Come preparare la tua forza lavoro a guidare e collaborare con l’IA

David Rice: Ci sono molte aziende che rimangono bloccate nella cosiddetta modalità pilota. Implementano dei modelli di formazione e si fermano lì. Qual è la leva più grande che effettivamente porta un’organizzazione verso la padronanza dell’IA?

Glen Cathey: La leva più importante è la leadership. Se vuoi creare una cultura in cui l’IA sia la scelta di default, sono i leader a doverla dimostrare per primi, a stabilire la visione e a incarnarla. Lo devono mostrare concretamente così da essere d’esempio. Puoi avere tutta la formazione del mondo, ma se la leadership non è davvero allineata, non riuscirai a creare una cultura in cui le persone scelgono spontaneamente l’IA e sperimentano tutte le modalità in cui può migliorare il loro lavoro.

David Rice: La maggior parte delle persone non ha mai ricoperto ruoli manageriali. Come possiamo insegnare all’80% della forza lavoro a diventare all’improvviso leader di persone nell’IA?

Glen Cathey: Non abbiamo mai davvero considerato la gestione come una competenza. Non è una cosa che impari con un corso e, puff, sei magicamente un manager fantastico di persone o IA. È un’attitudine che le persone devono trasformare in abitudine, iniziando a ragionare su quei passi.

Cosa sto cercando di risolvere? Quali risorse ho a disposizione? Quali sono le capacità? Come fornisco abbastanza istruzioni perché riescano effettivamente a lavorare bene per me? E come fornisco feedback?

David Rice: Pensi che ci aggrappiamo a certi ruoli quasi per tradizione piuttosto che per necessità?

Glen Cathey: Prendiamo alcune soluzioni relativamente nuove, come l’assistente per le assunzioni di LinkedIn. Ha un modello separato per ricerca, contatto, screening. Puoi inserire informazioni in linguaggio naturale. Stiamo parlando dell’automazione delle attività di selezione. Comprendere un lavoro, tradurre quel ruolo in ricerche e criteri di matching. Oggi esistono soluzioni in grado di farlo. E allora mi chiedo: perché esiste la figura del recruiter?

David Rice: Benvenuti a People Managing People — il podcast che aiuta i leader a mantenere umano il lavoro nell’era dell’IA. Sono il vostro host, David Rice. Nell’episodio di oggi sono con Glen Cathey, SVP Talent Advisory di Randstad Enterprise. Parleremo del percorso verso la padronanza dell’IA e di come sviluppare competenze reali per arrivarci.

Glen, benvenuto!

Glen Cathey: Grazie mille. Sono felice di essere qui. Non vedo l’ora di discutere.

David Rice: Assolutamente. Vorrei iniziare parlando della formazione online. Ovviamente è un tema centrale, dato che dobbiamo sviluppare competenze che non abbiamo ancora, a volte nemmeno sappiamo quali ci serviranno.

Quando ne parlavamo prima, mi hai detto che la formazione online crea conoscenza, ma non necessariamente competenze. Quindi ti chiedo: cosa servirebbe alle aziende per colmare davvero quel gap e smettere di trattare l’IA come un corso da superare invece di una cultura da vivere?

Glen Cathey: Mi piace questa impostazione. Ha senso per ogni azienda puntare molto sulla formazione online perché è il modo più facile da scalare. Crei un corso che puoi rendere disponibile a migliaia di persone. Però, come accennavi, credo davvero che normalmente la formazione online insegni la conoscenza, e noi vogliamo andare oltre: trasmettere alle persone la capacità reale, promuovere cambiamenti comportamentali, che sono fondamentali qui.

Quindi non credo sia saggio trattare l’IA generativa come una semplice implementazione tecnica. In realtà è un esercizio di change management, perché implica cambiare il modo in cui le persone lavorano. Vuol dire modificare i comportamenti, che poi devono diventare abitudini.

