Ricordi quando nel nostro articolo su people analytics ti abbiamo parlato delle basi? Era il 2020. Excel, dashboard, metriche di turnover. Tutto ancora valido, per carità.
Ma se pensi che la people analytics sia rimasta ferma lì, abbiamo notizie per te.
Gli ultimi due anni hanno rivoluzionato completamente il campo. L'esplosione dell'AI generativa (ChatGPT, Claude e compagnia) ha reso accessibili analisi che prima richiedevano un data scientist. Le nuove normative GDPR hanno reso illegali pratiche che fino a ieri erano standard. Il lavoro ibrido ha fatto esplodere la necessità di metriche completamente nuove.
E nel frattempo, le aziende più evolute hanno cominciato a tracciare cose che due anni fa sembravano fantascienza: sentiment analysis in tempo reale, predizione del burnout, equity metrics sulla distribuzione delle opportunità nei team distribuiti.
Se hai letto articoli su people analytics nel 2022-2023, è ora di un refresh. Questa è la guida aggiornata per il 2025-2026. Proviamo ad approfondire grazie al nostro osservatorio come Head Hunter e alle informazioni più recenti disponibili sul mercato.
Indice
- Le 15 metriche che nel 2025-2026 fanno la differenza
- AI generativa per HR: ChatGPT e Claude come tuoi analisti (con prompt pronti)
- GDPR e privacy: cosa è cambiato e cosa rischi. Una checklist pratica.
- Metriche per il lavoro ibrido: oltre il "chi è in ufficio"
- D&I metrics che contano davvero (non le solite percentuali)
- Conclusioni: aggiorna o verrai superato
1. Le 15 metriche che nel 2025-2026 fanno la differenza
Andiamo subito al sodo. Ecco una carrellata delle metriche che le aziende più evolute stanno tracciando nel 2025-2026. Non sono tutte applicabili a tutte le realtà: una startup di 20 persone non userà le stesse metriche di una multinazionale da 5.000 dipendenti. E molte vanno approfondite caso per caso, adattate al tuo contesto specifico, testate per vedere se producono insight utili o solo rumore.
Ma vale la pena fare questa panoramica per due motivi.
Primo: ti dà un'idea di quanti numeri hai effettivamente a disposizione. Spesso pensiamo che i dati HR siano limitati a turnover e performance reviews, quando in realtà l'universo di cose misurabili è enorme.
Secondo: anche se non implementerai tutte queste metriche (e non dovresti, sarebbe controproducente), sapere cosa esiste ti aiuta a scegliere quelle giuste per te. Magari leggi "collaboration equity index" e pensi "È esattamente quello che mi serve per capire il problema nel nostro team ibrido". O leggi "burnout risk score" e realizzi che spiega perfettamente perché hai perso tre senior developer in due mesi.
Quindi: scorri questa lista con mente aperta ma critica. Sottolinea mentalmente quelle che potrebbero funzionare per te. Ignora quelle che non hanno senso nel tuo contesto. E ricorda che tracciare 3 metriche bene è infinitamente meglio che tracciarne 15 male.
1.1 Metriche "classiche" che rimangono fondamentali
1. Turnover volontario per manager Non il turnover aziendale aggregato (che non dice nulla). Ma quale manager perde più persone? È la metrica più semplice e più rivelativa. Se non la tracci ancora, inizia da qui.
2. Time-to-fill per posizione critica Quanto ci metti a sostituire un senior engineer? Un commercial director? Se non lo sai, non puoi migliorarlo.
3. Costo per assunzione (reale) Includi tutto: fee delle agenzie, ore interne, onboarding. La maggior parte delle aziende sottostima questo numero del 200%. Qui abbiamo approfondito il tema del ROI del recuitment.
4. Retention a 90 giorni Quante persone lasciano nei primi 3 mesi? Se è sopra il 15%, il problema non è il recruiting ma l'onboarding.
5. Internal mobility rate Quante persone cambiano ruolo internamente vs quante se ne vanno per cambiare?
1.2 Le nuove metriche del 2025-2026
6. Employee sentiment score (real-time) Non la survey annuale di engagement. Un polso continuo attraverso:
- Pulse survey mensili (5 domande max)
- Sentiment analysis delle comunicazioni interne (dove permesso dal GDPR)
- Check-in veloci post-riunioni 1:1
7. Collaboration equity index Chi collabora con chi? I remote worker hanno le stesse opportunità di networking degli in-office? Tracciare pattern di meeting, progetti congiunti, mentorship informale.
8. Burnout risk score Combinazione di: ore lavorate, densità di meeting, email fuori orario, giorni senza ferie, carico di lavoro percepito. Non è fantascienza: esistono tool che lo calcolano automaticamente.
