Cosa Ha Scoperto l’IA Quando È Arrivata al Lavoro
Sollievo da IA: I dipendenti si sono sentiti sollevati, non resistenti, mentre gli strumenti di IA hanno alleggerito il carico amministrativo presso Leapsome.
Divario di Prontezza: L’adozione dell’IA mette in luce un problema di fiducia, non solo un gap di competenze, nella preparazione della forza lavoro.
Problema di Documentazione: La mancanza di documentazione dei processi ostacola un uso efficace dell’IA, rivelando vulnerabilità organizzative.
Frammentazione Organizzativa: Sistemi HR scollegati limitano il potenziale dell’IA, evidenziando la necessità di una gestione integrata dei talenti.
Architettura della Fiducia: L’adozione dell’IA richiede trasparenza e responsabilità per costruire fiducia e allineamento organizzativo.
Quando Jenny Podewils ha implementato strumenti di intelligenza artificiale nei team interni di Leapsome, si aspettava resistenza. Invece, ha trovato sollievo.
"Le persone volevano liberarsi del lavoro accumulato attorno alle loro vere mansioni", afferma. "Bozze iniziali, riassunti, solleciti, raccolta dati, formattazione. Quando l'IA ha assorbito tutto questo, si è aperto qualcosa."
Ciò che si è aperto non è stato solo del tempo. È stata una visione di qualcosa che era sempre stato lì. I dipendenti di Leapsome, a quanto pare, erano da anni silenziosamente sepolti sotto un'impalcatura amministrativa. La maggior parte aveva accettato tranquillamente che fosse la natura del lavoro. L'IA lo ha reso visibile e, una volta visibile, nessuno voleva più tornare indietro.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Podewils è co-CEO di un'azienda che sviluppa software HR, quindi ha sia una visione interna di come le organizzazioni usano la tecnologia per le persone sia un contatto diretto con ciò che il proprio team viveva realmente. La sua osservazione da quel rollout va dritta al punto su un aspetto spesso sottovalutato nelle discussioni sull'adozione dell'IA.
Il problema che l'IA sta evidenziando nelle risorse umane non è un problema tecnologico. In molti casi, non è nemmeno un problema nuovo. È un fallimento di progettazione organizzativa con una lunghissima coda.
I leader che stanno navigando l'IA più efficacemente oggi non sono quelli che si muovono più velocemente. Sono quelli disposti a guardare ciò che l'IA porta in superficie e a non tirarsi indietro.
Il divario di preparazione che non riguarda la preparazione
Jeanne Meister ha trascorso oltre tre decenni aiutando le organizzazioni a navigare la trasformazione della forza lavoro. Ha osservato le aziende faticare con cambiamenti demografici, lavoro ibrido, gap di competenze e una mezza dozzina di altri cambiamenti strutturali che avrebbero dovuto ridefinire il lavoro come lo conoscevamo. L'IA, dice, è diversa in un aspetto specifico: ha reso innegabile un divario già esistente. Lo definisce un divario di preparazione.
"Il divario tra ciò che le organizzazioni vogliono fare con l'IA e la preparazione della forza lavoro ad adottare l'IA nei propri flussi di lavoro."
Ma è rapida nel sostenere che la formazione non è la causa principale.
"È una questione di fiducia e paura. I dipendenti temono di diventare obsoleti. Si preoccupano del mandato di essere fluenti con l'IA e di cosa questo significhi per i loro ruoli attuali e futuri."
Questa distinzione, tra un problema di competenze e uno di fiducia, è enormemente importante. Se il divario riguarda le capacità, lo risolvi con programmi di formazione. Se il divario riguarda la paura, i programmi di formazione da soli non bastano. Si tratta di affrontare qualcosa che sta sotto la cornice di competenza.
I suoi dati di sondaggio rendono concreto il problema: il 79% dei lavoratori afferma di sentirsi impreparato a utilizzare l'IA al lavoro e il 65% dichiara che la propria organizzazione non ha fornito la formazione adeguata. Ma Meister va oltre questi numeri.
"Molte aziende impongono l'alfabetizzazione all'IA per la propria forza lavoro ma non definiscono cosa significhi per i lavoratori."
Un mandato senza una definizione non è una strategia. È un meccanismo che genera ansia.
