Ripensare la fabbrica delle decisioni

Le aziende di tutto il mondo faticano a gestire i knowledge worker (i cosiddetti “lavoratori della conoscenza”). Competono ferocemente per assumere e trattenere i migliori talenti e, nel processo, non di rado finiscono con il cumulare migliaia di manager. Per un po’ tutto va bene ma inevitabilmente, specie quando la situazione economica diventa più sfavorevole, si rendono conto che questi lavoratori ad alto costo non sono produttivi come speravano e, nel tentativo di ridurre i costi, ne licenziano un numero consistente. Ma di lì a poco tornano ad assumerli.

È un ciclo altamente distruttivo. A parte i costi umani e sociali, è estremamente inefficiente per un'azienda gestire qualunque tipo di risorsa in questo modo, e tantomeno quella che viene universalmente riconosciuta come il motore della crescita nell'era contemporanea. La cosa più sconcertante è che in questo circolo vizioso sono finite anche alcune tra le aziende più prestigiose d'America. General Electric, per esempio, ha effettuato massicci licenziamenti tra i manager negli anni Ottanta e nei primi anni Novanta. Dopo un progressivo rinfoltimento dei suoi ranghi manageriali, nel 2001 ha annunciato un'altra ondata di licenziamenti. Ora del 2007 i numeri erano tornati a crescere, finché la recessione non ha reso necessari nuovi tagli di personale. Colgate-Palmolive, MetLife, Hewlett-Packard e PepsiCo, tra le altre, hanno recentemente messo in atto il medesimo processo.

Perché queste aziende faticano così tanto a gestire quelli che dovrebbero essere i loro asset più produttivi? La risposta, a mio avviso, affonda le sue radici in un grosso equivoco – che perdura nonostante decenni di ricerche e di dibattiti sull’economia della conoscenza – su come funziona il knowledge work e su come si distingue dal lavoro manuale. In particolare, quasi tutte le aziende commettono due grossi errori nella gestione dei knowledge worker. Il primo è pensare di dover strutturare questa forza lavoro come se fosse composta da lavoratori manuali – come se ogni dipendente svolgesse ogni giorno gli stessi compiti. Il secondo (che deriva in parte dal primo) è assumere che le conoscenze siano necessariamente incorporate nei lavoratori e che, diversamente da quanto accade nel lavoro manuale, non si possano codificare e trasferire agevolmente ad altri.

Cercherò qui di dimostrare quanto siano distruttive, ancorché comprensibili, queste due convinzioni, e descriverò un nuovo paradigma per la gestione dei knowledge worker che è in via di sviluppo in Procter & Gamble. I risultati iniziali di questo approccio sono estremamente incoraggianti; e se verrà applicato più ampiamente, potremmo finalmente dire addio al circolo vizioso a cui assistiamo da troppi anni.

L'ascesa della fabbrica delle decisioni

Che cosa fanno in realtà i lavoratori della conoscenza? Ovviamente non fabbricano prodotti, né erogano servizi. Ma producono certamente qualcosa ed è assolutamente ragionevole definire il loro lavoro come la produzione di decisioni: decisioni su cosa vendere, a che prezzo, a chi, con quale strategia pubblicitaria, con quale sistema logistico, su quali canali distributivi e con quali livelli di organico.

Alla scrivania e in sala riunioni, ogni giorno della propria vita lavorativa, i lavoratori della conoscenza mandano avanti vere e proprie fabbriche di decisioni. Le loro materie prime sono i dati, provenienti dai sistemi informativi aziendali o da fornitori esterni. Producono memo e presentazioni pieni di analisi e di raccomandazioni. Gestiscono processi produttivi – le riunioni - che convertono questo lavoro in prodotti finiti che assumono la forma di decisioni. Oppure generano una rilavorazione: un'altra riunione per raggiungere la decisione che non è stata presa in quella precedente. E partecipano ai servizi post-produzione, attraverso il follow-up sulle decisioni.

