Il Paradosso del Feedback sulle Prestazioni: Quando l’IA Funziona Meglio in Segreto
Feedback IA: Il feedback generato dall’IA migliora le prestazioni dei dipendenti più di quello umano se l’origine rimane non dichiarata.
Effetto della divulgazione: Rivelare che la fonte del feedback è l’IA genera resistenza e peggiora le prestazioni per problemi di fiducia.
Crisi di fiducia: La fiducia dei dipendenti nell’uso dell’IA da parte dei datori è bassa, molti la vedono come fonte di maggiore pregiudizio.
Strategia di trasparenza: Si consiglia di dichiarare apertamente l’uso dell’IA nei processi di feedback, per evitare problemi di fiducia a lungo termine.
Impatto a lungo termine: La scelta tra trasparenza e opacità riflette i valori dell’organizzazione e influenza la sua resilienza.
I migliori sistemi di feedback sulle performance funzionano come un trucco di magia in un certo senso: sono più efficaci quando non si sa come viene eseguito il trucco.
Uno studio del 2021 pubblicato sullo Strategic Management Journal ha rilevato che il feedback generato dall’IA migliora le prestazioni dei dipendenti più di quello fornito dai manager umani. Il problema? Funzionava solo se i dipendenti pensavano che fosse scritto da una persona. Una volta svelato il metodo, la magia svanisce.
Il feedback era più coerente, più personalizzato e oggettivamente più efficace nel migliorare le prestazioni, ma quando i lavoratori scoprivano che le analisi sulle performance venivano generate dagli algoritmi, i benefici sparivano.
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
Lo stesso feedback che portava a risultati migliori se attribuito a un manager umano causava resistenza, minore coinvolgimento e prestazioni peggiori quando i dipendenti ne conoscevano la vera origine. I ricercatori hanno chiamato questo fenomeno “effetto disclosure”: un calo di performance misurabile causato unicamente dalla consapevolezza dell’intervento dell’IA.
Oggi l’IA nella gestione delle performance è sempre più comune, così come l’integrazione dell’IA in altri ambiti della vita, vista la diffusione di strumenti come ChatGPT, Claude e Gemini. Ma il solo fatto che l’utilizzo sia aumentato non significa che la fiducia sia cresciuta altrettanto.
Per i leader HR che devono adottare l’IA, il paradosso scoperto da questi ricercatori nel 2021 crea una situazione impossibile. Usare sistemi di feedback IA in modo trasparente sacrifica i miglioramenti di performance. Nascondere l’utilizzo dell’IA espone invece al rischio di gravi violazioni della fiducia quando la verità prima o poi verrà a galla.
Questa decisione rivela qualcosa di fondamentale su cosa le organizzazioni intendano ottimizzare. È il risultato di questo trimestre o la capacità di trasformazione nel lungo termine?
Il contesto della crisi di fiducia
L’effetto disclosure non avviene nel vuoto. Ricerche recenti di SHL mostrano che solo il 27% dei lavoratori si fida pienamente che i datori di lavoro usino l’IA in modo responsabile nelle decisioni HR. Ancora più preoccupante: il 59% pensa che l’IA stia peggiorando, e non migliorando, i bias sul posto di lavoro.
Questo mette in luce ancor più il paradosso. La tecnologia che potrebbe offrire feedback migliori e meno influenzati dai pregiudizi è sfiduciata dalla maggioranza dei dipendenti che la riceverebbero. E la ricerca suggerisce che la loro sfiducia diventa una profezia che si autoadempie. Sapere che c’è l’IA peggiora le prestazioni, indipendentemente dal fatto che il feedback sia oggettivamente migliore.
Il dott. Ryne Sherman, Chief Science Officer di Hogan Assessments, che collabora con oltre il 75% delle aziende Fortune 500, individua due fattori alla base della resistenza dei dipendenti.
Il primo è la convinzione che l’IA non sia in grado di cogliere le sfumature del posto di lavoro. Si presume che una valutazione umana delle performance abbia una migliore comprensione del contesto organizzativo e che apprezzi maggiormente quei risultati che potrebbero non emergere da elementi facilmente quantificabili da un computer.
Il secondo fattore è ancora più profondo. Non si tratta di quanto l’IA sia in grado di valutare correttamente le performance, ma di cosa segnali la scelta di usare l’IA riguardo a come un’organizzazione vede i propri collaboratori.
“La mancanza di un intervento umano fa sentire i lavoratori come se fossero semplicemente trattati come risorse umane in senso letterale, senza empatia o interesse per il loro benessere come persone”, afferma Sherman. “Le nostre ricerche dimostrano che i leader più efficaci mostrano una preoccupazione autentica per i dipendenti. Utilizzare l’IA per la valutazione delle performance suggerisce che i leader dell’organizzazione non siano davvero interessati ai propri collaboratori”.
