Perché migliorare la produttività inizia dalla comprensione del lavoro

David Rice: Quando un leader ai vertici dell'azienda osserva l'organizzazione nel suo insieme, ciò che vede è un organigramma e un documento di processo. Il ruolo A finisce qualcosa, lo passa al ruolo B, B lo passa a C. È ordinato, semplice e quasi completamente fittizio. Nello show di oggi parlo con Heidi Farris, CEO di ActivTrak, del divario tra il modo in cui i leader pensano che si svolga il lavoro e il modo in cui si svolge realmente.

Il flusso di lavoro reale è la somma dei passaggi di consegne, delle soluzioni alternative e dei reindirizzamenti informali che non finiscono mai in alcun documento. Heidi chiama la versione positiva di tutto questo conoscenza tribale. Non è il tipo di conoscenza che consiste nel sapere moltissimo dell'azienda, ma sono i piccoli adattamenti quotidiani che permettono alle cose di funzionare. Le persone migliorano il lavoro ogni singolo giorno, dice Heidi.

Il problema è che tutto questo non emerge davvero dalla documentazione. Oggi parleremo quindi del motivo per cui il processo documentato raramente corrisponde al modo in cui il lavoro viene effettivamente svolto, dei tre raggruppamenti da usare per decidere dove collocare l'IA in un ruolo, di ciò che accade alla capacità operativa dell'organizzazione quando un team accelera e i team vicini non lo fanno, e dei segnali reali che indicano che un'azienda è passata dall'adozione dell'IA all'impatto dell'IA.

Sono David Rice. Questo è People Managing People e, se la tua organizzazione misura il successo dell'IA attraverso le metriche di utilizzo invece di considerare cosa è successo alla capacità che ha creato, questa conversazione ti mostra cosa stai trascurando. Cominciamo.

Bene, Heidi, benvenuta allo show. È un piacere averti con noi.

Heidi Farris: Grazie, David. Sono molto felice di essere qui.

David Rice: Vorrei iniziare la nostra conversazione da questo punto: quando oggi un leader ai vertici dell'azienda osserva l'organizzazione nel suo insieme, penso che una delle frustrazioni comuni di molte persone nei confronti della leadership sul lavoro sia che sembra che i leader non sappiano davvero cosa comporti il lavoro.

Mi chiedo quindi: quando un leader ai vertici osserva l'organizzazione, cosa fraintende di solito riguardo al modo in cui il lavoro viene effettivamente svolto?

Heidi Farris: Penso che sia ciò con cui oggi molte organizzazioni stanno facendo i conti, se si osserva il panorama generale e si sente parlare tutti di riprogettare il lavoro o di applicare l'IA al lavoro. Ciò che vedono i leader è un organigramma e un documento di processo, giusto?

Il ruolo A finisce qualcosa, lo passa al ruolo B e poi B lo passa a C, e dovrebbe esserci un passaggio di consegne ordinato e lineare. Tendiamo però a semplificare eccessivamente il modo in cui il lavoro viene effettivamente svolto nelle organizzazioni. In una singola giornata, una persona può facilmente dover gestire decine di applicazioni, diversi processi di approvazione, numerosi interlocutori e soluzioni alternative.

Il flusso di lavoro reale è la somma dei passaggi di consegne, delle soluzioni alternative e dei reindirizzamenti informali che le persone affrontano e che non compaiono in un documento di processo o in un organigramma. Ed è davvero molto invisibile ai vertici, quindi perdiamo rapidamente il contatto con il modo in cui il lavoro viene realmente svolto all'interno di un'organizzazione.

David Rice: Sì. Penso sia quasi naturale, giusto? Quando si sale nella gerarchia, tutto viene ridotto a grafici, procedure operative standard e cruscotti. Credo ci sia una distinzione interessante tra visibilità sui dipendenti e visibilità sul lavoro. Non sono davvero la stessa cosa, giusto?

