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

Nel corso della mia carriera, ho ricoperto ruoli di leadership di alto livello in aziende tecnologiche e di consulenza globali come Thoughtworks, Cognizant e Hewlett-Packard, dove ho guidato grandi team di Talent Acquisition in più paesi. In precedenza, ho anche lavorato come Talent Business Partner strategico, consigliando leader senior ed esecutivi sulla pianificazione della forza lavoro, il design organizzativo e le strategie per le persone.

Lavorare su larga scala ha plasmato il mio percorso di leadership — gestendo team di oltre 50 recruiter, guidando da 600 a 2.000 assunzioni all'anno, e offrendo costantemente risultati record in termini di efficienza di assunzione, esperienza dei candidati e crescita organizzativa.

Oltre al ruolo centrale nella Talent Acquisition, ho costruito e guidato programmi strategici di employer branding, diversità e inclusione, e reclutamento universitario, inclusa l'implementazione di iniziative che hanno notevolmente aumentato l'assunzione di donne e persone con disabilità e ampliato i canali per figure junior in diversi paesi.

Parallelamente ai miei ruoli aziendali, sono anche una consulente indipendente per beecrowd, una piattaforma globale di programmazione competitiva e valutazione tecnica utilizzata da università e aziende tecnologiche per valutare i talenti nell’ambito dell’ingegneria del software su larga scala. In questa posizione, consiglio su framework di valutazione del talento, valutazione delle competenze e sull'intersezione tra l'eccellenza tecnica e la strategia della forza lavoro.

Negli ultimi anni, il mio lavoro si è concentrato sempre più su come l’IA e il reclutamento guidato dai dati stiano rimodellando la leadership, la strategia dei talenti e il design delle organizzazioni ad alte prestazioni in contesti complessi e multinazionali.

You should also read

• 25 libri sul leadership che ti ispireranno da leggere nel 2026

• Leadership Coraggiosa per Principianti

• Costruisci la Resilienza con la Tecnica delle 3 R

Perché l’IA sta cambiando più della sola tecnologia

Con l'IA, il mio ruolo di leader nella Talent Acquisition si è evoluto dall’essere concentrato principalmente sull’esecuzione all’architettare sistemi strategici per i talenti che sfruttano l’IA per trasformare il modo in cui le aziende attraggono, valutano e coinvolgono i talenti. Questo cambiamento non è solo tecnologico — ridefinisce le responsabilità di leadership, la progettazione organizzativa e la relazione tra persone e dati.

Tradizionalmente, la Talent Acquisition è un’attività transazionale, ma questa trasformazione la rende guidata dai dati e predittiva. Invece di basarsi su screening manuali e medie storiche, ora applichiamo agenti di apprendimento basati su IA e modelli predittivi che analizzano grandi set di dati per identificare modelli di successo e raccomandare candidati con maggiore precisione.

Imparando dai dati storici, questi sistemi gestiscono le attività ripetitive permettendo ai team di tornare a quello che sanno fare meglio: costruire relazioni umane e prendere decisioni strategiche.

In definitiva, la leadership in un’era a guida IA significa progettare architetture decisionali: creare sistemi in cui persone, dati e IA collaborano per ottenere risultati migliori. Questo implica costruire governance etica, metriche chiare e loop di feedback integrati che consentono alle organizzazioni di anticipare i bisogni, ridurre i bias nella selezione e allineare le capacità della forza lavoro agli obiettivi strategici di lungo termine.

Come l’IA sta trasformando i flussi di lavoro HR e il processo decisionale

Ogni volta che rinnoviamo un flusso di lavoro con l’IA, seguiamo un principio chiaro: l’IA elimina l’impegno manuale, struttura segnali quantitativi e fa emergere approfondimenti, mentre la responsabilità per il giudizio qualitativo e le decisioni finali resta all’essere umano.

