Il valore delle scelte sulle persone si dimostra con dati affidabili, domande di business chiare e decisioni misurate nel tempo.
Ad agosto 𝐓𝐇𝐄 𝐇𝐑 𝐃𝐄𝐂𝐎𝐃𝐄𝐑 ha ridisegnato l'organizzazione intorno ai flussi di valore; a settembre ha portato il learning al livello dell'infrastruttura. Entrambe le edizioni convergono su una domanda che ogni vertice aziendale, presto o tardi, rivolge alla Direzione HR: come facciamo a sapere che funziona? La risposta abituale è un racconto fatto di iniziative, di partecipazione e di testimonianze. Questo numero si occupa del passaggio successivo, quello in cui il racconto lascia spazio all'evidenza.
La people analytics genera valore quando entra nel ciclo decisionale. Parte da una domanda di business, lavora su dati di cui l'organizzazione si fida e misura l'effetto delle scelte che ha contribuito a orientare. In questo passaggio la funzione HR adotta il linguaggio con cui l'impresa decide, e con quel linguaggio acquista peso negli equilibri del vertice.
Keywords: People Analytics · Misura dell'impatto · Evidence-based management · Qualità del dato · Digital trust · Decisioni sulle persone
Perché parlarne ora, e perché riguarda chi si occupa di persone
La disciplina ha raggiunto la maturità. La ricerca People Analytics Trends 2025-26 di Insight222registra un rapporto stabile di un professionista di people analytics ogni 2.500 dipendenti. Il campione è di 372 organizzazioni, che impiegano complessivamente oltre 20 milioni di persone in più di 180 paesi. Nello stesso campione, il 𝟓𝟐% delle organizzazioni dichiara miglioramenti di business misurabili ottenuti grazie alla people analytics.
Il dato si legge in due direzioni: la disciplina ha dimostrato di poter produrre valore, e quasi metà delle organizzazioni che vi investono attende ancora di vederlo tradotto in risultati.
Il secondo fronte riguarda le decisioni e la qualità del dato su cui poggiano. La survey 2026 Global Human Capital Trends di Deloitte, condotta con Oxford Economics, ha coinvolto oltre 3.000 leader business e HR in 15 paesi, integrati da indagini su 6.000 lavoratori, manager ed executive. Il 𝟔𝟎% degli executive utilizza l'AI nei processi decisionali, e appena il 𝟓% dichiara di gestirla bene. Il 𝟒𝟐% dei lavoratori osserva che la propria organizzazione trascura la valutazione dell'impatto dell'AI sulle persone.
Deloitte dedica un intero trend all'affidabilità dei dati su persone e lavoro. CV gonfiati, identità sintetiche, deepfake e contenuti di bassa qualità generati dall'AI rischiano di contaminare decisioni e modelli.
Secondo la survey, poche organizzazioni stanno facendo progressi significativi su questo fronte. Nell'era dell'intelligenza artificiale, misurare richiede innanzitutto un dato di cui fidarsi.
In Italia la ricerca 2026 dell'𝐎𝐬𝐬𝐞𝐫𝐯𝐚𝐭𝐨𝐫𝐢𝐨 𝐇𝐑 𝐈𝐧𝐧𝐨𝐯𝐚𝐭𝐢𝐨𝐧 del Politecnico di Milano si basa su due survey: una rivolta alle Direzioni HR di medie e grandi organizzazioni, l'altra a un campione di lavoratori realizzato con Ipsos Doxa, rappresentativo per ruolo professionale e macro-settore. La quota di lavoratori pienamente ingaggiati scende al 𝟏𝟓%. Solo il 𝟗% delle organizzazioni governa in modo strutturato il tempo liberato dall'AI. Il valore prodotto, quando resta fuori dai sistemi di misura, tende a disperdersi.
Cresce intanto il riconoscimento di una HR guidata dai dati. Tra gli HR Innovation Award 2026 figura la categoria Direzione HR Data-Driven e proattiva, vinta da Quiris. con una piattaforma per la classificazione oggettiva dei ruoli e il monitoraggio dei divari retributivi. Con la Direttiva UE 2023/970 sulla trasparenza retributiva, da recepire entro il 7 giugno 2026, una parte della misura entra anche nel perimetro degli obblighi.
