L’impiego dell’AI nella gestione delle risorse umane

1.  Introduzione

Anche l’area che si occupa della gestione del personale è stata fortemente influenzata dalla diffusione dell’intelligenzaartificiale nelle organizzazioni. Questa unità organizzativa ha lo scopo di gestire il rapporto tra capitale umano e l’organizzazione in tutte le fasi che lo contraddistinguono, partendo cioè dal reclutamento fino ad arrivare alla cessazione della relazione.

Lo sviluppo dell’intelligenza artificiale ha determinato un notevole cambiamento nelle competenze richieste ai dipendenti al fine di poter mantenere il proprio posto di lavoro. Questi necessitano quindi di interventi di riqualificazione ad hoc per stare al passo con l’evoluzione tecnologica. Oltre a ciò, l’utilizzo delle macchine intelligenti influenzasignificativamente anche alcuni processi chiave della gestione delle risorse umane, quali il reclutamento e la selezione di nuovo personale, e il coaching. Nel corso di questo paragrafo verranno affrontate queste tematiche e inoltre si riporterà anche un esempio concreto di applicazione dell’intelligenza artificiale in questa importante unità organizzativa.

2.  AI neI reclutamento e nella selezione

2.1.  Tecniche e vantaggi dell’applicazione dell’intelligenza artificiale nel reclutamento e selezione

L’Intelligenza Artificiale semplifica il processo di recruiting. Le soluzioni basate sull’AI sono in grado di individuare rapidamente i candidati qualificati, escludendo chi non soddisfa i requisiti e risparmiando così una notevole quantità di tempo ed energie dei recruiter. L’AI analizza i dati dei candidati con precisione, riducendo pregiudizi ed errori umani, offrendo informazioni sul comportamento e la personalità mediante analisi del linguaggio e delle espressioni facciali (immaginiamo nel caso di un video colloquio). Inoltre, la Generative AI può supportare il recruiting in vari modi, ad esempio aiutando a elaborare job post efficaci, mantenendo informato e ingaggiato il candidato con i chatbot, scrivendo e-mail automatiche di feedback, e altro ancora.

Il reclutamento e la selezione di nuovo personale è quel processo mediante il quale la direzione delle risorse umane ricerca e acquisisce dal mercato del lavoro individui in possesso delle caratteristiche necessarie per ricoprire determinate posizioni organizzative^[1].

Nel moderno contesto competitivo le posizioni lavorative richiedono sempre di più competenze specifiche per poter essere ricoperte, per cui l’attrazione e l’acquisizione di nuovi talenti è un’operazione critica e fondamentale per permettere alle organizzazioni di mantenere e rafforzare il vantaggio competitivo^[2].

Tradizionalmente il reclutamento viene svolto utilizzando una serie di strumenti quali i centri per l’impiego, le agenzie per il lavoro, il passaparola, le autocandidature, le inserzioni sui quotidiani e sulle riviste, le relazioni con le università e le associazioni professionali.

Allo stesso modo, la selezione avviene usufruendo di alcune tecniche ormai consolidate come test, questionari, prove pratiche, colloqui e role playing. In seguito all’avvento dell’intelligenza artificiale, però, queste attività stanno subendo un parziale rinnovamento, visto il potenziale messo a disposizione da questa tecnologia. Quest’ultima, infatti, può portare tre principali benefici ai reclutatori^[3]: raccogliere dati oggettivi per prendere decisioni in maniera più informata;assicurare a tutti i candidati un trattamento giusto ed equo; incrementare l’efficienza aziendale, grazie all’automazione dei compiti ripetitivi.

A tal proposito, secondo un sondaggio condotto da Linkedin, il 67% dei responsabili del personale afferma di averadottato l’intelligenza artificiale principalmente per risparmiare tempo; il 43% aggiunge un’ulteriore motivazione, ossia la possibilità di eliminare quei bias che talvolta possono condizionare le scelte degli esseri umani^[4]. Questo secondo aspetto può concretizzarsi soltanto se, come già detto, gli algoritmi vengono progettati in maniera corretta, cioètenendo adeguatamente in considerazione tutte le minoranze presenti nella società.

Tuttavia, questo risultato non è semplice da ottenere. Un’esemplificazione di tale problematica è data da Amazon, che ha impiegato molti anni per sviluppare un algoritmo volto ad analizzare le domande di lavoro. Quest’ultimo però, non è mai stato usato concretamente perché era discriminatorio nei confronti delle donne. Ciò è dovuto al fatto che era stato preparato e addestrato prevalentemente con curriculum di uomini. Di conseguenza, la macchina intelligente pensava chegli uomini fossero migliori delle donne, rifiutando così ogni candidatura proveniente da queste ultime^[5].

La prima attività di questo processo in cui è possibile impiegare l’intelligenza artificiale è rappresentata dallo screening iniziale dei curricula dei candidati. Questa è una fase nella quale si esclude una prima parte di richiedenti che non sono in possesso delle caratteristiche necessarie per ricoprire una particolare posizione organizzativa.

Grazie al natural language processing, tale compito viene realizzato in maniera significativamente più rapida rispetto aquanto possono fare i reclutatori umani. In questo senso, un esempio è rappresentato da IBM, azienda specializzata nel settore informatico, che utilizza la propria piattaforma di intelligenza artificiale Watson Candidate Assistant per individuare le competenze possedute dai ruoli indicati nei curricula dei candidati. Successivamente, vengono proposte delle opportunità di lavoro in funzione delle abilità identificate. Questa tecnica, talvolta, genera delle offerte per posizioni lavorative a cui i candidati non avrebbero mai potuto pensare^[6].

Un’ulteriore dimostrazione dei vantaggi derivanti da questa innovazione proviene da Cielo, organizzazione che gestisce in outsourcing il processo di reclutamento. Quest’ultima ha infatti ridotto drasticamente l’intervallo di tempo che intercorre tra l’analisi della domanda di lavoro e il successivo colloquio con un manager delle risorse umane, passando da oltre 2 settimane a circa 7 minuti^[7]. Si è così avuto un incremento dell’efficienza dato non solo dalla maggiore velocità nella valutazione delle domande, ma anche dalla possibilità di esaminare un maggior numero di persone.

Un’altra tendenza particolarmente innovativa è rappresentata dai test effettuati per selezionare o meno un candidato. Alcune importanti organizzazioni hanno infatti cominciato a utilizzare prove comportamentali e cognitive simili aivideogiochi, che, tramite l’intelligenza artificiale, sono in grado di mettere in luce i principali tratti della personalità degli individui. Per esempio, vi sono alcuni giochi che valutano l’abilità mnemonica e la concentrazione, sottoponendo ai candidati delle sequenze di numeri per qualche secondo e poi chiedendo di riscrivere questa serie nell’ordine corretto. Altri invece consentono di apprezzare l’attitudine nei confronti del rischio^[8].

