{"id":2619,"date":"2025-05-30T12:30:01","date_gmt":"2025-05-30T12:30:01","guid":{"rendered":"https:\/\/eccellenzedimpresa.it\/?post_type=cp_magazine&p=2619"},"modified":"2026-04-24T09:01:02","modified_gmt":"2026-04-24T09:01:02","slug":"chatgpt-e-il-nuovo-alleato-dei-manager","status":"publish","type":"cp_magazine","link":"https:\/\/eccellenzedimpresa.it\/cn\/magazine\/chatgpt-e-il-nuovo-alleato-dei-manager\/","title":{"rendered":"ChatGpt \u00e8 il nuovo alleato dei manager?"},"content":{"rendered":"\n

Molti leader non sanno come disegnare i ruoli all\u2019interno dell\u2019azienda. L\u2019AI Generativa pu\u00f2 essere efficace. Ma serve usarla con saggezza.<\/em><\/p>\n\n\n\n

Fangfang Zhang, ricercatore presso il Centre for Transformative Work Design della Curtin University
Sharon K. Parker, Professore presso la Curtin University<\/p>\n\n\n\n

<\/div>\n\n\n\n

Pubblicato sul numero 1 Gennaio\/Febbraio 2025 Mit Sloan Management Review Italia<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n

Oggi i Top manager si impegnano ad aumentare il coinvolgimento dei collaboratori e
diminuire il turnover, ma devono affrontare una dura realt\u00e0: il diffuso burnout. Per
combatterlo, devono offrire loro condizioni di lavoro pi\u00f9 salutari e significative. In
un\u2019indagine condotta negli Stati Uniti da Gallup nel 2022, il 40% dei lavoratori ha dichiarato
che il lavoro ha un impatto negativo sulla salute mentale e circa il 30% ha affermato di
soffrire spesso di burnout. Non sorprende che, negli Usa, l\u2019engagement dei lavoratori sia ai
livelli minimi, da sette anni a questa parte: nel 2022, solo il 32% dei lavoratori intervistati da
Gallup dichiarava di sentirsi coinvolto e il 17% di essersi attivamente disimpegnato (Wigert e
Pendell, 2023). Si stima che questo mancato engagement costi alle imprese 7.800 miliardi di
dollari a livello globale, pari all\u201911% del prodotto interno lordo mondiale (Ibidem).
Le cause di fondo del disimpegno e dello stress lavorativo risiedono spesso nel modo in cui
l\u2019organizzazione progetta il lavoro delle proprie persone: decenni di ricerche approfondite
collegano costantemente una cattiva progettazione del lavoro a effetti negativi, tra i quali
stress mentale, elevato turnover, insoddisfazione sul lavoro, diminuzione della produttivit\u00e0
e formazione compromessa (Parker, 2014).
Molte aziende si stanno impegnando per migliorare questa situazione, ma la nostra ricerca
suggerisce che molti manager non possiedano la comprensione necessaria a progettare
posizioni di lavoro di alta qualit\u00e0. \u00c8 qui che possono svolgere un ruolo chiave le tecnologie di
Intelligenza Artificiale (AI), come ChatGpt: colmando le lacune nelle loro conoscenze e
aiutandoli a progettare posizioni di qualit\u00e0, a beneficio sia dei lavoratori sia delle
organizzazioni. \u00c8 importante per\u00f2 che prima i responsabili comprendano i pro e i contro di
utilizzare ChatGpt per progettare le posizioni.
Di seguito, analizziamo alcuni spunti in proposito evidenziati dalla nostra ricerca.<\/p>\n\n\n\n

<\/div>\n\n\n\n

La sfida per i manager: andare oltre posizioni banali e poco gratificanti<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n