Le fabbriche delle decisioni sono venute presumibilmente a costituire il costo più pesante per le aziende americane, anche in realtà di grandissime dimensioni come P&G, perché gli stipendi di questi collaboratori sono molto superiori a quelli degli operai di fabbrica. Nel perseguimento di un duplice obiettivo - l'efficienza e la crescita - nella seconda metà del XX secolo le aziende hanno speso somme enormi in R&S, branding, sistemi informativi – tutti investimenti che hanno comportato l'assunzione di un esercito di knowledge worker.

Ricordo benissimo di aver lavorato, tra il 1990 e il 1991, con il CEO di uno dei più grandi produttori di pane del Nordamerica. Aveva appena sostituito una fabbrica antiquata e ad alta intensità di manodopera con la panetteria industriale più avanzata del continente. Mi disse orgogliosamente che i nuovi forni computerizzati e le macchine d’imballaggio a controllo numerico avevano fatto diminuire del 60% i costi della manodopera diretta. Ma nel frattempo erano stati assunti tantissimi nuovi e costosi lavoratori della conoscenza, sia nel quartier generale sia in fabbrica - ingegneri, informatici e manager - per far funzionare sistemi informativi sofisticati e macchinari di ultima generazione. La nuova fabbrica non era assolutamente quella macchina perfetta che appariva a prima vista. I costi variabili della manodopera erano diminuiti, ma i costi fissi dei knowledge worker erano aumentati, rendendo indispensabile un elevato utilizzo della capacità – cosa possibile in alcuni anni, ma non in altri.

Quel panificio industriale era rappresentativo di tante altre aziende, che scambiavano la riduzione dei costi diretti con l’aumento dei costi indiretti: meno operai, ma più produttivi, e più lavoratori della conoscenza, molto più costosi. (Si veda la figura “Il peso crescente del knowledge work”).

Nel mezzo secolo trascorso da quando Peter Drucker coniò l’espressione knowledge workers, questi dipendenti sono diventati non solo una parte importante, ma la parte dominante della forza lavoro. E mentre la Cina e altri Paesi a basso costo della manodopera recluteranno sempre più lavoratori manuali, i Paesi sviluppati faranno sempre più affidamento sui knowledge worker, la cui produttività potrebbe costituire perciò la sfida manageriale della nostra epoca.

La produttività nella fabbrica di conoscenze

In qualunque processo produttivo, i due driver critici di produttività sono il modo in cui è strutturato il lavoro e la capacità dell’azienda di capitalizzare sulle lezioni apprese attraverso l’esperienza. Questi driver sono ovviamente interdipendenti: il modo in cui strutturate il lavoro influenza la vostra capacità di imparare da esso. Nelle fabbriche delle decisioni, lo sfasamento tra la realtà del lavoro e il modo in cui viene strutturato crea direttamente inefficienze nell’allocazione del knowledge work. Siccome abbiamo a che fare con degli esseri umani, questo sfasamento riduce gli incentivi alla condivisione delle conoscenze.

La struttura del lavoro nella fabbrica delle decisioni. L’unità-base di lavoro nella fabbrica delle decisioni è la mansione, a cui corrisponde una posizione organizzativa. Da questo punto di vista, le fabbriche di decisioni seguono il modello della fabbrica di prodotti, in base al quale i manager identificano un’attività specifica che costituisce la mansione di un determinato individuo e va ripetuta più o meno quotidianamente. Se sapete qual è l’output che volete, potete stimare il numero di posizioni organizzative da occupare, e assumere di conseguenza. Naturalmente, l’output è sempre variabile in qualche misura e, nei limiti in cui si può prevedere questa variabilità, potete strutturare i contratti di lavoro. Alcuni operai fanno meno turni, o turni più brevi, di altri. Ma l’assunto complessivo implicito in questa struttura è che l’output della fabbrica di prodotti sia stabile.

