Gestione Risorse Umane, Lavoro, , , , ,

ADV

 

Da job a work: come cambia il lavoro con l’AI

a cura di RisorseUmane-HR.it

🎯 In questo articolo:

  • Che cosa significa passare da job (ruolo) a work (attività e output) nell’era dell’AI.
  • Perché la domanda non è “quali job spariscono”, ma quali attività cambiano e quali diventano più critiche.
  • Cosa cambia per HR: job description più orientate a output, decisioni e criteri di qualità.
  • Cosa cambia per manager e team leader: decision rights, standard di qualità e coordinamento.
  • Il profilo chiave: il Supervisor (non “orwelliano”), e quali competenze lo rendono credibile.
  • Una tabella pratica per il recruitment: competenze da cercare e micro-prove per valutarle in colloquio.

L’AI non cancella i ruoli, cambia le attività. Cosa significa per HR e manager: skill da cercare, job design per output e responsabilità chiare.

Quando si parla di AI, la domanda che spesso ci poniamo è: “quali job spariranno?”. È comprensibile, ma per HR e manager questa domanda difficilmente aiuta a prendere decisioni. Quella utile è forse un’altra: quali attività cambiano dentro i ruoli, quali diventano più veloci o delegabili e quali invece diventano più importanti perché tengono in piedi qualità, responsabilità e coordinamento.

Una frase che sposta il baricentro
“Non chiederti quali ruoli scompariranno. Chiediti quali attività stanno cambiando e chi sarà in grado di governarle.”

Qui entra il filo logico dell’articolo: da job a work. Il job è il contenitore (ruolo, livello, mansioni tipiche). Il work è il lavoro reale: attività, output, decisioni e controlli. L’AI non elimina automaticamente un ruolo, ma ne sposta il contenuto. E quando cambia il contenuto, cambiano anche le competenze che conviene cercare e valorizzare.

Approfondimento
Le analisi citate descrivono spesso un impatto di trasformazione del lavoro più che di automazione totale. L’ILO, ad esempio, stima che l’effetto prevalente della GenAI sia il potenziamento (augmentation) delle occupazioni più che la loro automazione completa, con forte attenzione all’esposizione a livello di attività (ILO, 2023; ILO, 2025). L’OECD sottolinea che l’impatto si manifesta anche attraverso la riorganizzazione delle attività dentro le occupazioni e che questo modifica la composizione delle competenze richieste (OECD Employment Outlook 2023).

Da job a work: una definizione utile a HR e manager

Job significa: “questo ruolo ha queste mansioni”. È comodo perché semplifica. Ma se le attività cambiano, il rischio è quello di restare agganciati a un’etichetta e perdere di vista il lavoro reale.

Work significa: “questo ruolo produce questi output, attraverso queste attività, con queste decisioni e questi controlli”. È più vicino alla realtà, perché costringe a guardare come si lavora davvero.

Per capire la differenza, basta un esempio semplice, che vale in un piccolo team come in un’organizzazione strutturata: lo screening dei CV e la selezione.

  • Descrizione “job”: “Il recruiter fa screening CV, colloqui, shortlist”.
  • Descrizione “work”: “Il recruiter deve produrre una shortlist difendibile, allineata ai criteri del manager, con tracciabilità delle scelte, qualità delle verifiche e gestione del rapporto candidato”.

Con l’AI, alcune attività diventano più rapide (sintesi, classificazione, prima bozza di comunicazioni). Ma proprio per questo aumentano di peso le attività che non si possono delegare senza perdere qualità: chiarire requisiti, fare domande buone, verificare, decidere, documentare.

Se si continua a ragionare solo per job, il rischio è quello di selezionare bene per un ruolo “di ieri”. Se si ragiona per work, si selezionano persone capaci di reggere il lavoro reale, anche quando cambia la combinazione di attività.

L’AI come elemento scatenante: perché accelera il passaggio a “work”

L’AI è un acceleratore perché lavora bene su una parte del lavoro cognitivo ripetibile: pre-elabora, riordina, propone. È utile, ma sposta il baricentro. Se prima una quota di tempo era assorbita dalla produzione di output, ora una quota crescente deve andare su:

  • definizione del problema (brief, vincoli, contesto);
  • criteri di qualità (cosa è accettabile, cosa no);
  • verifica e controllo (fonti, coerenza, rischi);
  • decisione e responsabilità (chi approva, chi risponde);
  • coordinamento (passaggi tra funzioni, allineamento, priorità).

