Come l’AI agentica sta cambiando onboarding, mentorship e retention

David Rice: Cosa rende questi agenti davvero agentici rispetto, ad esempio, a una dashboard o a un assistente intelligente?

Francisco Marin: Un'AI agentica non aspetta davvero che un essere umano faccia una domanda. Prende decisioni in tempo reale in modo proattivo, o identifica interventi basandosi sulle metriche universali a cui l’AI ha accesso.

David Rice: Come garantite la fiducia quando gli agenti AI avviano qualcosa di così sensibile come la retention o il mentoring?

Dan George: Dobbiamo fare in modo che qualsiasi cosa sia agentica abbia il giusto livello di consenso e un uso etico. Quindi clicca il pulsante per il consenso e in ogni momento l’utente può revocare il proprio consenso.

David Rice: Come si presenta il successo?

Francisco Marin: Un intervento di mentoring può portare un risparmio tra i 20k e i 30k riducendo il tempo alla produttività di un nuovo assunto fino al 40%.

David Rice: Benvenuti a People Managing People Podcast, il programma che approfondisce il lato umano del lavoro, la tecnologia che lo influenza e le idee audaci che plasmeranno il futuro delle pratiche delle persone. Sono il vostro host, David Rice.

Ho due ospiti oggi. Francisco Marin è il fondatore e CEO di Cognitive Talent Solutions. È anche autore del Network-First Manifesto e pioniere nell’analisi delle reti organizzative. Francisco guida una crescente comunità globale focalizzata su come reti informali e collaborazione AI possono accelerare onboarding, mentorship e leadership informale in grandi aziende.

Dan George è Chief Experience Officer in CTS e fondatore e CEO di Piper Key Analytics. È un esperto pluripremiato in people analytics, workforce planning e trasformazione HR basata sui dati. Ha esperienza sia con aziende Fortune 100 che con innovatori di media dimensioni, e ha contribuito a reimmaginare l’HR come funzione strategica guidata dall’analisi. Fa anche parte del nostro comitato editoriale consultivo.

In questa conversazione cercheremo di approfondire come agenti AI e analisi delle reti stanno trasformando l’HR da reporting statico a flussi di lavoro autonomi e attuabili. Francisco offrirà idee tratte dai primi piloti in cui agenti AI abbinano mentori e mentee, mappano la leadership informale e accelerano l’onboarding nelle reti critiche. Dan spiegherà come questi agenti possano scalare la funzione people analytics automatizzando le analisi e permettendo agli HR di concentrarsi su attività strategiche.

Che tu guidi le HR, l’area people ops o la strategia del talento, o semplicemente voglia capire dove sta andando la prossima frontiera della trasformazione del lavoro, questa conversazione fa per te. Iniziamo subito.

Bene! Francisco, Dan — benvenuti!

Dan George: Felice di essere qui. Grazie.

David Rice: Vorrei iniziare parlando un po’ della visione che avete con Cognitive Talent Solutions. Perché proprio questi otto agenti? Quali erano le aree chiave che volevate affrontare considerando l’HR nel suo insieme?

Dan George: Dal nostro punto di vista, ci sono molti modi in cui agenti AI possono essere efficaci nell’HR, ma questi otto erano alcuni dei più ovvi in cui non solo potevamo facilmente raccogliere il consenso e garantire che tutte le parti coinvolte fossero disposte e abilitate, ma inoltre erano tra quelli per cui potevamo monitorare un ROI specifico in relazione all’impatto sulle operazioni HR, anche per gli output di prima generazione.

Non volevamo esagerare, ma ovviamente volevamo impattare pur sapendo che tutto questo evolverà. Quindi questi otto erano di gran lunga quelli più sensati.

Francisco Marin: Concordo pienamente con quanto detto da Dan. E per completare, abbiamo osservato che alcune capacità AI agentiche erano distribuite per processi HR core come il payroll o la compliance normativa.

Ma mancavano casi d’uso di nuova generazione per la people analytics, soprattutto in linea con il framework di rete che utilizziamo in CTS. Quindi come potrebbero aiutarci a ripensare processi chiave come change management, sviluppo della leadership o onboarding in termini di attivazione sociale.

