La Responsabile dell’Acquisizione di Talenti di Thoughtworks Spiega Come Rendere il Reclutamento un Processo Predittivo e Basato sui Dati con l’IA

Durante la mia carriera, ho ricoperto ruoli di leadership senior in aziende globali di tecnologia e consulenza come Thoughtworks, Cognizant e Hewlett-Packard, dove ho guidato ampi team di Talent Acquisition in diversi Paesi. All’inizio della mia carriera, ho anche lavorato come Talent Business Partner strategico, offrendo consulenza a dirigenti senior e top management su workforce planning, design organizzativo e strategia delle persone.

Lavorare in contesti di grande scala ha plasmato il mio percorso di leadership — gestendo team di oltre 50 recruiter, guidando l’assunzione annuale di 600 fino a 2.000 persone e ottenendo risultati record in termini di efficienza, esperienza dei candidati e crescita organizzativa.

Oltre al ruolo principale in Talent Acquisition, ho costruito e guidato programmi strategici su employer branding, diversità e inclusione e recruiting nei campus universitari, incluse iniziative che hanno aumentato sensibilmente l’assunzione di donne e persone con disabilità ed espanso i canali di accesso per neolaureati in diversi Paesi.

Parallelamente ai miei incarichi aziendali, collaboro anche come consulente indipendente per beecrowd, una piattaforma globale per la programmazione competitiva e la valutazione tecnica utilizzata da università e aziende tecnologiche per valutare su larga scala il talento in ingegneria del software. In questo ruolo, offro consulenza su framework di valutazione dei talenti, assessment delle competenze e l’intersezione tra eccellenza tecnica e strategia del personale.

Negli ultimi anni, il mio lavoro si è focalizzato sempre più su come l’IA e il recruiting guidato dai dati stanno cambiando la leadership, la strategia dei talenti e il design delle organizzazioni ad alte prestazioni in contesti complessi e multiculturali.

You should also read

• Il Leader Afferma che l’Inerzia e l’Incrementalismo Ostacolano la Trasformazione dell’IA

• L’Esperto di Reclutamento AI Dice che l’IA Elimina le Difficoltà che Creano la Maestria

• L’esperto di paghe e selezione del personale afferma che l’IA ha il potere di rivoluzionare la tua organizzazione HR

Perché l’Intelligenza Artificiale cambia più della sola tecnologia

Con l’IA, il mio ruolo di leader in Talent Acquisition è passato dal concentrarsi principalmente sull’esecuzione all’ideare sistemi strategici di gestione dei talenti che sfruttano l’AI per trasformare il modo in cui le organizzazioni attraggono, valutano e coinvolgono i talenti. Questo cambiamento non è solo tecnologico — ridefinisce le responsabilità dei leader, la struttura organizzativa e il rapporto tra persone e dati.

Tradizionalmente, la Talent Acquisition è stata un’attività transazionale, ma questa trasformazione la rende guidata dai dati e predittiva. Invece di affidarsi a screening manuali e medie storiche, oggi applichiamo agenti di apprendimento basati su AI e modelli predittivi che analizzano grandi set di dati per individuare pattern di successo e raccomandare i/le candidati/e con maggiore precisione.

Imparando dai dati storici, questi sistemi gestiscono le attività ripetitive così che i team possano tornare a ciò che sanno fare meglio: costruire relazioni e prendere decisioni strategiche.

In definitiva, guidare nell’era dell’AI significa progettare architetture decisionali: creare sistemi dove persone, dati e intelligenza artificiale collaborano per generare risultati migliori. Ciò implica la costruzione di governance etica, metriche chiare e cicli di feedback integrati che permettono all’organizzazione di anticipare i bisogni, ridurre i bias nella selezione e allineare le competenze interne con obiettivi strategici di lungo termine.

Come l’Intelligenza Artificiale sta trasformando i flussi HR e il processo decisionale

Ogni volta che rivoluzioniamo un flusso di lavoro con l’IA, seguiamo un principio chiaro: l’IA elimina la fatica manuale, struttura i segnali quantitativi ed evidenzia gli insight, mentre le persone restano responsabili del giudizio qualitativo e delle decisioni finali.

Ecco alcuni esempi di cambiamenti che abbiamo introdotto:

1. Analisi dei sondaggi e cicli di feedback organizzativi

Uno degli ambiti in cui l’IA si è dimostrata più efficace è l’analisi di grandi volumi di dati provenienti dai sondaggi. Utilizzando diversi modelli Gemini personalizzati, analizziamo le risposte aperte dei sondaggi per individuare temi ricorrenti, pattern di sentiment ed eventuali rischi emergenti tra team e regioni.