Nella fabbrica delle decisioni, le posizioni organizzative si basano sui medesimi assunti. Si assume implicitamente, per esempio, che il direttore marketing produca ogni giorno lo stesso volume di lavoro. Perciò le job description sono elenchi di compiti continuativi che formano un lavoro a tempo pieno. Nella posizione esemplificativa di direttore marketing, il titolare dirige il branding del prodotto, le attività promozionali, le ricerche di mercato e così via – tutti compiti che vengono descritti come se dovessero essere svolti un giorno dopo l’altro, una settimana dopo l’altra e un mese dopo l’altro.

Ma l’analogia tra fabbriche di decisioni e fabbriche di prodotti finisce qui. Il knowledge work assume prevalentemente la forma di progetti, anziché di compiti routinari. I lavoratori della conoscenza, perciò, oscillano continuamente tra picchi e flessi di intensità decisionale. Il nostro ipotetico direttore marketing sarà impegnatissimo durante il lancio di un prodotto importante o quando insorge una minaccia competitiva, e veramente super-oberato quando le due cose si sovrappongono. Ma nell’intertempo avrà pochissime decisioni da prendere, e potrebbe aver poco da fare oltre a rispondere alle e-mail che aveva lasciato indietro. Ma nessuno ritiene che in queste fasi se ne stia con le mani in mano né, tantomeno, che l’azienda dovrebbe smettere di pagarlo.

I cicli perversi di assunzioni e licenziamenti dei lavoratori della conoscenza sono la conseguenza negativa di questo approccio al knowledge work. Quando intere forze lavoro sono organizzate intorno a mansioni permanenti, da svolgere a tempo pieno, è difficile ricollocare le risorse nelle aree più critiche per far fronte ai picchi di domanda. La funzione Risorse umane deve perciò creare una nuova posizione, predisporre una job description e poi coprire la posizione con un trasferimento interno o con una ricerca all’esterno.

Tutti i manager, di tutte le funzioni, tendono ad assumere in base ai picchi della domanda di knowledge work che verranno a determinarsi nella propria area di responsabilità. Ciò istituzionalizza un livello elevato di capacità, ripartito in piccoli incrementi su tutte le fabbriche di decisioni. Ecco perché la produttività delle fabbriche è una sfida permanente.

Naturalmente, i lavoratori della conoscenza non hanno nessun interesse ad andare a dire al proprio capo che hanno della “capacità inutilizzata”. Nella migliore delle ipotesi, in sede di valutazione della performance si sentirebbero dire che hanno un lavoro “comodo” e non sono molto produttivi. Nella peggiore, il capo potrebbe decidere che sono di troppo e metterli alla porta. Dunque è meglio che si facciano vedere sempre super-occupati. C’è sempre un rapporto da scrivere, un memo da preparare, una riunione da organizzare, una nuova idea da studiare. Ed è al servizio di questo presunto imperativo di sopravvivenza che il secondo driver di produttività – il trasferimento di conoscenze – viene distorto.

Le conoscenze nella fabbriche di decisioni. Come spiego nel mio libro The Design of Business, lo sviluppo delle conoscenze avviene in tre fasi. Quando si crea una nuova attività produttiva o di servizio – per esempio l’installazione della prima fabbrica di microprocessori della Intel, nel 1983, o l’apertura del primo parco tematico della Disney ad Anaheim, in California, nel 1955 – il compito da svolgere è un mistero. Qual è il flusso operativo ottimale per la fabbrica? Come andrebbero gestite le code a Disneyland? In fase sperimentale, l’operatività tende a essere inefficiente e piena di errori, come avviene per qualunque mistero.

Con il tempo, e con la pratica, si crea un corpus di conoscenze – quella che si può chiamare un’euristica – che guida l’esecuzione del processo. Le altre fabbriche aperte successivamente dalla Intel – una dozzina – non erano più tentativi al buio, perché le avevano progettate degli ingegneri ormai esperti. E quando la Disney aprì a Orlando, in Florida, i quattro parchi tematici di Disneyworld ha potuto sfruttare l’euristica sviluppata ad Anaheim.