Abbiamo scelto questi otto casi d’uso. Stiamo vedendo molto interesse. Possiamo discutere dopo, per esempio per l’onboarding o il matching di mentoring. Ma sentivamo che fosse un set rappresentativo per dimostrare che questa è la nuova modalità agentica per la people analytics, oltre l’analisi delle reti organizzative.

David Rice: Dan, hai citato il consenso. Come garantite consenso, fiducia, trasparenza quando agenti AI avviano interventi delicati come retention o connessioni di mentoring tra pari?

Dan George: Esattamente. È stato uno dei nostri pensieri pre-emptive: dovevamo rendere qualsiasi cosa agentica con il giusto livello di consenso ed etica, soprattutto per questi processi automatici. Nel nostro sistema, raccogliamo servizi ed email sia dei beneficiari, sia degli altri nell’organizzazione. Quando l’agente individua un certo criterio, può mandare un’email automatica generata da un amministratore.

Qui entrambi possono avviare o far partire tutto il flusso delle firme che servono. Entrambe le parti ricevono un’email con il bottone per dare consenso. In questo modo, sono stati avvisati e hanno aderito al processo; possono anche revocare il consenso in qualsiasi momento, restando conformi a GDPR e a usi etici in generale.

Francisco Marin: Sì, abbiamo avuto discussioni continue sulle sfumature di ogni caso d’uso. Ad esempio, sulla retention: ha senso fornire questi insight a livello aggregato? Dire, ad esempio: “Questo team, in base ai segnali che rileviamo, ha un alto rischio di abbandono e queste sono alcune azioni che puoi implementare.”

O ha senso farlo a livello individuale notificando il supervisore diretto? Alcuni casi li testiamo a livello aggregato, altri individuale, osservando le reazioni delle prime aziende che stanno svolgendo i piloti e dei dipendenti stessi.

Il principio qui è costruire, dove possibile, meccanismi di opt-in. Per esempio, se vieni identificato come mentor per un nuovo assunto, devi dare il consenso per partecipare alla mentorship. Un altro aspetto è: quale ruolo ha il supervisore immediato?

Dev’essere un gatekeeper che autorizza l’intervento o deve solo essere informato dell’opportunità, lasciando al mentor finale la decisione di partecipare? Ci stiamo evolvendo, ma l’idea è essere pienamente conformi a GDPR e altre normative, e realizzare meccanismi di opt-in dove possibile.

David Rice: Parliamo un attimo di funzionalità. Cosa rende questi agenti veramente agentici, a differenza di una dashboard o di un assistente intelligente, o di ciò che in genere si associa all’AI generativa?

Francisco Marin: Come suggerisce il nome, l’AI agentica ha più “agency”.

L’AI non aspetta che una persona analizzi una dashboard o faccia una domanda: genera proattivamente raccomandazioni o individua interventi. Il lato umano serve comunque ad autorizzare l’intervento da piattaforma, ma l’AI monitora in tempo reale i segnali e individua puntualmente le azioni.

Poi può prendere decisioni contestuali, a seconda del set di metriche cui ha accesso, e nella framework di regenerazione aumentata agisce da orchestratore di vari casi d’uso: sceglie cosa comunicare, come notificare per email, quali interventi proporre. Il livello di “agency” qui è molto più alto rispetto alle interfacce AI generative tradizionali che avevamo costruito in passato sulla piattaforma.

David Rice: Avete citato dei piloti. In questi studi pilota, quali agenti stanno mostrando più trazione o hanno maggiormente incuriosito gli utenti?

E perché?

Francisco Marin: Il matching mentoring con onboarding. Dan vuoi approfondire?

Dan George: Sì, di fatto il matching è probabilmente quello a rischio più basso e più facile. Credo molto nell’avere non solo un mentor ma più mentor.

Per qualsiasi organizzazione, per coinvolgere nuovi assunti o nuovi manager è essenziale abbinare un mentor che magari non sia nella stessa linea gerarchica. Il mentorship manager cerca di capire di più sulle aspirazioni e le esperienze delle persone coinvolte, in base anche all’approfondimento del sondaggio ONA.