Quali fattori determinano l\u2019alta qualit\u00e0 di una posizione di lavoro? Il modello smart, uno
schema di progettazione del lavoro ideato da Sharon K. Parker, definisce una posizione di
alta qualit\u00e0 come un lavoro stimolante (variet\u00e0 di mansioni e possibilit\u00e0 di sviluppare nuove
competenze), dotato di padronanza (chiarezza sul ruolo e nei feedback sul lavoro), agentivo
(autonomia nel lavoro e partecipazione al cambiamento), relazionale (supporto sociale e
lavoro di squadra positivo) e tollerabile (orari di lavoro gestibili e livelli ragionevoli di
pressione sulle tempistiche), (Parker, 2022).
Nonostante gli evidenti vantaggi di una posizione progettata in modo adeguato, nelle
organizzazioni sono ancora prevalenti quelle sviluppate in maniera approssimativa. Secondo
l\u2019indagine Gallup Great Jobs 2019, solo il 40% degli americani occupati svolge un lavoro con
le caratteristiche smart descritte sopra (Rothwell e Crabtree, 2019). Il 16% riveste una
posizione priva di quelle essenziali e il 44% ha un lavoro che presenta solo alcuni attributi
smart soddisfacenti (Rothwell e Crabtree, 2019).
Risultati che si possono spiegare con la carenza di competenze nella progettazione del
lavoro da parte dei manager di oggi. Uno studio da noi condotto di recente ha esplorato il
modo in cui si progettano i lavori per altri (Parker, Andrei e Van den Broeck, 2019). Ai
partecipanti di una simulazione online (Simulazione 1) \u00e8 stato chiesto di progettare un ruolo
amministrativo, trasformando un lavoro part time, composto esclusivamente da quattro
compiti di fotocopiatura e archiviazione, in uno full time, selezionando quattro mansioni
aggiuntive da una lista di 11, tra le quali, cinque compiti ripetitivi di fotocopiatura e
archiviazione e sei compiti pi\u00f9 significativi e interessanti, come accogliere i visitatori o
aiutare i colleghi a organizzare riunioni.
Ai partecipanti \u00e8 stato assegnato un punteggio da 0 a 4, dove un punteggio pi\u00f9 alto indicava
la creazione di un progetto di lavoro pi\u00f9 stimolante. Quasi la met\u00e0 (45%) degli studenti
universitari di gestione aziendale e dei professionisti o manager che lavorano nei servizi alle
persone tende a incorporare un lavoro ripetitivo e monotono, dimostrando un divario di
conoscenze quando si tratta di progettare un lavoro di qualit\u00e0.
In una seconda simulazione (Simulazione 2), ai partecipanti \u00e8 stato chiesto di agire come un
manager e di risolvere un problema di mansioni lavorative, in quattro diversi scenari. In ogni
scenario, la progettazione del ruolo proposto era chiaramente scadente. Per risolvere i
problemi, i partecipanti potevano valutare di adottare strategie da un elenco che
comprendeva sia approcci di \u2018correzione del lavoratore\u2019, che attribuivano i problemi al
dipendente, sia approcci di \u2018correzione dell\u2019inadeguata progettazione del lavoro\u2019, che
riconoscevano la scarsa qualit\u00e0 nella progettazione del lavoro.
Uno degli scenari, per esempio, presentava un\u2019addetta al magazzino che non riusciva a
rispettare il 50% delle scadenze previste per recuperare i prodotti e consegnarli alla
spedizione, nonostante i frequenti ritiri di merce. Sebbene la maggior parte dei partecipanti
si fosse concentrata su scelte che miglioravano la progettazione del lavoro (come
\u201cCoinvolgere il dipendente e i suoi colleghi in una revisione per identificare in che modo
potrebbe essere organizzato meglio il loro lavoro\u201d o \u201cRiorganizzare il lavoro in modo che i
compiti non debbano essere cronometrati\u201d), un numero sorprendente di partecipanti (40%)
ha scelto strategie mirate a correggere il lavoratore (come \u201cOsservare discretamente il
comportamento della persona per vedere quanto velocemente si muove\u201d). Questi risultati
convalidano la nostra constatazione sulla mancanza di competenze nella progettazione del
lavoro da parte dei dirigenti e del personale.<\/p>\n\n\n\n

