tecnologia colmerà questa lacuna. Non lo ha ancora fatto.
Ho iniziato il 2025 aspettandomi che l'IA aiutasse a calibrare le valutazioni delle prestazioni tra i team — segnalando le incoerenze, facendo emergere potenziali pregiudizi e aiutando con il confronto delle retribuzioni. Su alcuni di questi aspetti funziona bene. Ma la parte della calibrazione che conta davvero è la conversazione tra i leader sul fatto che questa persona, a questo livello e in questo contesto, stia ottenendo le prestazioni di cui abbiamo bisogno.
In questo ambito, l'IA ha dato un contributo piuttosto debole. Una parte troppo consistente delle prestazioni è contestuale, relazionale e orientata al futuro. L'IA è brava a riconoscere schemi basandosi sul passato. Non è la stessa cosa.
La seconda lacuna riguarda la progettazione organizzativa veramente innovativa. L'IA può dirti come aziende comparabili hanno strutturato le proprie funzioni di creazione del valore, le organizzazioni commerciali o i team finanziari.
È molto meno efficace quando stai progettando qualcosa che nessuno ha davvero fatto prima, come una struttura funzionale che presuppone che gli agenti siano riporti diretti e che gli esseri umani siano responsabili di team di agenti. La progettazione organizzativa orientata al futuro è ancora prevalentemente umana e mi aspetto che rimanga così ancora per un po'.
La terza lacuna riguarda la successione alla leadership. L'IA può mappare le capacità rispetto ai requisiti di un ruolo, ma non può dirti chi possiede il capitale politico, le relazioni o il credito di fiducia con il team dirigenziale necessari per avere successo in un ruolo senior. La successione alla leadership è, nel suo nucleo, un problema di fiducia umana e dubito che l'IA riuscirà a risolverlo in tempi utili.
L'IA non ha inoltre mantenuto la promessa della piattaforma tutto-in-uno. La maggior parte dei fornitori di tecnologie per le risorse umane che nel 2024 proponevano una piattaforma unica, integrata e basata sull'IA ha distribuito un pannello di controllo con un chatbot aggiunto a lato.
Il vero valore deriva dal concatenamento di strumenti specializzati attraverso prompt strutturati e flussi di lavoro che i professionisti possano effettivamente gestire. Chiunque ti venda la piattaforma consolidata ti sta vendendo un piano evolutivo, non un prodotto.
Più in generale, l'IA non ha sostituito il giudizio dei professionisti di alto livello. L'IA gestisce velocità, volume e ricerca di schemi. Non coglie l'empatia, i casi limite e i momenti che richiedono una valutazione umana: la conversazione difficile, il giudizio sul fatto che qualcuno si trovi in un momento del tipo «non so come fare» anziché in un momento del tipo «non ci riesco davvero», la lettura culturale di una situazione. È questo il lavoro sostanziale che vorrei vedere svolgere più spesso dai professionisti, non meno.
E il punto che vorrei soprattutto che i responsabili delle Risorse umane interiorizzassero è il seguente: l'IA non ha dimostrato che i lavoratori alle prime armi siano quelli maggiormente a rischio. La convinzione comune secondo cui è possibile sostituire il livello iniziale con gli agenti è, a mio avviso, esattamente rovesciata. La generazione che esce dall'università è nativa dell'IA. Non ha bisogno di essere convinta.
La categoria effettivamente a rischio è quella dei dipendenti con un'anzianità compresa tra quattro e dieci anni: la persona che ha costruito la propria carriera padroneggiando un flusso di lavoro che l'IA sta ora comprimendo in pochi minuti e il cui istinto è difendere quel flusso invece di ricostruirci sopra. È qui che devono confluire i veri investimenti nella riqualificazione.
Infine, l'IA ha ancora difficoltà con la traduzione culturale sfumata tra le diverse regioni. In Europa, India, Medio Oriente, Giappone e nelle Americhe, ho osservato differenze significative nelle prestazioni quando i modelli si confrontano con dialetti, contesto culturale o le sfumature delle leggi locali sul lavoro. Continuiamo a fare affidamento sul giudizio umano locale per tutto ciò che presenta una forte componente culturale. La tecnologia colmerà questa lacuna. Non lo ha ancora fatto.
