Un mondo potenziato dall’IA richiede valutazioni del talento più avanzate

Lo schema qui sotto riassume un rapporto del FMI e mostra come l'AI stia progressivamente sostituendo compiti più semplici e affiancando o integrando l'essere umano nei giudizi più complessi e articolati.

Questa traiettoria è logica se consideriamo come l'AI elabora le informazioni. I segnali viaggiano nei sistemi digitali quasi alla velocità della luce. L'AI è anche organizzata in componenti chiamate "vector embeddings", che traducono dati complessi e non strutturati in array compatti di numeri che possono essere elaborati matematicamente, senza doversi confrontare con il significato semantico sottile.

L'architettura neurale umana funziona diversamente. Le informazioni viaggiano nelle sinapsi cerebrali a una velocità massima di 120 m/s e la quantità di informazioni cognitive che gli esseri umani possono processare è limitata — un comune calcolatore scientifico può eseguire calcoli molto più complessi rispetto anche alla persona più intelligente.

Ma l'AI non supera gli esseri umani in tutti i campi. Nonostante i rapidi progressi nella capacità di elaborazione, gli umani sono ancora superiori all'AI in condizioni di incertezza e complessità, in particolare quando si tratta di dinamiche sociali o giudizi etici. 

La natura malleabile e adattiva delle decisioni umane rende le persone più adatte a gestire situazioni che richiedono una visione integrata e sfumata, specialmente in condizioni di dinamicità e incertezza.

Le illustrazioni della Figura 2 catturano queste differenze. Le segmentazioni rigide dell'AI compaiono nella prima immagine, mentre il funzionamento del cervello umano viene rivelato dal connectoma, mappa della fitta rete neurale sottostante. 

Lontano dall'essere una matrice ordinata di aree specializzate, il cervello umano è un groviglio di segnali intrecciati di diverso tipo che interagiscono tra loro per costruire significato. Persino il livello di interconnessione si adatta in base a situazioni diverse e dinamiche.

Questa comprensione della complessità e interconnessione del cervello è relativamente recente. Chi ha studiato psicologia prima del 2000 probabilmente ha incontrato un modello segmentato in cui diverse funzioni specializzate operavano in modo relativamente indipendente — un modello che richiama quello dell'AI nella Figura 2. 

La somiglianza non è una coincidenza. I modelli di AI sono nati dai primi studi sull'elaborazione delle informazioni realizzati dagli psicologi cognitivi Herbert A. Simon e Allen Newell.

I progressi della tecnologia MRI hanno successivamente rivelato un quadro più profondo del reale funzionamento del cervello umano. La forza del giudizio e dell'adattabilità umana risiede nell'elevato grado di interconnessione delle nostre reti neuronali, che permette alle persone di osservare i problemi da prospettive diverse, cogliere collegamenti nascosti e variare le risposte in base ai cambiamenti di persone e situazioni.

Queste capacità — quelle che stanno diventando sempre più centrali nell'ambiente di lavoro potenziato dall'AI — sono state raccolte nel modello EPOCH.

Le competenze EPOCH

• Empatia e intelligenza emotiva
• Presenza, networking e connessione
• Opinione, giudizio ed etica
• Creatività e immaginazione
• Speranza, visione e leadership

Il mercato del lavoro sta già mostrando cambiamenti che riflettono questa riallocazione. Dal 2022, si è registrato un calo del 13% nei ruoli dominati da analisi ripetitive e strutturate, accompagnato da una crescita di circa il 20% della domanda di lavori che richiedono competenze tecniche o pensiero creativo.

Secondo il Professor Suraj Srinivasan della Business School, questo cambiamento riflette l’impatto dell’integrazione dell’IA. Per i processi di lavoro che sono integrati e multifaccettati, e richiedono creatività e pensiero analitico, competenza tecnica e giudizio sfumato, conformità e discrezione, l’introduzione dell’IA all’interno del processo aumenta il valore economico delle componenti umane. Se utilizzata come strumento complementare, l’IA può accrescere, e non diminuire, il valore del contributo umano.

