ChatGpt è il nuovo alleato dei manager?
Molti leader non sanno come disegnare i ruoli all’interno dell’azienda. L’AI Generativa può essere efficace. Ma serve usarla con saggezza.
Fangfang Zhang, ricercatore presso il Centre for Transformative Work Design della Curtin University
Sharon K. Parker, Professore presso la Curtin University
Pubblicato sul numero 1 Gennaio/Febbraio 2025 Mit Sloan Management Review Italia
Oggi i Top manager si impegnano ad aumentare il coinvolgimento dei collaboratori e
diminuire il turnover, ma devono affrontare una dura realtà: il diffuso burnout. Per
combatterlo, devono offrire loro condizioni di lavoro più salutari e significative. In
un’indagine 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’engagement 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’11% del prodotto interno lordo mondiale (Ibidem).
Le cause di fondo del disimpegno e dello stress lavorativo risiedono spesso nel modo in cui
l’organizzazione 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 produttività
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 qualità. È 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 qualità, a beneficio sia dei lavoratori sia delle
organizzazioni. È importante però 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.
La sfida per i manager: andare oltre posizioni banali e poco gratificanti
Quali fattori determinano l’alta qualità di una posizione di lavoro? Il modello smart, uno
schema di progettazione del lavoro ideato da Sharon K. Parker, definisce una posizione di
alta qualità come un lavoro stimolante (varietà di mansioni e possibilità 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’indagine 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) è 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 più significativi e interessanti, come accogliere i visitatori o
aiutare i colleghi a organizzare riunioni.
Ai partecipanti è stato assegnato un punteggio da 0 a 4, dove un punteggio più alto indicava
la creazione di un progetto di lavoro più stimolante. Quasi la metà (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 qualità.
In una seconda simulazione (Simulazione 2), ai partecipanti è 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 ‘correzione del lavoratore’, che attribuivano i problemi al
dipendente, sia approcci di ‘correzione dell’inadeguata progettazione del lavoro’, che
riconoscevano la scarsa qualità nella progettazione del lavoro.
Uno degli scenari, per esempio, presentava un’addetta 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
“Coinvolgere il dipendente e i suoi colleghi in una revisione per identificare in che modo
potrebbe essere organizzato meglio il loro lavoro” o “Riorganizzare il lavoro in modo che i
compiti non debbano essere cronometrati”), un numero sorprendente di partecipanti (40%)
ha scelto strategie mirate a correggere il lavoratore (come “Osservare discretamente il
comportamento della persona per vedere quanto velocemente si muove”). Questi risultati
convalidano la nostra constatazione sulla mancanza di competenze nella progettazione del
lavoro da parte dei dirigenti e del personale.
L’AI Generativa può suggerire una progettazione più solida
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 è giunta in breve tempo:
ChatGpt ha il potenziale per migliorare il processo decisionale nella progettazione del
lavoro. È importante però che i manager capiscano cosa può, e non può, 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’AI Generativa ha scelto dall’elenco 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’ipotetica 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’attenzione 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’addetta al magazzino che non
rispettava le scadenze, per esempio, ChatGpt ha ottenuto un punteggio complessivo di 4,
ma ha scelto la strategia “Darei un bonus all’impiegata e ai suoi colleghi quando rispettano i
tempi assegnati”, che ignora l’irragionevole allocazione dei tempi al ruolo.
Una grande lezione: è fondamentale che i prompt siano specifici
Per valutare ulteriormente la capacità 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 è stato preoccupante. Quando, nello scenario delle scadenze non
rispettate, chiedevamo genericamente all’AI di “fornire strategie efficaci per affrontare il
problema”, 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 abilità di gestione del tempo e una
formazione aggiuntiva per aiutare l’impiegata del magazzino, che abbiamo chiamato Karen,
a migliorare le sue prestazioni (per esempio, “Concentrarsi sul miglioramento della velocità
e dell’accuratezza di Karen nel localizzare e raccogliere gli articoli dal magazzino”). Si
raccomandava anche di fornire un feedback sulle performance e gli incentivi, per motivare
Karen a muoversi più velocemente (per esempio, “Collegando le prestazioni con i premi,
Karen sarà incoraggiata a concentrarsi sul miglioramento della sua velocità ed efficienza”).
Ognuna di queste soluzioni presuppone implicitamente che il problema sia la motivazione o
la capacità della lavoratrice, anziché la progettazione del lavoro.
Dopo aver compreso che un approccio così aperto non era ottimale, abbiamo
successivamente istruito ChatGpt ad affrontare questo stesso scenario utilizzando prompt
specifici: “Considerare la progettazione di un lavoro di buona qualità per Karen”;
“Considerare la salute, il benessere, la motivazione, la soddisfazione e la significatività del
lavoro di Karen”; e “Considerare la progettazione del lavoro di Karen”. In questo modo, l’AI
ha fornito alcune soluzioni per migliorare la progettazione del lavoro di Karen, tra le quali le
seguenti:
- Rivedere l’allocazione del tempo e il carico di lavoro, per fissare obiettivi realistici;
- Coinvolgere Karen nel processo decisionale e chiedere il suo contributo per
migliorare il lavoro; - Offrire feedback e riconoscimenti di supporto per aumentare la soddisfazione e la
motivazione dei dipendenti; - Offrire una formazione adeguata e opportunità di sviluppo delle competenze per
aumentare la fiducia e l’impegno.