9. Skills gap analysis predittiva Quali competenze ti serviranno tra 12-18 mesi? Quante persone nel tuo team le hanno già? Quante potrebbero svilupparle?
10. Diversity in leadership pipeline Non la percentuale di donne/minoranze assunte. Ma: quante arrivano a senior level? Quante vengono “mentorate”? Quante hanno accesso a progetti ad alta visibilità?
11. Pay equity ratio (controllato) Stesso ruolo, stessa performance, stesso stipendio? Analisi che fino a due anni fa nessuno faceva. Oggi, con la trasparenza salariale obbligatoria in arrivo, non puoi più ignorarla.
12. Meeting effectiveness score Quante ore in meeting? Con che frequenza? Con quante persone? Produttività percepita post-meeting. Il lavoro ibrido ha moltiplicato le riunioni inutili e questa metrica le fa emergere.
13. Feedback loop speed Quanto tempo passa tra una survey/feedback e un'azione concreta? Se è più di 30 giorni, il messaggio che mandi è "non ci importa del vostro feedback".
14. AI adoption & literacy Nel 2026 questa sarà una metrica strategica. Quante persone usano tool AI? Per cosa? Con che livello di competenza? Chi viene lasciato indietro?
15. Purpose alignment score I dipendenti sentono che il loro lavoro ha senso? Che allinea con i valori aziendali? Sembra soft, ma predice retention meglio dello stipendio.
1.3 Quali tracciare (e quali no)
Non servono tutte e 15. Anzi, tracciare tutto è controproducente.
Il nostro consiglio:
- 3 metriche core sempre (per esempio turnover per manager, sentiment, retention 90gg)
- 3-5 metriche specifiche per i tuoi problemi attuali
- 2-3 metriche "avanzate" per guardare avanti
E soprattutto: ogni metrica deve avere un'azione associata. Se misuri ma non agisci, stai solo sprecando tempo.
2. AI generativa per HR: ChatGPT e Claude come tuoi analisti (con prompt pronti)
Ecco la vera novità degli ultimi due anni: l'AI generativa ha democratizzato l'analisi dei dati HR. Non serve più essere data scientist per fare analisi sofisticate. Serve sapere fare le domande giuste a ChatGPT o Claude o il tool che preferisci.
Cosa può fare l'AI generativa per te
- Analizzare dati strutturati Carica un CSV con dati di turnover, chiedi pattern, correlazioni, anomalie. In 30 secondi ottieni analisi che prima richiedevano ore.
- Scrivere formule Excel complesse Dimentica tutorial YouTube. Descrivi cosa vuoi calcolare, l'AI ti scrive la formula.
- Interpretare risultati statistici Hai fatto un'analisi ma non capisci cosa significa? Chiedi all'AI di spiegartelo come a un bambino di 5 anni.
- Generare survey e questionari "Scrivi 10 domande per una pulse survey su wellbeing nel lavoro ibrido". Fatto.
- Analizzare testo non strutturato Exit interview, feedback aperti, commenti nelle survey. L'AI trova pattern nel testo che tu non vedresti mai.
Cosa NON può (o non deve) fare
- Prendere decisioni HR al posto tuo L'AI suggerisce, tu decidi. Sempre.
- Processare dati sensibili senza consenso Non caricare su ChatGPT dati personali identificabili. È una violazione GDPR.
- Sostituire la conversazione umana L'AI analizza numeri. Ma serve parlare con le persone per capire il perché dietro i numeri.
2.1 Prompt pronti all'uso per HR
Prima di buttarti sui prompt: questi sono spunti di partenza, non ricette universali.
Non esiste il prompt perfetto che funziona per tutti. Il tuo contesto è unico: dimensione aziendale diversa, settore diverso, dati strutturati in modo diverso, domande diverse. Quindi: usa questi prompt come base, poi personalizzali. Cambia le variabili, aggiungi contesto specifico, modifica le domande in base a quello che vuoi davvero sapere. I migliori risultati li ottieni quando iteri: provi un prompt, vedi cosa restituisce l'AI, affini, riprovi. È un processo, non un copia-incolla.
Considera questi esempi come il template di un CV: la struttura è utile, ma se lo mandi identico a tutti, non funziona per nessuno.
