Come l’Intelligenza Artificiale Agente Sta Cambiando l’Inserimento, il Mentoring e la Fidelizzazione

David Rice: Cosa rende questi agenti davvero agentici, invece che, per esempio, una dashboard o un assistente intelligente?

Francisco Marin: Una IA agente non aspetta davvero che un umano faccia una domanda. Prende decisioni in tempo reale in modo proattivo, oppure identifica possibili interventi sulla base delle metriche universali a cui l’IA ha accesso.

David Rice: Come si può garantire la fiducia quando le IA avviano qualcosa di delicato come la fidelizzazione o il mentoring?

Dan George: Dobbiamo rendere qualsiasi cosa agente abbia il livello giusto di consenso nell’utilizzo etico. Quindi cliccare il pulsante di consenso e, in qualsiasi momento, possono revocare il loro consenso.

David Rice: Come appare il successo?

Francisco Marin: Per un intervento sul mercato del mentoring, si possono risparmiare fra 20k e 30k riducendo fino al 40% il tempo fino alla produttività di un nuovo assunto.

David Rice: Benvenuti su People Managing People Podcast, il programma dove esploriamo il lato umano del lavoro, la tecnologia che lo influenza e le idee audaci che plasmeranno il futuro delle pratiche relative alle 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 un pioniere nell’analisi delle reti organizzative. Francisco guida una crescente comunità globale che si concentra su come le reti informali e la collaborazione con l'IA possano accelerare l’onboarding, il mentoring e la leadership informale nelle grandi aziende.

Dan George è Chief Experience Officer di CTS e fondatore e CEO di Piper Key Analytics. È un esperto pluripremiato nell’analisi delle persone, pianificazione della forza lavoro e trasformazione delle risorse umane guidata dai dati. Ha esperienza sia con imprese Fortune 100 sia con innovatori di medie dimensioni, e ha aiutato a reimmaginare le HR come funzione strategica alimentata dai dati. È anche membro del nostro comitato editoriale consultivo.

In questa conversazione, cercheremo di approfondire come gli agenti IA e l’analisi di rete stiano trasformando le HR da report statici a flussi di lavoro autonomi e azionabili. Francisco condividerà alcune intuizioni dai primi progetti pilota in cui agenti IA abbinano mentori e mentee, mappano la leadership informale e accelerano l’onboarding in reti critiche. Dan spiegherà come questi agenti possano scalare la funzione di people analytics stessa, automatizzando insight e permettendo ai professionisti HR di concentrarsi su attività strategiche.

Che tu ti occupi di HR o strategia dei talenti, o che tu voglia solo capire dove sta andando la prossima frontiera della trasformazione della forza lavoro, questa conversazione fa per te. Entriamo subito nel vivo.

Ok! Francisco, Dan — benvenuti!

Dan George: Felice di essere qui. Grazie.

David Rice: Vorrei iniziare parlando della vostra visione con Cognitive Talent Solutions. Perché questi otto agenti? Quali erano le principali aree su cui volevate intervenire guardando alle HR nel loro complesso?

Dan George: Dal nostro punto di vista, ci sono molti modi in cui gli agenti IA possono essere efficaci nelle HR, ma questi otto erano tra i più ovvi: potevamo facilmente raccogliere il consenso e assicurarci che tutte le parti coinvolte nel processo fossero disposte e in grado, ma inoltre erano anche quelli sui quali potevamo tracciare un ROI specifico su come impattano le operazioni HR e anche su alcuni aspetti necessari come output di prima generazione.

Non volevamo esagerare, ma volevamo chiaramente lasciare il segno, sapendo anche che tutto questo evolverà con il tempo. Questi otto erano di gran lunga i più sensati.

Francisco Marin: Sono d’accordo con Dan. A complemento, abbiamo osservato che esistevano alcune capacità agentiche già implementate in processi fondamentali come payroll o conformità normativa.