Quello che descrive non è in realtà un vero divario di preparazione. È un fallimento della comunicazione, aggravato da problemi di responsabilità. I leader credono di comunicare l'impatto dell'IA. I lavoratori non lo percepiscono. Questa distanza, tra l'intento e la ricezione, era già una cosa che la maggior parte delle organizzazioni gestiva male prima che l'IA entrasse in gioco. Ora si riflette nei numeri di adozione dell'IA.
Il problema della documentazione è un problema di progettazione
Linnea Bywall ha assunto il ruolo di VP of People in Quinyx dopo sei anni e mezzo trascorsi a costruire la funzione People in Alva Labs. È entrata in azienda con una teoria chiara su ciò che doveva accadere prima che qualsiasi cosa legata all'IA potesse funzionare su larga scala.
"La mancanza di documentazione è un ostacolo significativo alla preparazione all'IA", afferma. "Molte organizzazioni vogliono usare l'IA, ma troppi processi esistono solo nella testa delle persone."
Quello che sembra un prerequisito tecnico, cioè documentare i processi affinché i modelli IA abbiano materiale su cui lavorare, è in realtà una resa dei conti strutturale. Se il tuo processo di onboarding, il tuo approccio alla calibrazione delle performance, la tua filosofia di compensazione vivono principalmente nella memoria muscolare delle persone che sono in azienda da abbastanza tempo da sapere come funzionano le cose, hai un problema di fragilità organizzativa che precede l'IA di anni.
Il team di Bywall ha riscritto il People Handbook e il Manager Handbook, ha inserito obiettivi di documentazione negli OKR trimestrali e ha utilizzato l'IA sia come strumento di bozza che come campanello d'allarme per individuare i gap. Il processo è stato rivelatore in modi che sono andati oltre i documenti stessi. "Abbiamo usato l'IA come campanello d'allarme per assicurarci di coprire tutte le parti necessarie", afferma. Ciò che è tornato ha mostrato loro quanto know-how istituzionale non fosse mai stato reso esplicito.
Podewils è arrivata nello stesso punto ma da una direzione diversa. Quando parla del perché l'IA abbia bisogno di dati storici e connessi per generare intuizioni significative, sta semplicemente facendo un discorso sulla documentazione, anche se con parole diverse.
"Un agente AI brillante e autonomo al di fuori del tuo sistema HR può certamente scrivere una job description. Non può, però, dirti se l’engagement sta diminuendo in un team specifico, se un top performer non ha una conversazione di sviluppo da mesi, o se i collaboratori diretti di un manager registrano costantemente performance più basse rispetto alle valutazioni dei pari."
Considerare la documentazione come primo passo verso la prontezza all’AI spesso porta a scoprire qualcosa che si sarebbe dovuto affrontare a prescindere dall’AI. L’organizzazione funziona su un’infrastruttura informale. Questo sistema reggeva finché rimanevano le persone con la conoscenza. È sempre stato un rischio.
Contemplare se stessi su larga scala
Dean Carter ha trascorso quasi 25 anni come CHRO in aziende come Fossil, Sears, Patagonia e Guild, prima di diventare CEO di Instill, un’azienda AI focalizzata sui segnali culturali nelle conversazioni organizzative. Il suo punto di vista è sia ampio che trasversale, e non è particolarmente indulgente riguardo a ciò che vede accadere oggi nell’HR con l’AI.
"Penso che l’HR sia troppo concentrato sul rivoluzionare processi e design organizzativo," dice. "È una goccia nell’oceano. Ha un ritorno sull’investimento quasi nullo per il business. Stiamo contemplando noi stessi applicando l’AI a ciò che già esiste."
Questa è la versione più difficile dell’argomentazione. Bywall e Podewils sostengono che le organizzazioni devono fare un lavoro di base prima che l’AI possa dare risultati. Carter afferma che anche le organizzazioni che fanno bene questa preparazione potrebbero comunque affrontare il problema sbagliato. Se usi l’AI per ottimizzare un processo di valutazione delle performance già fallace, non hai trasformato nulla. Hai automatizzato un fallimento.
Lui ha un framework specifico su come pensa al ruolo dell’AI nel suo lavoro.