Heidi Farris: Esatto. Proprio così. Ciò che ci interessa è il lavoro in sé. Guardiamo, penso che i dipendenti istintivamente cerchino sempre di dare il massimo, giusto? Non è questo il punto. Si tratta piuttosto di capire come aiutare a migliorare il lavoro in tutta un'organizzazione o come comprendere in che modo viene svolto, così da poterlo migliorare, insieme agli esseri umani che possono applicare al lavoro giudizio ed empatia, cosa che l'IA non può fare.

David Rice: E se stai cercando di decidere dove l'IA dovrebbe cambiare il modo in cui viene svolto il lavoro, cosa devi capire prima del lavoro? Qual è davvero l'elemento di maggior valore che ti aiuterà a definire la direzione?

Heidi Farris: Devi comprendere le attività svolte da ciascun ruolo.

E devi riuscire a raggrupparle in modo appropriato, perché i lavori sono raccolte di attività e l'IA trasforma il lavoro modificando le attività, non necessariamente sostituendo interi ruoli. Ci sono alcune parti di ogni ruolo per le quali l'IA può essere utile. Il primo passo consiste quindi nel classificare le attività di un determinato ruolo in attività ripetitive, strutturate e basate su regole, adatte all'IA; attività assistite dall'IA che richiedono una rapida sintesi dei dati, il riconoscimento di schemi o qualcosa di simile, dove l'IA funge da copilota per una persona e c'è collaborazione; e attività esclusivamente umane, che richiedono empatia, intelligenza emotiva e giudizio.

Questo è il primo passo e la maggior parte delle persone lo salta completamente, limitandosi a usare la tecnologia per ogni problema.

David Rice: È interessante che tu lo dica, perché prima pensavo a una clip in cui qualcuno parlava dell'empatia come della cosa più importante per il futuro, e penso che sia qualcosa che non abbiamo saputo insegnare particolarmente bene.

Spesso l'abbiamo considerata un tratto della personalità invece che una competenza. Un rischio dell'IA è che la sua utilità a livello di attività possa distrarci dal chiederci se l'attività debba esistere nella sua forma attuale. Esistono davvero diversi livelli di intervento, giusto? Puoi migliorare l'attività, che è ciò su cui penso abbiamo trascorso molto tempo.

Puoi forse eliminare l'attività, oppure puoi riprogettare il flusso di lavoro. Puoi riconsiderare il risultato che stai cercando di produrre. Ci sono molte possibilità. Credo però che ci sia una differenza tra chiedersi «L'IA può fare questo?» e chiedersi «Perché qualcuno deve fare questo?». La seconda domanda mi sembra più importante, direi.

Quindi sì, le cose più facili da automatizzare, in molti casi, non sono necessariamente quelle più importanti da modificare.

Heidi Farris: Esatto. Penso che ogni volta che si fa una verifica, l'IA sta facendo luce sul lavoro in questo momento, ma ciò di cui parli è sempre esistito. Nel tempo accumuliamo sempre debito operativo, proprio come uno stack tecnologico o un prodotto accumulano debito tecnico.

Ci sono semplicemente alcune cose che, come dici tu, a un certo punto bisogna rivalutare e chiedersi: «Perché lo facciamo ancora?». E bisogna svolgere una verifica completa, comprendendo nuovamente i diversi tipi di lavoro e come renderli migliori. Perché, come ho detto, non tutto è un problema da risolvere con l'IA.

L'IA non è la soluzione a ogni problema che vediamo nel lavoro. A volte serve riprogettare il flusso di lavoro, a volte offrire alle persone strumenti e formazione migliori, a volte si tratta semplicemente della tecnologia sbagliata. Devi davvero capire come si svolge il lavoro e quali attività vengono eseguite, per poi poterlo scomporre e dire: «Bene, ecco come possiamo migliorarlo».

E potrebbe servire l'IA, oppure qualcos'altro.

David Rice: Supponiamo che l'IA restituisca a un team il 15% della sua capacità. Abbiamo visto molti aumenti di produttività e, in alcuni casi, abbiamo visto che ha reso più semplici le attività amministrative e cose del genere. Mi chiedo però: se le persone recuperano capacità, quale decisione deve essere presa subito dopo?

