Possibili applicazioni del machine learning alla valutazione del potenziale delle risorse umane

- 7 - 
 
INTRODUZIONE 
 
Alla base del presente studio vi è l’analisi delle tecnologie legate all’uso di algoritmi di 
machine learning, della loro evoluzione negli ultimi decenni di storia e della loro utilità 
economica all’interno delle operazioni di produzione nelle imprese. L’elaborato si 
concentra in particolare sul procedimento di gestione delle risorse umane, la domanda di 
ricerca che infatti ci si pone è: “Possono le tecnologie di machine learning essere 
implementate nei processi di valutazione del potenziale delle risorse umane apportando 
vantaggi economici all’organizzazione aziendale?”. 
L’interesse personale nei confronti dell’informatica e della tecnologia mi ha spinto a 
sviluppare un elaborato che si focalizzasse sui possibili effetti della loro implementazione 
nella realtà quotidiana. La scelta di concentrare l’attenzione sull’ambito delle risorse 
umane è stata guidata sia dagli studi universitari che dalle esperienze di stage e 
conseguente lavoro che mi hanno portato ad avere una posizione “privilegiata” 
nell’osservazione del mercato del lavoro con il ruolo di Account Manager in Randstad, 
una delle principali Agenzie per il Lavoro in Italia e nel mondo. 
Lo studio si trova quindi ai confini di due materie che sono in costante evoluzione e che 
potrebbero in futuro incontrarsi, per questo motivo si ritiene utile analizzarne già oggi i 
potenziali vantaggi e le possibili criticità che le organizzazioni potrebbero ritrovarsi ad 
affrontare in un futuro che potrebbe essere più prossimo di quanto non si possa credere. 
Da un lato, quando si parla di machine learning, si tratta dell’ambito su cui si stanno 
concentrando le energie degli studiosi di intelligenza artificiale e che ci ha portato ad 
algoritmi che già oggi contraddistinguono i processi di Industria 4.0. Dall’altro, quando 
si espone la questione della valutazione del potenziale, si tratta di un procedimento di 
gestione delle risorse umane che si concentra sul futuro dei dipendenti che l’impresa 
valuta talentuosi e che si configura come cruciale per lo sviluppo delle competenze e della 
produttività di tutta l’organizzazione aziendale. 
Obiettivo dell’elaborato non è il presentare una previsione dettagliata di quelli che 
saranno gli sviluppi futuri sul mercato delle tecnologie di machine learning in ambito di 
gestione del potenziale delle risorse umane. Ci si chiederà invece se sia possibile e in
- 8 - 
 
quali termini che alcune tecnologie di intelligenza artificiale possano sostituire le 
metodologie tradizionali che le aziende implementano con i propri responsabili HR. Non 
ci si spingerà nemmeno nel chiedersi quando e come le operazioni umane in questo 
ambito potranno essere completamente sostituite da modelli automatizzati ed 
autocoscienti. L’approccio che verrà mantenuto sarà di tipo aziendalista per cui le 
innovazioni verranno prese in considerazione come alternative ai procedimenti 
tradizionali solo laddove sia verificabile o prevedibile un vantaggio in termini di 
efficienza ed efficacia sul processo stesso per tutta l’organizzazione. 
Si procederà con l’introduzione nel Primo capitolo degli algoritmi di machine learning, 
delle differenti tipologie esistenti ed applicazioni che si possono strutturare, delle loro 
caratteristiche di funzionamento, della loro evoluzione e di quelle che sono le 
implementazioni che sono già ravvisabili sul mercato. Questa parte di elaborato sarà 
l’occasione per trattare il tema delle prevedibili conseguenze che in generale può causare 
l’utilizzo massiccio di tecnologie sul mercato del lavoro odierno. 
Con il capitolo Secondo si analizzerà il processo di gestione delle risorse umane in 
azienda prima nel suo complesso, poi ponendo particolare attenzione alla valutazione del 
potenziale dei dipendenti. Verrà analizzata l’importanza dell’analisi del talento in azienda 
e, mediante l’ausilio di due differenti casi aziendali, gli strumenti e le modalità operative 
di implementazione più efficaci e utilizzati già da svariati anni nelle imprese. Questa 
analisi ci permetterà di evidenziare le criticità che permangono nelle organizzazioni 
quando si procede a valutare il potenziale dei collaboratori. 
Il Terzo capitolo si configura come sintesi ed elaborazione delle due parti precedenti: si 
analizzerà l’attuale impatto delle tecnologie di intelligenza artificiale sui processi 
organizzativi di gestione delle risorse umane, con un caso aziendale si procederà a 
definire la direzione evolutiva che le imprese si preparano ad avere nel futuro prossimo, 
si presenteranno recenti utilizzi di tecnologie legate al machine learning che ancora non 
sono implementate nelle aziende per quanto riguarda le procedure HR e così si potranno 
delineare i punti di contatto tra gli algoritmi di machine learning e le esigenze di 
valutazione del potenziale delle risorse umane, definendo come in futuro le imprese 
potranno costruire vantaggio competitivo a partire dall’uso di queste nuove tecnologie.
- 9 - 
 