Detto questo, ecco da dove partire:
Prompt 1: Analisi turnover
Ho un dataset con: nome dipendente, data assunzione, data uscita, manager, reparto, livello. Analizza i pattern di turnover e dimmi:
- Quali manager perdono più persone
- Quale reparto ha retention peggiore
- Se c'è correlazione tra anzianità e uscite
- Suggerisci 3 azioni concrete basate sui dati
Prompt 2: Interpretazione survey
Ho i risultati di una survey engagement (scala 1-5) con questi dati: [incolla dati]. Identifica:
- Le 3 aree con score più basso
- Eventuali differenze per reparto/seniority
- Domande che correlano fortemente tra loro
- Red flag che richiedono azione immediata
Prompt 3: Calcolo metriche avanzate
Devo calcolare il "collaboration equity index": rapporto tra numero medio di meeting cross-funzionali per remote worker vs in-office worker. Ho due colonne: nome, location, numero_meeting_cross_funzionali. Scrivi la formula Excel per calcolarlo e spiegamela.
Prompt 4: Analisi exit interview
Ho 50 exit interview (testo libero). Analizza e dimmi:
- Le 5 ragioni più frequenti di dimissioni
- Eventuali pattern nascosti (es. sempre stesso manager, stesso periodo anno)
- Cosa avremmo potuto fare per trattenerli
- Raccomandazioni per il futuro
Attenzione: copia-incolla i testi rimuovendo nomi e informazioni identificabili. Se la tua azienda ha delle policy specifiche per la pravacy relativamente all’AI accertati di seguirle.
Prompt 5: Creazione dashboard
Devo creare una dashboard di people analytics con:
- Turnover per reparto
- Sentiment score trend
- Time-to-fill posizioni chiave
- Internal mobility
Quali sono i 10 grafici più efficaci per visualizzare questi dati? Per ogni grafico, spiegami perché funziona meglio degli altri.
3. GDPR e privacy: cosa è cambiato e cosa rischi
Qui le cose si fanno serie. Alcuni recenti provvedimenti del Garante hanno rafforzato i limiti tra cosa puoi e non puoi fare con i dati HR.
3.1 Cosa è cambiato dal 2023 al 2025
Nuova stretta sul monitoraggio dei lavoratori Il Garante non ha vietato il monitoraggio continuo ma lo ha fortemente circoscritto ai soli casi di necessità e proporzionalità, con informativa chiara e coinvolgimento sindacale (art. 4 Statuto Lavoratori). Per riassumere, non puoi più:
- Tracciare ogni click, email, movimento del mouse
- Monitorare costantemente webcam o schermi
- Geo-localizzare dipendenti senza motivo legittimo
- Analizzare sentiment da email senza consenso esplicito: questa analisi non è vietata tout court, ma rientra nei trattamenti ad alto rischio che richiedono DPIA (Valutazione d’Impatto) e consenso libero.
Trasparenza algoritmica obbligatoria L’AI Act entrato in vigore 1° agosto 2024 impone requisiti specifici per i sistemi HR classificati come ad alto rischio, fra cui registrazione in un database europeo e documentazione tecnica completa. Se usi AI per decisioni HR (assunzioni, promozioni, valutazioni), devi:
- Spiegare come funziona l'algoritmo in termini comprensibili
- Permettere contestazione delle decisioni
- Dimostrare che non discrimina
- Fare audit periodici per bias
Diritto all'oblio rafforzato I dipendenti possono chiedere la cancellazione dei dati non più necessari rispetto alle finalità. E tu devi avere processi per farlo velocemente.
3.2 Cosa puoi ancora fare
✅ Analytics aggregate e anonimizzate Analizzare trend di turnover, engagement, performance, purché i dati siano aggregati e non riconducibili a singoli.
✅ Pulse survey con consenso Chiedere feedback continuo, se:
- È volontario
- È anonimo (veramente anonimo, non "quasi")
- Lo scopo è chiaro
- I risultati sono condivisi
✅ Analisi predittive trasparenti Prevedere rischio turnover o bisogni formativi, se:
- L'algoritmo è spiegabile
- I dipendenti ne sono informati
- C'è supervisione umana
- Non viene usato per discriminare
✅ Metriche di produttività aggregate Misurare output di team (non singoli), tempo medio per task, qualità deliverable.
3.3 Cosa NON puoi più fare
❌ Keylogging o screenshot automatici Anche nel remote work. È sorveglianza, non people analytics.
❌ Analizzare email o chat senza consenso specifico "Ho letto il regolamento aziendale" non basta. Serve consenso esplicito per analisi sistematica, e nella prassi è quasi impossibile renderla lecita, perché il consenso in ambito lavorativo non è mai considerato davvero libero (asimmetria datore/dipendente).
❌ Ranking automatici da algoritmi "L'AI ha deciso che sei il 47° dipendente per performance": illegale senza supervisione umana e possibilità di contestazione.
❌ Conservare dati indefinitamente Ogni dato ha una retention period. Superata quella, va cancellato.
3.4 Come proteggerti
Prima di implementare qualsiasi sistema di people analytics, chiediti:
- Ho una base legale? (consenso, interesse legittimo, obbligo contrattuale)
- È proporzionato? (servo davvero questi dati o è nice-to-have?)