<\/div>\n\n\n\n

L\u2019AI Generativa pu\u00f2 suggerire una progettazione pi\u00f9 solida<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n

Nella fase successiva dello studio, abbiamo cercato di capire se uno strumento dotato di AI,
come ChatGpt, potesse aiutare i manager a fare meglio. La risposta \u00e8 giunta in breve tempo:
ChatGpt ha il potenziale per migliorare il processo decisionale nella progettazione del
lavoro. \u00c8 importante per\u00f2 che i manager capiscano cosa pu\u00f2, e non pu\u00f2, fare bene ChatGpt.
Abbiamo usato ChatGpt per prendere decisioni ipotetiche sulla progettazione della
mansione amministrativa prevista dalla Simulazione 1. Abbiamo eseguito il compito 20
volte, utilizzando ogni volta una nuova sessione indipendente, ma con lo stesso prompt. In
tutte le iterazioni, l\u2019AI Generativa ha scelto dall\u2019elenco fornito compiti che arricchivano la
mansione, superando sia gli studenti sia i professionisti e i manager nel creare lavori
interessanti e significativi. Le prestazioni di ChatGpt sono risultate simili a quelle degli
esperti di progettazione del lavoro.
Abbiamo poi incaricato ChatGpt di affrontare la Simulazione 2, trattando i quattro scenari di
gestione manageriale della forza lavoro (compresa l\u2019ipotetica magazziniera di cui sopra), e
scegliendo le strategie da un elenco. In ogni scenario, ChatGpt ha scelto con coerenza le
strategie volte a correggere la progettazione del lavoro (buone strategie per il benessere, la
motivazione e le performance dei dipendenti) rispetto a quelle incentrate sulla correzione
del lavoratore. Come nella Simulazione 1, ChatGpt ha superato studenti, manager e
professionisti per un\u2019attenzione alla progettazione del lavoro volta a risolvere i problemi del
personale.
Nella Simulazione 2, tuttavia, ChatGpt non ha ottenuto lo stesso punteggio degli esperti,
giustificando una certa cautela. In una sessione dedicata all\u2019addetta al magazzino che non
rispettava le scadenze, per esempio, ChatGpt ha ottenuto un punteggio complessivo di 4,
ma ha scelto la strategia \u201cDarei un bonus all\u2019impiegata e ai suoi colleghi quando rispettano i
tempi assegnati\u201d, che ignora l\u2019irragionevole allocazione dei tempi al ruolo.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Una grande lezione: \u00e8 fondamentale che i prompt siano specifici<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n

Per valutare ulteriormente la capacit\u00e0 di ChatGpt di generare suggerimenti in modo
indipendente, abbiamo eseguito i compiti di progettazione del lavoro della Simulazione 2
senza fornire una lista di soluzioni a scelta multipla. Abbiamo eseguito ogni test in un nuovo
account e in nuove chat indipendenti, con la cronologia disattivata, in modo che la
restituzione di ChatGpt non fosse influenzata dalle informazioni inserite in precedenza.
Innanzitutto, il risultato \u00e8 stato preoccupante. Quando, nello scenario delle scadenze non
rispettate, chiedevamo genericamente all\u2019AI di \u201cfornire strategie efficaci per affrontare il
problema\u201d, ChatGpt tendeva a correggere il lavoratore, creando approcci tayloristici
antiquati ai sistemi di lavoro, come la conduzione di studi sul tempo e sugli spostamenti.
Suggeriva per esempio soluzioni come lo sviluppo delle abilit\u00e0 di gestione del tempo e una
formazione aggiuntiva per aiutare l\u2019impiegata del magazzino, che abbiamo chiamato Karen,
a migliorare le sue prestazioni (per esempio, \u201cConcentrarsi sul miglioramento della velocit\u00e0
e dell\u2019accuratezza di Karen nel localizzare e raccogliere gli articoli dal magazzino\u201d). Si
raccomandava anche di fornire un feedback sulle performance e gli incentivi, per motivare
Karen a muoversi pi\u00f9 velocemente (per esempio, \u201cCollegando le prestazioni con i premi,
Karen sar\u00e0 incoraggiata a concentrarsi sul miglioramento della sua velocit\u00e0 ed efficienza\u201d).
Ognuna di queste soluzioni presuppone implicitamente che il problema sia la motivazione o
la capacit\u00e0 della lavoratrice, anzich\u00e9 la progettazione del lavoro.
Dopo aver compreso che un approccio cos\u00ec aperto non era ottimale, abbiamo
successivamente istruito ChatGpt ad affrontare questo stesso scenario utilizzando prompt
specifici: \u201cConsiderare la progettazione di un lavoro di buona qualit\u00e0 per Karen\u201d;<\/p>\n\n\n\n