In questo caso, sia mentor che mentee ricevono le email di consenso. Se accettano, inizia l’introduzione e su scala tutto diventa automatizzato. Ho gestito questo processo manualmente come ex CHRO e responsabile people analytics; inviare liste al team formazione o engagement era un processo laborioso. Ora l’admin può semplicemente cliccare sull’autorizzazione, e si supera la tendenza a scegliere sempre gli “abbinamenti” ovvi che si fanno di default.

È uno degli strumenti più semplici, a basso rischio e più impattanti anche in relazione al costo.

Francisco Marin: E le persone lo comprendono facilmente: chi ha lavorato in multinazionali sa quanto sia importante che la prima persona che ti affianca sia ispirante, supportiva e coinvolta invece che demotivata e vicino all’uscita, magari già indirizzata verso un concorrente. Oggi è ancora più rilevante perché moltissimi neoassunti lavorano in modalità ibrida, senza interazione diretta coi colleghi.

Entrano in organizzazioni che stanno ristrutturando in tempo reale. Un ambiente incerto dove ottimizzare l’onboarding diventa cruciale per ridurre i tempi di inserimento. Stiamo ripensando l’onboarding come attivazione sociale.

David Rice: Interessantissimo. A livello enterprise, come multinazionale, questo è ideale per creare connessioni. Avete detto che questi agenti rilevano rischi di burnout e collegano automaticamente persone a mentor o manager. Come funziona praticamene il flusso di lavoro?

Francisco Marin: Possiamo spiegare il workflow del mentorship match, che è attualmente implementato in diverse aziende.

Funziona così: arriva un nuovo assunto. L’AI individua chi è la persona più adatta a fare da mentor, sulla base di metriche come leadership informale ricavata da network analysis, considerazioni tecniche, ruolo, reparto, performance, anzianità. Più dati inserisci, più le raccomandazioni sono sofisticate e operative. Una volta identificato il matching, l’intervento viene mostrato all’utente HR tramite la piattaforma network analyzer, e l’HR autorizza l’avvio dell’intervento.

L’AI quindi contatta il mentor per ottenere il consenso alla partecipazione, informando il supervisore ma senza dover chiedere permesso. Se il mentor acconsente, l’AI fa l’introduzione via email tra mentor e mentee, pianifica l’incontro e documenta l’avvenuto incontro e l’impatto dell’intervento con dati precisi in termini di riduzione dei tempi di produttività. Questo è, ad esempio, un ciclo agentico completo per l’onboarding tramite mentorship match.

David Rice: Parliamo di risultati. Cosa significa successo per uno di questi agenti? Che segnali o KPI tracciate?

Dan George: Guardiamo l’impatto aggregato e la letteratura offre benchmark medi di ROI nei vari scenari.

Man mano che gli agenti completano i task e le persone coinvolte fanno le riunioni e il setup iniziale, vengono conteggiate queste azioni e associato un valore economico. Tutto è aggregato in alto nella dashboard visibile agli admin HR. Possono anche modificare i parametri di ROI. In generale registriamo il “flusso automatico” che tiene traccia, coordina, pianifica ed esegue: è così che si possono risparmiare decine o centinaia di ore a seconda della scala.

Tutte queste metriche sono presentabili in diversi stili in dashboard così che ogni team può illustrare i risultati in riunioni o incontri di leadership.

Francisco Marin: Per un intervento di mentorship, puoi risparmiare tra 20k e 30k riducendo il tempo di produttività fino al 40% per nuovo assunto.

Può essere implementato su ogni neoassunto. Oggi questi agenti AI sono disponibili sulla nostra piattaforma self-service Connect network analyzer, ma li stiamo integrando nativamente in piattaforme come ServiceNow e Google così che i clienti li possano usare direttamente nell’infrastruttura IT già in uso.

Così gli agenti potranno interagire anche con l’ecosistema ServiceNow HRSD, accedendo a tutto il case management HR. Siamo in una fase molto interessante dove stiamo scoprendo nuovi casi d’uso e ricevendo feedback.

Stiamo preparando tutto per passare dalla fase pilota alla distribuzione massiva degli otto agenti.

Dan George: C’è anche interesse da altri CRM. L’idea di averlo come app nativa nei marketplace dei principali vendor aiuta a snellire il processo per le aziende intenzionate a integrare questa tecnologia nell’ecosistema esistente.