Come l'implementazione di un flusso di lavoro basato sull'IA sta trasformando il processo di assunzione
Ecco il flusso di lavoro di cui vado più fiero. Penso che mostri come sarà il settore tra tre anni, e la maggior parte delle funzioni dedicate alle persone non lo ha ancora realizzato.
Si tratta dell'intero ciclo di vita dell'assunzione, dalla descrizione del lavoro al feedback durante l'inserimento, gestito come un unico flusso di lavoro connesso basato su una competenza personalizzata di Claude che abbiamo creato. L'assunzione è il caso ideale da analizzare perché è l'ambito in cui la maggior parte delle organizzazioni presenta la peggiore qualità dei dati, la maggiore variabilità nel comportamento dei responsabili e la minore tolleranza per gli errori.
Analizzandolo passo dopo passo:
Passaggio 1: Raccolta delle esigenze
Il responsabile delle assunzioni segnala un'esigenza. La competenza conduce con lui un'intervista strutturata vocale o testuale, facendo emergere i risultati attesi nei dodici mesi, le relazioni con i partner e le lacune che comportano l'esclusione.
Confronta le sue risposte con il piano dell'organico del reparto finanziario, la distribuzione delle prestazioni esistente nel team e le precedenti descrizioni delle posizioni del responsabile, per segnalare le incoerenze prima che venga scritta una sola parola.
Passaggio 2: Triangolazione dei portatori di interesse
Due o tre conversazioni con colleghi e collaboratori diretti, di quindici minuti ciascuna, sintetizzate in un'unica esigenza composita. La competenza segnala le discrepanze tra le intenzioni del responsabile e la realtà della squadra e le porta alla luce per risolverle prima che il ruolo venga pubblicato esternamente.
Passaggio 3: generazione degli artefatti
Descrizione del lavoro con una sezione dedicata all'impatto reale, guida strutturata ai colloqui assegnata alle varie fasi, griglia di valutazione ancorata da 1 a 4 con descrittori comportamentali. Tutti e tre gli artefatti sono sottoposti a versionamento, verificabili e modificabili dal partner aziendale delle Risorse umane prima del lancio.
Passaggio 4: colloqui dal vivo
Ogni intervistatore ha davanti a sé la griglia di valutazione e le domande. Le conversazioni vengono trascritte (con il consenso), e la competenza segnala le osservazioni in tempo reale: qualità delle domande, rapporto tra i tempi di parola, deviazioni e conformità alla griglia di valutazione.
Passaggio 5: valutazione e aggregazione
Ogni intervistatore assegna immediatamente un punteggio sulla base della griglia di valutazione ancorata, subito dopo la conversazione. I punteggi vengono aggregati in base alle medie per pilastro e competenza. La competenza segnala all'attenzione del partner aziendale delle Risorse umane gli intervistatori fuori linea — qualcuno che assegna a tutti un 4, qualcuno che è significativamente in disaccordo con il resto del gruppo di selezione.
Passaggio 6: decisione
Una sessione di valutazione guidata dagli esseri umani, con la competenza che fornisce spunti di discussione strutturati, medie della griglia di valutazione ed eventuali incoerenze segnalate. La decisione è umana, ma la preparazione è automatizzata.
Passaggio 7: inserimento
La competenza genera gli obiettivi binari a 30/60/90 giorni, la cadenza delle verifiche periodiche del responsabile e le domande strutturate per rilevare il polso della situazione. Ogni segnale rilevato alimenta nel tempo i dati di valutazione del candidato.
Passaggio 8: ciclo di riscontro sulla qualità dell'assunzione
Dopo sei mesi, il sistema mette in correlazione i punteggi dei colloqui con l'effettivo rendimento durante la fase di inserimento e la soddisfazione del responsabile. La precisione degli intervistatori aumenta progressivamente con ogni assunzione. Emergono degli schemi: quali responsabili sono bravi a valutare determinate competenze, quali ruoli vengono valutati sistematicamente in modo errato e quali segnali emersi dal colloquio predicono più fortemente il successo.