Questo spiega perché l’ILO misura l’esposizione alla GenAI guardando alle attività e perché l’OECD collega la trasformazione del lavoro alle variazioni nella composizione di attività e competenze (ILO, 2025; OECD, 2023).

Per questo, le organizzazioni che descrivono e gestiscono il lavoro per attività (work) prendono decisioni più chiare su competenze, ruoli, recruiting e performance. Quelle che restano sulle etichette (job) rischiano di inseguire.

Cosa cambia per HR: job design per output e competenze trasferibili

Per HR, “da job a work” significa rimettere al centro tre elementi: output, decisioni e criteri di qualità. Se questi tre elementi restano impliciti, l’AI può diventare un moltiplicatore di ambiguità.

Job description: meno elenco mansioni, più responsabilità e output

Una job description che regge oggi non è quella più lunga, ma quella che rende esplicito:

  • quali output si attendono (e in che tempi);
  • quali decisioni sono nel perimetro del ruolo (e quali no);
  • quali standard di qualità non sono negoziabili;
  • quali interfacce sono critiche (con chi deve allinearsi).

Questo vale per ruoli HR, ma anche per ruoli business. Se l’AI accelera la produzione, un elenco di mansioni non ti dice più dove si gioca la qualità. Un output definito bene, invece, sì.

Skill framework: meno tassonomie rigide, più competenze trasferibili

Molti modelli competenze sono costruiti come se le mansioni fossero stabili. Ma il work cambia più in fretta. L’OECD parla esplicitamente di cambiamento della composizione di attività e competenze e di crescente domanda di competenze complementari e trasversali, oltre a quelle specialistiche (OECD, 2023).

Per HR, la mossa utile è rafforzare un nucleo di competenze trasferibili, che funzionano in ruoli diversi e tengono insieme lavoro modulare e responsabilità: pensiero critico, capacità di scrivere requisiti chiari, data literacy di base, comunicazione operativa, decision making.

Performance e people process: misurare contributo e qualità, non presenza “sulle mansioni”

Se una parte delle attività viene accelerata, misurare “quanto lavoro” non basta più. Serve misurare:

  • qualità dell’output e riduzione delle rilavorazioni;
  • chiarezza nelle decisioni e tracciabilità delle scelte;
  • capacità di ridurre errori e rischi;
  • capacità di coordinare senza creare attrito.

Non è una rivoluzione teorica: è un modo per evitare che l’AI aumenti la velocità e, insieme, aumenti anche errori e confusione.

Cosa cambia per manager e team leader: assegnare lavoro per attività, non solo per ruoli

Il passaggio job a work non riguarda solo HR. Riguarda chi guida persone e risultati. L’AI tende a rendere più veloce l’esecuzione di alcune attività, ma non prende in carico il lavoro di gestione: priorità, trade-off, responsabilità finale. Qui si gioca una parte del lavoro manageriale.

Decision rights: chi decide cosa (e quando si scala)

Quando il lavoro è più modulare, il rischio è la responsabilità opaca. Un manager deve chiarire:

  • quali decisioni sono autonome e quali vanno condivise;
  • quali controlli sono obbligatori (soprattutto su rischi e qualità);
  • come si documentano scelte e motivazioni.
Standard di qualità: cosa “non passa”

L’AI può produrre output credibili anche quando sono imprecisi. Serve una cultura del controllo qualità: criteri, checklist, esempi di “buono/non buono”. Questo vale nel recruiting (shortlist e valutazioni), ma anche in finance, marketing, operation, legal.

Coordinamento: evitare duplicazioni e debito decisionale

Quando molte attività diventano più rapide, il collo di bottiglia si sposta spesso su allineamento e decisioni. Se il manager non presiede il coordinamento, l’organizzazione produce più output, ma conclude meno. Qui “work” significa anche: rendere visibili i passaggi e ridurre i punti morti.

Il profilo che conta: il Supervisor

Quando il lavoro viene descritto per attività e output (work) e non solo per ruolo (job), emerge un profilo chiave: il Supervisor. Non è il “supervisore” nel senso orwelliano del termine: non sorveglia le persone, presidia la qualità del lavoro e delle decisioni. Nel nostro caso è la figura che governa la delega all’AI: definisce vincoli e criteri, verifica l’output e risponde della qualità finale. In breve: non controlla le persone, controlla il lavoro.