Nelle fabbriche di prodotti, il progresso delle conoscenze non si ferma all’euristica. La cultura delle attività di produzione e di servizio su vasta scala è continuare a lavorare sul conoscenze fin quando non si possono convertire in un algoritmo – una formula che garantisce il successo. A quel punto, un manuale operativo sostituisce l’ingegnere esperto. Dei manager meno esperti possono usare l’algoritmo per eseguire il lavoro. Una cultura di questo tipo sta dietro il successo di McDonald’s, Wells Fargo e FedEx. E il lavoro non si conclude con l’algoritmo in essere: viene affinato costantemente, in un processo di miglioramento continuo.

Ma nelle fabbriche di decisioni le conoscenze tendono a rimanere ostinatamente a livello di euristica, dove la competenza e il giudizio sono i requisiti decisivi per un processo decisionale adeguato. La spiegazione, naturalmente, è che nelle fabbriche di decisioni il peso e la complessità delle conoscenze sono molto maggiori. Molte decisioni si devono prendere per la prima volta, e rientrano perciò nella categoria del mistero. Per esempio, cosa dovrebbe fare un’azienda per sbarcare in Nigeria, il suo primo mercato di sbocco nel Terzo Mondo? E come dovrebbe muoversi per approdare con successo in un altro Paese in via di sviluppo? La strategia d’ingresso potrebbe essere diversa. L’azienda potrebbe non avere un’euristica, e tantomeno un algoritmo, anche dopo aver preso decisioni d’ingresso per dieci Paesi.

Ma la struttura organizzativa che si basa su mansioni e posizioni rigide crea un rischio consistente. Se i knowledge worker esperti trasformano un’euristica basata sulle competenze in un algoritmo, invitano di fatto l’azienda a sostituirli con dei lavoratori meno professionali e meno costosi. Ecco perché tante organizzazioni fanno fatica a trovare dei “maestri” disposti a insegnare agli apprendisti anche l’euristica: sembra che abbiano sempre da fare qualcosa di più urgente.

Naturalmente, lo stesso rischio esiste anche tra gli operai. Ma in quel mondo, le conoscenze progrediscono attraverso l’osservazione dei processi fisici. Dall’epoca di Frederick Winslow Taylor e del suo infernale cronometro, gli operai hanno capito che il loro lavoro può e deve essere osservato e ottimizzato. Le competenze professionali dei knowledge worker, invece, risiedono nel loro cervello.

I top manager delle aziende contemporanee sanno di avere più knowledge worker di quelli strettamente necessari, ma non sanno dove sta l’eccedenza. Perciò, quando si trovano di fronte a un calo delle vendite o a qualche altra difficoltà, tagliano automaticamente i lavoratori della conoscenza, nella convinzione che quei tagli non avranno conseguenze particolarmente negative.

C’è un modo più efficace per gestire le costose fabbriche di decisioni che si stanno diffondendo in tutto il mondo. Presenta due caratteristiche principali: adotta il metodo che usano le migliori aziende di servizi per gestire le proprie risorse umane, e adotta l’etica di avanzamento delle conoscenze che si ritrova nelle migliori fabbriche di prodotti.

Ridefinire il rapporto di lavoro

La chiave per spezzare il ciclo perverso di assunzioni e licenziamenti nel knowledge work è usare il progetto anziché la mansione come principio organizzativo. In questo modello, i dipendenti a tempo pieno non si considerano incatenati a certe funzioni specifiche, ma impiegabili flessibilmente nei progetti che richiedono le loro competenze. Le aziende possono ridurre il numero di lavoratori della conoscenza che hanno a libro paga perché possono usarli flessibilmente, secondo necessità. Il risultato è un drastico calo dei tempi morti e del lavoro simulato.

