Un’AI che risponde a un sondaggio al posto di una persona può suscitare più di una perplessità. Se ti occupi di HR, il dubbio riguarda direttamente il tuo lavoro: quanto possiamo imparare sui candidati da risposte che nessun candidato ha pronunciato realmente?
Il tema oggi è centrale nella ricerca di marketing ma secondo noi merita di essere approfondito anche da chi lavora nelle Risorse Umane perché può portare molto di utile. Qualcuno resterà contrario a questo impiego dell’AI. Qualcuno vorrà fare una prova. Qualcun altro potrebbe ricavarne uno spunto utile e scartare tutto il resto. Proviamo quindi a conoscere il metodo, valutarlo e decidere quanto spazio dargli.
In questo articolo proponiamo un percorso per costruire una candidate persona con l’AI e verificarla sul campo, con una proposta di prompt già pronto. L’obiettivo è rendere più esplicite le ipotesi che guidano il recruiting, soprattutto quando il tempo per una ricerca dedicata è limitato.
Scrivere è solo una parte del lavoro editoriale. Prima ci sono brief, obiettivo, target, angolo, ricerca, fonti e struttura; dopo arrivano revisione, alternative e correzioni. Usiamo l’AI in molte di queste fasi, all’interno di un processo in cui esperienza, criterio editoriale, punto di vista e scrittura finale restano umani.
Indice
- Le candidate personas come punto di partenza
- Che cosa significa simulare le risposte a un sondaggio
- Che cosa sappiamo sulla loro attendibilità
- Costruire una prima candidate persona con le informazioni disponibili
- Un esempio su un Head Hunter che Reverse potrebbe voler attrarre
- Temi caldi come Gen Z e AI possono entrare nelle domande
- Verificare le ipotesi durante il recruiting
- Decidere quanto usare di questo lavoro
1. Le candidate personas come punto di partenza
Nella nostra guida Candidate Personas: cosa sono e perché migliorano la tua strategia di Talent Acquisition abbiamo spiegato come questo strumento, mutuato dal marketing, aiuti a organizzare le informazioni sui professionisti che vogliamo attrarre: obiettivi, motivazioni, ostacoli al cambiamento, modalità di ricerca e criteri di scelta. Una candidate persona sintetizza caratteristiche ricorrenti di un pubblico. La sua utilità emerge quando orienta una decisione: quali informazioni inserire nell’annuncio, che cosa chiarire al primo contatto, quali aspetti dell’opportunità approfondire.
L’AI aggiunge la possibilità di organizzare i materiali disponibili e formulare ipotesi su ciò che ancora non conosciamo. Queste due attività producono risultati diversi e vanno tenute riconoscibili.
2. Che cosa significa simulare le risposte a un sondaggio
Nel marketing si studiano i cosiddetti rispondenti sintetici, o silicon samples: profili generati con modelli linguistici ai quali vengono sottoposte domande su messaggi, prodotti e possibili scelte. Tra gli usi esplorati ci sono la revisione dei questionari, le interviste simulate e l’analisi di possibili reazioni. Il Nuremberg Institute for Market Decisions descrive opportunità e limiti di questi impieghi.
Il modello genera risposte usando le regolarità apprese durante l’addestramento e le informazioni che riceve nel contesto. Per questo può proporre considerazioni pertinenti e far emergere un dubbio che non avevamo formulato. La loro plausibilità, però, non ci dice quanto siano diffuse nel pubblico che ci interessa.
Anche la parola “campione” richiede attenzione. In una ricerca con persone reali, scegliamo soggetti da una popolazione e raccogliamo le loro risposte. In una simulazione produciamo risposte secondo un modello. Generarne mille non equivale ad avere intervistato mille lavoratori e non rende automaticamente rappresentativo il risultato.
La base di partenza conta. Chiedere di immaginare un giovane professionista offre poche informazioni. Fornire ricerche pertinenti e feedback raccolti durante le selezioni permette di ancorare il lavoro a elementi osservati. Costruire una simulazione a partire da un’intervista approfondita a una persona reale è un ulteriore approccio, più impegnativo e comunque da verificare.
3. Che cosa sappiamo sulla loro attendibilità
I risultati della ricerca invitano a valutare il singolo impiego. Il progetto presentato da Stanford HAI nel 2025 ha costruito simulazioni di oltre mille persone partendo da interviste qualitative approfondite e ne ha confrontato le risposte con quelle dei partecipanti. Ha ottenuto risultati promettenti su alcuni strumenti di indagine. Il lavoro partiva quindi da un ascolto esteso di persone reali. Approfondimento di Stanford HAI.