Invece di affidarci all’etichettatura manuale o all’interpretazione aneddotica, l’IA ci permette di parametrizzare il feedback su larga scala e trasformare gli input qualitativi in segnali strutturati che indicano dove sono più necessarie le azioni correttive. Questo ha migliorato notevolmente velocità, coerenza e oggettività nella pianificazione dei miglioramenti organizzativi.

2. Rimozione di workflow interni e processi manuali

Abbiamo anche applicato l’IA ai flussi di lavoro interni per ridurre attività manuali e ripetitive. L’IA smista le richieste, struttura input non formattati e supporta la preparazione delle decisioni in vari processi interni.

Questo ha ridotto in modo significativo i costi operativi, consentendo ai team di concentrarsi su attività a maggior valore aggiunto come la risoluzione strategica dei problemi, il coinvolgimento degli stakeholder e il miglioramento continuo, invece che sull’esecuzione amministrativa.

3. Processi di valutazione e performance

Nei processi di valutazione interna e performance, l’IA svolge un ruolo cruciale nella gestione dell’analisi quantitativa. L’IA ricerca, aggrega e mette in relazione punti dati strutturati nel tempo, assicurando che le valutazioni si basino su evidenze longitudinali invece che su eventi recenti o isolati.

Questo permette ai leader di concentrarsi sugli aspetti qualitativi della valutazione — giudizio, contesto, conversazioni di sviluppo e potenziale futuro — invece che sulla raccolta dati. Il risultato sono valutazioni più disciplinate, eque e basate su evidenze concrete.

4. Condivisione della conoscenza e allineamento

Usiamo NotebookLM come livello condiviso di conoscenza per documentare processi, decisioni e tematiche ricorrenti, garantendo un accesso rapido e sicuro alla conoscenza istituzionale. Condividiamo in modo trasparente le informazioni raccolte, dove appropriato, migliorando l’allineamento, riducendo le interpretazioni errate e creando un riferimento fattuale comune tra i team.

5. Strategia, decisioni e progettazione organizzativa

A livello strategico, l’IA supporta nella gestione dell’incertezza, delle priorità e dei compromessi. Invece di prescrivere decisioni, l’IA aiuta a evidenziare pattern, quantificare ambiguità e verificare assunzioni — in particolare in ambiti come progettazione dei ruoli, efficacia organizzativa e iniziative di cambiamento.

Come l’analisi predittiva migliora la qualità delle decisioni di assunzione

Nell’ambito Talent Acquisition, i nostri tempi di selezione erano già costantemente solidi, nell’intervallo di 30-35 giorni, quindi per noi non si trattava di una questione di velocità. Il vero cambiamento è avvenuto quando abbiamo deciso di riprogettare la qualità del funnel invece che la velocità del processo.

Abbiamo innanzitutto formato il team di Talent Acquisition nell’analisi predittiva e nella segmentazione della forza lavoro basata sulle competenze. Invece di ottimizzare per il volume, abbiamo riprogettato i nostri modelli di intake e screening per prevedere quali profili avrebbero avuto maggiore probabilità di successo in specifici ruoli, mercati e team. Questo ci ha permesso di ridurre intenzionalmente il numero di candidati che accede a ciascuna fase del processo.

In pratica, abbiamo costruito dashboard predittive che combinano esiti storici di assunzione, dati di performance e segnali di mercato. I recruiter hanno poi utilizzato questi modelli per concentrarsi solo sulle competenze ad alta probabilità, passando dalla qualità tramite volume alla qualità tramite precisione.

Ma ancora una volta: l’IA non dovrebbe sostituire il giudizio umano, bensì affinarlo. Abbiamo volutamente preservato l’interazione umana ad alta intensità nelle interviste, nei colloqui di calibrazione e nelle decisioni finali. Questa combinazione ci ha permesso di offrire ai candidati un’esperienza migliore, valutazioni più accurate e decisioni più eque e coerenti.

Come la progettazione del ruolo impatta i risultati delle assunzioni guidate da IA

Prima di lavorare con modelli predittivi, sottovalutavo quanto descrizioni di ruolo ambigue, incoerenti o gonfiate potessero distorcere i risultati delle assunzioni e il comportamento di apprendimento dei sistemi IA. Con l’IA, la progettazione e la qualità delle job description determinano ogni decisione a valle.

In effetti, effettuando analisi predittive sui nostri dati storici di assunzione, è emerso un pattern chiaro. La variabilità nella definizione dei ruoli generava risultati peggiori — ancora più della scarsa qualità dei candidati. In altre parole, ruoli con competenze mal specificate, requisiti irrealistici o segnali incoerenti di seniority producevano costantemente una minor conversione, più rifiuti nelle fasi finali e performance iniziale più debole, indipendentemente dalla forza del pool di candidati.