Che queste convinzioni siano fondate o meno conta meno del fatto che esistano. La percezione dei dipendenti determina i comportamenti, e i comportamenti determinano i risultati.
Perché l’inganno non funziona
Le organizzazioni che sperano di ottenere i benefici dell’IA sulle performance evitando l’effetto disclosure si scontrano con una difficoltà pratica: i dipendenti ne sono già consapevoli.
Edie Goldberg, psicologa del lavoro e delle organizzazioni e autrice del prossimo libro Performance Enablement, indica i segnali inequivocabili che rivelano il feedback generato dall’IA.
La maggior parte dei dipendenti può capire se il feedback è stato scritto da un computer con tutti quei trattini lunghi. Questo tipo di feedback spesso manca della specificità che un responsabile potrebbe fornire.
I modelli stilistici dei testi generati dall’IA sono ormai così riconoscibili che tentare di nasconderne il coinvolgimento può risultare inutile. Anche quando le organizzazioni non comunicano esplicitamente l’uso dell’IA, i dipendenti riconoscono le tracce algoritmiche.
Questo mina l’intera strategia del "nascondere l’IA". Se i dipendenti sospettano il coinvolgimento dell’IA ma non vengono informati chiaramente, le organizzazioni ottengono il peggio di entrambi i mondi: il calo delle prestazioni dovuto alla percezione dell’uso dell’IA combinato con la violazione della fiducia derivante dal tentativo di inganno.
L’approccio raccomandato da Goldberg elude completamente questo paradosso.
La differenza è importante. L’IA può integrare feedback provenienti da molteplici prospettive, come colleghi, clienti, piattaforme di comunicazione interna, e combinarli con dati oggettivi dai sistemi interni.
“Tutti questi fattori rendono il feedback intrinsecamente più equo, perché non si limita al punto di vista di una sola persona”, afferma Goldberg, facendo riferimento alle numerose ricerche sui pregiudizi dei responsabili nelle valutazioni delle prestazioni.
Ma il vantaggio in termini di equità si realizza solo se i dipendenti si fidano del processo. Goldberg inquadra la questione non come un problema di trasparenza, ma come un problema di divisione del lavoro. Utilizzare l’IA per l’aggregazione e la rilevazione di schemi, dove eccelle. Lasciare agli esseri umani la responsabilità del contesto, della specificità e degli aspetti relazionali necessari a convincere i dipendenti che il feedback è autentico.
Alla fine, la soluzione non consiste nel nascondere il ruolo dell’IA, ma nel ridefinirlo.
La posizione della trasparenza prima di tutto
Kate O'Neil, CEO della piattaforma di gestione delle prestazioni Opre, ha costruito il suo intero prodotto rifiutando l’approccio "nascondi l’IA". Tutti i feedback che gli utenti di Opre ricevono sono chiaramente identificati come generati dall’IA e né i responsabili né i dipendenti possono modificarli per farli sembrare scritti da un umano.
Non dovrebbe mai esserci confusione tra ciò che è generato dall’IA e ciò che è prodotto dagli esseri umani. Dopotutto, come potremmo ‘tenere una persona nel processo’ se nessuno sa cosa è umano e cosa è IA nel ciclo? La mancanza di chiarezza su chi genera il feedback finisce solo per confondere le responsabilità manageriali.
La filosofia di design di Opre ruota intorno a quella che O'Neil definisce una dinamica "responsabile-e-dipendente vs. Opre". Il sistema invia analisi delle prestazioni contemporaneamente a entrambe le parti, creando un punto di riferimento condiviso per la discussione piuttosto che un giudizio calato dall’alto.
Nel loro prossimo incontro individuale, il responsabile e il dipendente discutono su cosa Opre abbia colto correttamente, cosa abbia trascurato e cosa possa non aver compreso del contesto.
“Questo sostituisce la dinamica, molto meno produttiva, che vediamo spesso oggi: responsabile contro dipendente, specialmente quando le prestazioni sono basse o si evitano le conversazioni sulle prestazioni”, spiega O’Neil.
O’Neil ammette però di non avere dati comparativi. “Non so se i dipendenti, sapendo che il feedback era generato dall’IA, siano stati influenzati, perché non ho una popolazione di dipendenti che non sapeva che fosse generato dall’IA con cui confrontarli.”
Quando le si chiede se stia rinunciando a benefici in termini di performance dando priorità alla trasparenza, O'Neil non esita.
