L'IA è il futuro del total rewarding 

La capacità dell'intelligenza artificiale di apprendere, analizzare, prevedere e creare può semplificare numerose attività del dipartimento HR per aumentare l'efficienza e migliorare i risultati. Per sfruttare appieno il potenziale dell'IA è necessario investire non solo in nuovi tool, ma anche nella progettazione del lavoro: scomporre le attività in mansioni, ridistribuirle in un mix ottimale di professionalità e tecnologia e creare nuovi modi di lavorare che tengano conto di questa nuova divisione del lavoro.

Il lavoro della funzione total rewarding comporta prevalentemente mansioni operative, idealmente eseguibili dall’interazione uomo-macchina. Un recente studio di Mercer ha rilevato che l'intelligenza artificiale e l'automazione potrebbero sostituire oltre la metà (52%) del carico di lavoro della funzione total rewarding, comprese le mansioni relative alle richieste di routine dei dipendenti e la gestione dei benefit. Dallo studio Global Talent Trends 2024 di Mercer emerge che circa il 40% dei responsabili HR utilizza già l'intelligenza artificiale per l’amministrazione dei benefit, l’analisi delle competenze e la gestione dei talenti e un ulteriore 40% prevede di adottarla nel 2024.

Le aziende utilizzano già l'IA per supportare la funzione total rewarding in generale, in particolare in cinque aree:

Al di là della promessa di migliorare la produttività, l’intelligenza artificiale presenta un vantaggio ancora più entusiasmante per la funzione total rewarding. L'intelligenza amplificata è il risultato di un'intelligenza artificiale che colma le lacune delle nostre conoscenze per promuovere nuovi standard in termini di qualità del lavoro, processi decisionali e creazione di valore.

I team di total rewarding lavorano già con ingenti volumi di dati per prendere decisioni informate su retribuzioni e benefit. Tuttavia, le condizioni di mercato instabili, unite alla fluidità degli obiettivi aziendali e alle nuove esigenze di una forza lavoro diversificata, rendono ancora più difficile oggi offrire un pacchetto retributivo equo, competitivo e perfettamente equilibrato.

L'IA può aiutare ad allineare set di dati scollegati tra loro, far emergere dati nascosti o anche suggerire nuove strategie retributive in modo che i datori di lavoro possano adattare l’offerta retributiva alle categorie professionali più richieste. Man mano che l'intelligenza artificiale fa passi avanti, le aziende leader sperimentano l'intelligenza amplificata in diversi modi:

La funzione total rewarding è sempre stata basata sui dati ma, per essere utilizzata in maniera efficace, l’intelligenza artificiale richiederà grandi volumi di dati di alta qualità, potenzialmente provenienti da una varietà di fonti. Se ci sono distorsioni nei dati storici di un’azienda, come i divari retributivi tra categorie di dipendenti o singoli individui, i modelli di IA che vengono addestrati su questi dati potrebbero formulare raccomandazioni che riflettono e perpetuano queste distorsioni. È perciò essenziale continuare a prevedere l’intervento umano per individuare e risolvere queste problematiche e tutte le criticità relative alla privacy e alla governance generale dei dati, sia su base proattiva che in tempo reale.

Questi esempi pratici dimostrano che l'IA fa evolvere la natura del lavoro della funzione total rewarding. Oggi il personale della funzione raccoglie, gestisce e integra manualmente diverse serie di dati; domani dovrà lavorare in modo più strategico per realizzare le priorità aziendali. La funzione total rewarding dovrà adottare sistemi e procedure più sofisticati per mettere insieme queste informazioni, segnalare e correggere le discrepanze e garantire che i risultati ottenuti utilizzando l'intelligenza artificiale siano in linea con la filosofia e le prassi retributive.

L'intelligenza artificiale migliorerà l’efficienza dei programmi di total rewarding, essenziali per una employee experience coinvolgente. Oggi le aziende di maggior successo stanno modificando i sistemi retributivi per attrarre i talenti chiave e allo stesso tempo gestire i costi in modo responsabile. I responsabili HR affermano che l'aumento del costo del lavoro e il fabbisogno di competenze saranno le principali criticità nel 2024 e più di un terzo (36%) dei dirigenti non è convinto che gli attuali modelli di gestione dei talenti siano in grado di soddisfare la domanda.

Che cosa pensano i dipendenti della politica di retribuzione aziendale e come ritengono che potrebbe essere migliorata la loro retribuzione? Quest’anno la maggior parte dei dipendenti ha risposto che apprezzerebbe una maggiore varietà di premi e personalizzazioni. Molti rinuncerebbero addirittura a un aumento di stipendio del 10% in cambio di altri incentivi, per esempio più benefit riguardanti il benessere (46%), corsi di formazione retribuiti (26%) e la possibilità di lavorare da qualsiasi luogo (21%). Questi risultati suggeriscono che i migliori programmi di total rewarding coprono un ampio ventaglio di esigenze di una forza lavoro altamente diversificata.

L'IA ha un enorme potenziale per personalizzare i pacchetti retributivi e ottimizzare la spesa e l'erogazione dei piani retributivi, consentendo alle migliori aziende di accaparrarsi i talenti più ricercati, aumentare il benessere totale, migliorare la politica dei benefit e potenziare l'esperienza complessiva dei dipendenti. Ecco alcuni esempi:

Alcune di queste funzionalità possono essere controverse. La raccolta di dati biometrici o il monitoraggio delle conversazioni dei dipendenti possono essere considerati intrusivi e, alla luce delle leggi vigenti in molti paesi sulla protezione dei dati, anche rischiosi in mancanza del consenso informato e senza una solida governance. Inoltre, considerando altre problematiche legate all'IA, come le allucinazioni e la sicurezza dei dati, affidarsi troppo all'IA in queste aree comporta chiaramente un notevole grado di rischio.

Se da un lato i progressi dell'intelligenza artificiale generativa renderanno queste applicazioni tecnologicamente realizzabili, dall’altro i migliori team di HR dovranno effettuare analisi precise e rigorose dei rischi e sviluppare politiche di governance chiare sulla privacy e l'uso etico dell'intelligenza artificiale. Le norme e i regolamenti varieranno sicuramente a seconda della giurisdizione e dell'area geografica, soprattutto perché i governi prenderanno posizioni diverse su queste questioni.