Questo lo ottieni soprattutto con l’esperienza diretta, imparando facendo. Per questo consiglio — ed è qualcosa che abbiamo fatto sia internamente sia esternamente — di creare workshop esperienziali pratici, dove le persone si mettono in gioco, fanno esercizi calati sul loro ruolo.

Non resta solo un’idea o un concetto: diventa reale. È comunque una sfida, perché la formazione è solo un evento. Che sia online o in presenza, bisogna concentrarsi sul rafforzamento di quanto imparato: come costruisci prima il mindset, poi il cambiamento comportamentale, fino a trasformarlo in abitudine.

David Rice: È interessante. È come guardare video di fitness: non ti fa diventare in forma. Devi proprio farlo. In qualche modo, non so perché, ma qui molti non pensano in questi termini. Bisogna integrarlo nei processi lavorativi quotidiani. Non è una cosa che l’HR può semplicemente imporre a tutti, giusto?

Devi integrare le pratiche IA. Anche solo inserire prompt IA nei template di progetto, per esempio: cose semplici per renderla parte della routine. Incentivare la sperimentazione quando avviene. Penso sia la chiave per arrivarci davvero.

Glen Cathey: Faccio parte della World 50 AI Roundtable che si riunisce ogni mese. Lo faccio da quasi due anni. Una frase mi è rimasta impressa, anche se non riesco a citarla perfettamente: “La magia dell’IA generativa nasce quando la integri nei workflow in modo ragionato”.

La parola che uso spesso è prescrittivo. Perfino per me non è ancora semplice spiegare bene la difficoltà: quando metti a disposizione dei dipendenti strumenti IA come Copilot, Gemini o ChatGPT, la sfida è che possono fare letteralmente qualsiasi cosa che riguardi la conoscenza e i compiti cognitivi.

Da un lato è eccitante, ma dall’altro è una difficoltà: da dove inizio? Come dicevi tu sulle librerie di prompt, è utilissimo offrire spunti su cosa si può fare. Ma ancora più importante è aiutare le persone a pensare al proprio lavoro in modo che si fermino a riflettere e riconoscano le opportunità dove l’IA può servire.

Quindi da una parte è utile essere molto prescrittivi e dire: «In questo workflow, per questo ruolo, ecco i cinque passaggi in cui vogliamo che si usi l’IA. Qui ci sono dei prompt di partenza». Ma è altrettanto importante aiutare le persone a sviluppare la capacità di individuare da sole le occasioni per usare l’IA.

Non è un aut/aut, è un “e”.

David Rice: Esattamente. Devono anche sentirsi psicologicamente sicuri di provare, vedere cosa succede e sapere che se sbagliano non è grave. Così la conoscenza diventa competenza, giusto?

Glen Cathey: Esatto. Si impara facendo. C’è anche un libro interessante che spiega come si apprende meglio anche a livello cerebrale proprio quando si fatica un po’, ed è affascinante. Credo sia The Talent Code: dimostra che la costruzione di competenze avviene con la prova e l’errore. Devi fare errori, superarli, così solidifichi la conoscenza.

Trovo molto importante il tema della sicurezza psicologica. Quello che vediamo è che c’è già pressione sulle persone per raggiungere gli obiettivi attuali e se chiedi loro di rallentare per riflettere sul lavoro, sperimentare con l’IA… rallenteranno.

Molti temono che, se rallentano per sperimentare, rischiano di non essere subito esperti, quindi si sentono insicuri. Si sentono in colpa a spendere più tempo quando dovrebbero essere produttivi.

Le aziende devono capire che, quando c’è un cambiamento, bisogna “rallentare per accelerare”. Se si sperimenta, nessuno diventa esperto in un giorno: serve tempo e spazio per sperimentare, solo così si passa da dove si è a dove si vuole arrivare.

Ho l’impressione che tante aziende non pongano sufficiente attenzione a questo: che alle persone servano tempo e permesso per sperimentare e che, se all’inizio vanno più lenti, va bene, è previsto.