Qual è il primo passo che, ultimamente, sto chiedendo a molti leader di compiere per ridistribuire quella capacità tenendo a mente il valore aziendale? Perché, se lasci la decisione ai dipendenti, le cose potrebbero diventare piuttosto interessanti.

Heidi Farris: Penso che la prima cosa da fare sia dare a qualcuno all'interno dell'organizzazione il potere di prendere decisioni.

Con questo intendo dire che, come hai detto, la capacità non si ridistribuisce da sola. Se nessuno ne è esplicitamente responsabile, viene semplicemente riassorbita silenziosamente dall'organizzazione, magari sotto forma di lavoro a basso valore, oppure scompare da qualche parte in Slack. Come dicevo, c'è quell'elenco di debito operativo accumulato nel tempo, e potrebbe non trattarsi del lavoro più prezioso verso cui vuoi che le persone tornino automaticamente.

Il secondo aspetto consiste nel decidere in quale raggruppamento collocarla. L'obiettivo è ridurre i costi? Vogliamo ridimensionare la funzione? Si tratta di reinvestimento? Vogliamo reindirizzare le ore liberate verso attività di maggior valore? Oppure si tratta di espansione? Vogliamo avviare un progetto completamente nuovo o svolgere un nuovo tipo di lavoro che prima non esisteva nell'organizzazione?

Ognuna di queste possibilità ha un risultato finanziario diverso. Alcune si collegano all'EBITDA, alcune alla crescita e altre alla differenziazione sul mercato. Se festeggi soltanto la metrica di adozione e non controlli mai in quale raggruppamento sia finita quella capacità, non riuscirai mai a tracciare un collegamento con il conto economico e a dire: «Ecco come ci siamo riusciti».

Perché, alla fine, migliorare il lavoro è una metà dell'equazione, ma l'altra metà consiste nel mostrare dove questo risultato si riflette nel profilo finanziario dell'organizzazione.

David Rice: Sì, e sono pienamente d'accordo con ciò che hai detto sul fatto che possa trasformarsi in lavoro a basso valore. Di recente parlavo con un leader di un'altra organizzazione del settore dei media.

Parlavamo del fatto che alcune attività si erano alleggerite e che c'era una persona di cui non apprezzavano particolarmente le idee portate al tavolo. Aveva iniziato a usare l'IA nella pianificazione creativa, liberando molto tempo, ma poi le veniva chiesto di inserire tutto in questi fogli di calcolo, in fogli diversi, e di gestirli. Il tempo veniva assorbito dalla gestione dei fogli di calcolo.

Mi sono chiesto: è davvero un buon uso della capacità che è stata creata? Penso che probabilmente anche l'IA potrebbe gestire i fogli di calcolo. Ma questo non significa automaticamente che quella persona non serva più. Credo che sia questa la parte della narrazione in cui ci perdiamo troppo spesso: la riduzione dell'organico.

Ma quella capacità potrebbe trasformarsi in molte altre cose. Non so. Sembra che manchi una decisione manageriale tra «abbiamo risparmiato tempo» e «abbiamo creato valore». Qualcuno deve decidere a cosa destinare quel tempo. Quindi la mia domanda successiva è: i leader dovrebbero decidere come ridistribuire la capacità prima di automatizzare?

Automatizzare per creare quella capacità, così da poter fare X.

Heidi Farris: Sì, perché dovresti partire dai tuoi obiettivi. Se l'obiettivo è l'EBITDA e l'eliminazione di ruoli, devi prima capire dove si trova nella tua organizzazione la maggiore opportunità di automazione tramite IA e partire da lì. Al contrario, se hai molti ruoli in cui l'80% del tempo è costituito da lavoro o attività che richiedono un copilota, l'IA come copilota, oppure molto giudizio umano, non eliminerai quei ruoli.