Una ricerca pubblicata da Pew Research Center nel settembre 2026 ha invece rilevato differenze importanti tra sondaggi reali e risposte generate dall’AI, anche fornendo informazioni sui partecipanti. Lo studio riguarda l’opinione pubblica statunitense: non misura l’attendibilità delle candidate personas nel recruiting italiano, mostra però perché non possiamo presumere che una risposta sintetica sia accurata soltanto perché appare convincente.
Per l’HR secondo noi in questa fase è quindi corretto valutare un uso esplorativo: individuare possibili motivazioni, mettere alla prova le nostre interpretazioni e preparare domande migliori. È un’applicazione che suggeriamo comunque di verificare nel proprio contesto.
4. Costruire una prima candidate persona con le informazioni disponibili
Si comincia dalla decisione che vogliamo migliorare. “Conoscere meglio i candidati” è un obiettivo ampio. “Capire quali informazioni mancano nel nostro annuncio per un professionista già occupato” delimita meglio il lavoro.
Il passo successivo è raccogliere ciò che abbiamo già: domande ricevute dai candidati, motivi di rinuncia dichiarati, feedback delle selezioni e ricerche pertinenti per ruolo e mercato. Quando possibile, includiamo anche chi non ha accettato l’offerta. Ascoltare soltanto chi è entrato in azienda lascia fuori ragioni che possono essere decisive per gli altri.
Una cosa importante: i materiali devono essere utilizzabili nell’ambiente AI autorizzato dall’azienda. Per questa analisi comunque si lavora su sintesi anonimizzate, eliminando dettagli che rendano riconoscibili candidati e clienti.
Chiediamo quindi al modello di separare tre elementi: ciò che i materiali documentano, le ipotesi che suggeriscono e le informazioni ancora mancanti. Se non abbiamo dati, possiamo esplorare possibili scenari, ma l’intero profilo resta un’ipotesi iniziale. Senza riscontri non sappiamo quanto descriva il nostro pubblico.
Una prima istruzione da adattare potrebbe essere questa:
Sto esplorando una candidate persona per [ruolo], nel mercato [paese o area], con l’obiettivo di [decisione da migliorare]. Allego [materiali disponibili] e descrivo [contenuti reali dell’opportunità].
Individua motivazioni, dubbi, condizioni per valutare un cambiamento e informazioni necessarie per decidere. Per ogni elemento indica la fonte presente nei materiali, oppure scrivi “ipotesi da verificare”. Se manca un’informazione, segnalala.
Non inventare interviste, citazioni, percentuali o caratteristiche dell’azienda. Non dedurre preferenze dalla sola età. Evidenzia eventuali opinioni divergenti e proponi spiegazioni alternative.
Concludi con una scheda sintetica, le domande da fare ai candidati e le informazioni che dovremmo chiarire nell’annuncio. Il profilo serve per esplorare attraction e comunicazione, non per assegnare punteggi ai candidati.
Il prompt imposta il lavoro, ma non certifica il risultato. Dobbiamo controllare che le fonti richiamate esistano, che sostengano davvero le affermazioni e che il modello non abbia trasformato pochi riscontri in una regola generale.
5. Un esempio su un Head Hunter che Reverse potrebbe voler attrarre
Proviamo ad applicare il metodo a noi stessi. L’esempio seguente è una simulazione didattica costruita per questo articolo: non deriva da una ricerca sui candidati o sui dipendenti Reverse e non descrive una posizione aperta verificata.
Immaginiamo di voler attrarre in Italia un Head Hunter con tre-cinque anni di esperienza nella selezione di profili qualificati. Nel nostro scenario il ruolo comprende sia la gestione delle ricerche sia la relazione commerciale con le aziende. Vogliamo capire quali informazioni potrebbe cercare prima di accettare un primo confronto. Questi sono gli elementi ipotetici del brief; le motivazioni personali restano da scoprire.