Ecco alcuni esempi di rinnovamenti che abbiamo realizzato:

1. Analisi delle survey e loop di feedback organizzativi

Una delle applicazioni più efficaci dell’IA è stata l’analisi di grandi volumi di dati provenienti da survey. Utilizzando diversi modelli Gemini personalizzati, elaboriamo le risposte a domande aperte dei questionari per individuare temi ricorrenti, pattern di sentiment e rischi emergenti tra team e regioni.

Invece di affidarci a etichettature manuali o interpretazioni aneddotiche, l’IA ci permette di parametrizzare il feedback su larga scala e trasformare input qualitativi in segnali strutturati che guidano dove gli interventi sono più necessari. Questo ha migliorato significativamente la velocità, la coerenza e l’obiettività nella pianificazione del miglioramento organizzativo.

2. Workflow interni ed eliminazione dei processi manuali

Abbiamo anche applicato l’IA ai flussi di lavoro interni per ridurre le attività manuali e ripetitive. L’IA assegna priorità alle richieste, struttura gli input non formattati e supporta la preparazione delle decisioni attraverso i processi interni.

Ciò ha ridotto in modo significativo i costi operativi, permettendo 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 sulle sole attività amministrative.

3. Processi di valutazione e performance

Nei processi interni di valutazione e performance, l’IA svolge un ruolo fondamentale nella gestione della componente quantitativa dell’analisi. Analizza, aggrega e incrocia dati strutturati nel tempo, garantendo valutazioni basate su prove longitudinali invece che su eventi recenti o isolati.

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

4. Condivisione della conoscenza e allineamento

Utilizziamo NotebookLM come livello condiviso di conoscenza per documentare processi, decisioni e temi ricorrenti, garantendo un accesso rapido e sicuro alla conoscenza istituzionale. Condividiamo in modo trasparente le informazioni raccolte in questo sistema dove appropriato, migliorando l’allineamento, riducendo le incomprensioni e creando una base fattuale comune tra i vari team.

5. Strategia, decision-making e progettazione organizzativa

A livello strategico, l’IA supporta il modo in cui affrontiamo incertezza, priorità e compromessi. Invece di prescrivere decisioni, l’IA aiuta a far emergere schemi, quantificare l’ambiguità e testare le ipotesi — specialmente in ambiti come la definizione dei ruoli, l’efficacia organizzativa e le iniziative di cambiamento.

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

Nella Talent Acquisition, i nostri tempi di ciclo erano già costantemente solidi, nell’ordine di 30-35 giorni, quindi per noi non si trattava di velocizzare il processo. Il vero cambiamento c’è stato quando abbiamo deciso di riprogettare la qualità del funnel invece che la velocità del processo.

Per prima cosa, abbiamo formato il team di Talent Acquisition sull’analisi predittiva e sulla segmentazione della forza lavoro basata sulle competenze. Invece di ottimizzare per volume, abbiamo riprogettato i nostri modelli di raccolta e screening per prevedere quali profili avessero maggiore probabilità di successo in specifici ruoli, mercati e team. Questo ci ha permesso di ridurre intenzionalmente il numero di candidati che accedevano ad ogni fase del processo.

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

Ma ancora una volta: l’IA non dovrebbe sostituire il giudizio umano, ma affinarlo. Abbiamo volutamente mantenuto un alto grado di interazione umana nelle interviste, nelle discussioni di calibrazione e nelle decisioni finali. Questa combinazione ci ha permesso di offrire un’esperienza candidato migliore, valutazioni più ponderate e decisioni più eque e coerenti.

Come la progettazione dei ruoli influenza gli esiti delle assunzioni guidate dall’IA

Prima di lavorare con i modelli predittivi, sottovalutavo quanto le descrizioni di lavoro ambigue, incoerenti o gonfiate potessero distorcere i risultati delle assunzioni e il comportamento dell’apprendimento dei sistemi IA. Con l’IA, la progettazione dei ruoli e la qualità delle descrizioni determinano ogni decisione successiva.