L'inversione di prospettiva
Nel 2006 Jeffry Pfeffer e Robert Sutton hanno proposto, sulla Harvard Business Review, di trasferire al management il metodo della medicina basata sulle prove. L'idea è decidere sulla base della migliore evidenza disponibile, anziché sull'esperienza personale, sull'imitazione dei concorrenti o sulle convinzioni consolidate. Vent'anni dopo quella lezione riguarda la funzione HR più di ogni altra, perché le decisioni sulle persone restano tra le più esposte all'intuizione.
La seconda àncora viene dall'economia. La legge di Goodhart, nella formulazione resa celebre dall'antropologa Marilyn Strathern, descrive un meccanismo preciso:
una misura trasformata in obiettivo perde la capacità di rappresentare ciò che misura.
Per l'HR significa che ore di formazione, tassi di completamento e punteggi di engagement diventano facilmente traguardi da raggiungere, e così si allontanano dal risultato che dovevano descrivere.
L'inversione sta qui. L'uso più diffuso dei dati HR è difensivo: serve a dimostrare il valore di ciò che è già stato fatto. L'uso maturo è decisionale: scegliere che cosa fare, verificarne l'effetto, correggere la rotta. In questa logica anche la scoperta che un'iniziativa rende meno del previsto è un risultato, perché libera risorse per ciò che funziona.
I due nodi
𝐍𝐨𝐝𝐨 𝟏: 𝐥𝐚 𝐟𝐢𝐝𝐮𝐜𝐢𝐚 𝐧𝐞𝐥 𝐝𝐚𝐭𝐨. L'AI moltiplica i dati disponibili e ne indebolisce l'autenticità. Il rischio è la 𝐩𝐫𝐞𝐜𝐢𝐬𝐢𝐨𝐧𝐞 𝐚𝐩𝐩𝐚𝐫𝐞𝐧𝐭𝐞: cruscotti accurati costruiti su basi fragili, che conferiscono autorevolezza a decisioni poggiate su dati incompleti o alterati.
𝐍𝐨𝐝𝐨 𝟐: 𝐢𝐥 𝐩𝐨𝐧𝐭𝐞 𝐭𝐫𝐚 𝐚𝐧𝐚𝐥𝐢𝐬𝐢 𝐞 𝐝𝐞𝐜𝐢𝐬𝐢𝐨𝐧𝐞. Un'analisi produce valore quando qualcuno la usa per scegliere. Il rischio è il 𝐫𝐞𝐩𝐨𝐫𝐭𝐢𝐧𝐠 𝐜𝐨𝐦𝐞 𝐟𝐢𝐧𝐞: una produzione regolare di indicatori che descrivono l'organizzazione e restano ai margini dei momenti in cui si decide su budget, ruoli e priorità.
Case history: Intesa Sanpaolo e il programma HR 2030
Il Gruppo Intesa Sanpaolo conta oltre 90.000 dipendenti nel mondo, di cui circa 69.000 in Italia. La trasformazione della sua funzione HR è partita nel 2017 con la digitalizzazione dei processi, prima in Italia e poi a livello internazionale. Nel 2025 il Gruppo ha avviato il programma "HR 2030", con l'obiettivo di costruire un nuovo modello operativo HR abilitato dall'intelligenza artificiale e fondato sull'integrazione di dati e tecnologie digitali.
Per questo Decoder il focus va sulla costruzione di un 𝐝𝐚𝐭𝐚 𝐟𝐚𝐛𝐫𝐢𝐜 dedicato alla funzione HR. È un unico punto d'accesso che raccoglie i dati sulle persone provenienti dai diversi sistemi del Gruppo e li rende disponibili per l'analytics, le dashboard e l'intelligenza artificiale. La qualità di quei dati è garantita da una data ownership formalizzata. Ogni dato ha un responsabile, che ne traccia origine e percorso nei sistemi e ne presidia la qualità nel tempo. Il presidio complessivo spetta alla struttura People Data & Digital, in collaborazione con IT e fornitori. È la risposta organizzativa al primo nodo, la fiducia nel dato.
Il secondo nodo trova risposta nell'evoluzione del Gestore HR verso il ruolo di 𝐏𝐞𝐨𝐩𝐥𝐞 & 𝐁𝐮𝐬𝐢𝐧𝐞𝐬𝐬 𝐏𝐚𝐫𝐭𝐧𝐞𝐫. Il suo strumento è un CRM che riunisce le informazioni chiave su persone e team e, attraverso l'AI generativa, le traduce in raccomandazioni operative su sviluppo professionale, retention e supporto ai manager. In questo modo il dato diventa una leva per decidere.
