Cos'è il Performance Management e e cosa sono i KPI
Il performance management è un processo continuo per monitorare, valutare e ottimizzare le prestazioni dei dipendenti, di team e dell'Azienda, allineandole agli obiettivi strategici attraverso feedback regolari, sviluppo competenze e azioni correttive. Gli attori principali sono il Manager e il collaboratore. Dal loro confronto periodico nascono i KPI, misure che consentono di gestire le prestazioni.
I KPI (Key Performance Indicators) sono metriche misurabili che definiscono chiaramente cosa conta e tracciare progressi e risultati raggiunti in modo oggettivo.
Traducono la strategia in numeri concreti che misurano il grado di raggiungimento degli obiettivi da parte di persone, team e strutture organizzative, monitorando efficacia, efficienza e risultati in modo oggettivo e tempestivo, per decisioni data-driven.
KPI = Metriche. I KPI devono essere concepiti come leve di governance e crescita. Definire le metriche giuste consente di avere un cruscotto di dati significativi e affidabili per prendere le decisioni informate ad ogni livello.
Pertanto, una KPI (metrica) ben definito è quello che:
- restituisce una misura che contribuisce a descrivere lo stato di cose che si vuole misurare
- che tale descrizione è utile a prendere una decisione
- che tale descrizione è in relazione ad stato di cose più alto e strategico.
Esempi:
- Net Promoter Score (NPS) è un KPI che misura la soddisfazione dei clienti (target >50)
- Employee Turnover Rate è un KPI dell'HR che misura la retention dei dipendenti (<10% annuo).
L’evoluzione del Performance Management
Storicamente il Performance Management è stato applicato su base annuale. A inizio anno fiscale vengono definiti gli obiettivi a tutti i livelli organizzativi, assicurandosi che contribuiscano a raggiungere gli obiettivi e realizzare la Strategia dell'Azienda.
Ad ogni livello Manager e Collaboratore si incontrano nel colloquio di Definizione degli obiettivi. Il Manager li propone, il collaboratore condivide le proprie osservazioni, vengono consolidati gli obiettivi e le relative risorse per raggiungerli. Infine, si definiscono i KPI che consentono di misurare il grado di raggiungimento degli obiettivi. A metà anno sempre Manager e Collaboratore si incontrano per la Mid-term Review, attraverso i KPI verificano a che punto sono sul percorso di raggiungimento degli obiettivi e aggiornano il piano di azione per raggiungerli a fine anno. è proprio a fine anno che Manager e Collaboratore si preparano all'incontro in cui viene "certificata" la misura del raggiungimento degli obiettivi e si identificano le azioni di miglioramento che il collaboratore può intraprendere per migliorare le proprie prestazioni nel ciclo successivo.
Oggi, nelle organizzazioni moderne, questo modello ha mostrato i suoi limiti. Non risponde più alle esigenze di velocità e adattabilità delle organizzazioni, non è più adatto a valutare performance di persone che giocano ruoli con uno spazio di autonomia e discrezionalità sempre più ampio, e che danno importanza al significato del lavoro e possibilità di lasciare un impatto.
Spesso, infatti, Il Performance management classico viene vissuto da Manager e Collaboratori come un rituale privo di senso e burocratico. Conseguentemente, le valutazioni che vengono espresse sono superficiali e discriminano poco tra le performance dei collaboratori, mostrando frequentemente la tendenza a valutare positivamente un po' tutti.
Per queste ragioni si sta passando da un ciclo di performance management annuale al cosiddetto "Continuous Feedback", ossia un processo dove il confronto tra Manager e Collaboratore è più frequente, e spesso la responsabilità di avviare questi incontri di confronto è lasciata al collaboratore.
I nuovi modelli di Performance Management hanno due importanti conseguenze:
- aiutano ad aggiornare gli obiettivi delle persone, dei team e delle strutture organizzative per rispondere ai cambiamenti che oggi sono sempre più frequenti e imprevedibili.
- Offre supporto personalizzato a ciascun individuo rispetto alla situazione che sta affrontando e alle sue caratteristiche e bisogni di sviluppo.
- Consente di raccogliere frequentemente più dati sulle performance aziendali e migliorare la reattività del sistema organizzativo ai cambiamenti esterni o ai cambiamenti di strategie e priorità aziendali.
L’arrivo dell’IA nel Performance Management
L'Intelligenza Artificiale sta facendo il proprio ingresso anche nel processo di Performance Management, facilitando feedback ancora più frequenti e puntuali. Almeno questa è la promessa.
L'Intelligenza Artificiale può abilitare azioni di coaching personalizzato. Sistemi basati su machine learning combinano dati da diverse fonti per identificare punti di forza e debolezza di ciascun collaboratore, selezionando "nudges" contestuali e tempi di intervento ottimali per stimolare comportamenti desiderati (ad esempio, suggerimenti in tempo reale durante un'attività operativa).
Queste azioni "nudges" diventano potenzialmente uno strumento utile per il Manager che può ulteriormente personalizzare il supporto al collaboratore.
Tuttavia, vanno affrontati molti temi, il primo fra tutti il rischio che la valutazione venga delegata all'Intelligenza Artificiale. è facile pensare che un Manager con un team di collaboratori diretti di 12 o più persone, sia portato a prendere acriticamente i suggerimenti dell'Intelligenza Artificiale per rendere più efficiente il proprio lavoro (fenomeno del Cognitive Offloading). Questo rischio è ancora più presente in contesti dove la cultura del Performance Management è di tipo burocratico.
La centralità dei KPI
Un altro aspetto da affrontare è la qualità dei dati e quindi la centralità dei KPI.
I sistemi di AI coaching a supporto del Performance Management per essere efficaci hanno bisogno di serie storiche di dati di qualità.
Infatti, aggregano dati provenienti da fonti eterogenee per costruire una lettura precisa delle performance individuali e identificare pattern comportamentali nel tempo e costruire i loro suggerimenti. Sulla base di questa analisi, il sistema seleziona il momento e il contenuto ottimale per fornire micro-interventi personalizzati progettati per orientare il comportamento verso risultati attesi.
L'efficacia di questi sistemi, tuttavia, dipende da una condizione abilitante spesso sottovalutata: l'esistenza di una base dati solida, coerente e integrata di KPI e metriche a livello individuale, di team e di Funzione. Senza questa infrastruttura informativa — raccolta con rigore, normalizzata e resa leggibile dai modelli AI — anche il sistema di coaching più sofisticato produce output inaffidabili.
Per gli HR Professional, questo significa che investire in strumenti di Intelligenza Artificiale a supporto del Performance Management non può prescindere da un lavoro preliminare, e spesso sottostimato, di:
- education sulle logiche di addestramento dei sistemi di Intelligenza Artificiale, sulle loro potenzialità e limiti
- formazione sull'AI Aptitude, ossia come ciascuno di noi approccia questi strumenti e come li integra nel proprio lavoro
- definizione dell'architettura dei dati di performance
- presidio della qualità dei dati di Performance Management
- rinnovare la formazione ai Manager sul Performance Management, con focus specifico sulla qualità e certificazioni dei dati provenienti dalla loro valutazione