\u201cConsiderare la salute, il benessere, la motivazione, la soddisfazione e la significativit\u00e0 del
lavoro di Karen\u201d; e \u201cConsiderare la progettazione del lavoro di Karen\u201d. In questo modo, l\u2019AI
ha fornito alcune soluzioni per migliorare la progettazione del lavoro di Karen, tra le quali le
seguenti:<\/p>\n\n\n\n

    \n
  • Rivedere l\u2019allocazione del tempo e il carico di lavoro, per fissare obiettivi realistici;<\/li>\n\n\n\n
  • Coinvolgere Karen nel processo decisionale e chiedere il suo contributo per
    migliorare il lavoro;<\/li>\n\n\n\n
  • Offrire feedback e riconoscimenti di supporto per aumentare la soddisfazione e la
    motivazione dei dipendenti;<\/li>\n\n\n\n
  • Offrire una formazione adeguata e opportunit\u00e0 di sviluppo delle competenze per
    aumentare la fiducia e l\u2019impegno.<\/li>\n<\/ul>\n\n\n\n

    Queste strategie potenziano le caratteristiche smart del lavoro di Karen, aumentando la
    tollerabilit\u00e0 delle richieste, potenziando l\u2019agency (cio\u00e8 la consapevolezza di poter modificare
    le circostanze), incrementando la padronanza e rendendo pi\u00f9 stimolante il lavoro.
    ChatGpt ha anche suggerito soluzioni come promuovere un ambiente di lavoro favorevole,
    incoraggiare il sostegno e la collaborazione nel gruppo, offrire opportunit\u00e0 di avanzamento
    di carriera e promuovere l\u2019equilibrio tra lavoro e vita privata. Tutte soluzioni in linea con le
    ricerche sulla progettazione del lavoro e sul benessere che renderebbero pi\u00f9 smart il lavoro,
    con il risultato di un dipendente pi\u00f9 equilibrato e produttivo.
    Da questo particolare esperimento con ChatGpt abbiamo imparato che l\u2019AI Generativa pu\u00f2
    prendere decisioni preziose per la progettazione del lavoro, ma i manager devono fornire
    istruzioni chiare che privilegino i risultati per il lavoratore. Per esempio, chiedere a ChatGpt
    di \u201cprogettare un lavoro di alta qualit\u00e0\u201d, anzich\u00e9 chiedere genericamente di \u201cprogettare un
    buon lavoro\u201d, pu\u00f2 generare strategie pi\u00f9 pertinenti ed efficaci. Per migliorare la qualit\u00e0 dei
    suggerimenti strategici generati da ChatGpt, i manager devono pertanto menzionare
    obiettivi specifici e desiderabili nelle loro domande, come un lavoro di alta qualit\u00e0, la salute,
    il benessere e la motivazione dei dipendenti e la significativit\u00e0 del lavoro.
    Una buona notizia \u00e8 che i manager che non usano spesso ChatGpt possono imparare a
    scrivere prompt efficaci attraverso lo strumento stesso. Per esempio, alla domanda \u201cCome si
    pu\u00f2 creare un prompt ben strutturato e chiaro per affrontare efficacemente le sfide della
    progettazione del lavoro?\u201d, ChatGpt ha fornito una guida passo passo su come scrivere
    prompt efficaci. ChatGpt ci ha consigliato di identificare il problema principale e di essere
    specifici, fornendo suggerimenti applicabili alla progettazione del lavoro come l\u2019uso di
    prompt quali \u201cProgettare un lavoro di alta qualit\u00e0 che migliora l\u2019interazione e la
    collaborazione positiva del team di vendita\u201d o \u201cProgettare un lavoro che sia significativo per
    facilitare l\u2019accettazione da parte dei dipendenti dei cambiamenti tecnologici nel loro
    lavoro\u201d.
    L\u2019esperimento ha anche dimostrato che i prompt efficaci possono essere rivisti e testati. I
    manager che hanno difficolt\u00e0 in merito possono migliorare le loro capacit\u00e0 utilizzando un
    prompt del tipo \u201cIl seguente \u00e8 un prompt che mira a chiedere a ChatGpt consigli dal punto di
    vista di un esperto di progettazione del lavoro. Si prega di analizzare e suggerire
    miglioramenti per ottenere consigli pratici e attuabili da ChatGpt\u201d. In questo caso, ChatGpt