In effetti, l’analisi predittiva sui nostri dati storici di assunzione ha fatto emergere un modello chiaro. La variabilità nella definizione dei ruoli generava esiti peggiori — ancora di più della bassa qualità dei candidati. In altre parole, ruoli con competenze poco definite, requisiti irrealistici o segnali di seniority incoerenti producevano costantemente tassi di conversione più bassi, respingimenti nelle fasi finali più alti e performance iniziali più deboli, indipendentemente dalla forza del pool di candidati.

Questo ha cambiato radicalmente la nostra strategia. Invece di trattare le job description come input statici, le abbiamo ripensate come artefatti predittivi. Abbiamo utilizzato i dati sugli esiti storici per distinguere i requisiti correlati al successo da quelli che generavano solo rumore e ambiguità. Col tempo, questo ci ha permesso di semplificare le definizioni dei ruoli, eliminare i requisiti non predittivi e concentrare le assunzioni su un insieme più ristretto di competenze ad alto impatto.

Perché l’adozione dell’IA dovrebbe essere istituzionalizzata, non solo sperimentata

La maggiore discrepanza che vedo costantemente tra la promessa dell’IA e la realtà organizzativa non è di natura tecnologica, ma organizzativa e umana. La maggior parte delle aziende investe molto in strumenti di IA e si aspetta dei miglioramenti. Tuttavia, mantengono gli stessi incentivi, le stesse strutture gerarchiche e lo stesso basso livello di alfabetizzazione dei dati tra la leadership.

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

Abbiamo affrontato questa discrepanza istituzionalizzando l’adozione dell’IA invece di trattarla come una serie di progetti pilota. Abbiamo creato un gruppo di lavoro interdisciplinare dedicato, focalizzato sul disegno delle decisioni potenziate dall’IA nell’ambito dell’Acquisizione dei Talenti.

Il gruppo di lavoro opera con obiettivi espliciti a livello di business. I suoi due obiettivi principali sono incrementare i tassi di conversione nel funnel di selezione del personale del 50% tramite segmentazione predittiva e riprogettazione delle decisioni, e ridurre le ore di colloquio di un ulteriore 30% eliminando prima nel processo i candidati a bassa probabilità. Questi obiettivi costringono l’organizzazione a concentrarsi non sull’esperimento, ma su guadagni prestazionali sostenuti a livello di sistema.

Oltre alle metriche, il gruppo è responsabile della riprogettazione dei flussi decisionali prima di introdurre l’automazione. Mappiamo dove vengono prese le assunzioni critiche, chi ne è responsabile, quali dati sono necessari e dove il giudizio umano deve restare centrale. Solo dopo aver chiarito l’architettura decisionale introduciamo l’IA per arricchire i singoli passaggi, invece di 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 drift, chiare responsabilità per gli esiti dei modelli e la revisione etica dei casi d’uso ad alto impatto. Senza questa struttura, l’IA tende a scalare sia buone che cattive decisioni allo stesso tempo.

Cosa significa essere pronti per l’IA in HR e Acquisizione dei Talenti

Consideriamo l’IA meno come un insieme di strumenti e più come una mentalità per il processo decisionale. Essere pronti per l’IA nella nostra organizzazione significa chiedersi costantemente domande migliori: quali segnali contano, dove esiste incertezza e come i dati possono informare il giudizio umano.

L’alfabetizzazione all’IA viene costruita attraverso il lavoro quotidiano, non con la formazione formale. I team imparano utilizzando l’IA per individuare pattern, testare ipotesi e strutturare decisioni su sondaggi, valutazioni e processi operativi.

Nella pratica, questo si manifesta in come prendiamo decisioni: discussioni più basate su evidenze, assunzioni più chiare, documentazione migliore e un linguaggio condiviso per lavorare con l’incertezza. L’IA non guida le decisioni: modella il nostro pensiero prima di prenderle.

La suite di strumenti a tre livelli di Carla

Per l’esecuzione assistita dall’IA, utilizziamo diverse categorie di strumenti. Per la comprensione del linguaggio, la progettazione dei ruoli e il supporto alla conoscenza strutturata, usiamo Gemini, un agente IA interno e NotebookLM, che funge da livello sicuro di conoscenza interna per documentare i processi e fornire accesso rapido e governato alla conoscenza istituzionale.