David Rice: Anche altri ospiti hanno sottolineato che le persone sono molto legate ai task, perché è questo che finora ha definito il loro valore.

Stiamo entrando in un’epoca dove conta la capacità di apprendere, non solo il saper fare meccanico. La vera sfida è “disimparare”: ognuno ha proprie abitudini, ma ora bisogna rimetterle in discussione con l’uso dell’IA.

Secondo te l’esperienza finisce per essere un fardello? Come convinci i collaboratori più esperti che le loro abitudini “vinte sul campo” possono ora penalizzarli?

Glen Cathey: Mi piace questa idea del bagaglio. Penso sia perlopiù un bagaglio inconscio.

Hai mai sentito dei quattro livelli di competenza? In cima, se fai il tuo lavoro da tanto, diventi “competente inconsapevole”: vai avanti per abitudine, sei in flow, non ti serve pensare.

Funziona per tutti, a meno che tu non sia nuovo. Ma quando introduci strumenti di IA generativa, devi “riportarti giù” al primo livello — che in realtà sarebbe incompetenza inconscia: non sai nemmeno cosa non sai. Poi passi all’incompetenza consapevole: «Ok, conosco l’IA ma non sono capace di usarla». Poi arrivi alla competenza consapevole: «Me la cavo, ma devo pensarci». L’obiettivo è portare tutti da quell’automatismo della competenza inconscia a una consapevolezza diversa: serve davvero rivedere completamente il proprio modo di lavorare.

Ora abbiamo una risorsa, sempre a disposizione, che può aiutarci in qualsiasi compito cognitivo: non l’abbiamo mai avuto prima, qualcuno accanto a cui puoi delegare in ogni istante. È un salto mentale enorme: passare dal lavorare in automatico, senza pensarci su, a fermarsi, analizzare i processi, chiedersi «come posso usare l'IA per migliorare la qualità del mio lavoro, non solo l’efficienza, ma anche le decisioni, i risultati, l’esperienza cliente»…

Ci sono tante variabili, ben oltre l’efficienza o la riduzione dei compiti ripetitivi.

David Rice: Bisogna anche riformulare cosa si intende per disimparare, vero? La percezione iniziale è di perdere la propria expertise.

In realtà è come un aggiornamento software: non ti cancella la memoria, aggiunge nuovi riflessi. Le ricerche mostrano che chi sa già fare bene e applica l’IA, impatta e ha più successo rispetto a chi si è appena avvicinato o delega tutto all’IA. Bisogna quindi cambiare la percezione su cosa significa disimparare e reimparare.

Usare gli agenti IA ha un po’ in comune con gestire una persona: si delegano compiti, si fissano obiettivi, si danno feedback. Se la maggioranza non ha mai fatto il manager, come possiamo insegnare all’80% della forza lavoro a diventare leader di persone IA?

Glen Cathey: Proprio negli ultimi mesi ho riflettuto su questo legame. Credo che il modo corretto di vedere l’IA sia come una risorsa da gestire e con cui collaborare. È complicato, perché la maggioranza non ha mai gestito risorse.

Collaborare sì, ma collabori con altri solo dopo aver fissato una riunione; non puoi “collaborare” in ogni istante. Devi quindi rivedere il tuo lavoro e formare le persone anche sulle skill gestionali.

La prima è l’identificazione dei problemi e la loro scomposizione (anche se sembra macro), cioè: “Cosa voglio fare, davvero?” Spesso lavoriamo in automatico, ci concentriamo e basta: ora invece bisogna rallentare e chiarire il problema.

Poi: «che risorse ho?» Ora ho anche l’IA, a cui posso delegare o collaborare. Ma mi serve dare a questa “risorsa” istruzioni di alto livello, tanto contesto: spiegare cosa voglio, chi sono, perché, come io vorrei.