"L’ottanta percento di ciò che mi offre l’AI è fantastico, ed è tutto quello di cui ho bisogno. Non desidero più una soluzione, immagine o risposta finale. Voglio che l’AI si occupi della raccolta e assimilazione delle informazioni, il lavoro che richiede più tempo che intelligenza, così io posso usare il mio tempo e la mia mente per plasmare quel venti percento finale, stimolante e meraviglioso."
Questa non è un’ottimizzazione di flussi di lavoro. È una ridefinizione di dove il giudizio umano debba inserirsi nel processo. Il lavoro preliminare era la parte che richiedeva tempo senza generare pensiero differenziato. Il venti percento finale è dove esperienza, saggezza e comprensione del contesto contano davvero. L’AI non ha creato questa distinzione. Ha solo reso possibile valorizzarla.
La domanda più difficile posta da Carter riguarda il numero di team HR che usano l’AI per preservare la struttura esistente anziché metterla in discussione. Quanti stanno automatizzando un processo che in realtà dovrebbe essere riprogettato?
Il problema del tessuto connettivo
Trent Cotton è responsabile degli insight sul talento presso iCIMS, e riflette sul ruolo dell’AI nelle Risorse Umane in termini strutturali. La sua visione di ciò che l’AI può rendere possibile, ovvero una visione integrata del portafoglio dei talenti che collega recruiting, mobilità interna, performance e formazione in un unico luogo, è ambiziosa. Ma si basa su una diagnosi che riguarda più la frammentazione organizzativa che le capacità dell’AI stessa.
"Oggi, l’HR perde troppo tempo dietro processi disconnessi," dice. "Richieste qui, mobilità interna là, formazione in un altro sistema."
Questa frammentazione non è nuova. Le funzioni HR gestiscono sistemi disconnessi da decenni, acquistando soluzioni specifiche per determinati problemi, costruendo workaround, e perdendo integrità dei dati a ogni passaggio. L’AI non corregge quella frammentazione. Rivela perché è sempre stato un problema. Perché gli insight che l’AI può generare da dati connessi, su chi rischia di lasciare l’azienda, quali manager sviluppano il proprio personale, dove si stanno formando gap di successione, non sono disponibili se i dati sono isolati.
"L’AI genera insight utili da dati connessi," dice Podewils. "Genera rumore da dati isolati. La frammentazione sta diventando un’eredità costosa, e il momento della resa dei conti è più vicino di quanto molti pensino."
Cotton estende questa riflessione alla natura stessa della leadership. Parla di un passaggio da "leader di una funzione" a "progettista di sistemi che apprendono". Il leader HR abilitato dall’AI, secondo la sua definizione, non fa meno, ma opera a un livello diverso, in grado di portare in superficie rischi di capacità e strategie di forza lavoro in conversazioni che prima si basavano su intuizione e dati obsoleti.
"Con insight integrati e arricchiti dall’AI, l’HR può presentarsi a una riunione e dire: ‘Questo è il mix di competenze del tuo team oggi, questa è la strategia che ti serve, e qui ci sono tre mosse di portafoglio che possiamo fare.’"
Questo è un tipo di conversazione di leadership diverso. Richiede un’infrastruttura differente. E costruire questa infrastruttura, i sistemi connessi, i dati puliti, i processi documentati, è un lavoro che non riguarda l’AI ma l’autodisciplina organizzativa che era opzionale in passato e non lo è più.
L’architettura della fiducia alla base di tutto questo
Ciò che collega il problema della documentazione, il gap di preparazione, la critica dell’autoreferenzialità e quello della frammentazione ha una radice comune. Ognuno, in fondo, è un problema di fiducia.
I dipendenti che temono l’obsolescenza dovuta all’AI non si fidano che la loro organizzazione stia gestendo questa transizione tenendo a cuore i loro interessi. L’osservazione di Meister secondo cui le aziende impongono l’alfabetizzazione AI senza definirne il significato per ciascun ruolo rappresenta un fallimento della fiducia.
"I leader dovrebbero passare da una 'formazione standard su AI per tutti' a una formazione su AI specifica per ruolo e valutare le performance in quel contesto."
Carter lo dice in modo più diretto. Quando i leader chiedono ai dipendenti di mappare le proprie attività e competenze nel contesto dell’adozione dell’AI, la maggior parte dei lavoratori percepisce un messaggio diverso da quello che viene trasmesso.