Ma mancavano casi d’uso per la people analytics, in particolare quelli allineati con il framework di rete che usiamo in CTS. Parlo di come queste agentic possono aiutarci a ripensare processi chiave come change management, sviluppo della leadership, o l’onboarding in termini di attivazione sociale.

Abbiamo selezionato questo gruppo di otto. Abbiamo avuto molta trazione. Possiamo parlarne dopo con l’onboarding e l’abbinamento mentorship, ma l’abbiamo percepito come un gruppo di casi studio che possono veicolare il messaggio: questa è la nuova generazione delle capacità agentiche per l’industria della people analytics, oltre il campo dell’analisi delle reti organizzative.

David Rice: Dan, hai menzionato il consenso. Come si garantiscono consenso, fiducia e trasparenza quando agenti IA avviano qualcosa di sensibile come un intervento di retention o una connessione di mentoring tra pari?

Dan George: Esatto. Era uno dei pensieri pregressi su tutto questo, cioè dobbiamo assicurare che ogni cosa agente sia fondata sul giusto livello di consenso ed etica. Uno dei modi migliori che adottiamo è, all’interno della nostra piattaforma, raccogliere il servizio e le mail sia dei riceventi che degli altri soggetti nell’organizzazione. Quando l’agente rileva un criterio specifico, può inviare una mail automatica generata da un amministratore.

Quindi possono avviare il processo oppure lasciar partire l’intera raccolta di firme richieste. Entrambe le parti ricevono una mail, cliccano il bottone e danno il consenso. Così abbiamo notificato entrambe, ottenuto il loro consenso, e in qualsiasi momento possono revocare il consenso, restando conformi non solo con il GDPR, ma anche con una condotta etica generale.

Francisco Marin: Inoltre abbiamo discusso internamente tutte le sfumature per ciascun caso. Nel caso della retention, ad esempio, ci siamo chiesti se abbia senso fornire insight solo a livello aggregato — tipo: “Nel team 13, secondo i segnali, c’è un alto rischio di abbandono e queste sono le azioni consigliate” — oppure a livello individuale notificando il supervisore diretto.

In alcuni casi testiamo a livello aggregato, in altri individualmente, e osserviamo le reazioni dai primi piloti e dai dipendenti coinvolti.

Il principio è costruire sempre meccanismi di opt-in. Se ti identifichiamo come mentore, ad esempio, devi esprimere il consenso per partecipare. Altro tema: quale ruolo deve avere il supervisore? Deve fungere da autorizzatore o solo essere informato? Stiamo evolvendo, ma l’idea è piena conformità GDPR e introduzione di meccanismi di opt-in ogni volta che è possibile.

David Rice: Parliamo di funzionalità per un attimo: cosa rende questi agenti veramente agentici, invece che una dashboard o un assistente, o le cose più tipiche dell’IA generativa?

Francisco Marin: Come il nome suggerisce, in una IA agentica l’IA ha maggiore autonomia.

Questa IA non aspetta che l’umano analizzi una dashboard o faccia una domanda per suggerire o identificare interventi: è la IA che monitora costantemente e identifica interventi in tempo reale.

Poi può prendere decisioni consapevoli del contesto: in alcuni casi ci sono molte metriche disponibili, in altri meno, ma sulla base delle metriche universali accessibili e nel quadro della generazione aumentata, l’agente orchestratore prende decisioni su come comporre notifiche email e proporre interventi.

Il livello di autonomia è molto più elevato rispetto a interfacce AI generative tradizionali come quelle implementate in precedenza.

David Rice: Avete menzionato alcuni piloti: quali agenti hanno raccolto più interesse nei primi studi?

E perché?

Francisco Marin: Il match mentorship insieme all'onboarding. Vuoi rispondere tu, Dan?

Dan George: Sì, il match mentorship è probabilmente uno degli ambiti a minor rischio. E sono un grande sostenitore dell’avere non uno ma più mentori.

Per ogni organizzazione, per coinvolgere i nuovi assunti o i nuovi manager, poter trovare un mentore che non sia direttamente collegato a te. Il mentorship manager cerca di capire i dettagli dell'individuo e le aspirazioni, a seconda di quanto è approfondita l’ONA attiva.