Questo ha cambiato radicalmente la nostra strategia. Invece di considerare le job description come input statici, le abbiamo riprogettate come artefatti predittivi. Abbiamo utilizzato dati sugli esiti storici per distinguere i requisiti correlati al successo da quelli che generavano solo rumore e ambiguità. Nel tempo ciò ci ha permesso di semplificare la definizione dei ruoli, eliminare requisiti non predittivi e focalizzare le assunzioni su un insieme ridotto di competenze ad alto valore segnaletico.

Perché l’adozione dell’AI dovrebbe essere istituzionalizzata e non trattata come un semplice progetto pilota

La principale discrepanza che riscontro costantemente tra la promessa dell’AI e la realtà nelle organizzazioni non è di natura tecnologica, ma organizzativa e umana. La maggior parte delle aziende investe molto in strumenti di AI e si aspetta dei miglioramenti. Tuttavia, mantiene gli stessi incentivi, le stesse strutture gerarchiche e la stessa bassa alfabetizzazione dei dati tra i dirigenti.

Il risultato è che l’AI viene spesso sottoutilizzata o utilizzata in modo errato: modelli potenti producono intuizioni che non vengono considerate affidabili, non sono comprese o non vengono messe in pratica.

Abbiamo affrontato questa discrepanza istituzionalizzando l’adozione dell’AI invece di considerarla come una serie di progetti pilota. Abbiamo istituito un gruppo di lavoro interfunzionale dedicato che si concentra sulla progettazione delle decisioni supportate dall’AI nell’ambito dell’Acquisizione dei Talenti.

Il gruppo di lavoro opera con obiettivi espliciti a livello di business. I suoi due principali obiettivi sono aumentare del 50% i tassi di conversione lungo il percorso di selezione tramite la segmentazione predittiva e la riprogettazione delle decisioni, e ridurre ulteriormente del 30% le ore di colloquio eliminando prima i candidati con minori probabilità di successo. Questi obiettivi spingono l’organizzazione a concentrarsi non sulla sperimentazione, ma sul miglioramento sostenuto e sistemico delle performance.

Oltre alle metriche, il gruppo è responsabile della riprojettazione dei flussi decisionali prima dell’introduzione dell’automazione. Mappiamo dove avvengono le assunzioni critiche, chi ne è responsabile, quali dati sono necessari e dove il giudizio umano deve restare centrale. Solo dopo che l’architettura decisionale è chiara introduciamo l’AI per supportare specifici passaggi, anziché aggiungere strumenti a processi già difettosi.

Integriamo inoltre la governance fin dalla progettazione. Questo include la possibilità di intervento umano, il monitoraggio di bias e deriva, la chiara responsabilità sugli esiti dei modelli e la revisione etica dei casi d’uso ad alto impatto. Senza questi elementi, l’AI tende a amplificare contemporaneamente sia le buone che le cattive decisioni.

Cosa significa essere pronti all’AI nelle Risorse Umane e nell’Acquisizione dei Talenti

Consideriamo l’AI non tanto come un insieme di strumenti, ma come un approccio mentale orientato alla decisione. Essere pronti all’AI nella nostra organizzazione significa porci costantemente domande migliori: quali segnali contano, dove esistono incertezze e come i dati possono supportare il giudizio umano.

L’alfabetizzazione all’AI viene sviluppata attraverso il lavoro quotidiano, non tramite la formazione formale. I team imparano utilizzando l’AI per individuare schemi ricorrenti, testare ipotesi e strutturare decisioni su sondaggi, valutazioni e flussi di lavoro operativi.

Nella pratica, ciò si riflette nel nostro modo di prendere decisioni: discussioni più basate su evidenze, ipotesi più chiare, migliore documentazione e un linguaggio condiviso per affrontare l’incertezza. L’AI non prende le decisioni, ma plasma il nostro modo di pensare prima di agire.

La struttura a tre livelli di strumenti di Carla

Per l’esecuzione assistita dall’AI utilizziamo diverse categorie di strumenti. Per la comprensione del linguaggio, la progettazione dei profili professionali e il supporto alla conoscenza strutturata, impieghiamo Gemini, un agente AI interno e NotebookLM, che funge da livello di conoscenza interno sicuro per documentare i processi e offrire un accesso rapido e regolamentato al know-how aziendale.

Per l’intelligenza nei colloqui utilizziamo BrightHire per catturare segnali strutturati durante le interviste e migliorare la taratura e la qualità dei feedback.

All’interno della nostra piattaforma centrale di recruiting, utilizziamo Greenhouse AI soprattutto per la sintesi dei punteggi e la strutturazione del feedback dei colloqui, mantenendo sempre il pieno controllo umano sulle decisioni di selezione.