I risultati finora misurati riguardano l'efficienza. L'automazione ha coinvolto 𝟏𝟒 processi amministrativi e introdotto circa 𝟏.𝟗𝟓𝟎 controlli automatici. Le segnalazioni da gestire manualmente sono scese dal 𝟐𝟖% a circa il 𝟔%, liberando tempo per il team HR.
Il programma si estenderà a tutto il personale in Italia entro la fine del 2026 e completerà la trasformazione del modello operativo entro il 2029. I prossimi sviluppi prevedono funzionalità predittive e insight avanzati per i Gestori HR.
Nel 2026 il progetto ha ricevuto l'HR Innovation Award del Politecnico di Milano nella categoria "Potenzialità dell'AI in ambito HR".
La lettura organizzativa è istruttiva per la sequenza. Intesa Sanpaolo ha costruito prima le condizioni dell'evidenza: un'unica infrastruttura dei dati, responsabili formali della loro qualità, strumenti che portano il dato dentro le decisioni quotidiane. Ha poi misurato il primo effetto, il tempo liberato dalle attività amministrative. Il valore della fase successiva dipenderà da come quel tempo verrà reinvestito in decisioni su sviluppo, retention e ruoli, e da come quelle decisioni verranno a loro volta misurate. È esattamente il passaggio che descriviamo in questo Decoder: quello che va dalla capacità di raccogliere dati a quella di dimostrare l'impatto delle scelte.
Le cinque leve operative
𝟏 — 𝐏𝐚𝐫𝐭𝐢𝐫𝐞 𝐝𝐚𝐥𝐥𝐚 𝐝𝐨𝐦𝐚𝐧𝐝𝐚 𝐝𝐢 𝐛𝐮𝐬𝐢𝐧𝐞𝐬𝐬 Ogni progetto di analytics nasce da una decisione da prendere, formulata insieme al business. Per esempio: dove si concentra il turnover che pesa sui margini, quali caratteristiche distinguono i team più produttivi, quale investimento formativo sposta la performance. Il dato viene dopo la domanda.
𝟐 — 𝐂𝐞𝐫𝐭𝐢𝐟𝐢𝐜𝐚𝐫𝐞 𝐥𝐚 𝐪𝐮𝐚𝐥𝐢𝐭𝐚̀ 𝐝𝐞𝐥 𝐝𝐚𝐭𝐨 Occorre mappare origine e passaggi di ogni informazione sulle persone, rafforzare la verifica di identità e competenze dichiarate e assegnare a ogni dato un responsabile della sua qualità, come nel modello di data ownership adottato da Intesa Sanpaolo. È la condizione perché le analisi reggano l'esame del vertice.
𝟑 — 𝐌𝐢𝐬𝐮𝐫𝐚𝐫𝐞 𝐠𝐥𝐢 𝐞𝐬𝐢𝐭𝐢, 𝐨𝐥𝐭𝐫𝐞 𝐚𝐥𝐥𝐞 𝐚𝐭𝐭𝐢𝐯𝐢𝐭𝐚̀ Agli indicatori di volume vanno affiancati indicatori di risultato: retention delle figure critiche, tempi di copertura dei ruoli, performance dei team, mobilità interna. Conviene anche distinguere gli indicatori anticipatori da quelli consuntivi.
𝟒 — 𝐂𝐡𝐢𝐮𝐝𝐞𝐫𝐞 𝐢𝐥 𝐜𝐢𝐜𝐥𝐨 𝐭𝐫𝐚 𝐝𝐞𝐜𝐢𝐬𝐢𝐨𝐧𝐞 𝐞 𝐦𝐢𝐬𝐮𝐫𝐚 Le nuove iniziative vanno introdotte con logica sperimentale, con un pilota e un gruppo di confronto, stabilendo in anticipo quando e come se ne valuterà l'effetto. Ogni decisione misurata alimenta la successiva.
𝟓 — 𝐆𝐨𝐯𝐞𝐫𝐧𝐚𝐫𝐞 𝐢𝐥 𝐝𝐚𝐭𝐨 𝐜𝐨𝐧 𝐭𝐫𝐚𝐬𝐩𝐚𝐫𝐞𝐧𝐳𝐚 Alle persone va reso esplicito quali dati vengono raccolti, per quali finalità e con quali garanzie. Deloitte indica la necessità di fondamenta più solide di fiducia digitale. È la base perché le persone contribuiscano con informazioni autentiche.
Per la Direzione HR le cinque leve compongono un unico sistema: domanda, dato, misura, decisione, fiducia. È questo sistema a rendere l'investimento sulle persone leggibile con gli stessi criteri con cui l'impresa valuta ogni altro investimento.