E poi, una volta ricevuto il lavoro, servono feedback, come un manager fa con un collaboratore: «ok, alcune cose sono a posto, qui serve migliorare». Cose che un contributor non ha mai gestito. Ecco perché la gestione non si può imparare solo con un corso: serve farne abitudine e routine, pensare sempre a quei passaggi — “Cosa risolvo?”, “con quali risorse?”, “quali istruzioni?”, “che feedback do?” — per migliorare continuamente il risultato.

David Rice: Esatto. Insegnarlo a tutta la forza lavoro… possono essere utili simulazioni in cui i lavoratori allenano l’IA migliorando il suo output, come un manager che dà feedback. Possiamo valutare anche la chiarezza, la specificità e tutto il ciclo del feedback — le stesse competenze dei bravi manager, e paradossalmente potrebbe essere l’IA a insegnarcele meglio.

Glen Cathey: Concordo. E mi hai dato un’idea: si può creare un prompt (in Gemini, Gem, o ChatGPT con una custom GPT) che pone domande all’utente. Invece di aspettare input passivi, può guidarti, farti coaching. Puoi implementarlo con qualsiasi soluzione commerciale.

Serve a gestire meglio l’IA: ironico ma vero! Nelle formazioni cerco di mostrare quanto queste soluzioni siano potenti, capaci, persino più “umane” — in alcune skill come empatia o consapevolezza emotiva — rispetto alle persone vere, secondo vari studi.

Questo significa che l’IA, oltre a rafforzarti da un punto di vista tecnico, ti rende migliore anche nelle soft skill dove nessuno pensava potesse aiutare.

David Rice: È un’epoca straordinaria, mi ripeto spesso: «non pensavo di vedere queste cose». Prima hai detto che implementare l’IA su larga scala è come raddoppiare la forza lavoro dall’oggi al domani; ma se è vero, quali sono i costi o i rischi nascosti?

Glen Cathey: Vedere la questione così aiuta le aziende a capire che non si tratta solo di mettere a disposizione licenze software. È come se raddoppiassi davvero la forza lavoro, così ti senti più responsabile del fatto che queste risorse funzionino, andrebbero usate davvero. Se davvero avessi il doppio dei dipendenti, saresti in ansia per renderli subito produttivi.

Ma non mi sembra che le aziende lo pensino rispetto all’IA generativa: dovrebbero invece farlo. Questo riconduce alla formazione manageriale: hai “assunto” queste nuove risorse, cioè l’IA, che può già lavorare e automatizzare.

Ma chi le gestisce? Chi è in grado di farlo? E come riqualifichiamo chi serve perché queste risorse diano il meglio? Finché non trovo una metafora migliore, questa serve almeno a creare consapevolezza sul rischio di risorse sottoutilizzate — forse c’è modo migliore di spiegarla, ma per ora funziona. Se raddoppiassi la forza lavoro, sentiresti la responsabilità; ora invece restano inattive, si pensa “tanto costano poco”, ma non è giustificato non sfruttarle appieno.

Sempre più aziende stanno adottando l’IA su larga scala: quindi non è più l’accesso alla tecnologia che fa la differenza competitiva, è come abiliti le tue persone a usarla. Ed è proprio il punto del nostro discorso: dobbiamo preoccuparci davvero di abilitare i nostri dipendenti a ottenere il massimo da queste soluzioni.

David Rice: Non potrei essere più d'accordo. L’idea che sia un vantaggio competitivo sta ormai svanendo perché sta diventando standard. Invito chi ci ascolta a vedere ogni nuovo agente IA come lavoro manageriale in più: ogni nuova implementazione aumenta il carico cognitivo, bisogna informare, controllare, verificare l’attendibilità. Bisogna costruire affidabilità, perché può generare risposte errate con grande sicurezza, ma non dar segnali di dubbio.

Nel mio caso, scrivo molto: è una cosa cui sto sempre attento. C’è quindi spazio per una governance — delle IA — come discipline operative vere, con regole di qualità, ownership, controllo. Occorre un approccio strutturato.

Glen Cathey: Concordo pienamente. C’è una governance centralizzata e anche una diffusa: ogni dipendente deve capire i do’s and don’ts di queste tecnologie. Il rischio di “allucinazioni” (AI slop) esiste, ma non è un problema della macchina, è umano.