Una prima scheda potrebbe contenere questi elementi. Tutte le motivazioni e le obiezioni riportate sono ipotesi, non risultati osservati.
| Campo | Ipotesi da verificare |
|---|---|
| Obiettivo professionale | Vuole seguire ricerche più complesse e sviluppare una specializzazione riconoscibile. |
| Possibile frustrazione | Ritiene che attività ripetitive e amministrative riducano il tempo per candidati e clienti. |
| Condizione per cambiare | Vuole capire come saranno valutati i risultati e quale supporto riceverà nella parte commerciale. |
| Rapporto con l’AI | Potrebbe apprezzare strumenti che alleggeriscono alcune attività, chiedendo però quale autonomia manterrà. |
| Possibile obiezione | Una promessa generica di crescita potrebbe non chiarire responsabilità, affiancamento e lavoro quotidiano. |
| Informazioni mancanti | Priorità effettive, vincoli economici e organizzativi, canali di informazione e disponibilità al cambiamento: n.d. |
Prendiamo il tema della parte commerciale. Da questa ipotesi può nascere una domanda aperta: “Quali aspetti della relazione con i clienti vorresti sviluppare nel tuo prossimo ruolo?”. La risposta potrebbe confermare il desiderio di maggiore supporto, oppure far emergere una richiesta di autonomia che il profilo non aveva colto.
Sul rapporto con la tecnologia potremmo chiedere: “Quali attività ti portano via tempo senza aggiungere valore al tuo lavoro? Che cosa vorresti continuare a gestire direttamente?”.
Importante: bisogna sempre evitare di suggerire le soluzioni che si hanno già in mente, per non influenzare.
Per la comunicazione, l’ipotesi sulla crescita suggerisce di verificare se nell’annuncio spieghiamo in modo concreto affiancamento e responsabilità. Se queste informazioni sono disponibili e confermate, possiamo inserirle. Se non lo sono, il profilo ci ha aiutato a individuare una domanda da rivolgere internamente, senza autorizzarci a fare nuove promesse.
6. Temi caldi come Gen Z e AI possono entrare nelle domande
Nell’esempio abbiamo definito un livello di esperienza, senza assegnare un’età alla persona. Questo lascia spazio a percorsi professionali diversi ed evita di far dipendere tutte le motivazioni da un’etichetta generazionale.
Le ricerche sulle generazioni possono suggerire temi da approfondire. La survey Deloitte Italia 2026, per esempio, considera aspettative di carriera, pressioni economiche e uso dell’AI. Le evidenze riguardano i rispondenti alla ricerca e non descrivono automaticamente gli Head Hunter che vogliamo attrarre, ma possono darci una base. Possiamo usarle per ampliare le domande: che cosa significa crescita per questa persona? Quali costi o vincoli rendono difficile cambiare? Che cosa si aspetta di imparare? Quali strumenti vorrebbe usare e con quale formazione? Le risposte reali possono anche smentire le aspettative suggerite dalla ricerca o dall’AI.
7. Verificare le ipotesi durante il recruiting
Quando non possiamo organizzare interviste dedicate, i normali contatti di selezione offrono occasioni per approfondire alcune domande. Scegliamo le ipotesi più rilevanti, usiamo formulazioni aperte e annotiamo anche le risposte che non confermano il profilo.
Una frase emersa in un colloquio è un riscontro individuale. Se un tema ricorre, registriamo tra quali persone e in quale contesto, senza trasformare il gruppo che abbiamo incontrato in un campione rappresentativo del mercato. I candidati disposti a parlarci potrebbero avere priorità diverse da quelli che non rispondono.
Anche una modifica all’annuncio può darci indicazioni. Possiamo osservare se cambiano le domande ricevute o le ragioni di interesse dichiarate. Per attribuire eventuali risultati alla modifica servono però confronti adeguati: possono essere cambiati anche canale, periodo o caratteristiche della ricerca.
La scheda va quindi corretta: alcune ipotesi acquistano sostegno, altre restano aperte, altre vengono eliminate. Può darsi che di una persona generata con l’AI rimanga utile soltanto una domanda. È già un contributo circoscritto che possiamo valutare.
8. Decidere quanto usare di questo lavoro
Per iniziare basta una ricerca concreta, qualche materiale disponibile e una domanda su cui oggi abbiamo poche informazioni. Possiamo chiedere all’AI una prima analisi, controllarla e portare nei colloqui soltanto gli spunti che meritano attenzione.
Conoscere questo metodo permette anche di valutarne l’eventuale proposta da parte di un fornitore, dato che nascono come funghi agenzie che propongono supporto vario grazie all’AI: su quali dati sono costruiti i profili? Come sono stati verificati? Che cosa resta incerto?
Non è necessario adottare l’intero processo. Possiamo scegliere di usare l’AI per organizzare feedback, esplorare un’obiezione o migliorare una domanda, e lasciare da parte il resto. Il risultato da cercare è una comprensione più precisa dei candidati, da validare attraverso il confronto con loro.