Occorre sottolineare come l’impiego di queste tecniche innovative potrebbe non essere sempre conveniente,soprattutto quando la domanda di lavoro proviene da individui più anziani che sono nati precedentemente rispettoall’avvento dell’era digitale. Per questo motivo, la multinazionale Kraft Heinz, esperta nel settore alimentare e in quellodelle bevande, ha deciso di utilizzare questi giochi soltanto per i candidati più giovani^[9]. Vi sono poi altre metodologie  tramite cui valutare gli aspiranti lavoratori, come per esempio l’analisi delle domande di lavoro da parte dei chatbot, oppure la possibilità di candidarsi tramite un video.

Il primo metodo viene utilizzato principalmente per assumere in massa dipendenti part-time e con un salario basso, come per esempio gli operatori dei call center^[10].

Nella seconda tecnica invece, i sistemi di intelligenza artificiale analizzano le risposte fornite a delle domande standard focalizzandosi su alcuni fattori come per esempio il linguaggio utilizzato, il tono della voce e le espressioni facciali. In questa maniera, la selezione dei candidati avviene eliminando uno dei principali errori che caratterizzano i reclutatori umani, ossia il “mirroring”. Quest’ultimo è quel fenomeno per cui i responsabili del personale hanno la tendenza a selezionare individui che hanno caratteristiche simili a loro e a non prendere in considerazione coloro che invece hanno un carattere e una personalità differenti^[11].

Le macchine intelligenti possono poi essere impiegate dalle organizzazioni per monitorare il comportamento tenuto dai candidati sui principali social media. Quest’attività può risultare rilevante in quanto permette di accorgersi tempestivamente di alcuni comportamenti o ideologie in contrasto con la volontà dell’azienda, come per esempio razzismo e misoginia^[12].

A questo punto, dopo aver descritto i principali ambiti di applicazione dell’intelligenza artificiale in questa fase della gestione delle risorse umane, si riportano i risultati di un sondaggio condotto presso la già citata Cielo^[13]. Nello specifico, in questa ricerca sono stati intervistati alcuni responsabili delle assunzioni riguardo all’impatto che l’introduzione di questa tecnologia esercita sulla loro attività. In seguito, si riporta un primo grafico che dimostra comeviene percepita l’intelligenza artificiale da queste figure professionali.

Figura 1 – Influenza dell’intelligenza artificiale sulla professione di reclutatore secondo alcuni responsabili del personale di Cielo [Fonte: Niehueser, W., & Boak, G. (2020)].

Da questi dati emerge che la maggior parte dei manager che si occupano di gestione del personale in Cielo accoglie positivamente l’utilizzo dell’intelligenza artificiale nella fase di reclutamento di nuovo personale. Questo perché, secondo il 64% degli intervistati, essa può semplificare e velocizzare questa attività, rendendola così più efficiente. La percezione invece sembra cambiare quando si chiede a questi professionisti se, grazie a questa tecnologia, sarà possibile selezionare candidati migliori.

Figura 2 – Impatto dell’intelligenza artificiale sulla qualità dei candidati selezionati secondo alcuni manager di Cielo [Fonte: Niehueser, W., & Boak, G. (2020)].

Da questo grafico, infatti, si evince che i pareri degli esperti sugli effetti che l’impiego dell’intelligenza artificiale esercita in merito alla qualità del processo di selezione non siano molto positivi. Infatti, soltanto il 46% degli intervistati ritiene che vi siano conseguenze vantaggiose, mentre oltre la metà sostiene che vi siano effetti negativi, oppure che i risultatifinali siano imprevedibili.

2.2.  Principali rischi dell’applicazione dell’intelligenza artificiale nel reclutamento e selezione

Dopo aver esposto i principali benefici derivanti dall’applicazione dell’intelligenza artificiale in questo sotto-processo della gestione del personale e aver presentato alcune statistiche, si descrivono i principali rischi. In prima battuta, si richiama ancora una volta il fatto che gli algoritmi utilizzati per reclutare e selezionare il personale potrebbero presentare dei bias e dei pregiudizi, nel caso in cui non vengano sviluppati adeguatamente. Quindi, in questa casistica indesiderata, verrebbe meno uno di quelli che è stato classificato come beneficio apportato da questa tecnologia, ossia la possibilità di trattare equamente tutti i candidati. Si comprende dunque, come questa tematica debba essere fronteggiata dalle organizzazioni prima di rendere operative queste soluzioni innovative. Un’altra potenzialeproblematica è rappresentata dalla scarsa fiducia che i responsabili del personale possono riporre nei confrontidell’intelligenza artificiale.

Come già sottolineato nell’esempio riportato relativo a Cielo, non tutti ritengono che questa tecnologia eserciti un impatto positivo sul reclutamento e sulla selezione. Di conseguenza, nei casi più estremi, potrebbero venire a crearsi anche delle situazioni in cui il reparto di gestione delle risorse umane si oppone a questo cambiamento. Ciò potrebbe essere dovuto al fatto che, l’intelligenza artificiale elimina probabilmente la caratteristica chiave di questa professione,ovvero il contatto umano. Una certa diffidenza potrebbero manifestarla anche i candidati, i quali potrebbero preferire un colloquio di lavoro tradizionale piuttosto che dei giochi a tempo. Infine, l’ultimo rischio è strettamente correlato alle peculiarità principali delle macchine intelligenti, cioè la loro capacità di apprendere dall’esperienza e di lavorare almeglio seguendo degli standard prestabiliti. A tal proposito, si può affermare che non esiste un metodo unicostandardizzato per realizzare un curriculum. Di conseguenza, vi è il pericolo che un curriculum formulato in maniera completamente differente rispetto agli altri sia escluso soltanto perché diverso e non perché ritenuto non valido. Ciò potrebbe causare l’incremento dei falsi negativi, ossia individui in possesso delle caratteristiche necessarie per lavorare in azienda che non vengono selezionati^[14]. Sulla base delle considerazioni effettuate, si può dunque affermare chel’intelligenza artificiale è in grado di automatizzare una buona parte delle attività di reclutamento e selezione,soprattutto per quanto riguarda i compiti routinari. Allo stesso tempo però, vi sono altre fasi che continuano a richiedere l’intervento degli esseri umani, come la valutazione della coerenza culturale del candidato con i valori cardine dell’organizzazione, la costruzione dei rapporti interpersonali e la negoziazione^[15].

Di conseguenza, si può ritenere che l’apporto umano sarà sempre necessario all’interno di quest’area organizzativa. Questo vale ancora di più nel caso in cui occorra selezionare un candidato per una posizione particolarmente importante dell’organigramma aziendale^[16]. In questa situazione, infatti, l’interazione umana costituisce un elementochiave per giungere alla decisione migliore.