E se lo facessi, dovresti riassumere quelle persone perché ti renderesti conto che il giudizio umano, l'empatia e la capacità di mettere alla prova ciò che l'IA ti sta dicendo sono importanti. Non puoi semplicemente automatizzare qualcosa che è già un processo ben definito e basato sui dati. Sono cose molto diverse e, se un ruolo è composto per l'80% da quegli altri elementi, non otterrai comunque l'EBITDA che desideri.

Quindi, come dici tu, comprendere qual è il tuo obiettivo prima di iniziare è molto importante. Altrimenti potresti fare moltissimo lavoro senza raggiungere mai davvero il tuo obiettivo.

David Rice: Sì, assolutamente. Parliamo quindi di adozione dell'IA e valore dell'IA. Una cosa non porta automaticamente all'altra. Mi chiedo però: cosa pensi che dovrebbero misurare concretamente i leader per sapere se l'IA sta creando capacità significativa e se quella capacità si traduce in risultati aziendali migliori?

Heidi Farris: La parte importante è quella che hai accennato: le metriche di utilizzo misurano l'adozione. Le semplici metriche di utilizzo misurano l'adozione. Ma hai bisogno di una misurazione prima e dopo. Devi capire com'erano il tempo di ciclo, la capacità operativa e qualsiasi altro indicatore prima di implementare una soluzione, che potrebbe essere l'IA, ed è questo il punto su cui ci stiamo concentrando oggi.

E poi devi capire com'era il lavoro dopo. Senza un quadro del prima e del dopo, è molto difficile valutare in che modo la nuova soluzione inserita nel processo abbia effettivamente influenzato il modo in cui viene svolto il lavoro. Ha migliorato la capacità? Ha migliorato la produttività?

Dove ho ottenuto un beneficio? E poi, quasi nessuno oggi tiene traccia di dove sia finita davvero quella capacità o lo verifica. Se non sai rispondere alla domanda «Cosa sta facendo un team con il tempo che l'IA gli ha restituito?», non hai una storia di ritorno sull'investimento, hai solo una storia di adozione.

Abbiamo speso denaro e iniziato a usare più strumenti, ma non li abbiamo collegati a nulla di significativo per l'azienda.

David Rice: Hai appena detto: «Cosa sta facendo il team?». E penso che questo debba essere il fulcro. La produttività individuale è molto seducente perché è facile dimostrare che qualcosa prima richiedeva 40 minuti e ora ne richiede 10.

Ma l'organizzazione trae davvero beneficio dal fatto che il processo di una persona sia diventato un po' più veloce? Puoi diventare il 30% più produttivo senza che l'organizzazione diventi il 30% più produttiva. Se finisco il mio lavoro due volte più velocemente, ma poi rimane nella coda di qualcun altro come collo di bottiglia per tre giorni, abbiamo davvero migliorato qualcosa?

Esiste quindi una distinzione utile tra efficienza dell'attività, produttività del flusso di lavoro e risultato aziendale. Mi chiedo perché ci sia spesso un divario così ampio tra il modo in cui i leader pensano che funzioni un flusso di lavoro e il modo in cui viene effettivamente svolto. Ne abbiamo accennato all'inizio, ma nella tua esperienza come si manifesta?

Heidi Farris: Oltre a ciò di cui abbiamo già parlato, il documento di processo è un'istantanea nel tempo, mentre il lavoro è un obiettivo in movimento. Il lavoro cambia continuamente. Documenti un processo, ma internamente diciamo spesso che un documento di processo raramente sopravvive alla forza lavoro.

Questo non significa che le persone non stiano facendo le cose giuste. Significa soltanto che, nella pratica, un documento di processo non mostra tutte le sfumature. Le persone più vicine al lavoro apportano ogni settimana decine di piccoli adattamenti per migliorarlo.

Se questi adattamenti quasi mai finiscono in qualche tipo di documento e inizi a moltiplicarli per centinaia o migliaia di ruoli e molti anni, il divario tra il processo documentato e il flusso di lavoro effettivo si amplia molto rapidamente. I leader hanno bisogno di una visione chiara e continua del modo in cui viene svolto il lavoro, così da poter gestire le organizzazioni in modo agile nell'era dell'IA.

