Perché selezionare bene costa meno che selezionare male
“Quanto ci costa questa selezione?”
È una domanda legittima. Ed è spesso la prima che viene posta.
Molto più raramente, però, qualcuno chiede: “Quanto ci costerà non selezionare bene?”
Una pantomima fin troppo realistica
💼 La selezione è un costo. Ma può diventare un investimento — se fatta bene.
📉 Per contenere il budget, un’azienda decide di adottare un processo “snello”: screening automatizzato con AI, un test online gratuito trovato in rete e un unico colloquio di 50 minuti, non strutturato.
📥 Il risultato arriva in fretta. Il candidato selezionato è brillante, sicuro, comunicativo. Curriculum impeccabile, lettere persuasive, risposte perfette al colloquio.
Ma c’era un dettaglio che nessuno aveva considerato.
🤖 Il candidato aveva utilizzato una suite completa di strumenti basati sull'intelligenza artificiale: generatori di CV e resume, prompt per preparare le interviste, chatbot per simulare risposte efficaci. Tutto disponibile online. Tutto facilmente accessibile.
📉 Dopo l’inserimento, la realtà emerge. Difficoltà nella gestione dello stress. Scarsa adattabilità. Tensioni crescenti nel team.
Il candidato brillante del colloquio si rivela inadatto alla complessità del ruolo.
🧾 A fine anno, l’HR presenta un report sui costi indiretti: turnover, nuova selezione, perdita di produttività, carico manageriale aggiuntivo. Il risparmio iniziale si è trasformato in un costo sommerso.
📖 Il CEO, scorrendo LinkedIn, legge un articolo di HURACT: “Come misurare il ROI della selezione”. (https://huract.ch/misurare-il-roi-della-selezione-del-personale/)
📞 Convoca l’HR.
— “Non ti ho dato risorse sufficienti per una selezione davvero scientifica.” — “E io ho accettato di lavorare senza basi valide,” risponde l’HR. “Abbiamo entrambi sottovalutato il costo di una decisione sbagliata.”
💡 La selezione non deve essere la più economica. Deve essere la più efficace.
La selezione non è un costo. È una decisione economica.
In psicologia del lavoro e nelle scienze organizzative esistono modelli consolidati per stimare il ritorno economico di una selezione. Non sono intuizioni né buone pratiche tramandate per esperienza.
Sono modelli di utility analysis, basati su:
- validità predittiva degli strumenti;
- differenze di performance attese;
- costi diretti e indiretti delle decisioni.
In altre parole, un HR formato è perfettamente in grado di stimare i ritorni attesi di un investimento in selezione.
Il problema non è che questi modelli non esistano. È che raramente vengono utilizzati.
La selezione come investimento probabilistico
Una selezione non serve a “trovare il candidato perfetto”. Serve ad aumentare la probabilità di una buona performance futura.
Da questo punto di vista, la selezione è una decisione probabilistica.
Una selezione completamente casuale ha un valore atteso vicino allo zero. Sorprendentemente, in molti contesti, risulta meno dannosa di una selezione guidata da bias, intuizioni o impressioni soggettive — soprattutto oggi, nell’epoca dell’AI.
La selezione scientifica ha valore perché predice meglio del caso. Ed è esattamente questo che misura la validità predittiva.
Quando il metodo è debole, non stiamo “selezionando”. Stiamo semplicemente razionalizzando una scelta casuale.
Il costo (invisibile) della selezione controproducente
Il vero problema non è solo la selezione sbagliata. È la selezione controproducente.
Una decisione che:
- produce sotto-performance;
- genera turnover precoce;
- deteriora il clima di team;
- aumenta il carico manageriale;
- crea costi indiretti difficili da attribuire, e quindi raramente misurati.
Paradossalmente, di queste decisioni ci si pente poco. Non perché funzionino, ma perché entrano in gioco meccanismi noti: confirmation bias, assenza di follow-up sistematici, mancanza di un collegamento tra selezione e performance reali.
Da un punto di vista economico, tutto questo rende irrazionale risparmiare sulla selezione.
L’AI come moltiplicatore del rischio (se il metodo è debole)
L’intelligenza artificiale non crea il problema. Amplifica la debolezza del processo.
Oggi esistono AI che valutano i candidati. Ed esistono AI progettate per ingannare quei sistemi di valutazione.
In ambito informatico si parla di adversarial networks: sistemi creati per eludere altri sistemi di riconoscimento. Lo stesso principio è già applicabile al recruiting.
CV ottimizzati per l’hiring, risposte perfette ai colloqui strutturati, profili progettati per superare filtri automatici: tutto questo è già realtà.
Quando il processo è impressionistico o poco strutturato, l’AI vince sempre.
Per questo, paradossalmente, più AI entra nei processi di hiring, più diventa necessario investire in metodi scientifici di valutazione.
La I di VALID
La I di VALID ci ricorda che:
La selezione non è un costo da ridurre. È un investimento da rendere misurabile.
Quando il metodo è valido, affidabile e logico, l’investimento diventa difendibile anche sul piano economico.
Nella prossima newsletter passeremo alla D – Discriminativo: perché un processo di selezione ha valore solo se è in grado di distinguere davvero tra candidati.