Per l’intelligence dei colloqui usiamo BrightHire, al fine di catturare segnali strutturati dai colloqui e migliorare calibrazione e qualità dei feedback.

All’interno della nostra piattaforma principale di recruiting utilizziamo Greenhouse AI principalmente per il riepilogo dei punteggi e la sintesi strutturata dei feedback dei colloqui, mantenendo sempre pieno controllo umano sulle decisioni di selezione.

Perché NotebookLM e ChatGPT sono un’infrastruttura cognitiva indispensabile

Sono particolarmente affascinata da due strumenti oggi: NotebookLM e ChatGPT. Li utilizzo in contesti molto diversi.

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

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

Nel mio contesto professionale, sono particolarmente coinvolta con NotebookLM. Lo uso in modo estensivo per documentare e strutturare i miei incontri individuali, tracciare temi ricorrenti e mantenere una visione coerente e basata sulle evidenze dello sviluppo e della performance individuale nel tempo.

Condivido queste note e questi riepiloghi in modo trasparente con le persone con cui mi incontro, il che rende tutto particolarmente efficace. Si crea così un resoconto unico e allineato di aspettative, feedback e impegni, migliorando sensibilmente fiducia, equità e coerenza nella valutazione delle prestazioni. Consente a entrambe le parti di lavorare sulla stessa base di fatti, invece che su ricordi o interpretazioni soggettive.

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

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

Come cambierà l'acquisizione di talenti nei prossimi cinque anni

L'acquisizione di talenti smetterà di essere misurata principalmente in base a rapidità o volume, diventando una funzione di qualità decisionale. Nei prossimi cinque anni, il ruolo si evolverà dall'esecuzione dei processi di selezione alla progettazione e gestione del modo in cui le organizzazioni prendono decisioni sui talenti in condizioni di incertezza.

L'IA gestirà sempre di più la scala, il riconoscimento di schemi e l'estrazione dei segnali — dalla progettazione dei ruoli all'incontro tra domanda e offerta sul mercato — mentre i team Talent diventeranno molto più precisi e intenzionali nel progettare ed eseguire i processi di selezione. Il vantaggio competitivo deriverà da una definizione più chiara dei ruoli, da una migliore qualità dei segnali lungo tutto il percorso di selezione e da decisioni di scelta più coerenti e basate sulle evidenze.

A livello di settore, credo che vedremo una netta distinzione: le organizzazioni che considerano l'IA come una mentalità incorporata nel loro modello operativo sovraperformeranno fondamentalmente rispetto a quelle che la trattano solo come un insieme di strumenti. Il futuro della funzione apparterrà ai team che progettano decisioni migliori, non solo processi più veloci.

Come i leader possono adottare intenzionalmente l'IA nelle risorse umane

Per chi svolge ruoli simili al mio, il mio consiglio è di smettere di trattare l'IA come un'aggiunta opzionale e iniziare a considerarla parte integrante del modus operandi su cui si basa il lavoro. Questo significa concentrarsi su rimuovere l'attrito amministrativo con l'IA come passaggio fondamentale. A questo punto resistere all'IA è una contraddizione: la questione non è più se utilizzarla, ma quanto intenzionalmente e responsabilmente la integriamo nelle decisioni e nei flussi di lavoro quotidiani.

Allo stesso tempo, dobbiamo essere espliciti su ciò che deve restare umano. L'IA è estremamente efficace nella gestione della scala, nella strutturazione delle informazioni e nella riduzione del rumore. Se usata correttamente, libera le persone affinché possano concentrare di più — non di meno — su ciò che conta davvero: 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 il lavoro che la tecnologia svolge meglio degli esseri umani e reinvestono deliberatamente quel tempo e quell'attenzione in interazioni umane di qualità superiore.

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

Segui l'evoluzione

Puoi seguire il lavoro di Carla nella rivoluzione dell'acquisizione di talenti su LinkedIn.

Altre interviste con esperti in arrivo su People Managing People!