L'intero ciclo funziona come un unico sistema connesso. Il lavoro che prima richiedeva a un partner aziendale delle Risorse umane due settimane di attività frammentate su cinque strumenti ora richiede poche ore di revisione umana concentrata all'interno di un unico flusso di lavoro. E la qualità è migliore, perché ogni passaggio viene calibrato in base a quelli precedenti e successivi. Questo è il vero significato di dall'inizio alla fine.
Ciò che rende efficace questo lavoro non è lo strumento. È l'impegno strutturale secondo cui la competenza svolge il lavoro più gravoso e l'essere umano svolge il lavoro di giudizio. Ogni artefatto prodotto dalla competenza Claude è una bozza, non una decisione. Il responsabile delle assunzioni mantiene la responsabilità della definizione del ruolo. Gli intervistatori mantengono la responsabilità dei propri punteggi. La decisione di assunzione avviene ancora in una stanza in cui gli esseri umani decidono se questa persona è quella giusta.
Ciò che il flusso di lavoro ha eliminato è il lavoro ripetitivo che storicamente si frapponeva tra quei momenti di giudizio: la riformattazione, la riscrittura, la calibrazione manuale, l'analisi a posteriori che nessuno aveva il tempo di svolgere. Gli esseri umani hanno recuperato il tempo dedicato al giudizio. Il sistema è diventato più rigoroso. Il lavoro è diventato più interessante. È questo lo scambio che vorrei vedere fare a ogni funzione delle Risorse umane.
Perché le istruzioni sono l'unità di lavoro sbagliata
Se l’avessi saputo prima, avrei evitato i mesi dedicati alla cura di librerie di istruzioni che tutti nel nostro settore hanno trascorso e sarei passato direttamente alla progettazione delle competenze… I leader che arriveranno per primi a ragionare in termini di competenze sembreranno operare in un decennio diverso rispetto a quelli che gestiscono ancora librerie di istruzioni.

Quando la maggior parte dei leader delle Risorse umane avvia la sua prima iniziativa di IA, la presenta come un progetto sulle istruzioni.
Ecco un'ottima istruzione per redigere descrizioni del lavoro. Ecco un'ottima istruzione per riassumere i temi emersi dai sondaggi sul coinvolgimento. Ecco un'ottima istruzione per elaborare il riscontro delle valutazioni delle prestazioni.
I professionisti imparano a formulare le istruzioni, le salvano in un documento condiviso e si sentono produttivi. La leadership ha la sensazione che si stiano compiendo progressi. Le metriche di adozione aumentano. Sei mesi dopo, si osserva dove si è effettivamente accumulato il valore e la risposta è: non molto.
Le istruzioni sono la mossa iniziale. Non sono l'unità di lavoro.
L'unità di lavoro è una competenza o un progetto — una capacità strutturata e articolata in più fasi, che acquisisce input da diverse fonti, applica un processo coerente, produce un risultato definito e migliora nel tempo apprendendo dagli esiti.
Il processo di selezione che ho descritto in precedenza è una competenza, non un prompt. Utilizza come input dati finanziari, contributi dei manager, contributi dei colleghi, modelli relativi alle prestazioni passate e modelli strutturati di competenze. Produce come output descrizioni delle posizioni, guide per i colloqui, griglie di valutazione, aggregazioni dei punteggi, piani di inserimento e segnali provenienti dai cicli di feedback. Migliora a ogni nuova assunzione perché acquisisce i dati relativi agli esiti. Nessun singolo prompt fa tutto questo. Una competenza sì.
Il motivo per cui questa distinzione è importante a livello operativo è che le organizzazioni che si concentrano sui prompt tendono a fermarsi a incrementi di produttività nell'ordine del 10-20% — utili, ma non trasformativi.
