Due dipendenti leggono un feedback di performance identico — stessa critica, stessa impostazione, stessa frase di chiusura. A uno viene detto che l'ha scritto il suo responsabile; all'altro, che l'ha generato un'AI. Sull'item che misura quanto si sentono vicini a quel responsabile, il primo ha segnato 2,89 e il secondo 1,67 — la fonte dichiarata ha spiegato il 24% della varianza (η² = 0,24). Su quanto hanno continuato a rimuginare sulla critica, non ha spiegato nulla (p = 0,64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026).
Il messaggio è arrivato. La linea di riporto no — ed è questo il vero prezzo della valutazione scritta dall'AI.
È questa asimmetria che merita attenzione prima dell'apertura del prossimo ciclo, perché non è una questione da 2027 per le aziende mid-market. Tra i manager che già usano l'AI per gestire le persone, il 91% la usa per valutare la performance e l'88% per redigere i piani di miglioramento (ResumeBuilder.com, 2025). La stesura sta già avvenendo. Ciò che non è stato messo a bilancio è l'effetto della dichiarazione.
L'esperimento ha tenuto fisso il testo e ha mosso solo l'etichetta
Marót, Palcsó e Szabó hanno condotto un esperimento a vignette con 192 adulti occupati (230 reclutati; 18 esclusi perché disoccupati, 20 per aver fallito un controllo di attenzione). Ai partecipanti è stato chiesto di immaginare di ricevere un feedback di performance da un responsabile. Il testo del feedback è stato mantenuto completamente identico in ogni condizione. L'unica manipolazione era il flusso di produzione dichiarato, in quattro varianti: scritto interamente da un essere umano, generato interamente dall'AI, generato dall'AI e poi rifinito da un umano, scritto da un umano e poi rifinito dall'AI.
Questo disegno conta più di quanto suggerisca la dimensione del campione. La maggior parte degli studi sull'AI nella gestione delle persone confonde due cose — ciò che l'AI ha prodotto e il fatto che un'AI fosse coinvolta. Tenere fisso il testo isola la seconda. Qui tutto ciò che si è mosso si è mosso per l'etichetta, non perché l'AI avesse scritto qualcosa di peggiore.
E si è mosso molto. L'effetto multivariato complessivo della fonte dichiarata è risultato significativo (V di Pillai = 0,37, F(27, 546) = 2,86, p < 0,001), e otto dei nove esiti si sono spostati:
| Esito | Umano | AI | AI scrive, umano rifinisce | Umano scrive, AI rifinisce | η² |
|---|---|---|---|---|---|
| Distanza psicologica (vicinanza) | 2,89 | 1,67 | 2,15 | 2,54 | 0,24 |
| Relazione con il responsabile | 4,69 | 3,23 | 3,98 | 4,22 | 0,21 |
| Disponibilità a chiedere aiuto | 5,31 | 3,43 | 4,57 | 4,82 | 0,17 |
| Commitment organizzativo | 4,57 | 3,46 | 4,00 | 4,38 | 0,16 |
| Volontà di correggere l'errore | 6,02 | 4,43 | 5,18 | 5,56 | 0,14 |
| Motivazione al lavoro | 4,79 | 3,66 | 4,30 | 4,68 | 0,13 |
| Performance attesa | 5,19 | 4,29 | 4,68 | 4,82 | 0,10 |
| Risposta affettiva | 4,76 | 3,86 | 4,43 | 4,48 | 0,08 |
| Rimuginio | 3,64 | 3,45 | 3,20 | 3,48 | 0,01 |
Leggi l'ordine delle colonne, non solo le prime due. La graduatoria è la stessa su ogni riga.
Dove la valutazione scritta dall'AI ti costa davvero
Ordina quelle dimensioni d'effetto e le prime quattro sono distanza psicologica (0,24), relazione con il responsabile (0,21), disponibilità a chiedere aiuto al responsabile (0,17) e commitment organizzativo (0,16). Gli esiti informativi stanno più in basso: performance attesa (0,10), risposta affettiva (0,08), rimuginio (0,01, non significativo).
Una conversazione di performance deve fare due cose. Trasmettere un segnale accurato sul lavoro e tenere aperto il canale attraverso cui quel dipendente ti porta il prossimo problema in anticipo. Il costo della dichiarazione cade quasi interamente sul secondo compito. La disponibilità a chiedere aiuto è scesa da 5,31 a 3,43 su una scala a sette punti — il divario assoluto più ampio dello studio.