Grazie all’analisi strutturata in questo lavoro si avrà la possibilità di comprendere fino a 
quale livello siano preparate le imprese ad accogliere tecnologie, come quelle che 
implementano algoritmi di machine learning, che richiedono una revisione completa delle 
procedure aziendali e una ristrutturazione delle organizzazioni per poter essere 
implementate veramente in modo efficiente ed efficace senza generare sprechi di risorse. 
Si comprenderà come l’introduzione di meccanismi automatici nel rapporto con le risorse 
umane si delinei come una scelta di management molto delicata e critica poiché tocca 
direttamente i rapporti di fiducia, riconoscimento e scambio esistenti tra ogni lavoratore 
e l’organizzazione per cui egli offre la propria presenza, professionalità, competenze e a 
cui egli dedica tempo e passione. Una condizione ben più ostica da affrontare rispetto alla 
modifica di un processo produttivo o all’introduzione di nuovi software o macchinari in 
azienda. Anche per questa ragione risulterà complesso prevedere ogni aspetto 
dell’introduzione di novità nell’ambito proprio della funzione HR in azienda. 
Non si delineerà quindi un’unica previsione omnicomprensiva delle valutazioni esposte 
nei vari capitoli, bensì si elencheranno potenziali situazioni di vantaggio per le 
organizzazioni nel caso di unione tra tecnologie di machine learning e strumenti di 
valutazione del potenziale. In questo senso non verranno dimenticate le prevedibili 
criticità che potrebbero mantenersi o sorgere come nuove dal cambio di paradigma. 
Per queste ragioni l’elaborato non si pone come obiettivo quello di dare una risposta 
definitiva alla domanda di ricerca su esposta. Verranno delineati spunti di riflessione sui 
quali chi lo ritenesse opportuno potrà intervenire con studi ad hoc e analisi di fattibilità in 
termini economici ed ingegneristici che non avrebbero avuto modo di essere strutturati 
all’interno di questa ricerca.
- 10 - 
 