2.3.  Il caso Unilever

In seguito all’analisi dell’influenza esercitata dall’intelligenza artificiale sul processo di reclutamento e selezione di nuovo personale, si propone un caso di successo che dimostra gli effetti positivi che l’impiego di tale tecnologia può generare in questa unità organizzativa. L’esempio riportato riguarda la multinazionale britannica Unilever, proprietaria di oltre 400 marchi in vari settori, come l’alimentazione, le bevande, i prodotti per l’igiene e per la casa.

Quest’azienda ha recentemente introdotto l’intelligenza artificiale nell’area relativa alla gestione delle risorse umane. In questo ambito, Unilever ogni anno analizza oltre 1 800 000 domande di lavoro provenienti dai 193 diversi paesi in cui opera e assume circa 30 000 nuovi dipendenti^[17]. Si tratta quindi di un’attività decisamente complessa che richiede un significativo consumo di tempo e di risorse organizzative. Per semplificare e rendere più efficiente questo processo, l’impresa ha intrapreso una collaborazione con Pymetrics, organizzazione specializzata nel reclutamento tramiteintelligenza artificiale. Quest’ultima si occupa della progettazione di giochi basati su questa tecnologia, che hanno lacapacità di far emergere i tratti della personalità dei candidati.

Secondo la CEO di Pymetrics, grazie a questa tecnica è possibile migliorare il processo di reclutamento e selezione, provocando così un impatto positivo anche sulle performance organizzative^[18]. Questa partnership ha dato luogo ad una piattaforma online volta a effettuare una prima valutazione a distanza dei candidati, i quali possono collegarsi adessa tramite smartphone o computer. In un primo momento, questi sono chiamati a svolgere una sequenza di giochi online, dove vengono testate capacità come l’attitudine al rischio, la logica e la razionalità. Di seguito si riportano due tipici giochi utilizzati da Unilever.

Figura 3 – Esempio di gioco utilizzato da Unilever per il reclutamento del personale [Fonte: (https://www.careers.ox.ac.uk/article/the-pymetrics-games-overview-and-practice-guidelines].

Nel gioco di Figura 3, candidati sono chiamati a gonfiare i palloncini di denaro utilizzando la barra spaziatrice della tastiera. A un certo punto, questi devono decidere se continuare a raccogliere denaro, rischiando però di fare esplodere il palloncino, oppure se incassare quanto raccolto. In questo modo viene valutata l’attitudine al rischio.

Figura 4 – Esempio di gioco utilizzato da Unilever per il reclutamento del personale [Fonte: (https://www.careers.ox.ac.uk/article/the-pymetrics-games-overview-and-practice-guidelines].

Nel gioco di Figura 4 invece, i candidati hanno il compito di ricostruire la torre indicata in alto con il minor numero di mosse possibili erispettando delle tempistiche prestabilite. In questa maniera si valuta la velocità di pensiero e la capacità di pianificazione.

Successivamente, il machine learning analizza i risultati conseguiti in questi giochi e verifica se i candidati presentanoun profilo simile a quello dei dipendenti di successo dell’organizzazione. In genere, questa tecnica permette di eliminare un valore compreso tra il 60% e l’80% dei candidati complessivi^[19].

Il secondo step prevede l’invio di un video di candidatura dalla durata di circa 30 minuti, durante il quale si risponde aun insieme di domande preparate a tavolino. Questo viene poi esaminato ancora una volta dagli algoritmi del machinelearning, i quali, grazie al natural language processing e all’analisi del linguaggio corporeo, individuano chi può essere adatto per l’azienda. Soltanto dopo aver superato positivamente queste due fasi, vi è il tradizionale colloquio faccia a faccia con un responsabile del personale.

Di conseguenza, si può affermare che l’azienda britannica effettua un processo decisionale sequenziale e ibrido, in cuil’output di una decisione presa da una macchina intelligente diventa l’input per una decisione umana.

Tale tecnica, in questo ambito, è particolarmente vantaggiosa, poiché permette ai reclutatori umani di risparmiare tempo e di prendere in considerazione esclusivamente candidati validi, cioè quelli che hanno già superato una fase di preselezione. A tal proposito, il responsabile delle risorse umane di Unilever afferma che questo metodo ha consentito di risparmiare oltre 70 000 ore di interviste e di valutazioni dei candidati. In più, grazie all’intelligenza artificiale il reclutamento risulta più veloce e accurato, visto che l’80% degli individui che riescono a raggiungere l’ultimo step ottiene un’offerta di lavoro e l’80% di questi decide di accettarla^[20]. Il sistema, inoltre, fornisce anche dei feedback sia per chi viene scelto che per gli esclusi.

Questi riscontri sono esaurienti, in quanto illustrano sia i risultati conseguiti nei giochi iniziali che la valutazione ottenuta nel video di candidatura. Inoltre, vengono indicate le caratteristiche emerse adatte per l’azienda e quelle inadeguate. Si forniscono poi anche dei suggerimenti volti ad aiutare i candidati esclusi a migliorare la propria presentazione, in modo tale da avere successo nelle successive candidature. Questo aspetto è particolarmente positivo per i candidati e rappresenta un elemento di differenziazione per Unilever rispetto ad altre organizzazioni. Infatti, quando le personeinviano il proprio curriculum alle grandi aziende spesso non ricevono alcuna risposta, per cui non si riescono a capire quali sono le ragioni della mancata selezione.

La multinazionale britannica poi utilizza l’intelligenza artificiale anche per facilitare l’inserimento dei neoassunti sul luogo di lavoro. Nello specifico, in questa fase si utilizza Unabot, ovvero un bot che sfrutta il natural language processing per interagire con gli esseri umani. Esso è in grado di rispondere a qualunque tipologia di domanda che puòessere formulata da un dipendente. Attraverso la costante interazione coi dipendenti, Unabot impara dall’esperienza eperfeziona le risposte da dare nelle diverse situazioni.

Inoltre, è in grado di differenziare il linguaggio che utilizza e le informazioni che fornisce a seconda del livello gerarchicodella persona con cui interagisce.

Per concludere, si può dunque affermare che Unilever rappresenta un esempio positivo di come può essere sfruttata l’intelligenza artificiale nel reclutamento e nella selezione del personale. I principali vantaggi ottenuti dall’azienda riguardano un miglioramento dell’efficienza e dell’accuratezza. In più, occorre considerare anche i benefici generati infavore dei candidati esclusi, i quali possono comprendere le ragioni che hanno portato alla mancata selezione. Altro aspetto positivo è dato dall’agevolamento dell’inserimento nell’organizzazione grazie all’interazione con assistenti intelligenti. Infine, è opportuno sottolineare l’importanza che continua a rivestire la componente umana in questoprocesso. Infatti, nonostante il vasto impiego delle macchine intelligenti, la decisione finale di assumere o meno un certo candidato viene comunque delegata a un operatore umano. Pertanto, si può affermare che Unilever pone alla base del processo di reclutamento e selezione la collaborazione tra uomo e macchina intelligente.

