Domanda: Chiara, oggi un’azienda può utilizzare l’AI per scrivere un ottimo annuncio e un candidato può utilizzarla per costruire un CV perfettamente coerente con quell’annuncio. Siamo vicini al matching perfetto?

Chiara Smalzi: Forse siamo vicini al matching perfetto sulla carta, che è una cosa diversa. L’intelligenza artificiale sta migliorando contemporaneamente entrambi i lati della selezione. Le aziende possono costruire annunci più completi e chiari; i candidati possono presentare meglio esperienze e competenze, adattare il CV a una posizione e prepararsi al colloquio. È positivo, ma introduce un paradosso: più diventano perfetti i documenti, meno possiamo confondere la qualità del documento con la qualità della candidatura. Mi spiego: riceviamo CV con foto ottimizzate e scritti con una terminologia che il candidato durante il colloquio fatica a ripetere. Per il selezionatore diventa quindi ancora più importante andare dietro alle parole.

Domanda: Significa che il CV perde valore?

Chiara Smalzi: No, cambia il modo in cui dobbiamo leggerlo. Il CV ci dice principalmente ciò che una persona dichiara di avere fatto. A noi interessa verificare almeno tre livelli: ciò che dichiara, ciò che ha realmente fatto e ciò che potrebbe realisticamente imparare o trasferire in un nuovo ruolo. Quest’ultimo aspetto diventa fondamentale quando le competenze sono difficili da reperire. Continuare a cercare soltanto qualcuno che abbia già svolto esattamente quel lavoro, nello stesso settore e magari con lo stesso titolo professionale, significa spesso restringere eccessivamente il mercato. La domanda più interessante diventa un’altra: che cosa ha già fatto questa persona che rende plausibile pensare che possa fare anche quello che cerchiamo? Ed è proprio qui che l’AI può essere molto utile.

Domanda: Quindi l’AI potrebbe aiutarci non tanto a scartare candidati quanto a trovarne di meno ovvi?

Chiara Smalzi: Secondo me è una delle prospettive più interessanti. Può aiutarci a riconoscere competenze trasferibili tra settori, percorsi differenti che portano a capacità equivalenti o persone che presentano alcuni gap, ma colmabili in tempi ragionevoli. In un mercato caratterizzato dalla difficoltà di reperire determinate professionalità, è molto più interessante utilizzare la tecnologia per allargare il campo delle possibilità che per costruire filtri sempre più rigidi. Il miglior algoritmo di matching non dovrebbe necessariamente dirci soltanto chi corrisponde di più al candidato ideale. Dovrebbe anche riuscire a farci vedere chi rischiavamo di non considerare.

Domanda: Ma perché questo funzioni servono buoni dati.

Chiara Smalzi: Esatto. Questa è un tema di cui secondo me si parla ancora troppo poco. Un recente rapporto dell’OCSE sull’utilizzo dell’intelligenza artificiale e degli strumenti digitali nei servizi per il lavoro evidenzia come la qualità del matching sia fortemente condizionata dalla qualità delle informazioni disponibili: dati frammentati e descrizioni poco coerenti riducono il valore che la tecnologia può generare. Nel recruiting privato il principio è lo stesso. Possiamo avere un algoritmo sofisticatissimo, ma se gli diciamo che cerchiamo “un responsabile con cinque anni di esperienza, laurea specifica e provenienza dal settore”, lui cercherà esattamente quello. Il lavoro importante viene prima: perché cinque anni? Perché quella laurea? Perché proprio quel settore? Che cosa dovrà realmente saper fare questa persona? A volte, approfondendo la richiesta con l’azienda, scopriamo che alcuni requisiti considerati indispensabili descrivono semplicemente il candidato che si sono immaginati, o competenze che qualcuno gli ha consigliato, non necessariamente quello di cui hanno realmente bisogno o che sono in linea con il mercato del lavoro locale.

Domanda: Quindi l’AI può anche automatizzare un errore?

Chiara Smalzi: Certamente, può farlo in modo estremamente efficiente. È questo il punto: efficienza ed efficacia non sono sinonimi. Dire che un sistema ha analizzato 700 CV in pochi secondi ci dice quanto è veloce. Non ci dice se ha individuato le persone giuste. Anzi, c’è una domanda che considero ancora più importante: quali candidati interessanti non ci ha mostrato? Un falso positivo ci fa perdere qualche minuto per approfondire una candidatura che poi non risulta adeguata. Un falso negativo può significare non incontrare mai una persona che avrebbe potuto funzionare molto bene nel ruolo. Quando i candidati sono pochi, è una differenza enorme. Proprio in questo contesto, sistemi di automatizzazione che promettono di “risparmiare fino a 20 ore a candidato selezionato” rispecchiano una realtà inesistente e possono diventare pericolosi.