David Rice: Non riesco a pensare a nessun posto in cui abbia lavorato senza una soluzione alternativa, una soluzione alternativa ripetibile che noi dipendenti avevamo creato. Il processo formale non corrisponde alla realtà sul campo. Uno dei rischi dell'IA è che cerchiamo di automatizzare il flusso di lavoro ufficiale senza comprendere davvero la soluzione alternativa che forse, in qualche modo, faceva funzionare le cose.

In alcuni casi, faceva funzionare accidentalmente il processo. Non faceva parte del piano iniziale, ma se iniziamo a rimuovere quegli elementi, la domanda a cui dobbiamo rispondere è: quanto del processo si rompe?

Heidi Farris: Penso che, come leader, non riconosciamo abbastanza il merito alle persone che migliorano il lavoro ogni singolo giorno, usando il ragionamento e tutte queste capacità. Immagina di seguire un documento di processo quando sei una persona appena assunta.

Questo è ciò che ricevi: un documento di processo. Segui tutti i passaggi indicati e poi incontri un problema e pensi: «Oh, no». Naturalmente, la persona seduta accanto a te, dall'altra parte del separé o su Slack ti dice: «Ah sì, devi tenere premuto il tasto Maiusc, andare in Excel, copiare da qui e incollare lì, e poi tutto tornerà a funzionare».

Non riconosciamo abbastanza il fatto che gli esseri umani risolvono questi problemi e che tali soluzioni non esistono in nessun documento. Le persone chiamano tutto questo conoscenza tribale. Ma spesso, quando si parla di conoscenza tribale, si pensa più a qualcosa come «So molto sull'intelligenza del lavoro: questa è la mia conoscenza tribale».

Non è questa la conoscenza tribale che fa funzionare davvero un'organizzazione. La conoscenza tribale che fa funzionare un'organizzazione è costituita da tutte quelle piccole sfumature, dalle soluzioni alternative e dal modo in cui devo fare funzionare qualcosa ogni singolo giorno affinché l'azienda possa continuare a operare.

David Rice: Questo porta a un'altra domanda: cosa succede alla pianificazione della forza lavoro quando l'IA modifica la capacità di funzioni diverse?

E vediamo che questo accade a ritmi diversi. Per un analista sarà molto diverso rispetto a una persona del marketing o della contabilità. Ci sono tutti questi ambiti diversi che oggi applicano la stessa tecnologia, ma il suo effetto non è sempre uguale in ogni funzione.

Di cosa dobbiamo tenere conto quando pensiamo alla pianificazione della forza lavoro?

Heidi Farris: Abbiamo avuto un ottimo esempio di questo all'interno dei nostri team. Il nostro team di ingegneria ha adottato strumenti di programmazione basati sull'IA e ha trovato il modo di ottenere un impatto molto significativo. Abbiamo ridotto i tempi di ciclo e accelerato i commit.

La produttività del nostro team di ingegneria è più che raddoppiata. È stata una vittoria e abbiamo iniziato tutti a festeggiare. Poi ci siamo rapidamente resi conto che i nostri ingegneri erano ora in grado di scrivere codice più velocemente di quanto il nostro team di gestione prodotto riuscisse a rielaborare i requisiti per loro.

Avevamo semplicemente spostato il collo di bottiglia da una funzione a un'altra e, come organizzazione, non avevamo realmente migliorato la produttività complessiva.

L'abbiamo migliorata temporaneamente, perché gli ingegneri riuscivano a completare più rapidamente i requisiti già assegnati, ma poi è diventato un problema fornire nuovi requisiti al ritmo necessario per tenere il passo con la velocità con cui riuscivano a sviluppare il codice. Le organizzazioni devono quindi osservare l'insieme in modo olistico e comprendere che tutto il lavoro è collegato in qualche modo.

Se un reparto accelera la produttività, riduce il tempo di ciclo o migliora un altro indicatore, i team vicini dovranno adattarsi per tenere il passo con quel cambiamento.