Entrambi (mentore e mentee) ricevono email di consenso. Se accettano, parte l’introduzione. Questo alla scala rende il processo facilissimo. In passato facevo tutto manualmente come CHRO, capendo chi allocare come mentore e inviando elenchi alle varie funzioni. Ora con l’automazione basta un click che autorizza e accelera tutto il processo. Si esce dal cliché di abbinare sempre i soliti mentori/mentee.

In generale è una delle azioni più semplici, a minor rischio e di maggior impatto che un’organizzazione possa fare. Il rapporto qualità/prezzo è incredibile.

Francisco Marin: E le persone lo comprendono facilmente: tutti abbiamo vissuto in una multinazionale quanto faccia la differenza il primo collega che ti introduce nell’organizzazione.

Se è qualcuno che ispira, supporta e coinvolge fa la differenza. Se invece è demotivato e vorrebbe andarsene, magari è più facile che ti spinga alla concorrenza. È importante ancor di più ora, con tanti nuovi assunti in assetto ibrido, senza contatti faccia a faccia.

Le aziende sono spesso in riorganizzazione in tempo reale, quindi è fondamentale ottimizzare l’onboarding e ridurre il tempo di traiettoria verso la produttività. Qui si ripensa l’inserimento come un’attivazione sociale.

David Rice: Molto interessante. E posso immaginare che, a livello enterprise, come multinazionale e con team globali, diventi fondamentale creare queste connessioni. Avete detto che gli agenti possono anche identificare rischi di burnout e connettere automaticamente un collega ad un mentore o manager. Come funziona il workflow?

Francisco Marin: Magari spieghiamo il flusso del match mentorship, operativamente attivo in più aziende. È quello che abbiamo iniziato ad implementare come punto di partenza. In pratica: un nuovo assunto entra in azienda. L’IA identifica il profilo ideale per essere il mentore o “buddy” sulla base di metriche come la leadership informale (misurata tramite l’analisi delle reti), ruolo, reparto, performance, anni di esperienza. Più dati alimentano il sistema, più pertinenti sono le raccomandazioni. Una volta trovato il match, l’intervento viene proposto all’utente HR sulla piattaforma Network Analyzer; l’utente HR autorizza l’avvio dell’intervento.

L’IA poi contatta il mentore per raccogliere il suo consenso. Il primo superiore viene informato — non è la stessa cosa che chiedergli il permesso. Se il mentore dà il consenso, l’IA crea l’introduzione email tra mentore e mentee, pianifica l’incontro e documenta se si è svolto, stimando l’impatto in termini di risparmio nel tempo di produttività del nuovo assunto. Ecco un esempio completo di workflow agentico per l’onboarding con il match mentorship.

David Rice: Parliamo un po’ di risultati: qual è il successo per questi agenti? Quali segnali o risultati misurate?

Dan George: Sull’impatto, la ricerca già pubblicata e raccolta indica ROI medi su questi scenari.

Col completamento dei task da parte degli agenti, e man mano che i match avviati hanno i loro meeting, si segnalano i conteggi e viene applicato un valore economico aggregato in dashboard. Chi gestisce il sistema può cambiare le soglie ROI a seconda delle proprie metriche. L’importante è poter tracciare e coordinare il flusso automatizzato: può fare risparmiare decine o centinaia di ore in base alla scala. Tutti i valori aggregati sono personalizzabili e presentabili in dashboard e report di team o leadership.

Francisco Marin: Specificando: per un intervento mentorship efficace, si possono ottenere risparmi tra 20k e 30k riducendo fino al 40% il tempo di produttività per nuovo assunto. Questo si può replicare su tutti i nuovi ingressi. Gli agenti IA sono già disponibili nella nostra piattaforma self-service Connect Network Analyzer, ma stiamo integrandoli nativamente in sistemi come ServiceNow o Google, così che i clienti possano usarli nella loro infrastruttura IT.

