I team HR dovrebbero imparare l'AI su quattro attività: scrivere annunci di lavoro, preparare uno screening dei CV su cui decide una persona, rispondere alle domande sulle policy partendo dal regolamento aziendale reale e costruire kit di onboarding. Formateli sui vostri documenti, con due regole fin dall'inizio: ogni decisione di assunzione la prende una persona, e i dati personali restano negli strumenti approvati.
#Punti chiave
- L'HR ottiene risultati rapidi e sicuri dall'AI nelle attività di scrittura: annunci di lavoro, domande per i colloqui, sintesi delle policy e kit di onboarding.
- Lo screening dei CV è il punto in cui la formazione conta di più, perché sono in gioco sia i bias sia i dati personali.
- Ogni decisione di assunzione la prende una persona, e le motivazioni vengono registrate con parole sue, non del modello.
- Le risposte sulle policy devono citare il regolamento reale, così al personale non viene mai comunicata una regola che non esiste.
- Un corso gratuito copre la scrittura di base; la formazione per ruolo ha senso quando l'AI tocca la selezione o i fascicoli dei dipendenti.
#Com'è la settimana di un team HR con l'AI?
Il team HR di un'azienda di medie dimensioni lavora in un sistema di gestione delle candidature, una piattaforma HR, Microsoft 365 o Google Workspace e una casella condivisa molto trafficata. La settimana è fatta di annunci di lavoro, revisione dei CV, pianificazione dei colloqui, lettere di offerta, onboarding, domande del personale sulle policy e lettere in arabo e in inglese. Gran parte è scrittura, e gran parte riguarda dati personali.
L'AI aiuta nella scrittura: un annuncio più chiaro, una traccia strutturata per il colloquio, una sintesi semplice della policy sulle ferie, una checklist di onboarding per ogni ruolo. Le cose vanno male in tre modi: un prompt di screening che favorisce in silenzio un profilo, una risposta sulle policy inventata dal modello, e CV o file con gli stipendi incollati in un account personale.
#Che cosa dovrebbero imparare per primo i team HR, e in quale ordine?
- Annunci di lavoro e tracce per i colloqui: redigerli a partire dal profilo del ruolo, poi verificare che non contengano formulazioni escludenti.
- Domande sulle policy: rispondere dal regolamento citando la sezione, così il personale può verificarla.
- Kit di onboarding: costruire checklist per ruolo e lettere di benvenuto in arabo e in inglese.
- Supporto allo screening dei CV: sintetizzare ogni CV rispetto a criteri fissati prima della lettura, con una persona che decide.
- In seguito: sintesi dei commenti dei sondaggi e bozze di linee guida per le valutazioni delle prestazioni.
Lo screening arriva quarto di proposito. A quel punto il team ha imparato a verificare l'output dell'AI rispetto a una fonte, che è proprio l'abitudine di cui lo screening ha bisogno. Insegnarlo per primo, perché promette il risparmio maggiore, mette l'attività più rischiosa nelle mani di persone che non hanno ancora imparato dove il modello sbaglia.
#Su quali attività reali dovrebbe basarsi la formazione?
Sul vostro materiale: due posizioni aperte, il regolamento aziendale attuale, un kit di onboarding recente e una serie di CV anonimizzati per un ruolo già coperto. Il team scrive gli annunci, risponde a dieci domande reali del personale partendo dal regolamento e fa lo screening dei CV anonimizzati, poi confronta il risultato con la scelta effettiva del responsabile della selezione e con le sue motivazioni.
#Che cosa dovrebbero misurare i responsabili HR prima e dopo?
- Quanto tempo il team dichiara di impiegare per annunci, risposte sulle policy e kit di onboarding, prima e dopo.
- La quota di risposte sulle policy che citano correttamente la sezione del regolamento.
- Controlli sullo screening: se le sintesi corrispondono AI criteri e se i revisori hanno modificato la rosa dei candidati.
- L'uso dello strumento approvato per persona, ed eventuali incidenti sui dati segnalati.
Il NIST AI Risk Management Framework, gennaio 2023 considera la supervisione umana e la responsabilità parte della gestione del rischio AI. In ambito HR significa registrare chi ha deciso e perché, così in seguito si può dare una risposta concreta a un candidato o a un'autorità.