3.  AI nel coaching

3.1.  Tecniche e vantaggi dell’applicazione dell’intelligenza artificiale nel coaching

L’altra fase del processo di gestione delle risorse umane che può essere semplificata dall’avvento dell’intelligenza artificiale è il coaching. Questo può essere definito come un intervento formativo volto a promuovere un processo di autosviluppo personale e di cambiamento volto al miglioramento delle performance.

Generalmente, alla base di questa operazione vi è uno stretto rapporto faccia a faccia tra docente e allievo^[21]. Negliultimi anni invece, le organizzazioni hanno cominciato a sfruttare gli avanzamenti effettuati nel campo dell’intelligenza artificiale e del machine learning per dar vita a web- robot in grado di fornire consigli tempestivi e mirati ai dipendenti. I programmi di coaching basati su questa tecnologia si fondano sul concetto di “nudge management”, ossia ilmanagement a spinta gentile.

Quest’ultimo adotta le visioni delle scienze comportamentali per fornire delle spinte gentili ai dipendenti al fine di indurli verso i comportamenti desiderati^[22]. Le organizzazioni stanno quindi combinando le conoscenze delle scienze comportamentali con le ultime innovazioni tecnologiche per creare nuovi programmi di coaching su misura per ciascun lavoratore^[23].

Questi sistemi innovativi raccolgono grandi quantità di dati, al fine di identificare i punti di forza e di debolezza nelle prestazioni di un dipendente. In seguito, i dati sono utilizzati per selezionare spinte gentili tempestive e specifiche a seconda delle esigenze, che vengono messe a disposizione sul computer del dipendente oppure su un dispositivo portatile. Tali spinte possono essere fornite in tre modi principali: come un programma strutturato regolare, come servizio a richiesta, oppure in tempo reale mentre i dipendenti svolgono i loro compiti. Questi suggerimenti sono in grado di coprire un’ampia gamma di tematiche, quali la salute e il benessere dei dipendenti, l’esperienza del cliente ol’efficienza operativa.

Oltre a ciò, i coach intelligenti possono essere impiegati anche per formare un lavoratore riguardo a un’attività che si prevede debba svolgere in futuro e per mostrare tramite un report le performance ottenute dalla propria attività lavorativa. Questi strumenti possono costituire anche un supporto per i manager per due principali ragioni: fornisconosuggerimenti tempestivi circa le competenze che devono essere sviluppate nei dipendenti in un certo momento; riportano i risultati ottenuti dai team di lavoro a livello quotidiano e suggeriscono le eventuali azioni correttive da intraprendere per ribaltare situazioni negative.

Il metodo di apprendimento adottato dai coach intelligenti è particolarmente efficace, in quanto accompagna la teoria alla pratica. Infatti, le persone acquisiscono nuove conoscenze in piccole parti e poi hanno l’opportunità di utilizzarle subito nell’attività quotidiana. In questo modo viene facilitato il processo di interiorizzazione di quanto si è appreso.

Un’altra caratteristica rilevante di questi sistemi è rappresentata dalla già citata possibilità di realizzare forme di apprendimento personalizzate. Infatti, gli algoritmi del machine learning, come già osservato, hanno l’abilità di impararedalle esperienze passate.

Per questo motivo, sulla base dei feedback ricevuti, sono capaci di identificare lo stile di apprendimento preferito da ciascun dipendente, in modo tale da realizzare degli interventi ad hoc. In questo modo vi sono più probabilità che l’intervento produca gli effetti desiderati. Tutti questi aspetti incidono positivamente anche sulle performanceorganizzative. Infatti, l’introduzione dei coach intelligenti ha le potenzialità per produrre tre principali vantaggi: incremento della produttività, miglioramento del livello di engagement dei dipendenti e riduzione dei costi. Relativamente a quest’ultimo beneficio, una stima suggerisce che il costo medio per mantenere un sistema di coachingintelligente sia pari a circa la metà del valore medio dello stipendio di un coach umano^[24].

Un significativo esempio di come questo strumento può essere impiegato è rappresentato dalla formazione epreparazione degli agenti di vendita. In questo ambito, i coach intelligenti utilizzano il riconoscimento vocale per analizzare le conversazioni con la clientela e per fornire feedback volti a migliorare le performance^[25]. In questo caso la capacità degli algoritmi di analizzare grandi quantità di dati si rivela particolarmente utile, perché supera le abilità dei coach umani. Di conseguenza, si ha la possibilità di individuare con più accuratezza gli eventuali errori commessi nelletrattative e di fornire consigli mirati.

3.2.  Principali rischi dell’applicazione dell’intelligenza artificiale nel coaching

Nonostante le caratteristiche vantaggiose fin qui descritte, anche in questo ambito sono presenti alcuni elementi a sfavore dell’introduzione dell’intelligenza artificiale. A tal proposito, si sottolinea ancora una volta la potenziale diffidenza che possono mostrare i dipendenti nei confronti di un coach virtuale, con il quale non è possibile avere untradizionale colloquio nel mondo fisico. Per questo motivo, una potenziale soluzione a tale criticità è data dalla possibilità di combinare macchine intelligenti e coach umani^[26]. In particolare, le prime possono essere utilizzate per individuare i suggerimenti volti a migliorare le performance, mentre i secondi dovrebbero avere il compito di comunicaretali feedback. In questo modo, si sfruttano i vantaggi di entrambe le soluzioni, ovvero, da un lato, l’abilità di trattare unamaggiore quantità di dati e dall’altro, il contatto umano.

Ciò a ulteriore dimostrazione del fatto che la tecnica potenzialmente migliore sembra prevedere ancora una volta lacollaborazione tra esseri umani e intelligenza artificiale.

4.  AI nella mobilità interna

Il più delle volte succede che per riempire una posizione vacante le Risorse Umane rivolgano lo sguardo verso l’esterno dell’organizzazione, piuttosto che internamente, poiché fare matching tra i dipendenti e i vari dipartimenti non è sempre agevole. Ora l’Intelligenza Artificiale può aiutare l’HR a individuare i talenti giusti all’interno dell’azienda stessa, facilitando così anche il processo di promozione, nonché lo sviluppo professionale dei dipendenti.