È quello costoso. Un responsabile che ha perso il canale "vieni da me quando le cose vanno male" ha perso l'unico sistema di allerta precoce che un'organizzazione da 50–500 FTE possiede. Non lo vedrai nella survey di engagement come un problema di feedback; lo vedrai come sorprese che arrivano tardi.
Chi scrive la prima bozza conta più di chi fa l'ultima passata
È il risultato utile in pratica, ed è quello che l'abstract sottostima. I due flussi ibridi non sono interscambiabili.
Il testo scritto da un umano e poi rifinito dall'AI si è mantenuto vicino al pienamente umano in tutto: 4,68 contro 4,79 sulla motivazione, 4,38 contro 4,57 sul commitment, 4,82 contro 5,31 sulla disponibilità a chiedere aiuto. Non è risultato significativamente diverso dal feedback pienamente umano su nessuno dei nove esiti.
Il testo generato dall'AI e poi rifinito da un umano è andato peggio e, soprattutto, non è riuscito a distinguersi dal feedback pienamente AI. Rispetto alla condizione pienamente AI ha raggiunto la significatività solo su tre esiti su nove — disponibilità a chiedere aiuto (4,57 vs 3,43, p = 0,002), relazione con il responsabile (3,98 vs 3,23, p = 0,003) e distanza psicologica (2,15 vs 1,67, p = 0,023). Il flusso umano-poi-AI, al contrario, ha battuto il feedback pienamente AI su otto esiti su nove.
Quindi è la sequenza a portare l'effetto, non la presenza di un umano da qualche parte nella catena. Far correggere a un responsabile una bozza dell'AI ha recuperato una frazione del costo relazionale. Far scrivere prima il responsabile e usare l'AI per stringere la prosa ne ha recuperato quasi tutto.
Che è l'esatto inverso di come lo strumento viene usato. "Genera una valutazione da questi punteggi di competenza, poi la correggo io" è il flusso predefinito in ogni suite HR che ha lanciato un assistente nel 2026. Su questa evidenza è il peggiore dei due ibridi — ed è quello che i tuoi manager scelgono, perché fa risparmiare più tempo.
L'obiezione, e fin dove tiene
L'obiezione onesta: è una vignetta. I partecipanti hanno riportato reazioni previste a uno scenario ipotetico, non comportamenti dopo una valutazione reale. Il campione era un campione di convenienza ungherese reclutato online, sbilanciato verso dipendenti senza responsabilità gerarchiche (66%), con età media 32 anni. Non ci sono esiti comportamentali né follow-up. Non trattare 1,67 contro 2,89 come una previsione dei tuoi numeri.
Ciò che sopravvive all'obiezione è la direzione e l'ordinamento, e sono entrambi rafforzati dal controllo di robustezza dello studio stesso. Limitandosi ai 123 partecipanti (64%) che hanno identificato correttamente la fonte dichiarata — cioè le persone che hanno effettivamente registrato la manipolazione — ogni effetto è andato nella stessa direzione e la maggior parte è risultata più ampia, con η² tra 0,19 e 0,42. L'effetto non è un artefatto di disattenzione. Se mai, i dati sul campione completo sono diluiti da chi non ha notato l'etichetta.
L'"alfabetizzazione all'AI" non ricompra questo costo
La lettura interna più tentante è che si tratti di un problema di familiarità con la tecnologia, risolvibile con formazione. Lo studio lo ha testato direttamente. L'ansia da AI è stata misurata come covariata e il suo effetto multivariato non è risultato significativo (V = 0,08, F(9, 179) = 1,73, p = 0,085). A livello univariato ha predetto esattamente una cosa — il rimuginio — e nient'altro.
Nota cosa significa in combinazione con il risultato principale. Il rimuginio è l'unico esito che la fonte dichiarata non ha mosso. L'ansia da AI ha mosso il rimuginio e nient'altro. I due effetti sono quasi perfettamente disgiunti. I dipendenti non reagiscono per un disagio generico verso l'AI. Reagiscono a un'inferenza specifica: che la persona responsabile di valutarli ha delegato la parte del lavoro che riguardava loro.
C'è una seconda ragione per smettere di trattarlo come un problema di formazione. Solo il 16% delle organizzazioni si dichiara fiducioso che i propri manager siano in grado di spiegare ai dipendenti i cambiamenti di retribuzione e di lavoro legati all'AI (Korn Ferry, 2026, N = 5.512 organizzazioni in 135 paesi). La popolazione a cui chiederesti di spiegare con cura il flusso di stesura è, per valutazione della sua stessa leadership, attualmente non in grado di farlo.