#Quali sono le regole d'uso sicuro per i dati HR?
- CV, stipendi, certificati medici e fascicoli disciplinari entrano solo negli strumenti approvati per i dati personali.
- I criteri di screening vengono scritti prima di leggere qualsiasi CV, e gli stessi criteri valgono per ogni candidato.
- Il modello non classifica né scarta mai i candidati da solo; decide una persona indicata per nome.
- Le risposte sulle policy citano il regolamento; se il regolamento non dice nulla, la risposta lo dichiara e rimanda all'HR.
- I dati personali seguono la legge locale: la legge emiratina sulla protezione dei dati personali e la PDPL saudita, applicata da SDAIA da settembre 2024 secondo Clyde & Co, settembre 2024.
#Quando bastano un workshop o un corso gratuito?
Se il vostro team HR vuole solo aiuto per scrivere annunci, lettere e comunicazioni in uno strumento approvato, bastano un corso gratuito del fornitore e un workshop interno sulle vostre regole sui dati. Per questo non serve un programma esterno, e dirlo chiaramente lascia l'impegno al lavoro che ne ha bisogno.
La formazione per ruolo ha senso quando l'AI tocca decisioni di selezione, fascicoli dei dipendenti o risposte su cui il personale farà affidamento. Questi casi comportano rischi legali e di equità, quindi la formazione deve svolgersi sul vostro regolamento e sui vostri ruoli, con controlli e risultati registrati.
#Come lavora Stennir
Stennir gestisce la formazione HR come un gruppo all'interno dell'AI Operator Program, parte del servizio di formazione AI. I formatori hanno lavorato in HR e nella selezione, e il gruppo si esercita sul vostro regolamento, sui vostri ruoli e su CV anonimizzati, in arabo e in inglese. L'uso viene misurato prima e dopo, e il report di adozione vale anche come registro della formazione per HR e learning & development.
We are
Stennir forma gruppi HR sul loro regolamento, sui loro ruoli e sui loro fascicoli, con una persona che decide ogni passaggio della selezione.
We aren't
Stennir non è uno strumento di selezione automatica, né uno studio legale; le questioni di diritto del lavoro e sui dati vanno AI vostri legali.
#Che cosa dovrebbe fare adesso un responsabile HR?
Raccogliete le dieci domande che il personale rivolge più spesso all'HR e verificate se il regolamento risponde a ciascuna; quell'elenco diventa il vostro primo caso di formazione. Poi leggete AI per le operations, l'esempio pratico sullo screening dei CV e come scegliere una società di formazione AI. Quando siete pronti, prenotate una call di 30 minuti.
#Domande frequenti
Possiamo usare l'AI per lo screening dei CV?
Potete usarla per sintetizzare ogni CV rispetto a criteri scritti prima di leggerne qualsiasi. Ogni decisione sulla rosa dei candidati e ogni scarto dovrebbe prenderli una persona, registrandone il motivo. La formazione insegna al team a riconoscere quando una sintesi legge male un CV o quando sono i criteri stessi a escludere buoni candidati.
Che cosa vi serve da noi per iniziare?
Un responsabile HR o della formazione che risponda del risultato, l'accesso al vostro strumento AI approvato, il regolamento aziendale attuale, due posizioni aperte e CV anonimizzati di un ruolo già coperto. Stennir chiede anche le vostre regole sui dati ed eventuali passaggi di revisione con le rappresentanze dei lavoratori o l'ufficio legale, così la formazione vi si adegua.
Funziona in arabo?
Sì. Stennir forma in arabo e in inglese, e il gruppo scrive annunci, risposte sulle policy e lettere in entrambe le lingue. Altre lingue sono disponibili su richiesta. Le esercitazioni usano la lingua in cui il vostro personale scrive davvero, perché una lettera formale e una risposta veloce a un collega richiedono un tono diverso.
Dove restano i dati dei dipendenti?
Negli strumenti e negli account approvati dalla vostra azienda. Stennir non copia CV, dati retributivi o fascicoli dei dipendenti nei propri sistemi. Le esercitazioni usano dati anonimizzati o di esempio ogni volta che lo strumento non è approvato per i dati personali, così il team applica le regole sui dati durante la formazione invece di impararle dopo.