David Rice: Immagina di avere accesso ai migliori talenti del mondo: quell’ingegnere a San Paolo, il responsabile vendite a Dublino, l’incredibile designer a Città del Capo. Il tuo prossimo grande assunto può essere ovunque. Con Oyster non deve essere “quello che ci è sfuggito”.

Oyster aiuta le aziende ad assumere globalmente, gestire le buste paga in modo accurato e tempestivo e restare conformi in ogni fase. Costruisci il team dei sogni e cresci con fiducia, perché il mondo è davvero la tua “ostrica”.

Vedo molto interesse dall’HR, ma citavate la possibilità di presentare questi strumenti al C-level. Notate interesse da operations o CEO?

Dan George: Sì, sempre più spesso parliamo con manager esterni all’HR.

Prima si iniziava da analytics HR o talent management. Ora sempre più spesso dialoghiamo con leader di altre funzioni che sono interessati a conoscere competenze e network delle loro persone.

Così possono accelerare l’innovazione, collaborare meglio, capire le dinamiche culturali dei team, e per ogni iniziativa di cambiamento identificare gli influencer aziendali, anche inaspettati, e comunicare miratamente all’organizzazione a tutti i livelli. Essere in grado di attivare questi nodi per accelerare l’adozione del cambiamento è fondamentale per noi.

David Rice: Da un punto di vista tecnico, ogni azienda ha dati e infrastrutture diverse. Quali prerequisiti servono per adottare gli agenti AI?

Francisco Marin: Ottima domanda, perché la barriera d’ingresso è più bassa di quanto pensi. Il bello è che combiniamo ONA attiva (sondaggi online) e ONA passiva (metadata aggregati di strumenti come Microsoft, Google, Slack, ecc.).

Le principali info di base sono: nome dipendente, email, nome manager, email manager — e basta per avviare un pilota. Più dati aggiungi (dipartimento, divisione, performance, storico engagement o turnover), meglio è, ma il bello dell’AI agentica è che può lavorare anche con info di base. Se però mancano il manager o l’email, non potrà inviare notifiche.

Molte di queste info sono già incluse di default nelle API di Microsoft o Google. Più ne aggiungi, meglio funziona.

Dan George: Abbiamo gestito sia strutture organizzative semplicissime sia clienti con due o tre strutture gerarchiche diverse caricate. Così possiamo integrare qualsiasi struttura abbia senso per loro. Il nostro sistema LLM backend lavora anche con quelli forniti dai principali vendor, quindi più engine LLM migliorano la nostra ONA.

Francisco Marin: Un esempio: abbiamo lavorato con una Fortune 5 che aveva 7 metriche diverse per definire i team tra report funzionali, diretti e indiretti, organigrammi 5–7. L’AI è riuscita a integrare tutte quelle metriche universali nelle raccomandazioni e nei prompt con l’AI generativa, che migliora la fruizione dei risultati.

David Rice: Ho letto ricerche che suggeriscono che spesso i professionisti HR si sentono poco qualificati per usare strumenti AI, non essendo tecnici. Avete riscontrato scetticismo/resistenza verso l’AI agentica nei processi tipicamente umani? Come avete gestito?

Francisco Marin: Secondo la mia esperienza, ormai si capisce che l’AI giocherà un ruolo chiave nel futuro del lavoro: che tu sia HR, IT o Finance, devi confrontarti con questa tecnologia a breve termine.

Questa urgenza forse ha abbassato la resistenza all’adozione rispetto a precedenti “ondate”. Ad esempio, fummo tra i primi tre player people analytics a integrare l’AI generativa: allora alcune aziende erano entusiaste, ma non pronte a adottarla subito — due mesi dopo però lanciarono agentic AI in tutta l’organizzazione, segno che il mindset era cambiato e ora sentono di dover essere tra i first mover, non rimanere indietro.

Credo anche che l’AI sia ormai quotidianità. Vedo molta meno resistenza rispetto a quanto mi aspettavo.

Dan George: Due aspetti: la nostra piattaforma è pensata per ogni professionista, esperto o meno di ONA e database a grafo. Le metriche classiche ci sono tutte, ma quello che mostriamo su piattaforma e nei report è comprensibile a chi ha poca dimestichezza con la teoria delle reti e della collaborazione, ma capisce i bisogni tipici di un’impresa.