Il risultato sulla dichiarazione lato cliente non si trasferisce
Se segui la letteratura sulla disclosure, potresti avere l'aspettativa opposta. Un esperimento di campo randomizzato con 1.337 clienti raggiunti ha trovato che dichiarare un agente vocale AI non riduce più la conversione rispetto alla non dichiarazione (Habel, Zawadzki & Freise, SSRN 7013259, 2026). In un'interazione commerciale la dichiarazione è diventata quasi gratuita.
Non segue che sia gratuita all'interno, e la ragione è strutturale più che culturale. La relazione di un cliente è con la tua azienda; non c'è una linea di riporto continuativa da danneggiare, e in larga parte dà già per scontato di parlare con un agente. La relazione di un dipendente è con una persona identificata che detiene la sua valutazione, la sua fascia e la sua progressione. In quel contesto la dichiarazione è informazione su come quella persona ha speso la propria attenzione.
La letteratura sulla selezione punta nella stessa direzione. Nella valutazione algoritmica dei colloqui la trasparenza ha corretto il comportamento dei candidati — ha ridotto lo stress e la gestione ingannevole dell'immagine indotti dallo scoring AI — ma non ha prodotto nulla sul lato valutatore, dove gli umani si sono ancorati ai punteggi dell'AI svalutando il proprio giudizio (Lakhiwal et al., Information Systems Research, 2026). La trasparenza aggiusta la persona a cui viene detto. Non aggiusta la delega che rivela.
Cosa cambiare prima del prossimo ciclo di valutazione
Cinque decisioni, nessuna delle quali richiede nuovi acquisti.
- Fissa la sequenza come policy, non come preferenza. Il responsabile scrive prima la narrazione; l'AI può poi stringere linguaggio, struttura o lunghezza. L'ordine inverso è il flusso che questo studio ha penalizzato più duramente.
- Tieni l'AI fuori dalle frasi relazionali in particolare. L'evidenza dice che il danno si concentra su vicinanza, fiducia e richiesta di aiuto — le parti di una valutazione che riguardano la relazione, non il lavoro. Quei paragrafi sono quelli che un responsabile deve possedere con parole proprie.
- Decidi la tua posizione sulla dichiarazione prima che qualcuno la chieda, e mettila per iscritto. Non gestire un flusso non dichiarato sulla teoria che nessuno se ne accorga; il 64% dei partecipanti ha identificato correttamente la fonte dal solo testo, e tra loro gli effetti erano più ampi.
- Aggiusta l'input, non la prosa. La maggior parte dei manager ricorre alla stesura AI perché fissa un campo vuoto senza evidenze davanti. Dagli evidenze di competenza per ciclo, divergenze a 360° già sintetizzate e flag di calibrazione, e la narrazione diventa un breve compito di scrittura invece di un compito di generazione — che è ciò che il livello performance e successione di Scovai è costruito per fornire.
- Misura il canale, non il punteggio di soddisfazione. Aggiungi un item post-ciclo: "dopo questa valutazione, quanto è probabile che porterai un problema al tuo responsabile in anticipo?" È la variabile che secondo questo studio si sta muovendo, e non è presente nella maggior parte delle survey di valutazione.
La domanda di budget si risponde da sola. Il vincolo sulla qualità delle valutazioni in un'azienda da 50–500 FTE non è la capacità di scrittura — è che i manager scrivono le valutazioni a memoria perché nessun sistema gli consegna le evidenze. La stesura AI cura il sintomo e ti addebita la linea di riporto per farlo.
Una decisione per questo trimestre
La valutazione scritta dall'AI è già nei browser dei tuoi manager, che sia nella tua policy o no. Non stai scegliendo se l'AI tocca il testo delle valutazioni. Stai scegliendo l'ordine delle operazioni — e questo studio dice che è tutta la partita: umano prima e AI dopo è risultato statisticamente indistinguibile dal pienamente umano su tutti i nove esiti, mentre AI prima e umano dopo è risultato indistinguibile dal pienamente AI su sei su nove.
Prima che il ciclo si apra, scrivi una riga nelle tue linee guida di valutazione che specifichi chi produce la prima bozza. Non costa nulla, è applicabile, ed è l'unica variabile qui che controlli interamente.