Gli agenti potranno interagire con tutti i dati di case management o HRSD nei workflow di ServiceNow, per esempio. Siamo in un periodo eccitante: scopriamo nuovi casi, riceviamo feedback e puntiamo a scalare tutti gli otto agenti oltre la fase di pilota.

Dan George: Sì, c’è interesse anche da altri CRM. Integrare queste capacità come app native semplifica tutto il processo all’interno degli ecosistemi aziendali.

David Rice: Immagina di avere accesso ai migliori talenti globali — l’ingegnere a San Paolo, il responsabile vendite a Dublino, il designer a Città del Capo: il tuo prossimo super-assunto potrebbe essere ovunque. Con Oyster, nessuno deve essere “quello che se n’è andato”.

Oyster aiuta le aziende ad assumere in tutto il mondo, gestire payroll puntuale e accurato, rimanere conformi ad ogni passaggio. Crea la tua squadra dei sogni e cresci con sicurezza: il mondo è davvero la tua ostrica.

Ovviamente l’interesse HR è forte, ma citavi la possibilità di parlare al resto del C-level: vedete arrivare interesse anche da operations, CEO, ecc.?

Dan George: Ogni settimana e mese aumentano le conversazioni che partono da fuori le HR.

Prima entravamo tramite people analytics o transformation HR, ma ora si aggiungono leader anche esterni alle risorse umane, che vogliono capire le competenze e le reti dei dipendenti per accelerare l’innovazione, ottimizzare la collaborazione, capire la cultura delle squadre e, anche nei casi semplici di cambiamento, identificare i top influencer a ogni livello, personalizzando la comunicazione verso questi snodi nevralgici. Sapere chi sono accelera ogni iniziativa di change management.

David Rice: Da un punto di vista tecnico, ogni organizzazione ha dati e infrastrutture diversi. Quali dati e strutture servono alle aziende per adottare realisticamente questi agenti?

Francisco Marin: Ottima domanda: la barriera di accesso è molto più bassa di quanto si pensi. La forza sta nell’unire ONA attiva (survey online) e ONA passiva (meta-dati aggregati di strumenti tipo Microsoft, Google, Slack, ecc.). Serve davvero poco: nome dipendente, mail, nome manager e sua mail, basta avviare un pilota. Più dati (reparto, divisione, performance, engagement, dati storico di abbandono) meglio è, ma l’IA agente sa comunque adattarsi al contesto coi dati minimi. Se mancano informazioni chiave (ad es. mail manager) non potrà generare certe notifiche, ma di norma queste sono già disponibili su API di Microsoft o Google.

Dan George: Abbiamo avuto team che hanno caricato strutture gerarchiche semplici o anche più complesse con più gerarchie a seconda di come vogliono tracciare gli andamenti. La nostra LLM backend può integrare praticamente ogni struttura. Se siamo dentro un vendor terzo, ci associamo all’LLM specifico così che il nostro motore ONA sia alimentato da più LLM che aiutano l’analisi di rete.

Francisco Marin: Esempio: con una multinazionale Fortune 5, sette metriche diverse per i team, tipo supervisory org 5, 6, 7, report funzionali e diretti. L’IA ha integrato tutte le metriche universali nei suggerimenti e nei prompt generativi — un’altra innovazione che cambia molto come i clienti consumano questi insight.

David Rice: Ho visto che nella ricerca tanti HR si sentono non qualificati nell’uso di strumenti IA. Avete trovato scetticismo o resistenza portando l’agente IA in processi tradizionalmente centrati sull'umano? Come lo affrontate?

Francisco Marin: Direi che si è compreso che l’IA sarà sempre più centrale nel futuro del lavoro; che tu sia HR, IT o finance, ci devi fare i conti perché impatterà a breve il lavoro di tutti. Forse questa urgenza frena la resistenza attuale a essere esposti a queste tecnologie, rispetto alle wave precedenti.

