EXECUTIVE SEARCH

Quando gli algoritmi migliorano le scelte

Pasquale Natella

01 Marzo 2017

Da anni il mondo dell’executive search è impegnato nella riduzione degli errori di selezione su figure manageriali, ma ad oggi non sembrano essere stati fatti significativi progressi su larga scala. Nonostante la promessa del settore di raggiungere un failure rate medio degli executive assunti pari al 10%, siamo passati da un dato di insuccesso pari al 40% - rilevato da una survey di KPMG nel 2009 - a un dato di fallimento degli inserimenti esterni di manager entro 18 mesi pari al 50% - registrato da una survey condotta dal Corporate Executive Board nel 2015.
Il costo di questi errori non è trascurabile: Joseph D. McCool in Deciding Who Leads lo ha stimato a 3 volte il compenso annuo, che si amplifica a 8/9 volte considerando l’impatto potenziale sulla performance organizzativa più ampia. La situazione non migliora neanche per le metodologie appraisal: una ricerca della Cambridge University ha rilevato che, nella valutazione delle competenze manageriali, anche il selezionatore esperto è esposto a 10 trappole cognitive (bias). Ne deriva che due selezionatori di pari seniority - che utilizzano lo stesso modello - possono dare valutazioni che differiscono tra loro di circa il 20-30% sullo stesso candidato.
Dato il processo di selezione di un dirigente, gli errori più significativi possono risiedere in:
A. valutazione dei reali requirement della posizione - ivi incluso il profilo ideale (cercare il candidato sbagliato).
B. Ricerca (non avere il candidato giusto nella lista).
C. Selezione e valutazione delle competenze e quindi del relativo mismatch rispetto all’ideale (avere il candidato giusto, ma non sceglierlo).
D. Processo di integrazione (avere scelto il giusto candidato e non saperlo valorizzare).
Nel caso A la leva è per il 70% in mano all’azienda, per il rimanente 30% al consulente esterno incaricato della ricerca, messi alla prova nel ritrovare il proprio candidato ideale nei profili che analizzano. Questo errore dilata i tempi, perché si cerca di “aggiustare il tiro” man mano che si visualizzano i profili percepiti come inadatti. La tipologia B solo nel 5% dei casi porta a un reale errore di assunzione e si verifica quando l’azienda si accontenta, oppure il timing è divenuto il driver principale di selezione, mentre la situazione D è superabile con una gestione pianificata dell’ingresso. In un contesto globale in forte innovazione - rispetto al caso C - vi è ampia disponibilità di vari strumenti diagnostici basati su algoritmi testati e validati (test). Tuttavia, questi sono solo marginalmente applicati nell’executive search e si preferisce basarsi sui risultati di un’intervista strutturata vis-a-vis corredata di referenze. I test scientificamente provati forniscono risultati comparabili e basati sull’autovalutazione, mentre le interviste si fondano sulla valutazione esterna e dipendono direttamente dall’intervistatore e dalla sua capacità di lettura dei comportamenti.
In un mondo ideale avremmo bisogno di una valutazione esterna con le stesse basi di solidità scientifica e statistica dei test. Siamo partiti da questo assunto per creare un modello di competenze manageriali predittivo delle performance future, ma anche misurabile in maniera oggettiva tramite intervista. Nell’algoritmo, ogni competenza si compone di molteplici comportamenti manageriali indipendenti ed esaustivi, la cui sistematicità viene valutata con domande pianificate che risultano nell’assegnazione o meno di un “check”.
Dopo diversi mesi di test siamo arrivati a un livello di varianza di valutazione tra recruiter entro il 3%, contro i 25-30% del mercato. Il modello di competenze fornisce solidità scientifica e teorica alla valutazione e l’algoritmo permette di eliminare le 10 trappole cognitive sopra citate.
Se l’algoritmo non rende totalmente oggettiva la valutazione delle competenze, di certo le rappresenta in modo omogeneo e comparabile; pertanto non può essere sostitutivo del selezionatore. Riconosco inoltre una probabilità non remota che si possa fare di più e meglio anche nelle fasi di definizione del profilo e di scouting per avere risultati ancora più precisi, veloci e con meno errori sugli elementi di valutazione standard e ripetitivi. Al cacciatore di teste la responsabilità di leggere e comprendere al meglio il contesto e le necessità palesi e latenti del ruolo che si ricerca in una dimensione prospettica, al fine di inserire gli input corretti nell’algoritmo, altrimenti il risultato - sebbene preciso - sarebbe comunque sbagliato.

Lascia il tuo commento

Condividi le tue opinioni su

Caratteri rimanenti: 2500

Temi più seguiti

Partner center