5.  AI nell’onboarding

L’utilizzo dell’Intelligenza Artificiale nelle fasi iniziali di inserimento in azienda dei dipendenti migliora l’accoglienza e la gestione delle procedure. L’AI integrata nei software HR è in grado di guidare i nuovi assunti attraverso moduli, politiche aziendali e sessioni di formazione iniziale, riducendo lo stress del neoassunto e coinvolgendolo immediatamente nell’organizzazione, evitando tempi morti e incertezze che potrebbero pregiudicare la sua permanenza in azienda. È stato evidenziato da Gallup, ma non solo, come un onboarding inefficace possa comportare un alto turnover. Lato HR, l’AI può altresì aiutare nell’espletamento di attività lunghe e ripetitive come la verifica dei documenti e, in generale, di tutte le mansioni amministrative, garantendo un processo fluido e efficiente, e consentendo così ai team di dedicarsi all’aspetto umano dell’integrazione coi nuovi dipendenti.

Analogamente, l’AI può supportare il processo di offboarding, gestendo le attività previste quando un dipendente lascia l’azienda, affinché questo passaggio avvenga in maniera corretta e senza intoppi sia per l’azienda che per il dipendente.

6.  AI nell’apprendimento e sviluppo

L’uso dell’intelligenza artificiale per personalizzare l’apprendimento e lo sviluppo dei dipendenti risulta essere altamente efficace sia per il lavoratore sia per l’azienda. Una piattaforma AI può analizzare le competenze e gli obiettivi di carriera di ciascun dipendente e raccomandare attività formative su misura per il ruolo specifico e sulla base delle aspirazioni. Adottare un approccio basato sull’analisi individuale dei dati dei dipendenti non solo motiva a impegnarsi attivamente nello sviluppo professionale, aumentando l’engagement, ma garantisce altresì che le persone rimangano al passo con l’evoluzione aziendale.

7.  AI nel coinvolgimento dei dipendenti

Abbiamo appena visto come una formazione personalizzata supportata dall’AI possa aumentare il livello di coinvolgimento dei dipendenti facendo leva sulla motivazione. Ma l’Intelligenza Artificiale applicata alle risorse umane può migliorare l’engagement anche in altri modi. Chatbot e assistenti virtuali basati sull’AI offrono assistenza continua ai dipendenti, rispondendo alle loro domande e fornendo feedback in tempo reale. Analisi dei dati realizzate con l’AI sul sentiment dei dipendenti, acquisibili per esempio mediante la distribuzione di sondaggi sul coinvolgimento, consentono di individuare eventuali problemi e sviluppare iniziative mirate. Dipendenti più coinvolti sono anche dipendenti più fedeli.

8.   AI nella valutazione delle prestazioni dei dipendenti

L’Intelligenza Artificiale analizza le prestazioni dei dipendenti, fornendo rapporti dettagliati per valutazioni obiettive che si basano su parametri definiti, come per esempio il numero delle attività completate e il tempo impiegato in esse. Semplifica il processo di gestione delle prestazioni, eliminando pregiudizi e fornendo previsioni sulle prestazioni future. Può monitorare anche le attività online come e-mail e chat di gruppo per rilevare segnali di burnout e, anche, elementi di cattiva condotta.

9.  AI nella pianificazione della forza lavoro

Una buona attività di talent acquisition prevede l’analisi della forza lavoro attuale, nonché l’eventuale individuazione di ruoli da ricoprire per mettere l’organizzazione nelle condizioni di portare a compimento gli obiettivi futuri a lungo termine. Attraverso, dunque, l’analisi delle competenze attuali dei dipendenti, le tendenze di settore e i piani di sviluppo aziendale, i software di Intelligenza Artificiale sono in grado di supportare l’HR nell’anticipare i ruoli che serviranno per l’anno successivo, contribuendo alla pianificazione corretta della forza lavoro.

10.  AI nella retribuzione dei dipendenti

Con la diffusione, specialmente in ambito tecnologico, di professionalità sempre più nuove e distribuite su diverse aree geografiche, definire la giusta retribuzione diventa un aspetto spesso complicato. Anche in questo l’incontro tra Intelligenza Artificiale ed HR può aiutare a risolvere il problema. L’AI, infatti, è in grado di analizzare vasti insiemi di dati, individuare schemi e assistere i datori di lavoro nel fornire pacchetti retributivi personalizzati ed equi ai dipendenti attraverso la valutazione congiunta delle condizioni del mercato, delle prestazioni dei dipendenti e delle performance aziendali per ottimizzare compensi e riconoscimenti.