Se lasci passare risultati poco curati, vuol dire che lo tolleri. Serve un pensiero critico, la revisione — proprio come un manager controllerebbe il lavoro prima di diffonderlo. Se deleghi a molti, sei responsabile che ognuno faccia il suo dovere: ecco perché la formazione è fondamentale, dev’essere coltivata, non solo un evento. Una cultura del governance richiede comunicazioni costanti su verifica di qualità, fact checking, toni coerenti nell’output.

Oggi basta un prompt semplice per avere un buon risultato, ma sarà generico. Non lo chiamerei IA slop, ma ne vedo in giro. Se succede, non è colpa della macchina, ma nostra, perché l’abbiamo lasciato passare.

David Rice: Benvenuti alla Data Bite di questa settimana. Il numero che voglio ricordarvi è 64%. Secondo l’ultimo sondaggio AI Pulse di EY, il 64% dei leader temono che la paura di essere sostituiti dall’IA stia frenando l’adozione nelle loro aziende. Ma solo il 24% considera la resistenza dei dipendenti come un vero ostacolo. Fermiamoci su questa contraddizione: i leader vedono la paura tra i collaboratori, la riconoscono.

Ma non la identificano come causa principale. Parlano invece di readiness dei dati, cybersecurity e regolamentazione. Ma io credo che qui sia in atto una trasformazione in cui il costo umano viene ricodificato come problema tecnico. Due terzi delle leadership sanno che i dipendenti temono l’obsolescenza, ma non trattano questa paura come emergenza reale.

La domanda non dovrebbe essere come superare la resistenza all’IA, ma: cosa dice della nostra organizzazione il fatto che le persone sono terrorizzate di essere sostituite eppure andiamo avanti lo stesso? Ecco la verità scomoda: se il 64% dei leader vede la paura ma solo il 24% la considera un ostacolo da affrontare, non stiamo risolvendo per il benessere umano, ma girandoci intorno. Non è solo un problema di change management, ma una questione fondamentale su che ruolo avranno gli umani in un mondo che li vuole sempre meno indispensabili. E credo che questa conversazione, oggi, non la stiamo davvero facendo. Detto questo, riprendiamo lo show.

Dico spesso: il vero tema non è la tecnologia ma come la usiamo. Se lo fai in modo pigro, avrai risultati pigri, come con qualsiasi persona in qualsiasi ruolo.

Bisogna imparare come sollecitarla, come ottenere i risultati desiderati.

Glen Cathey: Sono contento che tu abbia usato la parola pigro. Io stesso cerco di ricordarmelo, sto imparando come tutti a usare questi strumenti, e a volte mi innervosisce quanto tempo serve per dare tutto il contesto nel prompt.

Devo però fermarmi e dirmi: “bastano pochi minuti in più di spiegazione per ottenere risultati molto migliori”. Bisogna imparare a essere dei bravi manager di questi strumenti — e, proprio come con persone reali, non essere manager pigri. Un buon manager, quando delega, chiarisce bene cosa vuole, dà esempi di buon lavoro, lascia spazio alle domande.

Anche qui, l’IA può fare domande: basta aggiungere al prompt «chiedimi tutto ciò che ti serve per fare il miglior lavoro possibile». Un concetto molto semplice che rende l’interazione più simile a quella tra persone. Quindi: se devi gestire l’IA, fallo come faresti con un collaboratore, non da manager pigro. Se usi l’IA solo dando input minimali, avrai risultati ok, ma mediocri; è come delegare a un umano senza spiegare cosa vuoi: 9 volte su 10 non verrà bene.

Bisogna mantenere lo stesso standard.

David Rice: Molti hanno una reazione istintiva se dici “trattala come un umano”, ma non vuol dire parlarle dei tuoi problemi. Piuttosto: serve darle la stessa chiarezza che daresti a una persona. Non è un genio, sì ha potenza di calcolo e pensa rapida, ma servono contesto e scopo: altrimenti esegue ciecamente quello che crede tu voglia, ma potrebbe sbagliare.

