Formazione continua aziendale, la sfida è misurare gli esiti

Negli ultimi anni le organizzazioni hanno significativamente intensificato gli investimenti in formazione continua in risposta ad una pluralità di fattori convergenti: la trasformazione digitale dei processi, la rapida obsolescenza delle competenze tecniche, la diffusione dei modelli di lavoro ibridi e il crescente peso delle soft skills, dalla leadership alla collaborazione, fino all’adattabilità e al pensiero critico.

A questo scenario si affianca la crescente rilevanza di temi quali sostenibilità, diversity & inclusion e intelligenza artificiale, che si integrano ai tradizionali obblighi formativi, dalla protezione dei dati personali alla cybersecurity, fino alla salute e sicurezza sul lavoro e agli adempimenti connessi alla compliance e alla governance. Ne deriva un ecosistema formativo sempre più articolato e, al contempo, più complesso da governare.

Formazione continua aziendale e complessità da governare

In tale contesto, le tecnologie digitali hanno ampliato in modo significativo l’accesso alla formazione, rendendo disponibili contenuti flessibili, personalizzabili e fruibili on demand. Tuttavia, in assenza di una chiara definizione delle priorità e di una progettazione coerente, l’espansione dell’offerta rischia di tradursi in sovraccarico cognitivo, compromettendo l’efficacia dei processi di apprendimento.

Questo evidenzia un paradosso della formazione contemporanea: nonostante l’aumento degli investimenti in upskilling e reskilling, i benefici risultano limitati quando la formazione non è allineata al contesto di lavoro e agli obiettivi organizzativi, perdendo così parte della propria valenza trasformativa.

Benessere sul lavoro e capitale psicologico

Indicazioni rilevanti emergono dall’Osservatorio Benessere e Felicità, di cui Day è Partner tecnico, che analizza la relazione tra lavoro, benessere e felicità nella popolazione attiva in Italia attraverso un campione rappresentativo per generazione, ruolo, settore e condizione occupazionale. In questo quadro, l’Osservatorio ha sviluppato, con la nostra partnership e con il supporto metodologico di Ipsos Doxa, il BEF Index, il primo indice italiano riconosciuto che misura e quantifica la felicità e il benessere sul lavoro.

L’indice aggrega sei dimensioni: felicità, crescita personale, benessere organizzativo, capitale psicologico, attitudine verso la tecnologia e sostenibilità. Tra queste, il capitale psicologico (PsyCap) — inteso come combinazione di resilienza, autoefficacia, speranza e ottimismo — registra il valore più elevato, pari a 64,7 punti (su una scala da 1 a 100), superando sia la media complessiva sia le altre componenti dell’indice.

Si tratta di un dato apparentemente positivo, poiché segnala una diffusa capacità di adattamento e tenuta delle persone. Tuttavia, letto in relazione ai processi di apprendimento, suggerisce anche una possibile criticità: la continuità della performance non coincide necessariamente con la sostenibilità cognitiva del sistema. Una popolazione lavorativa altamente resiliente può infatti assorbire carichi crescenti, inclusi quelli formativi, senza manifestare immediatamente segnali evidenti di saturazione. Questo può mascherare fenomeni progressivi di affaticamento cognitivo, riduzione dell’attenzione e minore profondità dell’apprendimento.

Dal modello push alla formazione data-driven

Ne consegue l’opportunità di superare modelli formativi di tipo push, basati su un’erogazione continua ed uniforme dei contenuti, per orientarsi verso approcci più selettivi e data-driven. In questa prospettiva, la costruzione di proposte formative coerenti e mirate richiede un ritorno a pratiche fondamentali che precedono ed accompagnano l’impiego delle tecnologie, quali l’ascolto e il confronto strutturato. L’analisi dei fabbisogni non può essere ridotta ad una rilevazione formale, ma deve configurarsi come un processo continuo di interpretazione delle esigenze, attraverso il coinvolgimento attivo delle persone e dei responsabili, al fine di individuare sia gap di competenze sia necessità evolutive in ottica prospettica.

Ad esempio, dalle attività di ascolto ed analisi dei fabbisogni condotte all’interno della nostra organizzazione è emerso un elemento di particolare interesse: accanto allo sviluppo delle competenze trasversali e relazionali, abbiamo rilevato una rinnovata attenzione verso le competenze tecniche di base. Questo dato, solo apparentemente controintuitivo in un contesto caratterizzato dalla crescente diffusione di strumenti di intelligenza artificiale, evidenzia la necessità di consolidare i fondamentali su cui si innestano le nuove modalità di lavoro, non solo per formulare richieste (prompting) in modo efficace, ma soprattutto per riuscire ad interpretare criticamente gli output generati.

Intelligenza artificiale e competenze tra generazioni

In questo senso, se da un lato le generazioni più giovani mostrano una maggiore familiarità nell’interazione con tali strumenti e nella produzione rapida di risposte, dall’altro emergono criticità nella valutazione della qualità dei contenuti generati, riconducibili ad una minore esperienza professionale e a un patrimonio di conoscenze ancora in fase di consolidamento. Parallelamente, i profili con maggiore esperienza professionale possono trovare difficoltà nel riadattare le competenze consolidate per integrarle efficacemente con le logiche proprie dell’intelligenza artificiale.

Tali considerazioni si inseriscono nel più ampio tema generazionale, su cui l’Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano – che ha recentemente esteso l’indagine anche alle microimprese (5–9 addetti) – evidenzia alcune dinamiche rilevanti: per il 44% delle MPMI esiste un dialogo generazionale senza criticità mentre per il 43% si presenta qualche difficoltà in particolare nel “trasferimento di know-how dai lavoratori più anziani ai più giovani e alla scarsa motivazione dei più giovani ad acquisire conoscenze e competenze dai più anziani (19-23% dei rispondenti). Seguono, per rilevanza, le difficoltà nel trasferimento da junior a senior e la resistenza dei più anziani ad apprendere dalle nuove generazioni (10-12%)”.

Tali dinamiche evidenziano come l’integrazione tra competenze tradizionali e competenze emergenti, incluse quelle legate all’intelligenza artificiale, non sia un processo automatico, ma richieda intenzionalità progettuale e modelli di apprendimento capaci di valorizzare la complementarità tra generazioni e saperi.

Valutazione della formazione e impatto organizzativo

Anche i modelli di valutazione della formazione richiedono un ripensamento strutturale. Indicatori tradizionali, quali ore erogate e tassi di partecipazione, non consentono più di cogliere il valore effettivo dei processi di apprendimento. In linea con i principali framework di learning evaluation, l’attenzione deve essere ricondotta a dimensioni sostanziali: acquisizione reale delle competenze, cambiamenti comportamentali osservabili e impatto sulle performance organizzative.

Ciò comporta non solo una maggiore integrazione tra sistemi HR, performance management e analytics, ma soprattutto un cambio di paradigma, che sposti il focus dalla misurazione degli input alla valutazione degli esiti.

Per le funzioni HR, la sfida è governare il learning come un sistema, non come un insieme di iniziative, attraverso l’identificazione dei fabbisogni prioritari, l’allineamento con gli obiettivi di business e la misurazione degli esiti in termini di impatti osservabili. Solo in questa prospettiva l’investimento in formazione può configurarsi come una leva concreta di sviluppo, evitando di contribuire ulteriormente al carico organizzativo, specie in contesti già caratterizzati da elevata intensità di cambiamento.