Pensate a un’assistant brand manager appena assunta in P&G per lavorare sul marchio Olay. All’inizio penserà di avere un ruolo standardizzato: aiutare il suo capo a gestire il brand. Ma capirà ben presto che il suo lavoro è in continuo cambiamento. Questo mese lavorerà sulla definizione del prezzo e sul posizionamento di un’estensione di marca. Due mesi dopo sarà totalmente assorbita dai problemi di produzione che causano ritardi nelle spedizioni sui prodotti più venduti della linea Olay. Poi tutto tace finché il capo non si avvicina alla sua scrivania con un nuovo progetto. Di lì a pochi mesi scoprirà che il suo lavoro è una serie di progetti che vanno e vengono, a volte agevolmente e a volte no.

La caratterizzazione del knowledge work sta prendendo sempre più piede tra i pensatori di management. In “L'ascesa dei supertemp” (HBR maggio 2012), Jody Greenstone Miller e Matt Miller descrivono una nuova categoria di manager che si focalizzano su progetti di breve termine, ad alto valore aggiunto e ad alta intensità di conoscenze. Analogamente, in "Missioni temporanee" (HBR, giugno 2013), Reid Hoffman, un'autentica leggenda della Silicon Valley, afferma - insieme a Ben Casnocha e a Chris Yeh - che organizzare il lavoro dei knowledge worker in questo tipo di missioni “a scadenza” può aiutare le aziende a trattenere i detentori di conoscenze e a preservarne la motivazione. E benché l'organizzazione del knowledge work intorno a dei progetti possa sembrare un obiettivo radicale nelle imprese tradizionali, è molto diffusa nelle aziende di servizi professionali, alcune delle quali hanno ormai assunto dimensioni da grandi aziende industriali. In 25 anni Accenture, nata come “attività d’integrazione di sistemi”di Arthur Andersen, è diventata un’azienda indipendente con un fatturato paragonabile a quello della 3M. La McKinsey & Company, icona globale della consulenza, ha ricavi simili a quelli di una tipica azienda inclusa nella classifica Fortune 500.

Queste aziende sono costituite quasi esclusivamente da lavoratori della conoscenza. Quando arriva un progetto, viene assemblato un team che se ne farà carico. Quando il progetto viene completato, il team si scioglie e i suoi membri vengono dedicati ad altri progetti. Non hanno incarichi permanenti; hanno dei livelli di competenza che li qualificano per lavorare in certi ambiti su certi progetti.

La capacità di incanalare flessibilmente e agevolmente le risorse sui progetti man mano che arrivano permette a queste società di consulenza di fare una cosa che i loro clienti non possono fare – seguire dei progetti che le aziende clienti non possono seguire direttamente perché il personale necessario è bloccato nei suoi incarichi permanenti. Certo, su alcuni progetti un'azienda di servizi professionali possiede un'expertise unica. Ma spesso la sua capacità di mobilitare rapidamente dei professional sul compito da svolgere è la ragione per cui viene ingaggiata. In effetti, le aziende di servizi professionali sono cresciute così rapidamente anche perché sono organizzate intorno a dei progetti, mentre i loro clienti sono ancora organizzati intorno a mansioni "fisse".

Questo approccio non vale esclusivamente per le aziende di servizi professionali. Le case cinematografiche di Hollywood, per esempio, sono sempre state organizzate intorno al progetto-film. Si forma un team per pianificare, girare, montare, commercializzare e distribuire una pellicola. Man mano che i singoli componenti del team esauriscono il proprio compito, vengono assegnati ad altri progetti.

Anche le aziende tradizionali si stanno progressivamente uniformando a questo modello. Nel 1998 la P&G ha messo in atto una grandissima riorganizzazione. Il nucleo centrale era il passaggio da quattro centri di profitto regionali integrati a sette business unit globali (GBU) – tra cui cura dei bambini, cura dei tessuti, e cura della persona - oltre a strutture di sviluppo del mercato che curavano la distribuzione dei prodotti di tutte e sette le GBU nelle proprie regioni di competenza.