Glen Cathey: Ed è ancora affascinante. Prima dicevo “garbage in, garbage out” sui prompt, ma oggi anche con prompt minimi l’output è comunque valido, anche se non sfrutti tutte le sue capacità. Servono più informazioni per massimizzare il risultato. Invito chi ci ascolta a chiedere all’IA di porre domande per chiarire meglio il task: rimarrete sorpresi dalla profondità delle domande, che vi aiutano a fornire il contesto opportuno.

Suggerisco: se il risultato vi sembra mediocre, chiedetevi quanto avete aiutato in input. Siate responsabili: se non va bene, la colpa è anche vostra almeno al 50%. Prendetevi la responsabilità di fornire input migliori. È incredibile che oggi si possa parlare con queste macchine in linguaggio naturale, senza neanche dover digitare.

Molti potrebbero sentirsi rallentati a scrivere, ma basta usare il microfono e parlare direttamente.

David Rice: È una capacità incredibile.

Glen Cathey: Verissimo. Lo diamo già per scontato, ma ripensandoci: abbiamo i telefoni cellulari, ma c’è chi ricorda i telefoni fissi attaccati al muro…

David Rice: Telefoni da auto!

Glen Cathey: Proprio così. Oppure i dischi in vinile e ora la musica digitale. Presto rideremo del fatto di scrivere usando tastiere: è una barriera che oggi è quasi scomparsa grazie alla voce.

David Rice: L’IA non si infastidisce con le note lunghe, come fanno gli amici.

Glen Cathey: È vero! Non si innervosisce neanche se parli a lungo.

E fa anche un ottimo lavoro a mettere ordine negli appunti di riunione confusi o disordinati; riesce a capire e ripulire il testo benissimo, anche quando a un umano sembrerebbero incomprensibili.

David Rice: Molte aziende si fermano all’alfabetizzazione: partono con progetti pilota e tanti restano lì bloccati. Ho notato che in molti si iscrivono alla nostra community proprio perché sono nella fase dei progetti pilota IA. Si parte dai modelli di training e si pensa di aver concluso. Secondo te, qual è la leva principale che porta davvero all’agilità nell’uso dell’IA?

Glen Cathey: La leva principale è la leadership. Se vuoi creare una cultura in cui si ricorra all’IA come scelta di default, serve che i leader diano l’esempio, stabiliscano la visione, la incarnino concretamente: solo così saranno modello. Poi la leadership deve responsabilizzare la catena di comando a ogni livello. Quindi: tutti responsabili per i cambiamenti nel proprio lavoro quotidiano. Puoi fare tutti i corsi che vuoi, ma se la leadership non è allineata e non si fa sentire dal top ai manager di linea, non otterrai una cultura dell’IA radicata e diffusa.

David Rice: Serve anche capire i “tratti” della vera padronanza: i leader che fanno da modello spingono le persone a ridisegnare i workflow, spostando il focus dalla produttività alla capacità, dal mero tasso di completamento a “chi usa cosa e con quale miglioramento nei risultati”. Questo richiede un cambio di mentalità guidato dalla leadership. Serve anche solo usarla per davvero: molti leader dicono “siamo un’azienda IA” ma poi non la usano mai…

Glen Cathey: E la cosa si vede immediatamente! In qualsiasi organizzazione ci sono sempre gli entusiasti “early adopter”, che la useranno comunque. Poi ci sono gli scettici, magari spaventati dall’IA, o semplicemente riluttanti al cambiamento, più tutti quelli nel mezzo.

Per muovere questa massa, la formazione è utile ma la leadership deve anche responsabilizzare e tenere il tema all’ordine del giorno in ogni riunione, chiedere esempi, condividere i casi pratici, documentarli, inserirli nei colloqui periodici. Non è una minaccia, può essere anche un incentivo: se so che al colloquio mi chiederanno “come usi l’IA?”, mi preparo a farlo davvero. Da lì parte l’allineamento di comportamenti giusti, perché so che dovrò rispondere.