Le organizzazioni che si concentrano su competenze e progetti sbloccano riprogettazioni a livello di flusso di lavoro che producono miglioramenti radicali. Il primo tipo di organizzazione sta industrializzando ciò che già fa. Il secondo opera davvero in modo diverso.
Se lo avessi saputo prima, avrei evitato i mesi dedicati alla cura della libreria di prompt a cui si sono dedicati tutti nel nostro settore e sarei passato direttamente alla progettazione delle competenze. Avrei investito nei professionisti capaci di ragionare in termini di flussi di lavoro, anziché in quelli bravi a scrivere prompt ingegnosi.
Avrei creato prima l'infrastruttura dei dati — i collegamenti tra i nostri sistemi del personale, i nostri sistemi finanziari, i nostri strumenti di produttività e i nostri segnali di coinvolgimento — perché le competenze sono valide solo quanto i dati a cui possono accedere.
I leader che arrivano per primi a ragionare in termini di competenze sembreranno operare in un decennio diverso rispetto a quelli che gestiscono ancora librerie di prompt.
Consigli per i leader che affrontano la trasformazione dell'IA
La trasformazione dell'IA è fondamentalmente un problema di capitale umano travestito da problema tecnologico. La tecnologia è la parte più semplice. Il tuo compito — e il mio — è la parte difficile. Ed è appena diventato più interessante di quanto non sia stato negli ultimi vent'anni.
Uno: parti dal lavoro, non dallo strumento. Fai passare ogni flusso di lavoro attraverso il setaccio — perché non può occuparsene l'IA? — prima di chiederti quale strumento acquistare. Se aggiungi l'IA a un processo difettoso, stai industrializzando le disfunzioni. Lo strumento non è la strategia: la strategia è la riprogettazione del lavoro. La maggior parte dei leader che conosco e che ritengono che l'IA non abbia prodotto risultati sono leader che hanno saltato questo passaggio.
Due: passa dall'IA come strumento all'IA come mentalità. È questo ciò che distingue i leader che rispetto da quelli che nel 2027 saranno costretti a rincorrere gli altri. Pensare in termini di strumenti ti porta ad avere copiloti all'interno dei software che già utilizzi. Pensare in termini di mentalità ti porta ad avere organigrammi in cui gli agenti occupano caselle accanto agli esseri umani, collaboratori individuali che guidano team composti da sei subordinati diretti basati sull'IA, funzioni di apprendimento che riconoscono che il loro quarto pubblico è il modello linguistico stesso, framework delle capacità che includono il lavoro digitale come partecipante di primo livello e funzioni IT che probabilmente dovrebbero rientrare nell'organizzazione del personale anziché restare collocate nell'area finanziaria. La visione del lavoro come sistema di capacità sta sostituendo quella del lavoro come insieme di titoli professionali, e le organizzazioni che arriveranno per prime a questo punto opereranno in modo fondamentalmente diverso da quelle che non lo faranno.
Tre: dedica un tempo sproporzionato agli input. La qualità di qualsiasi output dell'IA dipende dal prompt, dal contesto e dal giudizio del professionista nella fase iniziale. I leader che stanno ottenendo un'accelerazione sono quelli che costruiscono librerie di prompt strutturate proprio come costruirebbero un framework delle competenze. I leader che si lamentano del fatto che l'IA non abbia prodotto risultati sono quelli che hanno digitato tre frasi in un chatbot aspettandosi la magia. Considera la tua libreria di prompt un patrimonio organizzativo. Gestiscila. Migliorala. Forma le persone a utilizzarla.
Quattro: illustra il quadro alle tue persone. La fiducia crolla quando i dipendenti sentono parlare di "trasformazione dell'IA" e immaginano licenziamenti. La fiducia si ricostruisce quando i leader utilizzano visibilmente gli strumenti in prima persona e mostrano alle persone in cosa il loro lavoro si trasformerà, non soltanto cosa verrà tolto loro. Gli ingegneri smettono di scrivere codice e iniziano a lavorare a monte e a valle del codice — sull'architettura, sul giudizio, sulla traduzione delle esigenze dei clienti e sulla progettazione dei sistemi. Gli addetti alle vendite smettono di occuparsi della pulizia dei dati nel CRM e iniziano a gestire relazioni più profonde con i clienti. I partner aziendali del personale smettono di gestire processi e iniziano a orchestrare sistemi. Il lavoro di visualizzazione è ciò che distingue un'IA che rafforza la tua cultura da un'IA che la svuota. La fiducia nei datori di lavoro è in calo; non puoi darla per scontata.