Una caratteristica della riorganizzazione era la creazione dei Global Business Services per la condivisione delle tecnologie informatiche e dei servizi al personale. Gli enti di servizio erano presenti in quasi tutte le grandi imprese, perciò il fatto che li avesse istituiti anche P&G non era particolarmente eclatante in sé e per sé. Lo era il modo in cui operavano i GBS.

Sotto la guida di Filippo Passerini, che presiede attualmente i GBS, nel 2003 P&G ha messo in atto quello che era allora il più grande outsourcing della storia del management: ha trasferito circa 3.300 posti di lavoro a IBM, HP e Jones Lang LaSalle. Passerini ha "ceduto" a quelle organizzazioni i dipendenti che svolgevano il lavoro più routinario e meno orientato ai progetti. Ciò gli ha consentito di riflettere in un’ottica più innovativa sulle posizioni organizzative che rimanevano all'interno dei GBS. La scelta scontata sarebbe stata quella di strutturarle in maniera tradizionale, come "mansioni" più o meno standardizzate.

Passerini ha deciso invece di puntare sui progetti. Ha fatto di quel che rimaneva dei GBS una "organizzazione incentrata su flussi dinamici di lavoro". Naturalmente, alcuni dei suoi collaboratori continuavano ad avere mansioni permanenti di tipo tradizionale, mentre molti altri venivano assegnati ai progetti più urgenti e remunerativi. Quei lavoratori della conoscenza non si aspettavano di rimanere in una business unit o in una regione; sapevano che sarebbero andati a lavorare in team organizzati appositamente per affrontare una serie di incarichi impegnativi.

L'integrazione di Gillette era uno di quegli incarichi. L'acquisizione di Gillette, avvenuta nel 2005, era di gran lunga la maggiore mai effettuata da P&G: aveva coinvolto 30.000 dipendenti ed era costata 57 miliardi di dollari. La criticità maggiore concerneva i GBS: bisognava integrare tutte le funzioni di back-office – finanza, vendite, logistica, produzione, marketing – e i sistemi informativi. Grazie alla struttura per “flussi dinamici di lavoro” che governa i GBS, Passerini ha potuto mobilitare velocemente ingenti risorse sull’integrazione. Di conseguenza, l’acquisizione di Gillette è stata “digerita” in soli 15 mesi – meno della metà del tempo normalmente necessario per un’operazione di quella portata. Con risparmi da sinergia stimati in quattro milioni di dollari al giorno, questo processo ha fatto risparmiare in totale a P&G quasi due miliardi di dollari.

L’approccio “per progetti” al knowledge work è in via di estensione a tutta la P&G. Nel 2012 l’azienda ha annunciato un’iniziativa per eliminare le spese amministrative in eccesso e gestire più efficacemente gli altri costi. Ogni componente dell’organizzazione P&G dovrà stabilire quale percentuale dei suoi knowledge worker continuerà a ricoprire posizioni fisse e quale dovrebbe operare per progetti, in base a flussi dinamici di lavoro. La percentuale “mobile” potrebbe variare da un’unità all’altra, ma dev’essere superiore a zero.

Verso l’algoritmo della conoscenza

Il passaggio a una struttura flessibile che mette al centro i progetti migliorerà sensibilmente la produttività dei knowledge worker di un’azienda e rimuoverà gran parte degli ostacoli che si frappongono alla codifica e al trasferimento delle conoscenze. Ma non può garantire l’effettività della codifica e del trasferimento.

Per garantirla, bisogna convincere i lavoratori della conoscenza a fare uno sforzo extra. P&G è diventata leader anche da questo punto di vista, incaricando alcuni dirigenti-chiave di codificare le sue conoscenze. L’azienda è un modello di riferimento per la costruzione dei brand fin dal 1837, ma l’ha sempre concepita come un’euristica che si doveva sviluppare nella mente di senior manager esperti e costosi. L’apprendimento dell’euristica comportava sempre un lungo apprendistato, che permetteva di interiorizzare un po’ alla volta tutta una serie di regole non scritte.