Il Supervisor combina due elementi:

  • competenza verticale (dominio, standard, qualità: riconosce errori e vincoli);
  • competenze trasversali (pensiero critico, adattabilità, comunicazione operativa, decisione, accountability).

Questa combinazione è coerente anche con quanto riportato dal World Economic Forum: l’analytical thinking resta la prima competenza core richiesta dagli employer, con adattabilità e competenze sociali tra le più rilevanti (WEF, 2025).

Nota. “Competenza d’uso dell’AI” non significa essere tecnici: significa saper dare istruzioni chiare, mettere vincoli e verificare l’output.

Recruitment: quali skill cercare (e come valutarle)

Se l’AI cambia il contenuto del lavoro, il recruitment deve spostarsi dalla domanda “hai svolto questo ruolo?” alla domanda “sai svolgere questo tipo di lavoro?”. La differenza si vede nella valutazione: meno dichiarazioni, più prove brevi e concrete.

Di seguito una tabella essenziale. Non serve usarla tutta: puoi scegliere 5 competenze chiave in base al ruolo e al rischio dell’output.

Competenza Perché conta nel work Come valutarla (15-20 minuti)
Pensiero critico Riduce errori plausibili e scelte affrettate. È la base della verifica. Prova: “Ti do un output breve con 3 problemi. Me li indichi e mi dici come li correggi?”
Competenza verticale di dominio Protegge standard e qualità. Riconosce vincoli e casi limite. Mini-case: “Quali sono 3 errori tipici nel tuo ambito e come li intercetti?”
Comunicazione operativa Rende chiari obiettivi e vincoli, riduce attrito e duplicazioni. Simulazione: “Spiega a un collega l’attività e i criteri di qualità, in 2 minuti.”
Decision making e accountability Quando l’output è veloce, diventa decisivo chi decide e chi risponde. Domanda: “Descrivi una decisione presa con informazioni incomplete. Come hai gestito rischio e responsabilità?”
Adattabilità I task cambiano, gli strumenti cambiano, il contesto cambia. Domanda: “Raccontami un processo che hai dovuto cambiare. Cosa hai mantenuto stabile e cosa hai cambiato?”
Data literacy di base Permette di leggere dati, fare domande buone, evitare conclusioni fragili. Prova: “Ti do un grafico e 5 righe di dati. Quali 2 domande fai prima di concludere?”
Capacità di scrivere requisiti chiari Serve sia verso persone sia verso strumenti: contesto, vincoli, formato, verifiche. Prova: “Scrivi un brief di 8 righe per ottenere una bozza utile. Che vincoli metti? Che controlli chiedi?”

Come usare la tabella senza complicarsi la vita: per ruoli ad alto rischio (compliance, reputazione, qualità tecnica), aumenta il peso della verticalità e della verifica. Per ruoli molto interfunzionali, aumenta il peso di comunicazione operativa e coordinamento. In tutti i casi, il cuore resta: lavoro per attività, output e responsabilità.

Cosa cercavamo prima, cosa conviene cercare adesso

Qui una distinzione semplice, utile nelle riunioni con i manager.

  • Prima (job-centrico): anni nel ruolo, lista di mansioni, settore identico, “autonomia” intesa come esecuzione senza supporto.
  • Adesso (work-centrico): capacità di produrre output di qualità, governare verifiche, prendere decisioni, coordinarsi, imparare e adattarsi senza perdere metodo.

Questa non è una posizione ideologica. È una conseguenza pratica della trasformazione delle attività. E le fonti aiutano a dirlo in modo difendibile: l’ILO parla di effetti prevalentemente di augmentazione e trasformazione delle occupazioni (ILO, 2023), l’OECD collega AI e cambiamento della composizione di attività e competenze (OECD, 2023).

Rischi reali se lo fai male

  • Frammentazione: tante attività “veloci”, pochi output conclusi.
  • Duplicazioni: due persone fanno la stessa cosa perché non è chiaro chi la possiede.
  • Responsabilità opaca: “l’ha detto l’AI” diventa una scusa implicita se non si chiarisce chi risponde.
  • Qualità instabile: output credibili ma imprecisi, con rilavorazioni e rischi.