Capitolo I 
IL MACHINE LEARNING 
 
1.1 Intelligenza artificiale: storia e contesto di riferimento 
 
“L’intelligenza artificiale si occupa del comportamento intelligente in sistemi artificiali” 
(Nillson, 1998). Analizzando la letteratura in merito si può constatare che il 
comportamento intelligente viene identificato ogni qualvolta si ravvedono caratteristiche 
tipiche dell’intelletto umano quali il ragionamento, la comunicazione, l’apprendimento 
sulla base delle esperienze passate e la capacità di agire in situazioni complesse. 
Gli studi e le ricerche in ambito di intelligenza artificiale hanno come minimo comun 
denominatore l’obiettivo di sviluppare sistemi in grado di compiere le azioni sopra 
descritte ad un livello qualitativo pari o superiore a quanto non farebbe un essere umano. 
Muoviamo i primi passi in questa materia addentrandoci in un breve excursus storico che 
sintetizzi i principali accadimenti che hanno segnato il percorso di nascita, sviluppo ed 
evoluzione del pensiero e delle ricerche scientifiche che ci hanno portato a poter parlare 
oggi di intelligenza artificiale. 
Nel 1943 il matematico Walter Harry Pitts e il neurofisiologo Warren Sturgis McCulloch 
furono i primi ad utilizzare la nozione matematica di computazione come un ingrediente 
utile a descrivere il funzionamento teorico della mente e del cervello (Piccinini, 2004). 
Ad essi si deve infatti la prima proposizione di rete neurale artificiale (concetto che 
approfondiremo poi in seguito): un sistema ispirato al funzionamento del cervello umano, 
in cui ogni neurone è connesso agli altri attraverso le sinapsi e scambia informazioni di 
tipo binario, e che riesce in tal modo ad implementare le basilari funzioni logiche come 
“E”, “O”, “NON” e così via. 
Già nel 1950 Alan Turing, esponendo il suo celebre gioco dell’imitazione, poneva al 
mondo scientifico la domanda “le macchine possono pensare?” (Turing, 1950). Il 
matematico faceva diretto riferimento ai calcolatori numerici composti da una memoria
- 11 - 
 
(teoricamente illimitata) contenente anche la tavola delle istruzioni programmate per 
affrontare i quesiti, il complesso operativo utile a compiere i singoli calcoli e un governo 
per controllare che le operazioni venissero eseguite nel giusto ordine e correttamente. 
Turing affrontava la questione dal punto di vista teorico, evidenziando come per un 
interrogante isolato che riceve solo risposte asettiche a proprie domande da parte di 
soggetti diversi, che rispondono seguendo medesime regole logiche dando suggerimenti 
o mentendo all’interrogante, sia impossibile distinguere se il rispondente sia un essere 
umano o una macchina che imita il comportamento umano. Lo scienziato prevedeva che 
alla fine del XX Secolo si sarebbe correntemente parlato di “macchine pensanti”, infatti 
già nei suoi scritti si chiedeva se fosse possibile ideare una macchina che fosse sopra il 
livello critico e cioè, una volta presentata un’idea, fosse in grado di far nascere teorie e 
ulteriori idee di ordini superiori. 
L’intuizione più rilevante che Alan Turing ha avuto e che ha stimolato lo sviluppo degli 
studi successivi è stata la seguente: “Invece di elaborare un programma per la simulazione 
di una mente adulta, perché non proviamo a realizzarne uno che simuli quella di un 
bambino? Se la macchina fosse poi sottoposta ad un appropriato corso d’istruzione, si 
otterrebbe un cervello adulto.” (Turing, 1950). Con questa provocazione si spostava 
l’attenzione dalla volontà di programmare una macchina perfetta in grado di riprodurre 
da subito ogni operazione cerebrale umana al poter programmare una macchina 
elementare focalizzando poi l’attenzione e le energie all’ideazione di un modello di 
insegnamento basato sull’esistenza di un mezzo di comunicazione bidirezionale tra 
maestro e allievo che renda realizzabile l’induzione scientifica. Così Turing parlava di 
comportamento intelligente di una macchina ogni qualvolta per lo scienziato che l’ha 
programmata essa, con le sue risposte, si discostasse dall’ambito della prevedibilità senza 
però mai utilizzare la mera casualità. 
Dato il crescente interesse in merito, nel 1956 fu organizzata da John McCarthy la 
conferenza del Dartmouth Summer Research Project on Artificial Intelligence di 
Hanover: McCarthy propose l’opinione per cui l’intelligenza può essere descritta così 
rigorosamente da rendere possibile la programmazione di una macchina che la simuli. È 
nel manifesto della conferenza che per la prima volta compare il nome “intelligenza 
artificiale” ed è quindi questo il nodo storico da cui si può parlare della materia come di 
una vera e propria disciplina scientifica. Durante la conferenza stessa i ricercatori Herbert