Cinque: pianta l'albero. Il mio proverbio cinese preferito dice: il momento migliore per piantare un albero era vent'anni fa. Il secondo momento migliore è adesso. La maggior parte dei leader del personale con cui parlo è indietro di sei-dodici mesi rispetto a quanto pensa. La curva dell'accelerazione è più ripida di quanto tu abbia previsto. Crea laboratori di apprendimento, non aule, designa degli ambasciatori dell'IA in ogni unità aziendale e accetta che la risposta che darai a questa domanda tra tre mesi sarà una frazione di quella che daresti oggi. Non è un problema da risolvere. È la condizione operativa.
Tre modi in cui l'adozione dell'IA fallisce

Brad condivide
Il settore dell’ingegneria e quello del prodotto hanno adottato immediatamente l’AI. Le funzioni che hanno incontrato difficoltà — quelle che voglio fare attenzione a nominare con tatto — erano le funzioni generali e amministrative, dove il lavoro è più vicino a ciò che i modelli linguistici di grandi dimensioni fanno nativamente…
Il settore dell'ingegneria e quello del prodotto hanno adottato immediatamente l'AI. Le funzioni che hanno incontrato difficoltà — quelle che voglio fare attenzione a nominare con tatto — erano le funzioni generali e amministrative, dove il lavoro è più vicino a ciò che i modelli linguistici di grandi dimensioni fanno nativamente e dove i professionisti avevano meno familiarità pratica con l'uso di questi strumenti. C'è una profonda ironia in tutto questo.
Le funzioni che avevano più da guadagnare sono state le più lente a impegnarsi, perché i professionisti avevano trascorso la loro carriera a essere valorizzati per essere la conoscenza istituzionale — e ora l'AI sta democratizzando quella conoscenza, cosa che viene percepita come una minaccia prima che come un moltiplicatore.
La soluzione non è stata la formazione tecnica. È stato creare uno spazio psicologico che permettesse a quei professionisti di ridefinire quale fosse il loro valore. Lo abbiamo fatto attraverso workshop in cui potevano giocare con gli strumenti su attività reali, insieme ai colleghi, in un ambiente a basso rischio — quelli che io chiamo laboratori di apprendimento, non aule. Il formato dell'aula non produceva alcuna adozione. Il formato del laboratorio ha prodotto uno slancio visibile nel giro di poche settimane.
Ecco altri tre ambiti in cui l'adozione dell'AI incontra difficoltà:
Primo, un'adozione disomogenea tra le funzioni crea una reale tensione culturale. L'ingegneria l'ha adottata immediatamente. Le vendite ci sono arrivate. Alcune funzioni generali e amministrative sono ancora nella fase del "ma io cosa dovrei fare?" — ed è esattamente la domanda sbagliata. Si manifesta come risentimento silenzioso, non come resistenza aperta. Le persone iniziano a preoccuparsi che i colleghi usino l'AI per sembrare più produttivi di loro.
La fiducia nelle organizzazioni abilitate dall'AI è oggi davvero fragile — i dati dei sondaggi di quest'anno suggeriscono che circa quattro lavoratori e manager su cinque sono preoccupati proprio da questa dinamica. Se non la gestisci attraverso referenti trasparenti per l'AI in ogni unità aziendale, un uso visibile degli strumenti da parte della leadership e standard chiari su ciò che viene considerato lavoro assistito dall'AI, la cultura inizia a pagare gli interessi su un debito che non si rendeva conto di aver contratto.