Perché NotebookLM e ChatGPT sono infrastrutture cognitive indispensabili

Oggi sono particolarmente affascinata da due strumenti: NotebookLM e ChatGPT. Li uso in contesti molto diversi tra loro.

Utilizzo ChatGPT esclusivamente per scopi personali, al di fuori del contesto aziendale. È diventato il mio principale strumento di pensiero e apprendimento personale. Lo uso per tutto: dall’apprendimento strutturato alla scrittura, fino all’esplorazione di idee, pianificazione e riflessione.

La piattaforma stessa indica che sono tra i suoi utenti più attivi, il che riflette quanto profondamente sia diventato parte integrante del mio flusso cognitivo personale. Il suo impatto principale è stato accelerare il mio apprendimento, migliorare la chiarezza del pensiero e aiutarmi a ragionare in modo più rigoroso su tematiche complesse.

Nel mio contesto professionale, invece, investo di più su NotebookLM. Lo utilizzo ampiamente per documentare e strutturare i miei incontri individuali, monitorare temi ricorrenti e mantenere una visione coerente e basata su dati dello sviluppo e delle performance individuali nel tempo.

Condivido queste note e sintesi in modo trasparente con le persone con cui mi incontro, il che rende lo strumento particolarmente potente. Viene così creato un unico registro condiviso di aspettative, feedback e impegni, migliorando in modo significativo fiducia, equità e coerenza nella valutazione delle performance. Permette a entrambe le parti di lavorare sulla stessa base di fatti, invece che sulla memoria o su interpretazioni soggettive.

Questo ha portato a un approccio molto più disciplinato ed equo nella gestione delle performance: maggiore coerenza nelle azioni di sviluppo, meno incomprensioni e un maggiore allineamento tra manager e membri del team.

Ciò che apprezzo di più di questi strumenti è che non sono strumenti di automazione, ma una infrastruttura cognitiva. Utilizzati in questo modo, non sostituiscono il giudizio — migliorano la qualità, l'equità e la trasparenza di come il giudizio viene esercitato.

Come Cambierà la Talent Acquisition nei Prossimi Cinque Anni

La Talent Acquisition smetterà di essere valutata principalmente in base alla velocità o al volume e diventerà una funzione di qualità delle decisioni. Nei prossimi cinque anni, il ruolo si evolverà dal semplice eseguire processi di assunzione al progettare e governare il modo in cui le organizzazioni prendono decisioni sul talento in condizioni di incertezza.

L'IA gestirà sempre più la scala, il riconoscimento di schemi e l'estrazione di segnali — dalla progettazione del lavoro all'abbinamento con il mercato — mentre i team dedicati al talento saranno molto più precisi e intenzionali nel progettare ed eseguire i processi di selezione. Il vantaggio competitivo deriverà da una definizione dei ruoli più chiara, una migliore qualità dei segnali lungo tutto il percorso e scelte di selezione più coerenti e basate su evidenze.

A livello di settore, credo che vedremo una chiara divisione: le organizzazioni che trattano l'IA come un approccio integrato nel proprio modello operativo supereranno fondamentalmente quelle che la considerano solo un insieme di strumenti. Il futuro della funzione appartiene ai team che progettano decisioni migliori, non solo processi più rapidi.

Come I Leader Possono Adottare l’IA con Intenzionalità nelle Risorse Umane

Per chi come me ricopre ruoli simili, il mio consiglio è di smettere di considerare l'IA come qualcosa di opzionale e iniziare a trattarla come parte integrante del modus operandi di come si svolge il lavoro. Ciò significa focalizzarsi su rimuovere l'attrito amministrativo tramite l'IA come passo fondamentale. A questo punto, resistere all'IA è una contraddizione: la questione non è più se usarla, ma come integrarla in modo intenzionale e responsabile nelle decisioni e nei flussi di lavoro quotidiani.

Allo stesso tempo, dobbiamo essere espliciti su ciò che deve rimanere umano. L'IA è estremamente efficace nel gestire la scala, strutturare le informazioni e ridurre il rumore. Se usata bene, lascia alle persone maggiore libertà — non minore — di concentrarsi su ciò che conta: giudizio, relazioni, etica, creatività e dialogo significativo.

In senso più ampio, il mio consiglio ai leader è di vedere l'IA come una forza che chiarisce le priorità. Le organizzazioni di successo usano l'IA per eliminare lavori che la tecnologia fa meglio degli umani, e reinvestono in modo deliberato quel tempo e quell'attenzione in interazioni umane di maggiore qualità.

Invece di ridurre la leadership, l'IA crea le condizioni affinché emerga una leadership più riflessiva, focalizzata e umana.

Rimani Aggiornato

Puoi seguire il lavoro di Carla nella rivoluzione della talent acquisition su LinkedIn.

In arrivo altre interviste ad esperti su People Managing People!