Il problema
La direzione HR aveva un mandato preciso: migliorare la produttività del reparto e generare nuovo valore per il business. Il tema AI era già nell’aria — qualcuno stava sperimentando, qualcun altro aveva partecipato a un webinar. L’interesse c’era. Ma era distribuito in modo disomogeneo, senza un metodo comune per capire dove l’AI potesse avere un impatto reale.
Il problema non era la mancanza di curiosità. Era la distanza tra la curiosità e l’uso operativo. Le quattro aree della funzione lavoravano senza una mappa condivisa delle opportunità e senza strumenti configurati sui propri flussi di lavoro reali. Ogni esplorazione rimaneva individuale, senza capitalizzare quello che gli altri avevano già scoperto.
Il rischio era quello classico dei progetti AI che partono con entusiasmo e si fermano prima di diventare operativi: troppa teoria, troppo poco tempo sul lavoro concreto, nessuno strumento realmente in uso alla fine.
L’interesse era presente. Mancava il metodo per trasformarlo in qualcosa di utilizzabile.
Come abbiamo lavorato
Il percorso è stato progettato come una fase di discovery e prototipazione rapida — non come un corso di formazione. L’obiettivo era arrivare a strumenti operativi reali nel minor tempo possibile, partendo dai processi concreti delle persone coinvolte.
Il metodo è il co-design: non abbiamo portato soluzioni preconfezionate. Abbiamo lavorato con le 40 persone del team HR per far emergere gli use case direttamente da chi presidia i processi ogni giorno — e per costruire gli strumenti insieme a loro, non per loro.
Prima sessione — mappare le opportunità
Le 40 persone divise in 4 gruppi per area HR. Ogni gruppo mappa gli use case della propria area con un framework impatto/complessità. Output: lista prioritizzata di dove l'AI ha impatto reale su quei processi specifici.
Tra le sessioni — sperimentare sul campo
I gruppi sperimentano in autonomia con Claude, raccolgono materiali, validano ipotesi e portano esempi concreti alla sessione successiva. L'apprendimento più efficace avviene quando le persone provano e tornano con domande specifiche.
Seconda sessione — costruire il primo strumento operativo
Ogni area costruisce il proprio progetto AI con istruzioni personalizzate e knowledge base dedicata. Non un prototipo da testare in futuro — qualcosa di funzionante e utilizzabile da subito.
| Area HR | Strumento operativo costruito |
|---|---|
| Talent Acquisition | Mappatura e supporto al funnel di selezione |
| Admin | Q&A interno sulle policy aziendali |
| Data Reporting | Dashboard dinamica sull’organico aziendale |
| Learning & Development | Role play per la produttività degli agenti senior |
Risultati
Da interesse diffuso a metodo condiviso
Le quattro aree sono passate da esplorazioni individuali e non coordinate a un framework comune per mappare, valutare e prioritizzare gli use case AI. Ogni gruppo ha chiuso il percorso con una vista chiara delle opportunità a breve termine e dei casi più complessi da sviluppare successivamente.
Quattro strumenti operativi, costruiti durante il percorso
Al termine delle due sessioni, ogni area aveva uno strumento già funzionante — con istruzioni personalizzate e una knowledge base coerente con il proprio use case prioritario. Non una lista di idee. Qualcosa di immediatamente utilizzabile.
Alla fine della seconda sessione, ogni team aveva uno strumento in mano. Non un’idea. Uno strumento.
40 persone abilitate, non formate
C’è una differenza tra formare le persone sull’AI e abilitarle a usarla. Il percorso ha lavorato su casi concreti legati ai processi reali di ogni area. Le 40 persone coinvolte non sanno solo cos’è l’AI generativa — sanno come usarla sul proprio lavoro specifico.
Una mappa per i passi successivi
La mappatura ha fatto emergere use case più articolati e processi ad alto impatto che richiedono una progettazione dedicata. Il percorso ha creato una base decisionale concreta per capire dove investire nelle fasi successive — con priorità condivise tra le aree e con la direzione.