Chi si oppone rischia di apparire come chi in passato non voleva usare internet quando uscì: a un certo punto ti tocca ammettere che il futuro è questo e bisogna adattarsi.

David Rice: Oggi, se lavori al computer, rifiutare l’IA è come dire “non uso Internet”: impensabile. Prima o poi sarà assurdo farne a meno!

Glen Cathey: È vero. Prendi Excel: esiste da decenni e però quasi nessuno ne sfrutta tutte le funzionalità. C’è chi ci costruisce una carriera, ma molti ne usano solo il 10%. Quindi anche per l’IA: la padronanza vera, l’essere “nativi”, non si raggiunge subito e non è detto che serve impararne il 100%. Scoprirai shortcut nuovi dopo anni. Così sarà anche qui: crescita continua per tutti.

Non farlo ora ti farà rimanere indietro, come chi rifiutava Microsoft Office… Perderai un requisito essenziale. È la stessa cosa, e non investirci vuol dire penalizzarsi da soli.

David Rice: Se prendiamo la selezione del personale, con l’IA che può occuparsi di sourcing, shortlisting, persino messaggistica, dove si disegna il confine tra supporto e sostituzione?

È la paura più grande di molti. Non stiamo mantenendo certi ruoli solo per tradizione?

Glen Cathey: Bella domanda, e forse scomoda. Allora, partiamo da ciò che già esiste: l’assistente LinkedIn, per esempio, usa diversi agenti (uno per la ricerca, uno per il contatto, uno per il pre-screening). Puoi già inserire dati in lingua naturale per automatizzare tutto il ciclo della selezione. Esistono altre soluzioni simili.

Insomma, abbiamo strumenti capaci di coprire tutto quel processo. Perché allora esiste ancora il recruiter? In aziende piccole, il manager assume da solo; ma appena cresci, delegare la selezione è una necessità perché diventa un lavoro a tempo pieno. Se la tecnologia lo fa bene, un domani il manager potrebbe gestire tutto direttamente, volendo. È uno scenario possibile già tecnicamente ora!

Non è detto che tutti i manager vorranno farlo: molti continueranno a preferire delegare a recruiter umani. Ma chi fa il recruiter, dove andrà a portare valore domani? Nella consulenza, nella relazione umana, nella capacità di ascolto, empatia e matchmaking tra persone e opportunità: caratteristiche che restano difficili da automatizzare o comunque, almeno per ora, da lasciare totalmente all’IA.

Ogni azienda dovrà decidere strategicamente dove usare IA e dove persone. Potrebbe essere una leva competitiva sia l’uno che l’altro. Per esempio, l’IA può dare feedback a tutti i candidati, cosa impossibile oggi con risorse umane limitate, migliorando la “candidate experience”. Qui sta il vero valore: non chiedersi “sarò sostituito?”, ma “quale parte del mio lavoro merita la mia attenzione specifica e dove l’IA mi libera tempo?”.

Anche io sto capendo che posso lasciare alcuni compiti all’IA e dedicarmi a ciò che richiede il mio apporto unico.

David Rice: Concordo. Dovremmo ripensare tutto il ciclo del recruiting e del talent management, non solo inserire IA nei vecchi flussi. Pulire la lavagna e pensare “come disegnerei oggi l’esperienza e i processi, ora che l’IA esiste?” Non basta aggiornare: per innovare davvero, bisogna riprogettare tutto considerando le nuove capacità.

Glen Cathey: Esatto: in alcuni casi bisognerà proprio “distruggere e ricostruire”. Grazie per avermi ospitato, è stato un piacere.

David Rice: Seguite Glen su LinkedIn. Se non l’avete fatto, iscrivetevi a People Managing People, create un account gratuito e iscrivetevi alla newsletter. A presto!