Gli esseri umani possono lasciare spazio all’IA nei lavori che richiedono elaborazione ad alta velocità e giudizi routinari, ma le opportunità di sfruttare l’IA e creare valore attraverso punti di forza tipicamente umani sono destinate ad aumentare. 

Sebbene le realtà a breve termine di questa trasformazione, inclusa la perdita massiccia di posti di lavoro, stiano suscitando preoccupazioni legittime, il rapporto FMI prevede una prospettiva a lungo termine caratterizzata da ruoli più ricchi e complessi che generano maggiore valore. 

Alcuni autori, tra cui Andrew Lopianowski e Mike Pino nel loro prossimo libro HumanCorps, descrivono questo periodo emergente come l’Età della Saggezza, una visione fondata su una relazione simbiotica tra umani e IA che valorizza i punti di forza di entrambi.

Le implicazioni per la valutazione dei talenti

Alla luce di questi cambiamenti, come si valuta la capacità di saggezza e le competenze EPOCH per supportare un’efficace acquisizione e sviluppo dei talenti? La risposta è improbabile che provenga dagli strumenti che le risorse umane hanno utilizzato negli ultimi 50 anni. 

Man mano che le competenze richieste per la creazione di valore diventano più complesse e integrate, l’utilità degli strumenti che scompongono le persone in parti componenti sta calando rapidamente. Eppure, questo rimane l’approccio dominante della maggior parte degli strumenti di valutazione del talento oggi, che cercano di ridurre la complessità umana a componenti quantitative semplificate, esprimibili come dati matematici.

Ci sono diverse ragioni per cui questi strumenti sono meno utili nell’identificazione dei talenti in un mondo arricchito dall’IA.

1. Limitata validità predittiva. Nonostante la loro ampia diffusione, la maggior parte di questi strumenti non predice bene la performance lavorativa futura. Una recente meta-analisi suggerisce che la personalità predice meno del 6% della varianza nella performance sul lavoro, mentre i test cognitivi ottengono risultati appena migliori, con circa il 10%.
2. Un’ipotesi errata di stabilità. La maggior parte degli strumenti attuali fotografa un individuo e lo tratta come un punto fisso. L’assunto che la personalità sia coerente nel tempo è insito nella sua stessa definizione — "schemi misurabili stabili di pensieri, sentimenti e comportamenti" — eppure oggi esistono ampie evidenze meta-analitiche che dimostrano come la personalità cambi e si sviluppi nel tempo in risposta agli stimoli ambientali e al continuo sviluppo personale.
3. Un’ipotesi errata di indipendenza. La personalità e la capacità cognitiva sono state tradizionalmente considerate predittori indipendenti di comportamento e risultati, ma crescono le prove che esistano forti connessioni tra come le persone descrivono il proprio comportamento e le capacità cognitive che dimostrano. Questo ha senso, considerando la natura altamente connessa del cervello umano e il principio ben stabilito che i neuroni che si attivano insieme, si connettono insieme.
4. Incapacità di cogliere la dinamicità. La maggior parte degli strumenti adotta un modello puntuale che non permette di cogliere come gli individui rispondono a situazioni dinamiche. Come Ric Roi e io evidenziamo in Future Ready Talent, la capacità di apprendere e adattarsi ai cambiamenti potrebbe essere la caratteristica più importante del talento che genera valore — ed è al centro delle competenze EPOCH.
5. La mancata considerazione della scelta. Gli studi di Dunedin, che da tempo analizzano i predittori del successo nella vita in termini di salute, carriera, benessere finanziario e criminalità, hanno identificato nell’autocontrollo il singolo fattore predittivo più importante di tutti gli esiti, ovvero la capacità dell’individuo di scegliere il comportamento in base a ciò che la situazione richiede piuttosto che alla preferenza personale. Sovrastimando i costrutti individuali, sottovalutiamo il comportamento come prodotto dell’interazione tra persona e situazione, sia a livello cognitivo che comportamentale.

Ironia della sorte, la maggior parte degli strumenti psicometrici utilizzati oggi sarebbe ben adatta alla valutazione dell’IA. I modelli strutturati, segmentati e matematici che sono alla base dell’IA si allineano strettamente ai modelli strutturati, segmentati e matematici che definiscono la tradizionale valutazione dei talenti. 

