Stai Ottimizzando Lavori Che Stanno Scomparendo?
Guadagni di Efficienza: Le aziende stanno automatizzando ruoli, ma devono considerare quali contributi umani siano essenziali man mano che l’AI si evolve.
Cambiamento del Mercato del Lavoro: Un forte calo dei ruoli entry-level minaccia nel lungo termine lo sviluppo di leadership nelle organizzazioni.
Difetti negli Investimenti AI: Molte organizzazioni danno la priorità erroneamente all’automazione invece di affrontare i ruoli umani essenziali e lo sviluppo di competenze.
Proprietà Strategica: La responsabilità della trasformazione AI dovrebbe spettare ai direttori delle risorse umane (CHRO) per meglio allineare il lavoro umano e la tecnologia.
Sviluppo dei Talenti: I modelli emergenti di forza lavoro richiedono un focus su competenze multidimensionali, non solo sulla specializzazione tradizionale.
In questo momento, da qualche parte, un'azienda sta facendo un investimento per rendere un ruolo più efficiente. Il ruolo gestisce richieste di risarcimento, instrada richieste, sintetizza rapporti, qualcosa di simile. Il team ha mappato i flussi di lavoro, identificato le criticità e costruito un piano. Entro la fine del trimestre, quel ruolo richiederà il 30% di tempo in meno per svolgere lo stesso lavoro.
Entro la fine del decennio, il lavoro sarà svolto interamente dall'IA.
Questa non è una storia sul successo o fallimento della tecnologia. È la storia in corso della sfida di leadership più significativa di questo secolo, e sta avvenendo su vasta scala in settori che credono di essere strategici riguardo l'IA mentre in realtà sono semplicemente impegnati.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
La domanda sottesa a quasi ogni seria conversazione sull'IA in questo momento è quella che la maggior parte delle organizzazioni sta evitando. Non "come usiamo l'IA?", ma "di cosa abbiamo veramente bisogno degli esseri umani?"
Coloro che spendono milioni nell'ottimizzazione della produttività non stanno rispondendo a quella domanda. La stanno rimandando, un guadagno di efficienza alla volta.
La pipeline si sta già sgretolando
Il trentasette percento delle organizzazioni prevede di sostituire i ruoli agli inizi di carriera con l'IA, secondo Korn Ferry. Un altro 66% ha rallentato le assunzioni ai livelli iniziali. Se sei un neolaureato che cerca di capire perché il mercato del lavoro sembra strutturalmente diverso da quello che i tuoi professori ti hanno descritto, ecco perché.
I ruoli entry level hanno storicamente rappresentato il principale meccanismo con cui le organizzazioni fanno crescere i propri talenti. L’analista diventa manager. Il coordinatore diventa direttore. Il giovane dipendente che passa tre anni a conoscere l’azienda dall’interno diventa colui che un giorno la guiderà.
Eliminando il punto d'ingresso non si perde soltanto manodopera a basso costo. Si perde la pipeline di sviluppo che produce leader esperti tra dieci anni.
IBM si sta muovendo nella direzione opposta, triplicando le sue assunzioni entry level mentre i concorrenti tirano il freno. Che si tratti di una scommessa sui talenti o di una mossa di PR rimane da vedere. Ma una cosa non è oggetto di dibattito: semplicemente, non puoi sviluppare leader se non li assumi. IBM si sta posizionando per avere umani alla guida ancora per molto tempo.
La domanda sbagliata si prende tutto il budget
La maggior parte degli investimenti in IA oggi segue una logica ben nota: identificare dove gli esseri umani impiegano il tempo, automatizzare quanto più possibile, misurare il guadagno di produttività, ripetere.
Il modello 70-20-10 su cui ci siamo già soffermati in passato è il modo in cui alcune organizzazioni sofisticate pensano all’allocazione dell’IA. Esprime una priorità diversa — il 70% degli investimenti va alle persone e al ridisegno dei processi, il 20% all’infrastruttura, il 10% agli algoritmi veri e propri. Un piccolo dettaglio: quasi nessuna organizzazione opera realmente in questo modo. La maggior parte fa il contrario.
Il risultato sono organizzazioni tecnicamente sofisticate ma strategicamente allo sbando. Hanno strumenti migliori, ma nessuna risposta più chiara su cosa dovrebbero diventare le persone che li utilizzano.
I ruoli più vulnerabili all'automazione non sono quelli meno preziosi. Spesso sono quelli che richiedono il maggior numero di decisioni di routine, o un tipo di problem solving strutturato che si scopre essere proprio ciò in cui il machine learning eccelle. Ciò crea un fenomeno in cui i dipendenti sperimentano sovraccarico cognitivo dovuto al processo decisionale dell'IA.
I ruoli che rimangono, o che verranno creati, richiedono qualcosa di diverso: la capacità di navigare l’ambiguità, prendere decisioni etiche, gestire relazioni tra interessi contrastanti ed esercitare quel tipo di giudizio contestuale che non si riduce a un prompt.
Non ho visto molte descrizioni di lavoro che corrispondano a questo profilo. Attualmente non esiste una scala di carriera per questi ruoli e quasi nessun budget di sviluppo viene destinato a essi.
Di chi è questo problema
David Swanagon ha sostenuto che l'adozione dell'IA sia stata affidata ai CIO, mentre dovrebbe competere ai CHRO.