Domanda: Ed è a quel punto che entra in gioco il colloquio?

Chiara Smalzi: Sì, ma anche qui eviterei di pensare al colloquio come a una semplice sequenza di domande e risposte. Un colloquio è una situazione dinamica. Il modo in cui pongo una domanda modifica ciò che la persona mi racconta; una risposta può portarmi verso un approfondimento che inizialmente non avevo previsto. Un candidato può partire con risposte molto preparate, magari anche allenate con strumenti di AI. Poi una domanda ulteriore, una richiesta di raccontare un episodio concreto o semplicemente un momento di silenzio possono portarci molto più in profondità. Il selezionatore non raccoglie soltanto informazioni: crea le condizioni perché determinate informazioni emergano.

Domanda: Sempre creando un clima confortevole per il candidato?

Chiara Smalzi: Non necessariamente. La fiducia è fondamentale per permettere alla persona di raccontarsi, soprattutto quando vogliamo comprenderne motivazioni reali, aspettative, errori o momenti difficili. Ma selezionare significa anche osservare comportamenti. Se una posizione richiede capacità di lavorare sotto pressione, posso introdurre una domanda più incalzante. Se voglio comprendere come viene gestito un conflitto, posso partire da un episodio concreto e approfondire progressivamente decisioni, reazioni e conseguenze. Non significa mettere gratuitamente in difficoltà qualcuno – gli cosiddetti “stress interview” sono superati. Significa creare situazioni osservabili coerenti con ciò che dobbiamo valutare. Un AI agent potrebbe probabilmente porre molte delle stesse domande. La differenza sta spesso in ciò che succede dopo la risposta: accorgersi di un’esitazione, di una contraddizione, di qualcosa che improvvisamente coinvolge la persona e decidere, in quel momento, quale domanda fare dopo.

Domanda: Quindi il valore del recruiter si sta spostando?

Chiara Smalzi: Credo di sì. Se l’AI diventa sempre più brava a cercare, sintetizzare, classificare e suggerire, il nostro valore non può consistere semplicemente nel fare le stesse cose un po’ più lentamente. Si sposta verso interpretazione, verifica e ipotesi su un comportamento futuro. E riguarda anche l’azienda. Il nostro compito non è soltanto capire se il candidato è adatto alla posizione, ma aiutare entrambe le parti a capire se esiste una corrispondenza reale che permette una collaborazione sostenibile nel tempo. Il candidato valuta l’azienda esattamente come l’azienda valuta il candidato. A volte dobbiamo spiegare un progetto, far comprendere un contesto o aiutare una persona che non stava cercando attivamente lavoro a capire se quell’opportunità possa avere senso per lei. La selezione, in fondo, non è mai stata una decisione a una sola direzione.

Domanda: Allora che cosa significa oggi, per ValtellinaLavoro, dire “CV letti da persone reali”?

Chiara Smalzi: Non significa certamente “noi non utilizziamo la tecnologia”, anzi. Significa qualcosa di quasi opposto: utilizzare la tecnologia senza delegarle il significato delle informazioni che produce. Possiamo farci aiutare dall’AI a cercare una persona che non avevamo pensato di cercare, individuare una competenza nascosta in un percorso professionale, organizzare informazioni o evidenziare una possibile corrispondenza. Poi dobbiamo capire se quella possibilità esiste davvero.

Carl Gustav Jung, uno psichiatra svizzero sul quale avevo scritto la mia tesi universitaria, diceva: “L’incontro di due personalità è come il contatto tra due sostanza chimiche; se c’è una qualche reazione, entrambi ne vangono trasformati.” 

Mi sembra un’immagine sorprendentemente attuale anche per il recruiting. L’algoritmo può aiutarci a individuare dove quell’incontro potrebbe avvenire. Ma la relazione non avviene nell’algoritmo. Avviene nell’incontro. Forse è questo che dovremmo intendere quando parliamo di algoritmi con volto umano: non aggiungere un po’ di umanità alla fine di un processo automatizzato, ma progettare meglio il confine tra ciò che chiediamo alla tecnologia e ciò di cui continuiamo ad assumerci la responsabilità. Perché più gli algoritmi diventano bravi a trovare corrispondenze, più il nostro mestiere consiste nel comprenderne il significato.