Secondo, ho visto dirigenti di altre aziende sovrapporre l'AI a un processo disfunzionale e chiamarlo trasformazione. Se la tua valutazione delle prestazioni è scadente, aggiungere l'AI la trasforma in un processo scadente aggravato — più veloce, più sicuro di sé, più scalabile nella direzione sbagliata. Inizia dal lavoro in sé, non dallo strumento.
Altrimenti, non stai trasformando: stai industrializzando la disfunzione. Questa è di gran lunga la modalità di fallimento più comune che vedo nelle organizzazioni analoghe e quasi sempre è dovuta al team tecnologico che insegue un parametro di implementazione invece di lasciare che la funzione delle risorse umane guidi una riprogettazione del flusso di lavoro.
Terzo, e questo è più sottile: l'AI non livella le prestazioni, amplifica il divario. Le persone senior la usano per estendere la propria competenza; quelle meno esperte la usano per generare risultati accettabili ma superficiali, che mascherano un ragionamento debole. Una volta che quel lavoro di bassa qualità entra nei dati della tua organizzazione, la tua prossima iterazione dell'AI si addestra su di esso. È un ciclo di feedback a cui la maggior parte dei dirigenti non ha pensato.
Lo contrastiamo ponendo grande enfasi sul professionista umano all'inizio di ogni flusso di lavoro — gli input sono la risorsa, non gli output. Se lasci che l'AI diventi l'equalizzatore della produttività che tutti speravano fosse, tra diciotto mesi ti sveglierai con una forza lavoro in cui la differenza tra i tuoi migliori professionisti e tutti gli altri sarà più grande che mai, non più piccola.
Tre mosse tattiche per i dirigenti che adottano l'AI

Primo: nomina un referente per l'AI all'interno di ogni unità aziendale, non solo nell'ingegneria e nel prodotto. La maggior parte delle organizzazioni ha referenti di fatto per l'AI nelle funzioni tecniche e in nessun altro ambito. Rendilo intenzionale. Dai visibilità al ruolo, assegnagli tempo e autorizzalo a mettere in discussione il modo in cui opera la funzione.
Le funzioni in cui questo è più difficile — finanza, legale, amministrazione generale — sono esattamente quelle in cui si trova il maggiore potenziale di leva, perché il lavoro di queste funzioni è più vicino a ciò che i modelli linguistici di grandi dimensioni fanno nativamente. Se non nomini referenti in queste aree, stai lasciando sul tavolo la maggior parte del valore.
Secondo: crea KPI duali — un insieme per le prestazioni di "ora" e uno per la capacità del "prossimo passo". La trappola consiste nel misurare la trasformazione in base a quanto lavoro attuale hai automatizzato, quando la domanda reale è quanto nuovo lavoro hai reso possibile.
I dirigenti che stanno ottenendo risultati in questo ambito utilizzano metriche di breve ciclo per l'"ora" — adozione, produttività, tempo risparmiato — insieme a metriche di ciclo più lungo per il "prossimo passo" — nuove capacità sviluppate, nuovi ruoli creati e nuovi ricavi o risultati per i clienti resi possibili. Se monitori solo le metriche dell'"ora", ottimizzerai te stesso fino a diventare una versione più piccola e veloce di ciò che eri prima. L'obiettivo non è essere più piccoli e veloci. L'obiettivo è essere diversi in un modo che conta.
Terzo: sii esplicito su quali decisioni passano dall'essere prese con l'intervento dell'essere umano all'essere guidate dall'essere umano. Il passaggio da «l'essere umano osserva il lavoro dell'IA» a «l'essere umano dirige il lavoro dell'IA e ne assume la responsabilità» è il cambiamento di governance più importante che una funzione Risorse umane possa attuare quest'anno. Chiarisce le responsabilità. Costruisce fiducia più rapidamente di qualsiasi documento programmatico e dà alle tue persone una risposta chiara alla domanda che si stanno davvero ponendo, ovvero: sono ancora io ad avere il controllo del mio lavoro?