Questi rischi non si risolvono con uno strumento nuovo. Si risolvono con work ben descritto: output, criteri, decisioni, controlli.

5 domande guida per HR e manager

  • 1) Quali attività del ruolo sono davvero centrali per l’output?
    Se non le sai nominare, stai assumendo “per etichetta”.
  • 2) Quali attività possono essere accelerate o delegate e quali no?
    Non per tagliare, ma per capire dove si sposterà il lavoro umano.
  • 3) Quali criteri di qualità non sono negoziabili?
    Se sono impliciti, diventano discussioni infinite dopo.
  • 4) Chi decide cosa e chi risponde dell’output finale?
    Senza chiarezza, aumenta il rischio di responsabilità opaca.
  • 5) Come valuteremo in selezione il “work”, non solo il “job”?
    Mini-case, prove brevi, esempi concreti: meno dichiarazioni, più evidenze.

In sintesi: “da job a work” è un cambio di unità di misura. L’AI lo accelera, ma non lo inventa. Per HR e manager significa una cosa semplice: descrivere meglio il lavoro reale e cercare persone capaci di governarlo. Non servono profili “perfetti”. Servono persone che tengono insieme qualità e responsabilità, competenze verticali e competenze trasversali. In altre parole: il Supervisor.

***

Fonti (2023-2025)

 

Da job a work con l’AI

 

RisorseUmane-HR.it
Un progetto dedicato a chi si occupa di Risorse Umane
RisorseUmane-HR.it è un progetto dedicato a chi opera nel settore delle Risorse Umane. Divulga contenuti informativi che gli pervengono dagli stessi visitatori e offre servizi online che favoriscono lo scambio di conoscenze e la creazione di relazioni. Con oltre 50.000 pagine visualizzate ogni mese, RisorseUmane-HR.it è ad oggi uno dei portali di settore più visitati in Italia. Un punto d’incontro esclusivo per Responsabili del Personale, Formatori, Consulenti, Persone che operano nel settore delle Risorse Umane e che sanno che per crescere è necessario uno scambio di informazioni.

altri articoli

Che cosa ti sarebbe più utile

Risorse aggiuntive

Potrebbero interessarti anche questi articoli

Libri consigliati

Glossario

  • Job – Il ruolo come “contenitore”: livello, perimetro e mansioni tipiche.
  • Work – Il lavoro reale: attività, output, decisioni e controlli necessari per produrre risultati.
  • Output – Il risultato atteso (deliverable) che deve essere valutabile e difendibile, non solo “fatto”.
  • Decision rights – Chiarezza su chi decide cosa, quando serve escalation e chi si assume la responsabilità finale.
  • Supervisor – Figura che governa la delega all’AI: definisce vincoli e criteri, verifica l’output e risponde della qualità finale (non sorveglia le persone, presidia il lavoro).
  • Competenza d’uso dell’AI – Capacità di dare istruzioni chiare, mettere vincoli e verificare l’output. Non coincide con competenze tecniche avanzate.

FAQ

Che differenza c’è tra job e work?

Il job descrive un ruolo per mansioni tipiche. Il work descrive il lavoro per attività, output, decisioni e controlli. Quando l’AI sposta le attività, il work diventa l’unità più utile per decidere.

Perché la domanda “quali job spariranno” è poco utile?

Perché spesso l’impatto è sulle attività dentro i ruoli: alcune diventano più veloci o delegabili, altre diventano più critiche (qualità, verifica, responsabilità, coordinamento).

Che cosa deve cambiare in una job description?

Meno elenco mansioni e più chiarezza su output attesi, decisioni nel perimetro, standard di qualità e interfacce critiche. È questo che rende il ruolo “robusto” quando cambiano le attività.

Chi è il Supervisor e perché conta?

È la figura che governa la delega all’AI: definisce criteri e vincoli, verifica l’output e risponde della qualità finale. Non è un “supervisore orwelliano”: non sorveglia le persone, presidia il lavoro.

Quali competenze cercare oggi in selezione?

Un mix: competenza verticale (dominio e standard) e competenze trasversali (pensiero critico, adattabilità, comunicazione operativa, decisione e accountability). La valutazione funziona meglio con micro-prove e mini-case, non solo con autodescrizioni.