Eravamo tra i primi tre a introdurre IA generativa in people analytics, vedendo allora aziende entusiaste ma riluttanti a fare il passo completo. Poi, due mesi dopo, le stesse aziende lanciavano agenti IA agente su tutta l’organizzazione! Cambia il mindset: devi essere un early adopter o resti fuori dal mercato, e l’IA ormai si infiltra nella quotidianità.

Dan George: C’è un doppio approccio: la nostra piattaforma è pensata per professionisti di ogni tipo, sia esperti di ONA o database a grafo, sia utenti generici. I report e le metriche sono chiari per chi non ha background, mentre i dati raw e quelli approfonditi sono disponibili per chi vuole. Le informazioni sono scaricabili per integrare altri database HR. Che siano 300 o 30.000 persone, tutto può essere integrato. La piattaforma offre report intuitivi, ma anche tutti i dettagli matematici per chi li desidera. Alcuni clienti all’inizio vogliono partire in modalità base per sentirsi sicuri. Poi, acquisendo familiarità, chiedono l’attivazione di funzioni generative e agentiche.

Francisco Marin: Questo è il messaggio chiave: sottolineiamo sempre che chi usa la piattaforma controlla come le insight vengono condivise. Puoi autorizzare o no gli interventi, esportare report, selezionare metriche e grafici, impostare il perimetro del report; sei il gatekeeper e decidi tutto. Questo risuona moltissimo con i team HR.

David Rice: La personalizzazione e la possibilità di adattare il sistema al livello dell’utente sono sicuramente fattori chiave per l’adozione.

Tutto ciò mi porta alla domanda successiva: quanto tempo ci è voluto per sviluppare queste capacità, e quali sono i prossimi passi? Sognate già altre potenzialità agentiche per il futuro?

Francisco Marin: Sì.

Dan George: Rispondo io e poi lascio a Francisco, che su questo ha grande visione. Siamo colleghi da 5-6 anni, è da prima della pandemia che ragioniamo su questo. Ci sono molte aree dove evolvere la seconda generazione degli otto agenti e poi andare oltre, man mano che aumenta la confidenza delle persone. Cerchiamo di seguire i trend più attuali e strategicamente non svelerò in anticipo tutte le innovazioni. Siamo molto eccitati sia su questa prima generazione sia sulle future evoluzioni.

Francisco Marin: Per me il futuro dell’organizzazione è una rete supportata da agenti: IA che attivano macro-interventi su larga scala. I grandi gruppi multinazionali diventano incubatori di questa nuova modalità “network-first”, mentre nascono nuove organizzazioni che scalano direttamente queste pratiche come stiamo facendo in CTS, che è una comunità decentralizzata di 50 persone sparsa nel mondo, e che vogliamo usi se stessa come case study di questa evoluzione.

Personalmente, ho anche avviato l’iniziativa Network-First Manifesto: chi si riconosce in questa visione può contribuire a costruire il manifesto collaborando con leader di pensiero come Mike Lorena, Andras Seven e altri. Abbiamo già 200 membri fondatori e 80 organizzazioni. A breve annunceremo le prossime tappe e ratifiche. Tutto nasce dal desiderio di spostare il modello dal paradigma gerarchico alla “network-first”. Il nuovo assunto deve sentirsi accolto come in una startup della Silicon Valley, non in una struttura rigida. L’obiettivo è un futuro che ci entusiasmi e non ci spaventi.

David Rice: Fantastico. Amo il lavoro di Michael sulle reti, ha fatto cose davvero innovative. Dan, Francisco, grazie mille per essere stati con noi. Prima di salutarci, vi do la possibilità di dire alle persone dove possono trovare maggiori informazioni su di voi e sugli agenti.

Francisco Marin: Potete visitare il sito cognitivetalentsolutions.com. Abbiamo anche la newsletter su LinkedIn “CTS Running Sites” con articoli settimanali. E poi, separatamente, l’iniziativa Network-First Manifesto su networkfirstmanifesto.com e networkfirstmanifesto.com/join. È aperta a tutti.

David Rice: Grazie, è stata una conversazione ricca.

Dan George: Grazie, David.

Francisco Marin: Grazie a te, David.