David Rice: Sembra un esempio perfetto del problema della pianificazione della forza lavoro: non si tratta di quante persone ci servono, ma di dove si sposterà il vincolo. Cambia continuamente. Come hai detto, i guadagni isolati di produttività spostano il collo di bottiglia, oppure possono crearne di nuovi invece di eliminarne di vecchi.

Heidi Farris: E parte di tutto questo accadrà perché non puoi fare ogni cosa contemporaneamente. Ma è proprio per questo che devi seguire una sequenza. La pianificazione della forza lavoro dovrebbe davvero includere questo ragionamento: devi fermarti e chiederti quale parte accelerare per prima e quanto tempo ti farà guadagnare prima di incontrare un altro collo di bottiglia.

Avere una visione continua del lavoro in tutta l'organizzazione permette di capire dove si verificheranno questi flussi e riflussi.

David Rice: Quando individui un flusso di lavoro che consuma più capacità di quanto dovrebbe, come stabilisci se la risposta è l'IA, la riprogettazione del processo, un'altra tecnologia o semplicemente strumenti e formazione migliori?

Heidi Farris: La prima domanda a cui i leader devono rispondere è: cosa sta effettivamente causando il rallentamento? Se il lavoro è ripetitivo, ben definito e ad alto volume, è un candidato per l'automazione o per l'IA. Se invece è la sequenza a essere sbagliata, con troppe approvazioni, passaggi di consegne non necessari o fasi duplicate, allora si tratta di un problema di riprogettazione del processo.

Se il processo e gli strumenti funzionano, ma le persone non conoscono il modo migliore di svolgere il lavoro o non possiedono le competenze necessarie, allora si tratta di un problema di formazione e supporto. La soluzione deve quindi corrispondere alla causa reale dell'inefficienza o della scarsa qualità del lavoro.

La maggior parte delle organizzazioni, ancora una volta, tende semplicemente ad acquistare altra tecnologia senza verificare prima quale di questi tre elementi sia davvero all'origine del problema, così da poter applicare la soluzione corretta.

David Rice: Sembra che qui ci sia anche un problema di incentivi. Abbiamo stanziato budget per l'IA e i dirigenti hanno assunto impegni in materia, dicendo a tutti di mettere l'IA al primo posto. Individuare qualcosa come caso d'uso dell'IA diventa quindi più attraente che riconoscere che si tratta di un noioso problema manageriale o di processo.

Una volta deciso che l'IA è strategicamente importante per noi, non c'è il rischio che ogni inefficienza inizi improvvisamente a sembrare un'opportunità per l'IA, quando in realtà potrebbe trattarsi di un'attività manuale ricorrente che ha semplicemente bisogno di automazione, oppure di un'attività incoerente che richiede standard più chiari?

Esatto. O magari di un'attività confusa che richiede formazione. Dobbiamo ragionare in questi diversi raggruppamenti.

Heidi Farris: Penso che siamo partiti con grande forza sull'IA, che continua ad avanzare e rappresenta un cambiamento epocale. Non c'è dubbio nella mia mente che l'IA sia molto preziosa e cambierà il modo in cui tutti lavoriamo.

All'inizio, però, per la gestione del cambiamento è molto difficile se non si investe completamente in qualcosa. Capisco quindi perché le organizzazioni abbiano promosso fortemente l'IA: per cambiare le abitudini e il modo di lavorare delle persone e spingerle a pensare fuori dagli schemi, a volte bisogna fare qualcosa di eccessivo per avviare il cambiamento.

Ora penso però che il cambiamento sia ben avviato, perché iniziamo a vedere persone dire: «Abbiamo licenziato troppo rapidamente, dobbiamo riassumerle», oppure: «Abbiamo detto a tutti che massimizzare i token porta in cima alla classifica e garantisce bonus», mentre ora stanno introducendo limiti di spesa.