L’adozione è completamente diversa dalla distribuzione. Al CIO è stato assegnato non solo il compito di progettare, testare e distribuire gli strumenti, ma anche di adottarli. L’adozione dovrebbe essere responsabilità del CHRO — perché riguarda la cultura, la fiducia, l’autonomia, le competenze.
La logica è solida. L’implementazione tecnologica è una parte relativamente piccola di ciò che determina il successo o il fallimento della trasformazione dell’AI. La sfida maggiore è decidere quale lavoro spetti agli esseri umani, quali competenze siano necessarie, e come sviluppare quelle competenze in persone assunte per capacità del tutto diverse.
I CIO non sono nella posizione di rispondere a queste domande. Il loro orientamento è verso i sistemi, non verso l’infrastruttura umana che tali sistemi dovrebbero servire.
Quando la strategia dell’AI viene guidata dalla funzione tecnologia, le domande a cui si risponde sono quelle tecniche. Gli interrogativi organizzativi e umani vengono rimandati, o delegati alle Risorse Umane come ripensamento una volta che l’implementazione è già in corso.
È così che si finisce con una diffusione dell’AI che funziona tecnicamente, ma fallisce strategicamente. Gli strumenti funzionano. La forza lavoro non sa cosa dovrebbe fare con essi, né quale sarà il proprio ruolo tra tre anni, né se valga la pena sviluppare competenze che l’organizzazione non ha segnalato di apprezzare.
Ciò non significa che i CHRO attualmente stiano raccogliendo quella responsabilità. In realtà, Swanagon sosterrebbe di no.
La maggior parte dei CHRO purtroppo parte da "vogliamo automatizzare le cose e risparmiare denaro". Ed è giusto, ma non è stimolante," ha detto Swanagon. "Non è neppure interessante. È solo giusto.
Il divario a forma di M
Per anni, la strategia dei talenti ha privilegiato i lavoratori a T — specialisti con una visione abbastanza ampia dei domini adiacenti da poter collaborare attraverso di essi. Questo modello aveva senso in un contesto in cui la specializzazione era stabile e l’ampiezza era un vantaggio di coordinamento.
L’AI sta cambiando ciò che significa ampiezza. Il modello emergente viene talvolta chiamato a forma di M o a pettine: lavoratori che possiedono più aree di vera profondità, non solo una conoscenza superficiale, unite da un giudizio integrativo che permette loro di muoversi con agilità tra i domini.
La distinzione è importante perché sviluppare lavoratori a pettine richiede un tipo di investimento diverso rispetto a quelli a T. Non si tratta solo di allargare la visione periferica di qualcuno. Si costruiscono molteplici centri di competenza nella stessa persona, coltivando poi la capacità di usarli in modo situazionale.
La maggior parte delle organizzazioni non ha un programma di sviluppo che faccia questo. Dispongono di cataloghi formativi e licenze LinkedIn Learning.
Cosa richiede la responsabilità
La parola responsabilità viene spesso usata in modo vago nei contesti di leadership. Di solito significa qualcosa come “ci prendiamo cura delle nostre persone”, nello stesso registro impreciso di “le persone sono il nostro bene più grande”. Nessuna delle due frasi sopravvive all’annuncio di una riduzione del personale.
La vera responsabilità in una transizione dell’AI significa prendere ora decisioni che proteggano la capacità di creare valore umano in un orizzonte di cinque o dieci anni, anche quando queste scelte sono più difficilmente difendibili in una revisione trimestrale rispetto all’ennesimo ciclo di automazione.
Recentemente, Adam DeRose di HR Brew e io ci siamo incontrati per un episodio di Your Work Friends con Francesca Ranieri e Mel Plett. E Adam ha detto qualcosa su cui ho riflettuto il resto della giornata.
“Capisco il valore della revisione trimestrale del business, ma onestamente, credo dovremmo semplicemente eliminarle.”
Il motivo? L’attenzione sulle performance trimestrali ha deteriorato la capacità della leadership di pensare sul lungo termine. L’ossessione per i numeri trimestrali è pervasiva, dai vertici fino ai manager operativi, ma le tattiche che spingono la performance a breve spesso compromettono la capacità di guidare pensieri strategici di lungo periodo, soprattutto sul tema talenti in questo momento.
Questo potrebbe essere il momento che richiede di finanziare lo sviluppo di competenze che ancora non hanno una job title. Significa preservare il percorso d’ingresso anche quando i numeri suggeriscono che si possa eliminarlo. Vuol dire trattare la domanda organizzativa su quale sia lo scopo degli umani come una questione strategica, non come un problema delle Risorse Umane, e portare la funzione persone nella stanza dove queste decisioni vengono prese.
La maggior parte delle organizzazioni non lo sta facendo. Stanno ottimizzando. E l’ottimizzazione, applicata a una struttura che sta cambiando sotto di te, è un modo sofisticato di correre nella direzione sbagliata.
I lavori che oggi vengono resi più efficienti non sono quelli che definiranno il valore organizzativo nel 2030. Il lavoro che conterà — giudizio, orientamento, decisioni etiche, la capacità di guidare altri umani nella vera incertezza — viene sviluppato e realizzato quasi da nessuna parte. Non ha una voce a bilancio, né metriche di reportistica, e di certo non abbastanza sponsor a livello esecutivo.
Questa è la mancanza di leadership. L'IA ci consente di raggiungere l'obiettivo di muoverci velocemente, ma vale la pena chiedersi se stiamo rompendo troppe cose lungo il percorso.
