L’Agentic AI in HR funziona. La domanda è: su quali dati?

Un agente che decide da solo

 

L’Agentic AI è già nei piani di trasformazione di quasi ogni grande organizzazione. Secondo
Gartner, l’82% dei responsabili HR dichiara di voler implementare soluzioni agentiche entro i
prossimi 12 mesi. Gartner stima inoltre che entro il 2028 almeno il 15% delle decisioni
lavorative quotidiane sarà preso in autonomia da agenti.
In HR, questo significa sistemi che assegnano percorsi di formazione, suggeriscono mobilità
interna, pianificano successioni, identificano candidati interni per nuovi ruoli — in tempo
reale, senza aspettare istruzioni. Non assistenti. Agenti: entità che osservano il contesto,
ragionano sui dati disponibili e agiscono.
È un salto qualitativo reale. E porta con sé una domanda che il mercato sta ancora faticando
a formulare nel modo giusto.

 

Il problema non è la tecnologia

 

La conversazione sull’Agentic AI in HR si concentra quasi sempre sulla potenza degli agenti:
quanto sono veloci, quanto sono autonomi, quante attività riescono a gestire senza
supervisione umana. È la domanda sbagliata.
La domanda giusta è: su quali dati sta ragionando quell’agente?
Un sistema che prende decisioni autonome sui talenti — chi formare, chi promuovere, chi
spostare — non ha un’intelligenza propria sul valore delle persone. Ha un modello. E quel
modello ragiona sulla mappa delle competenze che l’organizzazione gli mette a
disposizione.
Se quella mappa è accurata, aggiornata, costruita su valutazioni oggettive, l’agente decide
bene. Se quella mappa è obsoleta, frammentata, costruita su job title, autovalutazioni e
impressioni del manager di linea, l’agente decide velocemente. Ma decide male.

 

L’amplificazione funziona in entrambe le direzioni

 

C’è un principio che vale per qualsiasi sistema basato su dati, ma che con l’Agentic AI
diventa urgente: un agente amplifica ciò che c’è.
Se nella mappa delle competenze c’è caos, l’agente scala il caos. Se c’è una disuguaglianza
nella valutazione tra funzioni o tra generi, l’agente la propaga nelle decisioni di mobilità, nei
percorsi di sviluppo, nei piani di successione. Non per intenzione: per logica. Un sistema che
ragiona su dati parziali o distorti non produce errori casuali. Produce errori sistematici,
replicati su scala, a velocità non umana.
Questo non è un argomento contro l’Agentic AI. È un argomento per prendere sul serio ciò
che la precede.
L’AI Act, entrato in vigore nel 2024 con applicazione progressiva ai sistemi ad alto rischio in
HR dal 2026, definisce obblighi precisi su governance, qualità dei dati e supervisione umana
per i sistemi che influenzano decisioni su occupazione e gestione dei talenti. Non è un caso:
il legislatore europeo ha capito prima delle aziende che il rischio non è la tecnologia. È la
qualità di ciò su cui la tecnologia ragiona.

 

Cosa serve davvero a un agente per decidere bene

 

Per prendere decisioni affidabili su chi sa fare cosa, un agente ha bisogno di tre cose che la
maggior parte delle organizzazioni oggi non ha.
Primo: una mappa delle competenze per ogni ruolo e ogni persona, costruita su criteri
oggettivi. Non una job description. Non un curriculum. Una struttura che definisce quali
competenze sono richieste per ogni ruolo, a quale livello, e come si confrontano con il profilo
reale di ogni persona. Senza questo layer, l’agente lavora su approssimazioni.
Secondo: valutazioni aggiornate, non storiche. Le competenze cambiano. Un profilo
costruito 18 mesi fa non rispecchia ciò che una persona sa fare oggi, né ciò che
l’organizzazione ha bisogno di trovare domani. Un agente che ragiona su dati statici è un
agente che pianifica al buio.
Terzo: misurazioni oggettive, non autovalutazioni. Le autovalutazioni delle competenze
sono sistematicamente distorte — verso l’alto da chi è più sicuro di sé, verso il basso da chi
lo è di meno. Un agente che ragiona su questa base non misura le competenze: misura la
fiducia in se stessi. Non è la stessa cosa.

 

Il layer che rende l’Agentic AI affidabile

 

Talentware è la piattaforma italiana di Skills Intelligence che costruisce quel layer: la mappa
dinamica delle competenze su cui qualsiasi logica agentica può lavorare con dati reali.
Lo Skill Engine mappa oltre 50.000 competenze su un’ontologia proprietaria, costruita e
aggiornata sui dati delle organizzazioni che la usano — non su job board generiche. L’AI
Assessment misura le competenze con scenari contestualizzati, non questionari: produce un
Talentware Compatibility Score oggettivo, tracciabile, difendibile. La mappa che ne risulta è
aggiornata, non statica.
Il processo porta a go-live in 4-8 settimane, con -70% di tempo rispetto ai metodi tradizionali
che richiedono 12-24 mesi. Non è il tempo di costruire uno strumento di compliance. È il
tempo di costruire il prerequisito strutturale che rende l’Agentic AI responsabile.

 

L’Agentic AI è già qui

 

Il tema non è se adottarla. È cosa costruire prima.
Un agente che decide sui talenti senza una visione delle competenze accurata non è uno
strumento di trasformazione: è uno strumento di scala per le approssimazioni esistenti. Chi
vuole che l’Agentic AI lavori bene in HR deve iniziare dalla qualità dei dati di competenza.
Non dopo. Prima.
Le competenze sono il nuovo vantaggio competitivo. Con l’Agentic AI, diventano anche
l’infrastruttura su cui si costruisce qualsiasi decisione autonoma sui talenti.