Quando la risposta è sì — in modo visibile, ripetuto, nei momenti che contano — l'adozione accelera e la resistenza si attenua. Quando la risposta non è chiara, ogni altra iniziativa di IA che avvierai incontrerà ostacoli per i quali non avevi previsto risorse.
Cosa rende insostituibile un leader
La resilienza e la generosità sono le due qualità che voglio che i miei figli portino con sé in un mercato del lavoro che non posso prevedere pienamente. Sono anche — coincidenza, non casualità — le due qualità che cerco in ogni leader che si presenta a un colloquio finale. L’IA può fare quasi tutto il resto. Non può fare queste due cose. È la scommessa che farei ogni volta. E la faccio ogni volta.

Le aziende che in questo momento stanno inciampando hanno trattato l'IA come uno strumento di sostituzione invece che di riprogettazione, eliminando proprio il livello in cui risiedeva la componente umana. L'IA ha gestito i volumi. Ha mancato il momento. Il costo è sempre superiore ai risparmi previsti dal modello, perché quel momento si traduce, a cascata, in fiducia, in abbandono, nella persona successiva che osserva il manuale operativo e aggiorna silenziosamente il proprio curriculum.
I leader che ottengono risultati costantemente positivi proteggono ciò che rimane distintamente umano. La conversazione difficile. La chiamata per la promozione in cui i dati dicono sì, ma percepisci che la persona non è pronta per il peso del ruolo successivo. L'uscita gestita con sufficiente sensibilità, tanto che la persona che se ne va continua a parlare bene dell'azienda. Il giudizio su quando qualcuno abbia bisogno di una spinta attraverso il coaching o meriti maggiore autonomia. È lì che si costruiscono davvero la fidelizzazione, la fiducia e la reputazione — ed è per questo che il prossimo candidato dice sì, grazie al modo in cui hai trattato l'ultima persona che se n'è andata.
Avere un orientamento al business, dimestichezza con la tecnologia e grande empatia non sono tre competenze separate. Sono un'unica competenza espressa in tre modi.
Se devo essere sincero, il motivo per cui ci tengo così tanto si riduce ai miei due figli.
Mio figlio Jonah ha sette anni. Ogni mattina va dritto verso una nuova scatola di Lego. A volte segue le istruzioni alla lettera. A volte le ignora completamente e costruisce qualcosa che nessuno ha mai visto prima. Non vede alcuna differenza tra i due approcci: entrambi significano che ha costruito qualcosa.
Non è uno stile di apprendimento. È resilienza. Il rifiuto di lasciarsi sconfiggere da un muro quando da qualche parte c'è una finestra che non hai ancora provato ad aprire. È anche la qualità che cerco in ogni leader che aiuto un CEO ad assumere, perché ogni azienda in fase di crescita è un set di Lego con metà delle istruzioni mancanti.
Mia figlia Gabi ha compiuto cinque anni e ha preparato da sola i sacchetti regalo per la sua festa di compleanno. Ha scelto personalmente caramelle e giocattoli per ogni amico. Ha disegnato illustrazioni personalizzate per ciascuno di loro. Nel giorno del suo compleanno — il giorno in cui avrebbe dovuto essere lei a ricevere i regali.
Questa è generosità, ma in termini più utili è un istinto moltiplicatore di forza: rendere migliori le persone intorno a te senza che te lo chiedano, senza aspettare il momento giusto, senza aspettarti nulla in cambio. È la qualità di leadership che emerge in ogni ambiente che abbia mai visto funzionare davvero. L'IA non la produce.
La resilienza e la generosità sono le due qualità che voglio che i miei figli portino con sé in un mercato del lavoro che non posso prevedere pienamente. Sono anche — coincidenza, non casualità — le due qualità che cerco in ogni leader che si presenta a un colloquio finale. L'IA può fare quasi tutto il resto. Non può fare queste due cose.
È la scommessa che farei ogni volta. E la faccio ogni volta.
Segui gli aggiornamenti
Puoi seguire il lavoro di Bradford Wilkins su LinkedIn.
Su People Managing People arriveranno altre interviste con esperti!