Non credo che sapere che è generato dall’IA rovini l’efficacia. Penso che sia l’illusione che un feedback sia autentico quando non lo è a minare la fiducia e il patto sociale tra responsabili e i loro team. Una fiducia infranta mina le prestazioni.
Si spinge oltre sulla questione dei pregiudizi. Anche se i feedback generati dall’IA riducono oggettivamente i pregiudizi nel breve termine, nasconderne l’origine crea un problema di fiducia che alla fine aumenta i pregiudizi nel tempo.
"Se il contenuto generato dall’IA riduce effettivamente i pregiudizi, ma i dipendenti percepiscono che li aumenta, l’impatto a lungo termine sarà un deterioramento della fiducia," spiega O'Neil. "Quando i manager fanno passare come propri i feedback generati dall’IA, la fiducia tra loro e i loro team peggiora, e questo porta a un incremento dei pregiudizi in seguito."
Per questo motivo il sistema di Opre impedisce ai manager di modificare o attenuare le intuizioni generate dall’IA. Sia il manager che il dipendente ricevono lo stesso feedback simultaneamente, eliminando la possibilità di inganno. Manager e dipendenti possono aggiungere contesto o chiedere chiarimenti al sistema, ma non possono modificare ciò che viene prodotto.
La sua posizione si basa anche su una riflessione sugli orizzonti temporali. Le organizzazioni possono ottimizzare per metriche di performance immediate o per la capacità di trasformazione nell’arco degli anni. Secondo lei, questi due obiettivi sono incompatibili quando si tratta di implementare l’IA.
"L’opacità non è una strategia di performance," dice. "È una strategia di estrazione a breve termine. Potreste ottenere un’impennata di produttività mentre i dipendenti cercano di capire le regole. Ma poco dopo, perderete le persone migliori, stresserete il resto, e danneggerete la vostra capacità di attrarre nuovi talenti."
Quando la Fiducia si Rompe
Sia Goldberg che Sherman avvertono che l’inganno sull’uso dell’IA comporta conseguenze che superano di gran lunga qualsiasi miglioramento delle prestazioni a breve termine.
"È facile rompere la fiducia, e molto difficile ricostruirla," dice Goldberg. "Qui non c’è alcun vantaggio, solo rischio."
Questo avvertimento non è solo una questione etica. Sia Goldberg che Sherman lavorano in contesti in cui vedono le conseguenze della perdita di fiducia manifestarsi in numerose organizzazioni. La loro certezza che l’inganno fallisce deriva dal riconoscimento di schemi, non dalla filosofia.
È disastroso per le organizzazioni adottare pratiche ingannevoli nelle valutazioni delle prestazioni," avverte Sherman. "Innanzitutto, in qualsiasi organizzazione di una certa dimensione, non esiste alcuna possibilità che l’inganno non venga alla luce. Tutte le organizzazioni hanno fughe di informazioni, e questo tipo di notizie trapelerà sicuramente.
Le conseguenze, secondo Sherman, sarebbero drammatiche.
"Una volta che questa informazione diventa nota, la fiducia nell’organizzazione toccherà il fondo," dice. "Il personale protesterà, si dimetterà e, forse peggio ancora, si disimpegnerà completamente."
La sua ricetta per le organizzazioni colte in questo scenario è senza compromessi. I dipendenti chiederanno responsabilità, il che probabilmente significa rimuovere i dirigenti coinvolti nell'inganno.
"Anche allora," afferma, "l’organizzazione dovrà seriamente prendere in considerazione la trasformazione dell’intero processo di valutazione delle performance verso una trasparenza radicale per iniziare a recuperare la fiducia."
Il consiglio di Goldberg per le organizzazioni che si trovano in questa situazione è più semplice, ma arriva alla stessa conclusione.
Cosa Rivela la Scelta
La decisione se dichiarare o meno il coinvolgimento dell’IA nella gestione delle performance raramente viene posta come una scelta tra performance e fiducia. Più spesso si presenta come una questione tecnica o una sfida di gestione del cambiamento. Ma la ricerca suggerisce che si tratta in realtà di un banco di prova per i valori organizzativi.
Le aziende che ottimizzano per metriche di performance a breve termine hanno un incentivo evidente a nascondere il coinvolgimento dell’IA. L’effetto di deployment è reale e misurabile.
Le aziende che puntano a una trasformazione di lungo periodo non possono permettersi la violazione della fiducia, anche se questo significa accettare performance immediate inferiori.
Esiste anche una dimensione sociale problematica che i professionisti raramente affrontano direttamente. Nelle organizzazioni che comunicano parzialmente l’uso dell’IA, chi viene informato? I dirigenti ricevono sistemi trasparenti mentre ai lavoratori viene fornito feedback nascosto generato dall’IA? Il divario di fiducia tra leadership e dipendenti è già ampio. Una divulgazione selettiva potrebbe distruggerlo del tutto.