Consiglio di lettura
𝐇𝐚𝐧𝐢 𝐍𝐚𝐛𝐞𝐞𝐥, 𝐂𝐮𝐥𝐭𝐮𝐫𝐞 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬: 𝐀𝐧 𝐄𝐯𝐢𝐝𝐞𝐧𝐜𝐞-𝐁𝐚𝐬𝐞𝐝 𝐀𝐩𝐩𝐫𝐨𝐚𝐜𝐡 𝐭𝐨 𝐂𝐨𝐦𝐩𝐚𝐧𝐲 𝐂𝐮𝐥𝐭𝐮𝐫𝐞 (Kogan Page, 2024)
Hani Nabeel è Chief Behavioural Scientist di iPsychTec , società di people analytics e scienze comportamentali. Ha oltre vent'anni di esperienza tra consulenza sul talento e ricerca comportamentale quantitativa. È l'ideatore di Culturescope, piattaforma di analisi comportamentale premiata nel 2017 con il Wharton People Analytics Award.
Il libro poggia su uno studio che ha esaminato l'impatto organizzativo di più di 220 comportamenti in 60 organizzazioni di 61 paesi. Nel 2025 ha ricevuto il riconoscimento di Outstanding Academic Title da Smart Choice Reviews. Nabeel distingue gli indicatori anticipatori da quelli consuntivi della cultura, mostra come applicare l'analisi predittiva ai dati culturali e individua i 30 comportamenti con il maggiore impatto sulla cultura. Porta poi questi strumenti alla retention, all’engagement, al benessere, alla sicurezza psicologica e alla gestione del cambiamento, con esempi tratti da Barclays, Pfizer , American Airlines e Cisco.
Da narratrice delle iniziative ad architetta dell'evidenza
La funzione HR ha sempre avuto un ruolo di racconto: dare forma alla cultura, comunicare le iniziative, rappresentare le persone presso il vertice. La people analytics aggiunge un secondo ruolo, quello di progettare il sistema con cui l'organizzazione conosce se stessa. Significa scegliere le domande, garantire il dato, costruire le misure e portare l'evidenza nei luoghi in cui si decide. Dopo l'architettura dell'organizzazione e quella dell'apprendimento, questa è l'architettura che le rende entrambe verificabili.
Fonti e Bibliografia
Deloitte, 2026 Global Human Capital Trends: From tensions to tipping points. Choosing the human advantage, 2026. Survey su oltre 3.000 leader business e HR in 15 paesi e 6.000 lavoratori, manager ed executive.https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends.html
Deloitte, comunicato stampa 2026 Global Human Capital Trends. https://www.deloitte.com/us/en/about/press-room/deloitte-report-winning-organizations-will-build-the-human-advantage.html
Insight222, People Analytics Trends 2025-26, 2026. 372 organizzazioni, oltre 20 milioni di dipendenti, più di 180 paesi. https://go.insight222.com/insight222-people-analytics-trends-report-2025/26
Osservatorio HR Innovation, Politecnico di Milano, Ricerca 2026 "Don't Look Up: ci stiamo preparando al futuro del lavoro?", 12 maggio 2026. Survey alle Direzioni HR di medie e grandi organizzazioni e campione rappresentativo di lavoratori con Ipsos Doxa. https://www.osservatori.net/comunicato/hr-innovation-practice/adozione-ai-lavoratori/
Osservatorio HR Innovation, Politecnico di Milano, "Intesa Sanpaolo automatizza con l'AI le attività operative e rilancia il ruolo strategico dell'HR", business case, maggio 2026. https://www.osservatori.net/business_case/hr-innovation-practice/intesa-sanpaolo-automatizza-con-ai-attivita-operative-rilancia-ruolo-strategico-hr/
formeonline.it Giornale ForMe https://www.forme.online/2026/09/29/destinazione-2036-osservatorio-hr-innovation/
· Pfeffer, J. e Sutton, R. I., "Evidence-Based Management", Harvard Business Review, gennaio 2006. https://hbr.org/2006/01/evidence-based-management
· Strathern, M., "Improving ratings: audit in the British University system", European Review, 5(3), 1997.
· Direttiva (UE) 2023/970 del Parlamento europeo e del Consiglio sulla trasparenza retributiva, 10 maggio 2023.
· Nabeel, H., Culture Analytics: An Evidence-Based Approach to Company Culture, Kogan Page, 2024. https://www.koganpage.com/hr-learning-development/culture-analytics-9781398617445