Bibliografia

• Agrawal, A., Gans, J., & Goldfarb, A. (2017). The trade-off every AI company will face.
• Harvard Business Review Digital Articles.
• Aspan, M. (2020). Siri, Did I Ace the Interview? Fortune International (Europe), 181(2).
• Bhimani, A., & Willcocks, L. (2014). Digitisation, Big Data and the transformation of accounting information. Accounting and Business Research, Taylor & Francis, Vol. 44 No. 4.
• Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., … & Amodei, D. (2018). The malicious use of artificial intelligence: Forecasting, prevention, and mitigation. arXiv preprint arXiv:1802.07228.
• CGMA (2016). Business Analytics And Decision Making. Baseline.
• Costa, G., & Gianecchini, M. (2019). Risorse umane: persone, relazioni e valore (Vol. 454). McGraw-Hill.
• Craigen, D., Diakun-Thibault, N., & Purse, R. (2014). Defining cybersecurity. Technology Innovation Management Review, 4(10).
• Daft, R. L. (2017). Organizzazione aziendale. Sesta edizione. Daft, R. L. (2021). Organizzazione aziendale. Maggioli, Milano.
• Davenport, T., Guha, A., & Grewal, D. (2021). How to Design an AI Marketing Strategy: What the Technology Can Do Today—and What’s Next. Harvard Business Review, 99, 42- 47.
• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24- 42.
• Doke, D. (2021). Software AI. Recruiter.
• Forger, G. (2020). AI and IoT are ready for your warehouse. Logistics management (Highlands Ranch, Colo.: 2002).
• Fountaine, T., McCarthy, B., & Saleh, T. (2021). Getting AI to scale. Harvard Business Review.
• Galeotti, M., & Garzella, S. (Eds.). (2013). Governo strategico dell’azienda: Prefazione del Prof. Umberto Bertini. G Giappichelli Editore.
• Gambhir, B., & Bhattacharjee, A. (2021). Embracing the role of artificial intelligence in accounting and finance: contemplating the changing skillset expectations. Development and Learning in Organizations: An International Journal.
• Gregg, M. (2005). CISSP security-management practices. Upper Saddle River, NJ: Pearson Education.
• Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California management review, 61(4), 5-14.
• Harrison, N., & O’Neill, D. (2017). If your company isn’t good at analytics, it’s not ready for AI. Harvard Business Review.
• Henke, N., Levine, J., & McInerney, P. (2018). You don’t have to be a data scientist to fill this must-have analytics role. Harvard Business Review.
• Huang, M. H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43-65.
• Lichtenthaler, U. (2020). Mixing data analytics with intuition: Liverpool Football Club scores with integrated intelligence. Journal of Business Strategy.
• Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021). Artificial intelligence coaches for sales agents: Caveats and solutions. Journal of Marketing, 85(2), 14-32.
• McAfee, A., & Brynjolfsson, E. (2012). Big data: the management revolution. Harvard business review, 90(10), 60-68.
• Miyashita, M., & Brady, M. (2019). The Health Care Benefits of Combining Wearables and AI. Harvard Business Review.
• Nair, K., & Gupta, R. (2021). Application of AI technology in modern digital marketing environment. World Journal of Entrepreneurship, Management and Sustainable Development.
• Niehueser, W., & Boak, G. (2020). Introducing artificial intelligence into a human resources function. Industrial and commercial training, 52(2), 121-130.
• Ore, O., & Sposato, M. (2021). Opportunities and risks of artificial intelligence in recruitment and selection. International Journal of Organizational Analysis.
• Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2B marketing. Journal of Business & Industrial Marketing.
• Paschen, U., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147-155.
• Petkov, R. (2020). Artificial intelligence (AI) and the accounting function—A revisit and a new perspective for developing framework. Journal of emerging technologies in accounting, 17(1), 99-105.
• Pighin, M., & Marzona, A. (2018). Sistemi informativi aziendali: ERP e sistemi di data analysis.
• Poba-Nzaou, P., Galani, M., Uwizeyemungu, S., & Ceric, A. (2021). The impacts of artificial intelligence (AI) on jobs: an industry perspective. Strategic HR Review, 20(2), 60- 65.
• Ponnapalli, P. (2022). Keys to successful innovation through artificial intelligence. Harvard Business Review.
• Ransbotham, S., Candelon, F., Kiron, D., LaFountain, B., & Khodabandeh, S. (2021). The Cultural Benefits of Artificial Intelligence in the Enterprise. MIT Sloan Management Review and Boston Consulting Group.
• Rudko, I., Bashirpour Bonab, A., & Bellini, F. (2021). Organizational structure and artificial intelligence. Modeling the intraorganizational response to the ai contingency. Journal of Theoretical and Applied Electronic Commerce Research, 16(6), 2341-2364.
• Samonas, S., & Coss, D. (2014). The CIA strikes back: Redefining confidentiality, integrity and availability in security. Journal of Information System Security, 10(3).
• Shrestha, Y. R., Ben-Menahem, S. M., & Von Krogh, G. (2019). Organizational decision- making structures in the age of artificial intelligence. California Management
• Review, 61(4), 66-83.
• Simonovich, L. (2021). Balancing AI advances with robust cybersecurity solutions. World Oil.
• Soni, V. D. (2020). Challenges and Solution for Artificial Intelligence in Cybersecurity of the USA. Available at SSRN 3624487.
• Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and policy considerations for deep learning in NLP. arXiv preprint arXiv:1906.02243.
• Tabesh, P. (2021). Who’s making the decisions? How managers can harness artificial intelligence and remain in charge. Journal of Business Strategy.
• S (2021). 3 areas where AI will boost your competitive advantage. Harvard Business Review Digital Articles.
• Truong, T. C., Zelinka, I., Plucar, J., Čandík, M., & Šulc, V. (2020). Artificial intelligence and cybersecurity: Past, presence, and future. In Artificial intelligence and evolutionary computations in engineering systems (pp. 351-363). Springer, Singapore.
• Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting automation: Implications for employment. Academy of Management Perspectives, 35(4), 642-659.
• Tse, T., Esposito, M., Takaaki, M., & Goh, D. (2020). The dumb reason your AI project will fail. Harvard business review digital articles, 2-5.
• Vadari, S., & Desik, P. A. (2021). The Role of AI/ML in Enhancing Knowledge Management Systems. IUP Journal of Knowledge Management, 19(2), 7-31.
• Wamba-Taguimdje, S. L., Wamba, S. F., Kamdjoug, J. R. K., & Wanko, C. E. T. (2020). Influence of artificial intelligence (AI) on firm performance: the business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893-1924.
• Whitmore, A., Agarwal, A., & Da Xu, L. (2015). The Internet of Things—A survey of topics and trends. Information systems frontiers, 17(2), 261-274.
• Yampolskiy, R. V. (2017). AI Is the Future of Cybersecurity, for Better and for Worse. Harvard Business Review. May, 8.
• Zaki, M., McColl-Kennedy, R., & Neely, A. (2021). Using AI to Track How Customers Feel—In Real Time. Harvard Business Review.
• Zhang, H., Zhang, X., & Song, M. (2021). Deploying AI for New Product Development Success: By embracing and incorporating AI in all stages of NPD, companies can increase their success rate of NPD projects. Research-Technology Management, 64(5), 50-57.
• Zouave, E., Gustafsson, T., Bruce, M., Colde, K., Jaitner, M., & Rodhe, I. (2020). Artificially intelligent cyberattacks. Swedish Defence Research Agency, FOI, Tech. Rep. FOI.
• (2017). Lavazza a caccia di “coffe addicted” con l’intelligenza artificiale. Il Sole 24 Ore. Retrieved fromhttps://www.ilsole24ore.com/art/lavazza-caccia-coffee-addicted-l- intelligenza-artificiale–AEBRpxQD 2022/08/02
• Amar, J., Majumder, S., Surak, Z., & von Bismarck, N. (2021). How AI-driven nudges can transform an operation’s performance. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/how-ai-driven- nudges-can-transform-an-operations-performance 2022/07/27
• Balabio, B., Orlando, P., & Scolari, T. (2021). Cresce il mercato dell’intelligenza artificiale in Italia. Retrieved from https://www.osservatori.net/it/ricerche/comunicati- stampa/artificial-intelligence-italia-mercato-progetti-20202022/07/08
• Berruti, F., Nel, P., & Whiteman R. (2020). An executive primer on artificial general intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/an-executive- primer-on-artificial-general-intelligence 2022/07/06
• Boehm, J., Curcio, N., Merrath, P., Shenton, L., & Stahle T. (2019). The risk-based approach to cybersecurity. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/risk-and-resilience/our-insights/the-risk- based-approach-to-cybersecurity 2022/08/03
• Brooks, C. (2022). Alarming cyber statistics for mid-year 2022 that you need to know. Forbes. Retrieved from https://www.forbes.com/sites/chuckbrooks/2022/06/03/alarming- cyber-statistics-for-mid-year-2022-that-you-need-to-know/?sh=7043d0247864 2022/08/03
• Brown, S., Gandhi, D., Herring, L., & Puri, A. (2019). The analytics academy: bridging the gap between human and artificial intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the- analytics-academy-bridging-the-gap-between-human-and-artificial-intelligence 2022/07/18
• Buehler, K., Dooley, R., Grennan, L., & Singla, A. (2021). Getting to know-and manage- your biggest AI risks. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/getting-to- know-and-manage-your-biggest-ai-risks 2022/07/11
• Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai- frontier-modeling-the-impact-of-ai-on-the-world-economy#part1 2022/07/15