    fornir\u00e0 suggerimenti pi\u00f9 specifici per ottenere risultati di migliore qualit\u00e0.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Cinque lezioni per i manager<\/strong><\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Per affrontare il problema pervasivo dell\u2019inadeguata progettazione dei ruoli lavorativi e dei
    suoi effetti dannosi, \u00e8 fondamentale adottare soluzioni innovative. Sulla base della nostra
    ricerca, ChatGpt \u00e8 emerso come uno strumento AI promettente per aiutare i manager a
    progettare lavori pi\u00f9 equilibrati e produttivi. Ma non \u00e8 una panacea, e deve essere usato
    con saggezza.
    Di seguito, alcuni nostri consigli per i manager.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    ChatGpt non pu\u00f2 sostituire la formazione.<\/strong> I manager devono essere consapevoli che i
    problemi dei lavoratori possono derivare da una cattiva progettazione del lavoro e che
    quest\u2019ultima, a sua volta, pu\u00f2 influenzare il benessere, la motivazione e la significativit\u00e0 del
    lavoro. Questo significa che, prima di poter utilizzare ChatGpt per progettare posizioni
    migliori, i manager hanno bisogno di una formazione sui concetti di base della progettazione
    del lavoro. Per approfondire l\u2019argomento, consultare l\u2019articolo correlato How well-designed
    work makes us smarter e il sito di Smart Work Design.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    I manager devono essere sostenuti nel loro obiettivo di creare un lavoro ben progettato.<\/strong> I
    manager devono essere motivati a creare posizioni di lavoro migliori per i loro collaboratori.
    I manager stessi hanno quindi bisogno di ruoli in cui la creazione di mansioni lavorative
    equilibrate per i dipendenti sia vista come una responsabilit\u00e0 legittima e importante, invece
    di avere come unico obiettivo il profitto. Se, per esempio, i manager sono promossi solo in
    base ai risultati di produttivit\u00e0, non saranno molto motivati a progettare un lavoro smart per
    i loro team.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    I manager stessi hanno bisogno di un lavoro equilibrato.<\/strong> I manager hanno bisogno di
    tempo sufficiente per poter prestare attenzione a come sono concepiti i lavori dei loro
    collaboratori. Questo significa che anche il loro lavoro deve essere tollerabile e non
    eccessivamente stressante.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    I manager devono imparare a usare in modo efficace i prompt di ChatGpt.<\/strong> I manager
    devono essere incoraggiati a usare l\u2019AI Generativa per contribuire alle sfide di progettazione
    del lavoro, ma hanno bisogno di istruzioni chiare e complete su come usarla in modo
    efficace. Per esempio, i manager devono essere specifici e menzionare obiettivi come il
    benessere e la motivazione dei dipendenti quando richiedono a ChatGpt suggerimenti per la
    progettazione del lavoro.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    ChatGpt supporter\u00e0, non sostituir\u00e0, le persone nella progettazione di lavori migliori.<\/strong> A
    differenza delle simulazioni, le situazioni reali di progettazione del lavoro sono spesso
    caratterizzate da ambiguit\u00e0 e complessit\u00e0, con numerose variabili che possono influenzare i
    risultati. Le situazioni reali richiedono una profonda comprensione del contesto, delle
    emozioni umane, delle dinamiche sociali e delle considerazioni politiche ed etiche, che
    possono essere difficili da comprendere per uno strumento AI come ChatGpt.
    Raccomandiamo di utilizzare ChatGpt come complemento ai manager umani, piuttosto che
    come loro sostituto.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Incorporando i suggerimenti di ChatGpt insieme alle competenze umane, le organizzazioni
    possono favorire un maggiore engagement del personale, soddisfazione sul lavoro e<\/p>\n\n\n\n