Il punto di Sherman sulla scoperta inevitabile merita attenzione. In un’epoca in cui i dipendenti fanno screenshot delle comunicazioni interne, postano anonimamente su siti di recensioni aziendali e si organizzano tramite canali Slack privati, l’idea che il coinvolgimento dell’IA nelle valutazioni delle performance possa rimanere segreto è semplicemente implausibile.
Aggiungiamo l’osservazione di Goldberg secondo cui i dipendenti sono già in grado di riconoscere i testi generati dall’IA dai loro schemi: la strategia di ‘nascondere’ appare meno una strategia e più una tattica dilatoria.
La vera domanda non è se i dipendenti lo scopriranno, ma cosa accadrà quando lo faranno.
AI Transparency in Performance Management
Un’Applicazione Diversa
Goldberg vede il vero potenziale dell'IA nella gestione delle prestazioni arrivare da una direzione completamente diversa: feedback in tempo reale invece di valutazioni annuali o trimestrali.
"I sistemi di intelligenza artificiale possono aiutare a fornire molti feedback nell'immediato, quando sono più utili", spiega. "Ma l'IA può integrare tutti questi punti di feedback in un periodo di valutazione per offrire un quadro più equilibrato e meno soggettivo delle prestazioni individuali. Questo è il potere dell'IA nella gestione delle prestazioni, non semplicemente la redazione della valutazione."
Questo ridefinisce la questione della trasparenza. Se l'IA fornisce feedback immediati e contestuali su azioni specifiche — segnalando quando le scadenze di progetto slittano, notando cambiamenti nei modelli di collaborazione, evidenziando un calo della frequenza di comunicazione — la fonte diventa meno importante della tempestività. I dipendenti possono vedere il collegamento diretto tra le loro azioni e il feedback, il che rafforza la fiducia nell'accuratezza del sistema invece di indebolirla.
La valutazione annuale delle prestazioni scritta dall'IA innesca comunque l'effetto disclosure perché tenta di replicare il giudizio umano in un contesto in cui la relazione interpersonale e l'autorità contano.
Il feedback in tempo reale dell'IA opera con una logica diversa. Non finge di essere saggezza umana, ma fornisce osservazioni basate sui dati che gli esseri umani faticherebbero a offrire su larga scala.
Se questo approccio eviti o meno il calo di prestazione che la disclosure crea rimane ancora da testare su larga scala per quanto sono riuscito a trovare, e le percezioni a riguardo potrebbero cambiare man mano che cresce la familiarità con il funzionamento dell'IA. Tuttavia, ciò suggerisce che il dibattito tra "nascondere o rivelare" potrebbe porre la domanda sbagliata sull'applicazione sbagliata della tecnologia.
La domanda irrisolta
Per i leader che oggi devono prendere decisioni sull'adozione dell'IA, la ricerca non offre opzioni rassicuranti.
Gli sostenitori della trasparenza — O'Neil, Goldberg, Sherman — sostengono che nascondere il coinvolgimento dell'IA garantisce una crisi di fiducia quando verrà scoperto, e in ogni caso ormai i dipendenti sono già in grado di individuare un testo generato dall'IA. Meglio costruire culture "IA-ready" tramite l'onestà, anche a costo di una minore prestazione nel breve periodo.
La controargomentazione è più difficile da respingere di quanto sembri. Se il feedback dell'IA riduce oggettivamente i bias, offre valutazioni più coerenti e migliora i risultati, la trasparenza è un lusso costoso che serve principalmente a far sentire etici i responsabili HR?
Nessuna delle due parti può indicare dati longitudinali che mostrino cosa accade dopo tre anni dall'introduzione trasparente del feedback dell'IA. La tecnologia si è evoluta troppo rapidamente e le implementazioni sono troppo recenti. Ma la scelta rivela ciò che i leader pensano sulla loro forza lavoro e su cosa sono disposti a sacrificare per ottenere risultati.
Le organizzazioni che hanno scelto l'opacità hanno scommesso che i guadagni in termini di prestazioni varranno la futura crisi di fiducia. Coloro che hanno scelto la trasparenza scommettono che costruire culture IA-ready richieda onestà sul ruolo dell'IA, anche se a costo di una perdita di prestazione nel breve periodo.
La ricerca mostra cosa accade nell'immediato dopo la disclosure. Quello che non possiamo ancora rispondere con altrettanta certezza è quale approccio porterà nel tempo a organizzazioni più resilienti e con prestazioni migliori.
Al momento, resta una questione di filosofia, tolleranza al rischio e della tipologia di organizzazione che i leader intendono costruire.