• Chakraborty, A. (2021). A.I. can be a cornerstone of success – but only if leaders make the right choices. Fortune. Retrieved from https://fortune.com/2021/10/27/ai-artificial- intelligence-business-strategy-data-accenture/ 2022/07/29
• Chui, M., Hall, B., Singla, A., & Sukharevsky, A. (2021). The state of AI in 2021. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business- functions/quantumblack/our-insights/global-survey-the-state-of-ai-in-20212022/07/08
• Chui, M., Manyika, J., Miremadi, M., Henke, N., Chung, R., Nel, P., & Malhotra, S. (2018). Notes from the AI frontier: Applications and value of deep learning. McKinsey global institute discussion paper, April. Retrieved from https://www.mckinsey.com/featured- insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep- learning 2022/07/07
• Dandona, G. S., Sharma, J., & Wright, M. (2021). Our own digital journey: upskilling hundreds of McKinsey technologists in AI. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/about-us/new-at-mckinsey-blog/ai-upskilling-for-over-500- firm-technologists 2022/07/19
• Fowler, G. (2020). AI and its potential for cybersecurity. Forbes. Retrieved from https://www.forbes.com/sites/forbesbusinessdevelopmentcouncil/2020/12/18/ai-and-its- potential-for-cybersecurity/?sh=5d2f609e69d9 2022/08/03
• https://assets.siemens-energy.com/siemens/assets/api/uuid:cf20f2e1-ca9c-4589-9f88- 4e6592b4672d/brochure-deeparmour-industrial-200609.pdf 2022/08/05
• https://bids.berkeley.edu/news/berkeley-institute-data-science-and-accenture-applied- intelligence-announce-new-collaboration 2022/07/18
• https://info.algorithmia.com/hubfs/2020/Reports/2021-Trends-in- ML/Algorithmia_2021_enterprise_ML_trends.pdf?hsLang=en-us 2022/07/08
• https://wwd.com/business-news/technology/levis-ai-bootcamp-data-science-1234881378/ 22/09/04
• https://www.accenture.com/_acnmedia/PDF-63/Accenture-CoBE-Brochure-
• pdf#zoom=50 2022/08/23
• https://www.accenture.com/fr-fr/_acnmedia/36dc7f76eab444cab6a7f44017cc3997.pdf 2022/07/08
• https://www.bcg.com/publications/2020/is-your-company-embracing-full-potential-of- artificial-intelligence 2022/09/17
• https://www.capgemini.com/wp-content/uploads/2019/07/AI-in- pdf 2022/08/03
• https://www.careers.ox.ac.uk/article/the-pymetrics-games-overview-and-practice- guidelines 2022/07/26
• https://www.cnr.it/sites/default/files/public/media/attivita/editoria/VOLUME%20FULL%20 14%20digital%20LIGHT.pdf 2022/08/22
• https://www.levistrauss.com/2021/05/17/machine-learning-bootcamp/ 2022/07/19
• https://www.linkedin.com/pulse/how-coca-cola-using-ai-stay-top-soft-drinks-market- shivani-salunkhe 2022/08/23
• https://www.mckinsey.com/about-us/new-at-mckinsey-blog/mckinsey-receives-top- ranking-in-the-forrester-wave-ai-report 2022/07/19
• https://www.nist.gov/system/files/documents/cyberframework/cybersecurity-framework- pdf 2022/08/03
• https://www.statista.com/statistics/1083482/worldwide-ai-revenue-increase/ 2022/08/02 https://www.statista.com/statistics/1083516/worldwide-ai-cost-decrease/ 2022/08/02
• https://www.statista.com/statistics/1119824/global-business-and-hr-leaders-on-ai-impact- to-job-numbers/ 2022/07/20
• https://www.statista.com/statistics/1235395/worldwide-ai-enabled-cyberattacks- companies/ 2022/08/05
• https://www.statista.com/statistics/1293758/ai-marketing-revenue-worldwide/ 2022/07/25
• https://www.statista.com/statistics/472934/business-analytics-software-revenue- worldwide/ 2022/07/29
• https://www.statista.com/statistics/871513/worldwide-data-created/ 2022/07/29
• https://www.statista.com/statistics/941137/ai-investment-and-funding-worldwide/ 2022/07/08
• https://www.treccani.it/enciclopedia/intelligenza-artificiale 2022/07/04
• https://www.treccani.it/enciclopedia/sicurezza-informatica/#:~:text=sicur%C3%A9zza%20inform%C3%A0tica%20Ramo%20dell’informatica,dati%20riservati%20in%20essi%20contenuti. 2022/09/13
• https://www.tripwire.com/state-of-security/security-data-protection/43-billion-stolen- through-business-email-compromise-since-2016-reports-fbi/ 2022/09/13
• https://www.webfx.com/martech/pricing/ai/#:~:text=In%202020%2C%20companies%20can%20pay,house%20or%20freelance%20data%20scientists.&text=In%20comparison
• %2C%20custom%20AI%20solutions,from%20%246000%20to%20over%20%24300%2C 000. 2022/09/18
• Jeans, D. (2020). Companies will spend $50 billion on artificial intelligence this year with little to show for it. Forbes. Retrieved from https://www.forbes.com/sites/davidjeans/2020/10/20/bcg-mit-report-shows-companies- will-spend-50-billion-on-artificial-intelligence-with-few-results/?sh=7efe3fe57c87 2022/09/17
• Johar, P. (2020). How AI makes big data smarter. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2020/03/23/how-ai-makes-big-data- smarter/?sh=381f9b6a4684 2022/08/01
• Luchtenberg, D., & Migliorini, R. (2022). Coca-Cola: The people-first story of a digital transformation. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/coca-cola-the-people-first-story-of-a-digital-transformation 2022/08/02
• Malins, A. (2022). Machine learning and artificial intelligence: implementation in practice. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/01/25/machine-learning-and- artificial-intelligence-implementation-in-practice/?sh=7692b2a35c89 2022/07/15
• Manyika J., & Sneader K. (2018). AI, automation, and the future of work: Ten things to solve for. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured- insights/future-of-work/ai-automation-and-the-future-of-work-ten-things-to-solve-for 2022/07/15
• Marr, B. (2017). The Amazing Ways Coca Cola Uses Artificial Intelligence And Big Data To Drive Success. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2017/09/18/the-amazing-ways-coca-cola- uses-artificial-intelligence-ai-and-big-data-to-drive-success/?sh=1448c01778d2 2022/08/02
• Marr, B. (2018). The amazing ways how Unilever uses artificial intelligence to recruit & train thousands of employees. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/12/14/the-amazing-ways-how-unilever-uses-artificial-intelligence-to-recruit-train-thousands-of-employees/?sh=485a1ca76274 2022/07/26
• Marr, B. (2022). The most in – demand technical skills – and how to develop them. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2022/08/03/the-most- in-demand-technical-skills–and-how-to-develop-them/?sh=7a1c4e1362e4 2022/08/22
• Mohan S. (2022). How to make it easier to implement AI in your business. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/05/27/how-to- make-it-easier-to-implement-ai-in-your-business/?sh=481bfbd65300 2022/07/12
• Rossitto, S. (2021). “Senza intelligenza artificiale e big data impossibile un vaccino contro il Covid in tempi brevi”. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/senza-intelligenza-artificiale-e-big-data-impossibile-vaccino-contro-covid-tempi-brevi-AD5lOYHB 2022/08/01
• Rusconi, G. (2022). L’intelligenza artificiale facilita il cambiamento organizzativo. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/l-intelligenza-artificiale-facilita- cambiamento-organizzativo-AEitC2OB 2022/07/14
• Sinur, J., & Peters, E. (2019). AI & big data; better together. Forbes. Retrieved from https://www.forbes.com/sites/cognitiveworld/2019/09/30/ai-big-data-better- together/?sh=61a9e9a360b3 2022/08/01
• Taulli, T. (2021). Artificial intelligence: should you teach it to your employees? Forbes. Retrieved from https://www.forbes.com/sites/tomtaulli/2021/09/10/ai-artificial- intelligence-should-you-teach-it-to-your-employees/?sh=2bab6b507b73 2022/07/18
• Tremolada, L. (2019). Machine learning, deep learning e reti neurali. Ecco di cosa parliamo. Il sole 24 ore. Retrieved from https://www.ilsole24ore.com/art/machine- learning-deep-learning-e-reti-neurali-ecco-cosa-parliamo–AEaToEBH2022/07/07
• ASIMOV, I. (1950), I, Robot. (Cited at page 5)
• BABBAGE, C. (1982), «On the Mathematical Powers of the Calculating Engine», The Origins of Digital Computers. Texts and Monographs in Computer Science.
• BODEN, M. A. (2018), Artificial Intelligence: A Very Short Introduction.
• CAMPBELL, M., HOANE, A. J. e HSIUNG HSU, F. (2002), «Deep Blue», Artificial Intelligence, vol. 134, p. 57–83.
• CLARKE, A. C. e KUBRICK, S. (1968), 2001: A Space Odyssey.
• DICK, P. K. (1968), Do Androids Dream of Electric Sheep?
• HASHEMIPOUR, S. e ALI, M. (2020), «Amazon Web Services (AWS) – An Overview of the On-Demand Cloud Computing Platform».
• KRIZHEVSKY, A., SUTSKEVER, I. e HINTON, G. E. (2012), «ImageNet classification with deep convolutional neural networks», Communications of the ACM, vol. 60, p. 84 – 90.
• LECUN, Y., BENGIO, Y. e HINTON, G. E. (2015), «Deep Learning», Nature, vol. 521, p. 436–444.
• MASLEJ, N., FATTORINI, L., BRYNJOLFSSON, E., ETCHEMENDY, J., LIGETT, K., LYONS, T., MANYIKA, J., NGO, H., NIEBLES, J. C., PARLI, V., SHOHAM, Y., WALD, R., CLARK, J., e PERRAULT, R. (2023), «The AI Index 2023 Annual Report», Rap. tecn., AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA.
• MCCARTHY, J. (1960), «Programs with common sense».
• MCCARTHY, J., MINSKY, M., ROCHESTER, N. e SHANNON, C. E. (2006), «A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955», AI Mag., vol. 27, p. 12–14.
• RAO, A. S. e VERWEIJ, G. (2017), «Sizing the prize: what’s the real value of AI for your business and how can you capitalise?».
• RUSSELL, B. e WHITEHEAD, A. N. (1956), «Principia Mathematica to *56».
• RUSSELL, S. e NORVIG, P. (1995), «Artificial intelligence – a modern approach: the intelligent agent book».
• TURING, A. (1937), «On computable numbers, with an application to the Entscheidungsproblem», Proc. London Math. Soc.
• VASWANI, A., SHAZEER, N. M., PARMAR, N., USZKOREIT, J., JONES, L., GOMEZ, A. N., KAISER, L. e POLOSUKHIN, I. (2017), «Attention is All you Need», in «NIPS».

