I sistemi di people analytics delle organizzazioni che hanno adottato l'AI negli ultimi tre anni mostrano, quasi invariabilmente, la stessa fotografia: produttività in crescita, tempi di esecuzione in calo, qualità degli output in miglioramento. I KPI che vengono misurati migliorano. I KPI che non vengono misurati si deteriorano in silenzio.

Il dato più rilevante del Deloitte Human Capital Trends 2024, su 14.000 dirigenti globali, non è il 76% che riconosce l'AI come amplificatore della performance individuale. È la distanza tra quel 76% e il 12% che ha condotto una valutazione formale dell'impatto dell'AI sui percorsi di sviluppo del talento junior. Quei 64 punti percentuali di distanza non misurano un'opinione. Misurano un blind spot organizzativo strutturale.

Cosa succede nella zona che nessuno sta misurando

Le organizzazioni formano i propri esperti e leader attraverso l'esposizione progressiva a lavoro cognitivamente impegnativo: diagnosi di problemi reali, decisioni commerciali con conseguenze verificabili, analisi complesse con supervisione ravvicinata. Non è un meccanismo deliberato nella maggior parte dei casi. È il sottoprodotto formativo di un lavoro eseguito direttamente, con le proprie mani cognitive, in condizioni di conseguenza reale.

L'AI esegue con qualità crescente esattamente quei task. I dati lo documentano senza ambiguità: Brynjolfsson, Li e Raymond (MIT/Stanford, 2023) misurano un incremento medio di produttività del 14% con punte del 35% per gli operatori junior low-performer. Dell'Acqua et al. (Harvard Business School, 2023) documentano un incremento del 40% nella qualità degli output su task cognitivi strutturati.

Il problema non è in questi numeri. Il problema è in quello che questi numeri non misurano: la traiettoria di sviluppo del professionista che non ha eseguito il task perchè lo ha delegato al sistema.

Il paradosso della delegazione efficiente

Ogni manager che usa l'AI per completare in venti minuti l'analisi che un junior avrebbe impiegato tre ore a fare sta ottimizzando razionalmente il proprio tempo. Ogni singola decisione è corretta. L'aggregato di quelle decisioni produce un effetto non intenzionale: la progressiva eliminazione del lavoro che trasformava i professionisti inesperti in esperti.

Vedrai Observatory definisce questo fenomeno Future Capability Debt: il divario tra l'expertise che un'organizzazione avrà bisogno di possedere in futuro e quella che sta attivamente sviluppando oggi. Come il debito tecnico nell'ingegneria del software, si accumula silenziosamente, cresce con il tempo e diventa strutturalmente costoso quando viene rilevato tardi. Con una differenza rilevante: il debito tecnico ha un nome, viene misurato nei processi di governance tecnologica e genera decisioni consapevoli di accumulo o riduzione. Il Future Capability Debt non ha ancora un nome condiviso nei processi di governance HR di quasi nessuna organizzazione.

La letteratura cognitiva sull'expertise (Ericsson et al., 1993-2016) è inequivoca: la competenza di alto livello richiede anni di esposizione diretta a problemi che si trovano al limite della capacità attuale del professionista. I task cognitivamente strutturati, ben definiti e con feedback misurabile sono sia quelli più adatti all'automazione sia quelli più adatti alla formazione. Questa sovrapposizione è il cuore del problema.

Perche' i sistemi HR attuali non lo vedono

I KPI standard di people analytics misurano il presente: produttività, engagement, turnover, performance individuale. Nessuno di questi indicatori rileva la traiettoria di sviluppo delle coorti junior nel tempo. Un'organizzazione può avere metriche di produttività eccellenti e una pipeline di leadership che si sta indebolendo simultaneamente, e i sistemi di reporting standard non mostrerebbero la contraddizione.

Brynjolfsson (Stanford HAI, 2024) introduce il concetto di complementarity threshold: la soglia oltre la quale l'AI e il professionista si sostituiscono invece di complementarsi. Nei senior con giudizio solido, questa soglia e' alta: il loro expertise guida, contesta e contestualizza l'output AI. Nei junior, la soglia e' strutturalmente piu' bassa perche' le strutture cognitive necessarie per fare quel lavoro critico si stanno ancora formando. In assenza di una strategia formativa deliberata, i junior rischiano di diventare validatori di output AI prima di essere diventati produttori di giudizio autonomo.

Produttività senza pipeline non è efficienza. È un prestito a breve termine sul proprio futuro organizzativo, con un tasso di interesse che nessun modello di workforce planning sta calcolando.

La metrica che manca: misurare la traiettoria, non la fotografia

Vedrai Observatory ha sviluppato il Leadership Pipeline Risk Index (LPRI), uno strumento progettato per essere integrato nei cicli annuali di talent review senza sostituire i sistemi esistenti. Si compone di tre dimensioni: la quota di lavoro cognitivamente impegnativo ancora eseguita direttamente dai professionisti junior; la quantità di competenza AI sviluppata dai senior che viene documentata e trasferita al resto del team; la velocità con cui le coorti junior attuali sviluppano competenza di giudizio autonomo rispetto alle coorti pre-AI alla stessa anzianità.

La terza dimensione riceve un peso doppio nel calcolo perché è l'unica che distingue competenza accumulata da capacità di gestire output AI. Si misura con assessment strutturati a 12, 24 e 36 mesi su scenari non risolvibili con AI standard, confrontati con benchmark storici interni. Un LPRI in deterioramento per due anni consecutivi segnala debito strutturale in formazione e richiede revisione della strategia formativa indipendentemente dai risultati di produttività.

Tre domande che ogni CHRO dovrebbe portare al prossimo board

Le coorti junior nelle nostre funzioni critiche stanno sviluppando competenza di giudizio autonomo alla stessa velocità delle coorti pre-AI, a parita' di anzianità? Se non lo stiamo misurando, non lo sappiamo. E non saperlo è la condizione in cui il debito si accumula più velocemente.

Abbiamo una policy esplicita su quale quota del lavoro formativo dei junior deve rimanere in esposizione diretta, funzione per funzione? O questa decisione viene presa per default da ogni manager, senza una scelta organizzativa consapevole?

I nostri piani di successione incorporano il rischio che i candidati identificati oggi abbiano accumulato meno esposizione formativa diretta rispetto alle coorti che li hanno preceduti alla stessa anzianità? Se le succession timeline sono calibrate su traiettorie pre-AI, stanno sovrastimando la pipeline disponibile.