    performance complessive. Raggiungendo questa sinergia tra manager e AI si pu\u00f2 aprire la
    strada a un futuro migliore per la progettazione del lavoro e l\u2019esperienza dei dipendenti.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Punteggi relativi alle decisioni di progettazione del lavoro nei diversi gruppi<\/strong>.
    Quando ai partecipanti alla Simulazione 1 \u00e8 stato chiesto di progettare un ruolo
    amministrativo, il 45% ha scelto di assegnare al lavoratore compiti ripetitivi e monotoni
    (punteggio da 0 a 4, che indica il numero di compiti arricchenti selezionati dai partecipanti).
    Quando ai partecipanti alla Simulazione 2 \u00e8 stato chiesto di affrontare i problemi di quattro
    ruoli lavorativi progettati in modo inadeguato, il 40% ha scelto strategie volte a correggere il
    lavoratore anzich\u00e9 la cattiva progettazione (punteggio da 1 a 5, che indica in che misura i
    partecipanti adotteranno le strategie: da 1, estremamente improbabile, a 5, estremamente
    probabile.<\/p>\n\n\n\n

    <\/div>\n\n\n\n
    \"\"<\/figure>\n\n\n\n
    <\/div>\n\n\n\n

    Tabella 1.<\/strong> Valutazioni delle decisioni di progettazione del lavoro nei diversi gruppi<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Quando ai partecipanti della Simulazione 1 \u00e8 stato chiesto di progettare un ruolo
    amministrativo, il 45% ha scelto principalmente di assegnare al lavoratore compiti ripetitivi
    e monotoni (punteggio da 0 a 4, indicando il numero di compiti arricchiti selezionati dai
    partecipanti). Quando ai partecipanti della Simulazione 2 \u00e8 stato chiesto di affrontare
    problemi in quattro ruoli lavorativi mal progettati, il 40% ha scelto strategie mirate a
    correggere il lavoratore piuttosto che il cattivo design (punteggio da 1 a 5, indicando la
    misura in cui i partecipanti adotteranno le strategie, in cui 1 \u00e8 estremamente improbabile e
    5 \u00e8 estremamente probabile).<\/p>\n","protected":false},"template":"","meta":{"_acf_changed":true},"acf":[],"_links":{"self":[{"href":"https:\/\/eccellenzedimpresa.it\/cn\/wp-json\/wp\/v2\/cp_magazine\/2619"}],"collection":[{"href":"https:\/\/eccellenzedimpresa.it\/cn\/wp-json\/wp\/v2\/cp_magazine"}],"about":[{"href":"https:\/\/eccellenzedimpresa.it\/cn\/wp-json\/wp\/v2\/types\/cp_magazine"}],"wp:attachment":[{"href":"https:\/\/eccellenzedimpresa.it\/cn\/wp-json\/wp\/v2\/media?parent=2619"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}