Queste strategie potenziano le caratteristiche smart del lavoro di Karen, aumentando la
tollerabilità delle richieste, potenziando l’agency (cioè la consapevolezza di poter modificare
le circostanze), incrementando la padronanza e rendendo più stimolante il lavoro.
ChatGpt ha anche suggerito soluzioni come promuovere un ambiente di lavoro favorevole,
incoraggiare il sostegno e la collaborazione nel gruppo, offrire opportunità di avanzamento
di carriera e promuovere l’equilibrio tra lavoro e vita privata. Tutte soluzioni in linea con le
ricerche sulla progettazione del lavoro e sul benessere che renderebbero più smart il lavoro,
con il risultato di un dipendente più equilibrato e produttivo.
Da questo particolare esperimento con ChatGpt abbiamo imparato che l’AI Generativa può
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 “progettare un lavoro di alta qualità”, anziché chiedere genericamente di “progettare un
buon lavoro”, può generare strategie più pertinenti ed efficaci. Per migliorare la qualità dei
suggerimenti strategici generati da ChatGpt, i manager devono pertanto menzionare
obiettivi specifici e desiderabili nelle loro domande, come un lavoro di alta qualità, la salute,
il benessere e la motivazione dei dipendenti e la significatività del lavoro.
Una buona notizia è che i manager che non usano spesso ChatGpt possono imparare a
scrivere prompt efficaci attraverso lo strumento stesso. Per esempio, alla domanda “Come si
può creare un prompt ben strutturato e chiaro per affrontare efficacemente le sfide della
progettazione del lavoro?”, 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’uso di
prompt quali “Progettare un lavoro di alta qualità che migliora l’interazione e la
collaborazione positiva del team di vendita” o “Progettare un lavoro che sia significativo per
facilitare l’accettazione da parte dei dipendenti dei cambiamenti tecnologici nel loro
lavoro”.
L’esperimento ha anche dimostrato che i prompt efficaci possono essere rivisti e testati. I
manager che hanno difficoltà in merito possono migliorare le loro capacità utilizzando un
prompt del tipo “Il seguente è 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”. In questo caso, ChatGpt
fornirà suggerimenti più specifici per ottenere risultati di migliore qualità.
Cinque lezioni per i manager
Per affrontare il problema pervasivo dell’inadeguata progettazione dei ruoli lavorativi e dei
suoi effetti dannosi, è fondamentale adottare soluzioni innovative. Sulla base della nostra
ricerca, ChatGpt è emerso come uno strumento AI promettente per aiutare i manager a
progettare lavori più equilibrati e produttivi. Ma non è una panacea, e deve essere usato
con saggezza.
Di seguito, alcuni nostri consigli per i manager.
ChatGpt non può sostituire la formazione. I manager devono essere consapevoli che i
problemi dei lavoratori possono derivare da una cattiva progettazione del lavoro e che
quest’ultima, a sua volta, può influenzare il benessere, la motivazione e la significatività 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’argomento, consultare l’articolo correlato How well-designed
work makes us smarter e il sito di Smart Work Design.
I manager devono essere sostenuti nel loro obiettivo di creare un lavoro ben progettato. 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 responsabilità legittima e importante, invece
di avere come unico obiettivo il profitto. Se, per esempio, i manager sono promossi solo in
base ai risultati di produttività, non saranno molto motivati a progettare un lavoro smart per
i loro team.
I manager stessi hanno bisogno di un lavoro equilibrato. 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.
I manager devono imparare a usare in modo efficace i prompt di ChatGpt. I manager
devono essere incoraggiati a usare l’AI 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.
ChatGpt supporterà, non sostituirà, le persone nella progettazione di lavori migliori. A
differenza delle simulazioni, le situazioni reali di progettazione del lavoro sono spesso
caratterizzate da ambiguità e complessità, 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.
Incorporando i suggerimenti di ChatGpt insieme alle competenze umane, le organizzazioni
possono favorire un maggiore engagement del personale, soddisfazione sul lavoro e
performance complessive. Raggiungendo questa sinergia tra manager e AI si può aprire la
strada a un futuro migliore per la progettazione del lavoro e l’esperienza dei dipendenti.
Punteggi relativi alle decisioni di progettazione del lavoro nei diversi gruppi.
Quando ai partecipanti alla Simulazione 1 è 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 è stato chiesto di affrontare i problemi di quattro
ruoli lavorativi progettati in modo inadeguato, il 40% ha scelto strategie volte a correggere il
lavoratore anziché 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.
Tabella 1. Valutazioni delle decisioni di progettazione del lavoro nei diversi gruppi
Quando ai partecipanti della Simulazione 1 è 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 è 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 è estremamente improbabile e
5 è estremamente probabile).
