L’intelligenza artificiale sta entrando in molti ambiti della gestione delle persone: nella definizione degli obiettivi, nella valutazione, nel feedback, nei percorsi di sviluppo, nella formazione e nelle decisioni di Talent Management.
Ma, quando si passa dalle possibilità generali alle applicazioni concrete, diventa difficile parlare di “AI applicata alle Risorse Umane” come se fosse un’unica soluzione. Ogni utilizzo risponde a un bisogno diverso, richiede informazioni differenti e attribuisce alla tecnologia un ruolo specifico.
In questo articolo proveremo a riassumere quanto abbiamo osservato direttamente in Alloy negli ultimi 18 mesi, progettando e introducendo applicazioni di AI nei processi HR dei nostri clienti. Esperienze recenti e molto concrete, nate dal confronto quotidiano con organizzazioni, Manager e funzioni HR, che ci hanno permesso di distinguere meglio ciò che l’AI può fare, le condizioni necessarie perché sia realmente utile e le decisioni che devono rimanere nelle mani delle persone.
Partiamo dalla considerazione più importante: l’AI non entra nei processi HR in un'unica soluzione o in un sol colpo.
Può intervenire in momenti diversi, svolgere compiti molto differenti e incidere in misura variabile sulle decisioni. Riassumere una serie di feedback non equivale a suggerire una valutazione. Migliorare la formulazione di un obiettivo non è la stessa cosa che proporre quale obiettivo assegnare. Rendere più accessibili i contenuti formativi è diverso dall’individuare le persone sulle quali avviare una riflessione di Talent Management.
Riunire tutte queste applicazioni sotto un’unica etichetta rischia di nascondere proprio le domande che ci siamo trovati ad affrontare nei progetti: quali dati può utilizzare l’AI? Che cosa le stiamo chiedendo di fare? Come deve essere prodotto e presentato il suggerimento? Chi mantiene la responsabilità della decisione?
Le applicazioni sviluppate insieme ai nostri clienti mostrano che, all’interno dei processi HR, l’AI può assumere almeno cinque ruoli distinti.
Un processo di Performance Management può produrre, nel corso dell’anno, una grande quantità di informazioni: obiettivi, valutazioni precedenti, check-in, feedback continui, commenti qualitativi e azioni inserite nei piani di sviluppo.
Nei processi sui quali lavoriamo, questi dati sono disponibili, ma non sempre sono facilmente leggibili nel momento in cui servono. Abbiamo quindi introdotto applicazioni capaci di ricostruire il percorso di una persona, sintetizzare i feedback ricevuti, far emergere temi ricorrenti e segnalare contributi che si discostano dalla tendenza generale.
In questo caso non sta formulando un giudizio: sta riducendo la dispersione delle informazioni e aiutando Manager, Collaboratore e HR a considerare un quadro più completo.
Anche un’attività apparentemente semplice come la sintesi richiede però alcune scelte. Quali fonti devono essere incluse? Quanto devono pesare le informazioni più recenti? Un feedback isolato deve essere evidenziato oppure considerato marginale? La sintesi deve riportare soltanto ciò che ricorre o anche ciò che contraddice la lettura prevalente?
L’utilità dello strumento dipende anche da come vengono risolte queste domande.
Molti passaggi dei processi HR dipendono dalla capacità delle persone di esprimersi in modo chiaro. Un obiettivo troppo generico sarà difficile da valutare. Un feedback privo di contesto rischierà di essere poco utile. Una valutazione qualitativa costruita con formule standard restituirà poco del percorso effettivamente compiuto.
In alcuni progetti abbiamo fatto intervenire l’AI durante la scrittura, per segnalare gli elementi mancanti e proporre formulazioni più complete, comprensibili e coerenti con il processo.
Può, per esempio, aiutare a trasformare “migliorare la qualità del servizio” in un obiettivo che chiarisca il risultato atteso, gli indicatori da osservare, l’orizzonte temporale e il perimetro di responsabilità della persona. Allo stesso modo, può suggerire come rendere un feedback più specifico, collegandolo a comportamenti osservabili e alle loro conseguenze.
Il valore non consiste soltanto nella frase proposta. Il sistema può affiancare al suggerimento brevi input formativi, spiegando perché la formulazione iniziale sia migliorabile. In questo modo l’AI non si limita a correggere un testo, ma può contribuire a sviluppare nel tempo una maggiore capacità di scrittura da parte di Manager e Collaboratori.
Il colloquio di feedback è uno dei momenti più importanti del processo di valutazione e, spesso, uno dei più difficili da affrontare.
Tra le applicazioni introdotte nei progetti Alloy c’è anche il supporto alla preparazione del colloquio. L’AI aiuta il Manager a partire dai dati della valutazione, dagli obiettivi, dai feedback raccolti e dagli aggiornamenti avvenuti durante l’anno. Può evidenziare aspetti sui quali chiedere un approfondimento, possibili incoerenze da chiarire e temi che meritano di essere affrontati con particolare attenzione.