Alla fine P&G ha deciso che quell’approccio non era più accettabile. Nel 1999 Deborah Henretta, allora category manager degli ammorbidenti, ha patrocinato un progetto finalizzato a codificare l’euristica di costruzione del brand usata in azienda – per avvicinarla alla trasformazione in un algoritmo. Il modello di riferimento per la costruzione di un brand (denominato BBF [brand-building framework] 1.0) avrebbe dovuto consentire agli assistant brand manager di apprendere più rapidamente le tecniche di brand building, riducendo così i tempi e i costi di questo processo. Il BBF è stato ritenuto abbastanza remunerativo da meritare un ulteriore affinamento, dando origine al BBF 2.0 (2003) e al BBF 3.0 (2006) e al BBF 4.0 (2012).

I GBS si sono mossi attivamente nella stessa direzione. Un esempio di tali sforzi concerneva il lavoro preparatorio ad alta intensità di manodopera che svolgevano i responsabili amministrativi e finanziari delle oltre venti categorie produttive di P&G in vista della pianificazione annuale. Fino ad allora, il manager si affidava all’esperienza per stabilire quali informazioni potevano servire al category team per prepararsi alla pianificazione strategica, poi raccoglieva quelle informazioni da svariate fonti e le organizzava in qualche forma.

I GBS, i cui sistemi informativi venivano interrogati per ottenere gran parte dei dati, avevano notato che certi manager chiedevano certi dati in un certo periodo dell’anno. E avevano scoperto che le informazioni propedeutiche richieste da tutti i responsabili amministrativi e finanziari erano molto simili nei contenuti e potevano essere assemblati ricorrendo a un algoritmo: anzi, si potevano assemblare e disassemblare quasi tutte con un software sviluppato dai GBS. Anziché dedicare centinaia di ore alla costruzione di un pacchetto di dati, ogni manager poteva semplicemente inviare una e-mail ai GBS e chiedere un certo mix d’informazioni per l’imminente esercizio di pianificazione strategica.

Ovviamente, non tutto il knowledge work si può ridurre a degli algoritmi. Ma si può andare ben oltre quello che fanno quasi tutte le grandi imprese. Philip Parker, un professore di Marketing dell’Insead, ha dimostrato persuasivamente quanto si può avanzare su questa strada. Ha sviluppato e brevettato un algoritmo che consente a un computer di scrivere un rapporto di ricerca praticamente su qualunque argomento, attingendo ai database e facendo ricerche automatiche su Internet. Parker dichiara di aver venduto oltre 200.000 copie dei libri “scritti” dal suo programma brevettato. (Ultimamente ha sperimentato degli algoritmi anche per la poesia e la fiction).

NESSUNA ORGANIZZAZIONE delle dimensioni di P&G può strutturarsi intorno ai progetti da un giorno all’altro o ridurre ogni euristica a un algoritmo. Non dovrebbe nemmeno farlo; sarebbe eccessivo e molto dirompente. Ma un’azienda che ha solo mansioni fisse è quasi certamente obsoleta. Allo stesso modo, nella corporation di oggi le conoscenze si possono far progredire solo a una certa velocità e una grossa fetta di dipendenti continuerà a impiegare l’euristica corrente. Ma qualcuno dovrà pur risolvere il nuovo mistero di turno. Bisogna dedicare perciò un numero adeguato di knowledge worker a dei progetti che fanno progredire le conoscenze. Solo a quel punto le organizzazioni possono evitare i cicli perversi di assunzioni e licenziamenti, migliorando nel contempo la produttività dei propri lavoratori della conoscenza.

Roger L. Martin è preside della Rotman School of Management dell'Università di Toronto e coautore, insieme ad A. G. Lafley, di Playing to Win: How Strategy Really Works (Harvard Business Review Press, 2013).