Note

[1] Costa, G., & Gianecchini, M. (2019). Risorse umane: persone, relazioni e valore (Vol. 454). McGraw-Hill, 167.

[2] Ore, O., & Sposato, M. (2021). Opportunities and risks of artificial intelligence in recruitment and selection. International Journal ofOrganizational Analysis, 2.

[3] Doke, D. (2021). Software AI. Recruiter, 40.

[4] Aspan, M. (2020). Siri, Did I Ace the Interview? Fortune International (Europe), 181(2), 88.

[5] Aspan, M. (2020), op. cit., 89.

[6] Daft R. L. (2021), op. cit., 362.

[7] Niehueser, W., & Boak, G. (2020). Introducing artificial intelligence into a human resources function. Industrial and commercialtraining, 52(2), 124.

[8] Aspan, M. (2020), op. cit., 86.

[9] Aspan, M. (2020), op. cit., 91.

[10] Aspan, M. (2020), op. cit., 90.

[11] Ore, O., & Sposato, M. (2021), op. cit., 4.

[12] Aspan, M. (2020), op. cit., 90.

[13] Niehueser, W., & Boak, G. (2020), op. cit., 125-126.

[14] Ore, O., & Sposato, M. (2021), op. cit., 9.

[15] Ore, O., & Sposato, M. (2021), op. cit., 3.

[16] Niehueser, W., & Boak, G. (2020), op. cit., 128.

[17] Marr, B. (2018). The amazing ways how Unilever uses artificial intelligence to recruit & train thousands of employees. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/12/14/the-amazing- ways-how-unilever-uses-artificial-intelligence-to-recruit-train-thousands-of-employees/?sh=485a1ca76274 2022/07/26

[18] Aspan, M. (2020), op. cit., 88.

[19] Daft R. L. (2021), op. cit., 362.

[20] Daft R. L. (2021), op. cit., 362.

[21] Costa, G., & Gianecchini, M. (2019), op. cit., 311-312.

[22] Daft R. L. (2021), op. cit., 364.

[23] Amar, J., Majumder, S., Surak, Z., & von Bismarck, N. (2021). How AI-driven nudges can transform an operation’s performance. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business- functions/operations/our-insights/how-ai-driven-nudges-can-transform-an-operations-performance 2022/07/27.

[24] Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021). Artificial intelligence coaches for sales agents: Caveats and solutions. Journal ofMarketing, 85(2), 18.

[25] Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021), op. cit., 14.

[26] Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021), op. cit., 29.