IA nella valutazione delle prestazioni e sviluppo di carriera

Questi processi per la valutazione delle prestazioni e lo sviluppo della carriera sono caratterizzati da:

• una elevata eterogeneità delle metodologie utilizzate (KPI, OKR, 360°, HR Accounting, Behavior Anchored solo per citarne alcune in ambito Valutazione);
• una elevata specificità rispetto al contesto per cui vengono progettati;
• una moltitudine di attori in gioco (dalle funzioni Risorse Umane e Sviluppo Organizzativo ai manager di linea);
• una grossa quantità di informazioni da gestire, tutte con diversi gradi di “purezza” (si pensi alla difficoltà di dover far convivere in un processo del genere dati oggettivi e misurabili – come fatturato generato, numero di azioni svolte – con dati fortemente soggettivi – valutazioni comportamentali e di competenza da parte dei manager);
• la loro ciclicità.

Fino ad oggi i processi di Valutazione e Sviluppo erano gestiti soprattutto tramite sistemi informativi diversi (LMS: Learning Management System; PMS: Performance Management System), ma data la loro forte interrelazione negli ultimi anni si è sviluppato un approccio integrato tramite l’utilizzo software HCM (Human Capital Management).

Questi software sono in grado di estrarre, elaborare e sistematizzare un gran volume di informazioni sui lavoratori e il loro percorso di carriera nell’azienda, partendo dalle valutazioni del dipendente (soggettive, da parte del suo manager o di altri attori interni con cui collabora; oggettive tramite il passaggio di informazioni da altri sistemi aziendali come CRM, ERP), fino alla registrazione degli interventi formativi (e dei loro esiti), e alla gestione dei vari Career Path che il lavoratore ha a disposizione e dei sistemi di Rewarding dell’azienda.

Data la complessità e la numerosità di informazioni che questi software ad oggi gestiscono, la sperimentazione di sistemi di Intelligenza Artificiale e Machine Learning nei sistemi HCM oggi è in una fase molto “florida” e sono sempre più i prodotti che fanno promesse come queste:

• Supportare i processi formativi personalizzandoli a partire dagli interessi, competenze, livello di carriera e obiettivi di un dipendente e suggerendo il tipo e il livello di formazione da offrire ai dipendenti, con l’obiettivo spesso dichiarato di riuscire un giorno a delegare all’IA la creazione di programmi formativi per individui e team che tengano conto sia degli obiettivi aziendali sia di quelli professionali del dipendente.
• Agevolare il Decision Making, soprattutto in termini di insight, sostenendo la funzione HR e il management nelle decisioni riguardo a promozioni di ruolo, aumenti salariali, creazione di team di progetto in maniera più oggettiva ed efficace.
• Ridurre i bias nella valutazione: tramite l’elaborazione di dati sempre più oggettivi e l’utilizzo di piattaforme di Assessment specifiche.
• Creare automaticamente i career path dei dipendenti: i sistemi sviluppati tramite IA rendono il dipendente “artefice” del proprio percorso di carriera e ne delegano a lui il controllo, sulla base delle opportunità che l’azienda mette a disposizione o auspica.

Lo stadio di sviluppo di questi sistemi ad oggi è ancora da valutare, ma riscontriamo già diverse criticità:

• anche se possono essere implementati i migliori algoritmi per automatizzare il sistema di gestione delle prestazioni, il dipendente vorrà sentire l’ultima parola dal suo manager, soprattutto quando l’algoritmo darà un esito che sarà diverso dalla sua aspettativa.
• I dati raccolti potrebbero non essere sufficienti per prevedere il percorso di un dipendente: il mandato nell’organizzazione infatti potrebbe essere di durata limitata. Inoltre la solidità dei dati raccolti dipende anche da come vengono raccolti e dalla capacità di utilizzare correttamente le piattaforme da cui questi dati provengono.
• L’organizzazione stessa potrebbe non avere a disposizione i dati necessari per far lavorare in maniera efficace gli algoritmi. Il funzionamento di sistemi IA infatti presuppone una forte integrazione sia teorica sia strumentale tra i vari pillars da cui pescare le informazioni di cui hanno bisogno: le matrici di competenza dei lavoratori, le metodologie di valutazione, i career path, gli ERP e i CRM devono essere strutturati in modo da essere coerenti tra di loro, e riuscire a scambiarsi informazioni solide.

Un sistema HCM AI-based efficace secondo quanto detto dovrebbe tutelare chi lo usa da queste criticità. Dovrebbe fungere da “facilitatore” della relazione dipendente manager, tutelandola tramite l’utilizzo di dati oggettivi. Dovrebbe essere “solido” nell’integrazione con le altre piattaforme aziendali sui cui dati lavora: molta dell’efficacia di questi sistemi infatti passa proprio dal “come” essi vengono implementati e integrati all’interno dei sistemi aziendali. Una domanda utile prima di inseguire una sistema HCM-AI potrebbe essere: c’è in azienda un processo di valutazione e sviluppo strutturato e solido a livello informativo? Solo quando la risposta è stabilmente affermativa si sarà in grado di adottare sistemi che possano supportare i processi con le famiglie tecnologiche dell’Intelligenza Artificiale.