Serve quindi un approccio più ponderato e a lungo termine all'uso dell'IA nelle organizzazioni. Penso a un quadro che comprenda ruoli, attività umane, attività assistite da esseri umani e attività svolte esclusivamente dall'IA. Dove deve essere collocata l'IA e come si possono ottenere benefici a lungo termine, ora che hai convinto tutti che l'IA è la strada da seguire e hai persone che la usano?

Ora cosa farai?

David Rice: È quasi come un gioco, forse The Sims, in cui costruisci una città. La prima città era una mappa molto ordinata, ma ora devi svilupparla in una città molto dettagliata, più articolata e sofisticata.

Devi capire meglio cosa sta succedendo nel lavoro. Come hai detto, siamo già molto avanti. Procediamo con l'IA e questa sta cambiando i flussi di lavoro tra le diverse funzioni. Tradizionalmente le risorse umane gestivano ruoli, sistemi per i talenti e pianificazione della forza lavoro. Le operation gestivano i processi, l'IT la tecnologia e la finanza il denaro.

L'intera struttura cambia. Quando però l'IA inizia a modificare i flussi di lavoro tra queste funzioni, chi deve essere responsabile della riprogettazione del lavoro in sé? Se tutti lo fanno in modo molto diverso, non so se il sistema si integri come prima.

Heidi Farris: La riprogettazione del lavoro deve avere un responsabile dotato di due elementi che oggi mancano alla maggior parte delle iniziative sull'IA.

Il primo è la visibilità sull'intero flusso di lavoro, non soltanto sulla parte di una singola funzione, così da comprendere dove si verificano flussi e riflussi e dove il lavoro si collega. Il secondo è l'autorità effettiva per modificare il modo in cui il lavoro è strutturato. Senza il secondo elemento sei praticamente limitato.

Puoi indicare tutti i punti dell'organizzazione, ma senza l'autorità di entrare e dire «Ripensiamo davvero al modo in cui è strutturato il lavoro di questa funzione, di questo ruolo o di questo reparto», non puoi fare molto. Serve autonomia e autorità.

I leader funzionali sono molto vicini al lavoro e, proprio per questo, a volte si affezionano a un certo modo di operare e si preoccupano all'idea di cambiare il modo in cui le cose vengono svolte.

Non può essere soltanto il team dell'IA o dell'IT, perché non comprende quelle sfumature che i leader funzionali conoscono. Ma non possono essere nemmeno soltanto i leader funzionali, perché non comprendono tutte le possibilità che l'IA può offrire all'organizzazione.

In realtà serve spesso una figura simile a un direttore operativo, che sia responsabile dei risultati dall'inizio alla fine e consideri la riprogettazione un vero e proprio obiettivo da raggiungere in tutta l'organizzazione. L'IA è soltanto uno dei modi in cui si può risolvere il problema, non il modo.

David Rice: Sono d'accordo. Nell'ultimo anno abbiamo avuto molte conversazioni sulla necessità che il mandato del direttore delle risorse umane si ampli, passando dalla progettazione di ruoli e organizzazioni alla progettazione del modo in cui la capacità umana e quella delle macchine si combinano per produrre lavoro.

Penso però che, per chi lo ha fatto, questo abbia portato a un aumento delle responsabilità operative, invece di lasciare il ruolo principalmente nelle risorse umane o nelle operation relative alle persone. Il ruolo si è evoluto, ma non so se questa sia la soluzione a lungo termine, a dire il vero, perché la sfida legata alle persone è già abbastanza grande.

Heidi Farris: Sono d'accordo. Quello che l'IA porta ai leader delle risorse umane, e che secondo me è molto entusiasmante, è che inizia effettivamente a unire persone e operation. Spesso le organizzazioni relegano le risorse umane ai margini e dicono: «Le risorse umane fanno una cosa da questa parte, mentre noi gestiamo l'azienda dall'altra. Le risorse umane intervengono per occuparsi della conformità e di ciò che serve loro, e hanno i propri dati, mentre noi abbiamo i dati con cui gestiamo l'azienda».