Questi strumenti potevano essere adeguati quando il lavoro era relativamente stabile e suddiviso. In un ambiente lavorativo arricchito dall’IA, caratterizzato da dinamicità, integrazione e giudizio complesso, risultano inadeguati.

L'evoluzione della valutazione dei talenti

In parte, la spinta ad evolvere gli strumenti di valutazione tradizionali è stata filosofica, ma il limite tecnologico ha rappresentato un fattore altrettanto significativo. Il predominio dell'autovalutazione, la diffusione dei questionari e il numero limitato di item sono stati tutti plasmati da un'epoca di test cartacei.

Con l'avanzamento della tecnologia, molti di questi strumenti sono stati digitalizzati e talvolta trasformati in giochi, rendendo l'amministrazione, la valutazione e l'interpretazione più efficienti e migliorando il coinvolgimento dei candidati. Tuttavia, le strutture di base sono rimaste in gran parte invariate. 

La validità predittiva ha registrato solo modesti progressi, anche quando viene utilizzato il machine learning per combinare i risultati di più strumenti.

I progressi più significativi nella valutazione dei talenti provengono da strumenti multimediali, immersivi e interattivi, da valutazioni basate su giochi e da simulazioni aziendali che utilizzano scenari fittizi strutturati per generare dati relativi a costrutti psicologici sottostanti. 

Questi strumenti presentano diversi vantaggi distintivi:

• Possono essere collocati in ambienti aziendali rilevanti, migliorando la qualità dei dati e riducendo il rumore di misura generato quando i candidati svolgono test con scarsa attinenza rispetto al loro reale lavoro. Inoltre, non sono necessariamente costosi. L'utilizzo di strumenti di sviluppo rapidi ha reso possibile creare valutazioni personalizzate a costi molto più bassi rispetto al passato e queste possono fungere anche da realistiche anteprime del lavoro nel processo di selezione.
• Utilizzano contenuti multimediali, che aumentano il coinvolgimento e semplificano l'inserimento dei dati. I candidati possono rispondere oralmente invece che per iscritto e farlo nella lingua preferita, migliorando ulteriormente la qualità dei dati.
• Permettono domande più aperte. Ricerche a livello dottorale sulle valutazioni basate sul gioco hanno dimostrato che domande più aperte producono una maggiore profondità e qualità d'insight.
• Possono essere progettati per la massima validità predittiva attraverso processi come l'Evidence-Centred Design, che mira ai fattori specifici più importanti per il successo ed assicura una rigorosa valutazione.
• Offrono la possibilità di osservare le risposte dei partecipanti in ambienti diversi e dinamici, fornendo una visione più sistemica delle capacità individuali in risposta a stimoli mutevoli.

Niente di tutto ciò sarebbe possibile senza l'AI, che supporta questi strumenti lungo tutto il percorso: dalla creazione di scenari aziendali complessi tramite gameplay interattivo, alla raccolta e analisi dei dati, fino all'esecuzione di complesse analisi delle interazioni dinamiche tra le variabili rilevate. 

La capacità dell'AI di elaborare grandi quantità di dati è fondamentale per questi progressi.

Gli strumenti sono validi solo quanto la loro progettazione. La componente creativa e narrativa è essenziale per generare un ambiente che sia percepito come rilevante e immersivo, soprattutto quando occorre far emergere dati relativi a dinamiche emotive e sociali che sono centrali per le competenze EPOCH. 

Un valido design psicometrico, basato sulla ricerca psicologica e su una comprensione approfondita delle persone, rende i dati prodotti significativi, utili e interpretabili.

Questi progressi rappresentano un'evoluzione necessaria. Senza di essi, la nostra capacità di identificare e sviluppare le competenze che generano valore continuerà a erodersi. La stessa dinamicità che sta ridefinendo il luogo di lavoro sta ridefinendo anche gli strumenti che utilizziamo per comprenderlo. Qui l'AI è più potente non come sostituto del giudizio umano, ma come infrastruttura che rende possibile un giudizio umano più profondo.