Lo Stack delle Persone Ha Ricevuto l’IA, ma Nessuno Ha Sistemato Prima i Dati
La maggior parte dei leader delle Risorse Umane può dirti esattamente quali strumenti di intelligenza artificiale la loro organizzazione sta utilizzando. Pochi, però, sanno cosa quegli strumenti stanno facendo l’uno all’altro.
Quando l’IA entra nelle attività di selezione, cambia il modo in cui i candidati vengono valutati. Quando l’IA entra nella gestione delle performance, cambia il modo in cui nasce il feedback e chi lo fornisce. Quando l’IA entra in formazione e sviluppo, plasma le competenze che vengono prioritarizzate e per chi. Questi non sono eventi isolati, ma raramente vengono governati come tali.
I dirigenti prendono decisioni di implementazione funzione per funzione, e quasi nessuno è responsabile di ciò che accade ai margini.
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 stack delle risorse umane — selezione, performance, formazione e sviluppo, benefit — viene adattato all’IA una funzione alla volta, ogni implementazione gestita da un team diverso, con un fornitore diverso e obiettivi diversi. Le interazioni tra questi sistemi vengono raramente monitorate, e quasi nessuno è responsabile di ciò che succede ai margini. È lì che il disallineamento si amplifica.
Mille fiori, nessun giardiniere
Durante una tavola rotonda la scorsa settimana al Transform di Las Vegas, l’attenzione era puntata su cosa cambia davvero quando l’IA entra nella funzione delle persone. È emersa una tensione ricorrente: le organizzazioni stanno sperimentando molto ma governando poco.
Jevan Soo Lenox, Chief People Officer di una società AI in forte crescita, WRITER, ha descritto ciò che molti leader stanno vivendo in silenzio.
Siamo stati in un mondo in cui lasciavamo sbocciare 1.000 fiori. Prova tante cose, usa tanti strumenti, organizza un hackathon ogni due trimestri. Questo crea una grande cultura della sperimentazione. Ma è davvero insufficiente per ottenere un ROI massiccio.
Il problema non è la sperimentazione. Il problema è la mancanza di visibilità su ciò che sta effettivamente vincendo e su cosa sta creando incoerenza nell'organizzazione.
Quell’incoerenza è strutturale. Quando uno strumento IA nella selezione valuta i candidati rispetto a un modello di competenze, un altro nella performance suggerisce raccomandazioni formative con criteri diversi, e un terzo in formazione e sviluppo propone contenuti partendo da un altro segnale ancora, l’organizzazione si ritrova con tre versioni diverse di cosa significa "buono". Nessuno aveva progettato quell’esito. Nessuno lo sta osservando.
Giovanni Luperti, CEO di Humaans, che lavora con clienti enterprise nella diffusione di agenti HR su larga scala, ha inquadrato la distinzione di fondo che guida molte di queste decisioni: l’ausilio decisionale rispetto alla sostituzione decisionale.
Per il lavoro ripetitivo, deterministico — coordinamento onboarding, pianificazione, risposta a domande sulle policy — gli agenti possono gestire il processo in modo affidabile e migliorare nel tempo. Ma per qualsiasi cosa che richieda giudizio, l’essere umano deve restare al centro, non come timbratore, ma come vero decisore.
Spesso non c’è una risposta giusta," ha detto Luperti, "e quindi diventa un elemento di supporto alla decisione.
Il problema è che le organizzazioni non fanno sempre questa distinzione in modo deliberato. L’IA viene inserita in un flusso di lavoro perché è disponibile, perché un fornitore ha fatto una proposta convincente, perché un team si stava muovendo rapidamente.
La soglia di quanta autonomia lasciare all’IA per una data decisione viene stabilita implicitamente, non intenzionalmente. E quando l’IA tocca selezione, performance e sviluppo nello stesso momento, quelle soglie implicite interagiscono tra loro in modi molto difficili da controllare.
Le fondamenta sottostanti
Lo strato dati peggiora la situazione prima di migliorarla. Lennox è stato diretto:
Se non costruisci a partire da una grande e coerente base di conoscenza, da uno strato dati accessibile e costruibile, allora tutto il resto andrà in pezzi.
La funzione delle risorse umane è storicamente uno degli ambienti dati peggiori di qualsiasi organizzazione: sistemi frammentati, definizioni incoerenti, anni di processi manuali. L’IA non pulisce le fondamenta, ma amplifica ciò che vi si trova.
Kit Krugman, SVP of People and Culture di Foursquare, ha sottolineato in modo schietto ciò che il momento richiede davvero.
La funzione risorse umane ha sempre avuto difficoltà ad avere un ruolo strategico al tavolo delle decisioni, e l’IA rappresenta una rivoluzione in ciò che possiamo ottenere. Uno strato di orchestrazione è una delle più potenti disruption che vedremo in questo ambito. Ma serve una base operativa che funzioni, quindi dobbiamo ripensare l’intero modello operativo.
Questa è la parte che la maggior parte delle organizzazioni sta saltando. Stanno implementando strumenti senza ripensare il modello operativo alla base.
Lo strato di orchestrazione descritto da Krugman — quell'elemento che dovrebbe effettivamente coordinare le attività dell'IA su tutta la people stack e mostrare cosa fa il sistema nel suo insieme — nella maggior parte delle aziende non esiste ancora. Esiste invece una raccolta di soluzioni puntuali che rispondono a leader diversi, funzionano su dati differenti e ottimizzano per risultati diversi.
Lenox, che ha avuto il vantaggio di costruire una funzione risorse umane da zero invece che adattarla retroattivamente in Writer, ha descritto il suo approccio alla progettazione dei ruoli in questo contesto.
Quella pazienza — la scelta di fermarsi, mappare il reale bisogno, e poi costruire in quella direzione — è proprio ciò che la maggior parte delle organizzazioni non può permettersi di tralasciare quando implementa l’IA in funzioni interconnesse.
Muoversi con intenzionalità qui significa una cosa precisa: identificare dove l'IA può generare risultati misurabili, partire da una base dati pulita, e creare governance prima di scalare. La maggior parte delle organizzazioni salta questa sequenza, non perché non sappia cosa dovrebbe fare, ma perché gli strumenti sono abbastanza accessibili da creare una pressione a muoversi velocemente che supera la disciplina di muoversi con attenzione.
Il risultato è una people stack che sembra moderna dall’esterno ma è incoerente al suo interno. Quando l’IA formula raccomandazioni su recruiting, performance e sviluppo in parallelo, senza una logica condivisa e senza che nessuno monitori le interazioni, il sistema non fallisce in modo evidente. Deriva lentamente verso una direzione che nessuno ha scelto.