Ora tutti quei dati devono offrire la stessa visione del lavoro, perché se vuoi gestire e riprogettare i ruoli, le risorse umane sono ovviamente un elemento fondamentale, se non il responsabile, di tutta la conversazione. Ci sono implicazioni per la retribuzione, il titolo, la struttura e tutti gli altri aspetti.

Penso quindi che l'IA sia molto interessante per i leader delle risorse umane. Da un lato è molto impegnativa, ma dall'altro è anche entusiasmante, perché permette loro di partecipare realmente alla gestione quotidiana dell'azienda, invece di essere un centro di conformità che resta ai margini di tutto.

David Rice: Prima hai parlato delle metriche di utilizzo e penso che ce ne siano moltissime. Le licenze attivate, gli utenti attivi settimanali, i casi d'uso lanciati e tutte queste cose ci dicono: «Stiamo usando questa tecnologia». Non ci dicono necessariamente che siamo andati oltre la semplice adozione e che abbiamo cambiato il modo di operare.

Quali sono, secondo te, i segnali che indicano che qualcuno ha fatto questo passo e che l'azienda ora funziona in modo diverso?

Heidi Farris: Un'organizzazione ha superato la fase dell'adozione quando la leadership, o chiunque all'interno dell'organizzazione, è in grado di spiegare quale lavoro è stato riprogettato, quale risultato è stato ottenuto e dove questo risultato si riflette negli obiettivi.

Per la leadership, questo significa il conto economico. Per i team, potrebbero essere sotto-obiettivi collegati a quello principale. Non basta dire qualcosa come: «Il nostro team del servizio clienti ora risparmia tempo». Prima doveva preparare manualmente le revisioni trimestrali dell'attività, raccogliere tutti i dati di un cliente e creare la presentazione.

Ora riesce a fare in cinque minuti ciò che prima richiedeva quattro ore. Questo è un aspetto. Ma devi poter dire: «Bene, dove si è riflesso questo risultato in un obiettivo o nel conto economico?». Il semplice risparmio di tempo non è il punto. Il punto è che, grazie a quel tempo aggiuntivo, ogni persona ha potuto aumentare il proprio portafoglio di 50 clienti e ora serve un rapporto di un responsabile del successo del cliente ogni 75 clienti invece di uno ogni 25.

È lì che il risultato inizia effettivamente a comparire negli obiettivi e nei risultati aziendali. Credo che questi siano i segnali chiave del passaggio di un'organizzazione dalla semplice adozione all'impatto: non limitarti a dirmi cosa hai fatto con l'IA, dimmi cosa hai fatto con il beneficio ottenuto grazie all'IA.

David Rice: Sempre più spesso, attraverso queste conversazioni, arrivo alla conclusione che alla fine il cambiamento deve diventare visibile da qualche parte. Non può restare soltanto in un cruscotto. Deve emergere nella progettazione dei ruoli, nei risultati per i clienti, nella struttura organizzativa, nelle competenze o in qualunque altro elemento.

Se l'organizzazione si sta davvero trasformando, dovrei riuscire a vedere le prove senza guardare una metrica. Forse il segnale definitivo della maturità nell'uso dell'IA è che smettiamo di parlare davvero di IA, perché iniziamo a parlare di come opera l'azienda.

Heidi Farris: Sono pienamente d'accordo. Penso che le risorse umane e le operation collaboreranno e che l'IA sarà una delle tante soluzioni mentre analizziamo il modo in cui oggi viene svolto il lavoro.

David Rice: Assolutamente. Heidi, queste erano tutte le domande che avevo per oggi. Grazie per essere stata con noi e per aver condiviso le tue riflessioni. Lo apprezzo molto.

Heidi Farris: Grazie ancora, David, per avermi invitata.

David Rice: Ascoltatori, se non l'avete ancora fatto, andate su peoplemanagingpeople.com/subscribe. Iscrivetevi a tutte le nostre newsletter. Ne inviamo tre ogni settimana e riceverete tutti questi contenuti confezionati con cura direttamente nella vostra casella di posta.

Alla prossima: le persone stanno già migliorando il lavoro ogni giorno. Non dimenticatelo.