"Nonostante ciò che dicono i leader, le persone osservano cosa fanno, e non sembra autentico." Quel divario tra intenzione e percezione è un divario di fiducia. Esisteva già prima dell’AI. L’AI gli ha semplicemente dato nuovo materiale su cui lavorare.
L’osservazione di Bywall, basata sulla sua esperienza personale di adozione, ha la stessa sottile sfumatura.
"Può essere spaventoso sentirsi indietro nell’adozione dell’AI. Molte persone predicano di aver rivoluzionato il proprio modo di lavorare, ma pochi spiegano come lo stanno facendo. Questo può risultare travolgente e impedisce alle persone di immergersi davvero."
Il problema della trasparenza, ovvero i leader che parlano dei risultati senza spiegare il percorso, genera ansia là dove servirebbe coinvolgimento. Si tratta di un fallimento nella comunicazione e nella fiducia, mascherato da AI.
Podewils traccia il confine intorno all’AI nelle decisioni di HR con una chiarezza inusuale.
"L’AI non dovrebbe mai sostituire il giudizio umano nelle decisioni che influiscono sulla carriera, il sostentamento o il benessere di qualcuno. L’AI elabora, suggerisce, fa emergere. Una persona revisiona, decide e si assume la responsabilità dell’esito."
Lei inquadra il rischio non come malfunzionamento dell’AI, ma come un’AI che funziona esattamente come progettata e viene indirizzata nella direzione sbagliata. Revisioni più rapide ma meno umane. Politiche a cui risponde un chatbot senza verifica. Decisioni che sembrano oggettive solo perché prodotte da un sistema.
"Il rischio è un’AI che funziona esattamente come progettata ma punta nella direzione sbagliata."
Questo è il problema dell’architettura della fiducia. E non si risolve soltanto con i framework di governance dell’AI, anche se sono importanti. Si risolve con gli stessi elementi che costruiscono la fiducia organizzativa in qualsiasi condizione: trasparenza sulle decisioni e sulle motivazioni, responsabilità per gli esiti e comportamenti di leadership visibili coerenti con i valori dichiarati.
Cosa rivela la Diagnosi
Meister ha osservato che l’adozione dell’AI ha spinto i leader HR in una direzione specifica. I primi adottanti, osserva, trattano gli agenti AI come nuovi membri del team e li integrano consapevolmente. Il cambiamento riscontrato passa da "io guido" a "io orchestra un team di persone e agenti AI". Non è una filosofia di management centrata sull’AI. È una filosofia di management che l’AI rende visibile e necessaria.
L’osservazione di Cotton ha una struttura simile. I leader che costruiranno un vantaggio duraturo nei prossimi cinque anni, a suo avviso, sono quelli che usano l’AI per "aumentare la capacità di apprendimento dell’organizzazione" invece che come meccanismo di riduzione dei costi. La differenza non è semantica. Un approccio sviluppa le capacità, l’altro le estrae.
Bywall conclude con una previsione che ha ancora più valore vista la sua professione di psicologa organizzativa:
"Nei prossimi cinque anni, prevedo che metà delle funzioni People diventeranno ridondanti. I professionisti che resteranno saranno coloro che sanno gestire sia persone che agenti."
Non è principalmente un’affermazione sulle competenze AI. È un’affermazione sullo scopo organizzativo. I professionisti HR che continueranno a essere utili sono quelli il cui valore non è ancorato allo strato amministrativo che l’AI sta assorbendo. Questo significa che la vera domanda per i leader delle funzioni People oggi non è come adottare l’AI. È cosa, al di sotto dell’impalcatura amministrativa, rappresentano davvero.
Podewils dice che molti leader HR sono entrati nel settore perché si interessavano alle persone. Alla costruzione di culture, allo sviluppo dei leader, alla creazione di ambienti in cui le persone potessero dare il meglio. "Da qualche parte lungo il percorso, molti sono diventati amministratori di processi. I sistemi si sono accumulati. Il ruolo si è piegato intorno a loro."
L’AI non ha causato quella deriva. Ma sta imponendo una riflessione su di essa.
La diagnosi è disponibile a chiunque sia disposto a guardare cosa rivela l’AI, non solo cosa può fare. Le organizzazioni che trattano questa trasformazione come una semplice implementazione tecnologica scopriranno, a loro spese, che la tecnologia era la parte semplice.