La stessa opportunità può essere offerta alla persona valutata, permettendole di ricostruire il proprio percorso e arrivare al confronto con osservazioni e domande più consapevoli.
L’obiettivo non è scrivere un copione né automatizzare la relazione. È creare condizioni migliori perché il confronto possa essere concreto, equilibrato e fondato su informazioni condivise.
In organizzazioni internazionali, anche la traduzione può contribuire a questo risultato. Consentire alle persone di formulare un feedback nella lingua in cui riescono a esprimersi con maggiore naturalezza può migliorare la qualità del contenuto. La traduzione deve però preservare non soltanto il significato letterale, ma anche tono, intenzione e contesto.
In altri progetti ci siamo spinti verso un ruolo più propositivo, utilizzando i dati disponibili per suggerire un obiettivo, una valutazione o una possibile azione di sviluppo.
Nel Goal Setting, per esempio, può proporre nuovi obiettivi considerando il ruolo, i cluster previsti dal sistema di valutazione, gli obiettivi precedenti, lo storico delle performance, i feedback, i check-in e il piano di sviluppo. Nei percorsi di crescita può mettere in relazione un bisogno emerso dalla valutazione con le azioni definite dall’azienda e con le risorse effettivamente disponibili, come corsi, contenuti dell’LMS, affiancamenti o altre iniziative.
Più il suggerimento si avvicina a una decisione, più diventa importante esplicitare le regole entro le quali viene prodotto.
Un piano di sviluppo generico, costruito senza conoscere il contesto organizzativo, può apparire plausibile ma risultare poco attuabile. Un suggerimento utile deve invece tenere conto delle opportunità realmente disponibili, delle priorità aziendali, dei vincoli del ruolo e delle responsabilità delle persone coinvolte.
Abbiamo infine lavorato su applicazioni nelle quali l’AI non si limita a organizzare informazioni o migliorare un testo, ma aiuta HR e Manager a mettere alla prova il proprio giudizio.
Nel corso di una valutazione, il sistema può confrontare criteri, linguaggio e distribuzione dei giudizi, portando all’attenzione del Manager possibili incoerenze rispetto agli altri collaboratori. Non stabilisce che una valutazione sia discriminatoria e non attribuisce automaticamente un bias: evidenzia elementi che meritano una verifica.
Un principio simile può essere applicato al Talent Management e alla revisione salariale. Trend di performance, linee guida aziendali, confronti retributivi per ruolo e obiettivi di equità possono contribuire a individuare situazioni da approfondire.
Sono applicazioni particolarmente delicate. L’AI non dovrebbe stabilire chi promuovere, chi premiare o chi sia pronto a diventare Manager. Può aiutare a rendere visibili criteri e possibili incongruenze, ampliare il campo di osservazione e supportare una riflessione più documentata. La decisione e la sua responsabilità restano umane e organizzative.
Dire che una piattaforma “utilizza l’AI” racconta quindi molto poco. Prima di introdurre una nuova funzionalità, occorre definirne il ruolo nel processo.
Alcune domande possono aiutare:
Le risposte non possono essere identiche per tutti i casi d’uso. Un aiuto alla scrittura richiede un livello di presidio diverso da un suggerimento sulla valutazione. Una knowledge base interrogabile in linguaggio naturale pone questioni differenti rispetto a uno strumento che supporta la revisione salariale.
Anche la qualità dei dati assume un peso diverso. Se l’AI riassume informazioni incomplete, produrrà una sintesi incompleta. Se utilizza uno storico influenzato da criteri incoerenti, può riprodurre quelle incoerenze nei suggerimenti successivi. Integrare l’AI non elimina quindi la necessità di progettare bene il processo: la rende ancora più evidente.
Dopo 18 mesi di lavoro su questi casi, l’approccio che riteniamo più utile è molto pragmatico: partire dal lavoro che HR, Manager e Collaboratori devono svolgere e individuare i passaggi nei quali l’AI può offrire un contributo riconoscibile.
Può ridurre il tempo necessario per recuperare le informazioni. Può migliorare la qualità di un obiettivo o di un feedback. Può aiutare a preparare un colloquio, trasformare un bisogno in un piano attivabile o portare alla luce un’incoerenza che merita attenzione.
Ma ogni utilizzo deve essere progettato all’interno dello specifico processo, conoscendone dati, regole, linguaggio e responsabilità.
La domanda, allora, non è soltanto “dove possiamo usare l’AI?”.
È soprattutto: quale compito vogliamo affidarle, entro quali confini e sotto la responsabilità di chi?
Perché un output può aiutare a leggere meglio la realtà. Ma non diventa, per questo, una decisione.