Abbiamo due livelli: overview semplice con impatti, ma anche dettaglio scaricabile per chi vuole fare analisi più spinte o arricchire i propri data warehouse HR. Vale tanto per realtà da 300 che da 30.000 persone, e integri tutto con un file Excel.

Puntiamo sia su insight non tecnici che sui dettagli matematici. Da ultimo, abbiamo clienti che all’inizio volevano restare solo su AI di base per comfort, ma dopo aver visto le potenzialità del sistema hanno chiesto di attivare anche le componenti agentiche e generative, valorizzando il fatto che funzionano come moduli separati dagli altri sistemi HR e usano solo i dati demografici scelti dal cliente.

Francisco Marin: Questo è il messaggio chiave: ribadiamo agli HR che loro restano pienamente in controllo della condivisione degli insight. Puoi autorizzare o meno ogni intervento, condividere una sintesi in PDF, scegliere metriche e grafici nei report, definire lo scope. Siete voi i gatekeeper: questo piace molto ai team HR.

David Rice: È chiaro che un’esperienza personalizzabile e adattata ai diversi profili aziendali favorisce la fiducia e l’acquisto.

E questo mi porta alla domanda successiva: perché immagino che ci sia voluto molto per sviluppare tutte queste funzionalità; dove pensate che si stia andando? Quali capacità agentiche immaginate per la prossima generazione?

Francisco Marin: Sì.

Dan George: Sì, lascio la parola poi a Francisco, che è sempre stato visionario su questo tema. Ci conosciamo da 5–6 anni, da prima della pandemia e ci lavoriamo da allora. Ci sono molti campi dove possiamo evolvere sia la seconda generazione dei nostri otto agenti sia ampliare ad altre funzioni, seguendo trend e impatti più rilevanti. Dal punto di vista competitivo, alcune idee le tengo per noi, ma siamo entusiasti di questa prima e delle prossime generazioni di agentic AI.

Francisco Marin: Per me, il futuro dell’organizzazione è quello di una rete potenziata da agenti. Dove agenti AI intervengono su larga scala, con le multinazionali che fanno da “incubatrice” per questo nuovo modello di lavoro “network-first”.

C’è anche un aspetto di nuove organizzazioni che nascono e scalano adottando da subito queste pratiche, come stiamo facendo noi in CTS: team di 50 persone, comunità decentralizzata con consulenti, ambasciatori, core team in California. Vogliamo essere caso studio di questo nuovo modo di lavorare.

Abbiamo lanciato anche a livello personale il Network-First Manifesto: chi si riconosce in questo approccio può unirsi per definire nuovi principi collaborativi insieme a thought leader come Mike Lorena Andras Seven e altre figure di settore. Oggi siamo già 200 co-fondatori e 80 aziende. Stiamo preparando eventi di ratifica e nuovi sviluppi entusiasmanti.

Il nostro obiettivo è contribuire, con le risorse e l’influenza che abbiamo, a inaugurare il passaggio dal modello gerarchico tradizionale a uno “network-first”, perché quando un nuovo assunto entra in azienda oggi, non dovrebbe più trovarsi bloccato da vincoli su dove, quando e con chi lavorare: puntiamo a bilanciare centralizzazione e decentralizzazione, capitale umano e sociale, per far vivere a tutti un’esperienza da startup, anche in una multinazionale.

David Rice: Fantastico. Adoro il lavoro di Michael sulle reti! Bene, Dan, Francisco, grazie per essere stati con noi. Prima di salutarvi, diteci dove possiamo trovare più informazioni su di voi e su questi agenti.

Francisco Marin: Visita cognitivetalentsolutions.com. C’è anche la newsletter LinkedIn CTS Running Sites per ricevere gli articoli via email ogni settimana. Inoltre abbiamo lanciato l’iniziativa Network-First Manifesto su networkfirstmanifesto.com o networkfirstmanifesto.com/join.

Tutti possono partecipare.

David Rice: Bene, grazie a entrambi per aver partecipato. È stata una bellissima chiacchierata.

Dan George: Grazie, David.

Francisco Marin: Grazie, David.