- Ho informato i dipendenti? (non in una policy di 50 pagine che nessuno legge)
- I dati sono minimizzati? (raccolgo solo il necessario)
- Sono anonimi/aggregati quando possibile? (non servono nomi per analisi aggregate)
- C'è un data retention plan? (quando cancello i dati?)
- Posso spiegare come funziona? (se uso algoritmi)
- C'è audit trail? (chi accede ai dati, quando, perché)
4. Metriche per il lavoro ibrido: oltre il "chi è in ufficio"
Il lavoro ibrido non è più un esperimento post-pandemia. È il new normal. E le metriche HR devono adattarsi, perché continuare a misurare il lavoro come facevamo nel 2019 è come cercare di guidare guardando solo lo specchietto retrovisore.
4.1 Le metriche che non funzionano più (ma che molti ancora usano)
Partiamo da cosa smettere di tracciare. Molte aziende continuano a misurare i giorni in ufficio come se fosse un indicatore significativo. Non lo è. Contare quanti giorni alla settimana una persona viene in sede ti dice esattamente una cosa: quanti giorni alla settimana quella persona viene in sede. Non ti dice nulla su produttività, engagement, qualità del lavoro o contributo al team. È pura presenza fisica, e la presenza fisica non è mai stata sinonimo di performance – solo che prima era più facile confondere le due cose.
Lo stesso vale per le ore loggate. Nel remote work, il tempo dedicato non equivale ai risultati prodotti. Puoi lavorare dodici ore producendo poco di valore, oppure sei ore con focus assoluto e deliverable eccellenti. Tracciare le ore ti dà l'illusione di controllo, ma in realtà stai misurando l'input quando dovresti misurare l'output. È come giudicare un libro dal numero di pagine invece che dal contenuto.
E poi c'è l'ossessione per il response time alle email. Aspettarsi che le persone rispondano immediatamente, sempre disponibili, sempre connesse, è un fast-track garantito verso il burnout. È una metrica che promuove esattamente il comportamento che non vuoi: ansia costante, interruzioni continue, incapacità di fare deep work. Se la misuri, stai comunicando che essere sempre "on" è più importante che fare lavoro di qualità.
4.2 Cosa dovresti misurare invece
Quello che conta davvero è l'output e i deliverable. Cosa è stato completato? Con che livello di qualità? Nei tempi previsti? Questa è la vera produttività. Non serve inventare sistemi complessi: i tool di project management che probabilmente usi già (Asana, Monday, Jira) ti danno queste informazioni. Aggiungici una review settimanale veloce con i manager – quindici minuti, non ore – e hai una fotografia accurata di chi sta producendo cosa.
Ma c'è un aspetto ancora più sottile da monitorare: il collaboration balance. Quante ore alla settimana una persona passa in deep work, concentrata su task che richiedono focus, versus quante ore passa in meeting e interruzioni collaborative? L'ideale è un rapporto 60/40 – la maggior parte del tempo dedicato a produrre, il resto a coordinare. Se scopri che qualcuno passa più del 50% del tempo in riunioni, hai identificato un problema strutturale che sta uccidendo la produttività. E questo lo puoi vedere facilmente attraverso calendar analytics: strumenti come Microsoft Viva o Google Workspace Insights ti danno questi dati automaticamente, oppure puoi chiedere un self-report bisettimanale.
Un tema che emerge prepotente nel lavoro ibrido è l'equity di opportunità. Non basta dire "possono lavorare da dove vogliono" e pensare di aver risolto. La domanda vera è: chi ottiene i progetti ad alta visibilità? Sono distribuiti equamente tra chi lavora in ufficio e chi lavora da remoto, o c'è un bias invisibile verso chi è fisicamente presente? Chi viene menzionato e promosso durante le riunioni? Chi ha accesso informale ai decision maker – le chiacchierate alla macchinetta del caffè che, nel mondo ibrido, diventano un privilegio riservato a chi è in sede? Per tracciare questo serve un audit manuale trimestrale: ti siedi, guardi chi ha ottenuto cosa, e cerchi pattern. Se vuoi automatizzare, esistono tool di network analysis (ONA) che possono aiutare, ma l'analisi umana rimane fondamentale.
Poi c'è la questione dell'efficacia dei meeting. Non conta quante riunioni fai, ma quanto sono utili. Una metrica semplice ma potentissima: alla fine di ogni riunione, un poll di una sola domanda: "Questa riunione è stata un buon uso del tuo tempo?" Scala da 1 a 5. Fallo per un mese, poi fai una review: quali riunioni hanno score bassi? Quelle vanno eliminate o ripensate radicalmente. È brutalmente efficace.
E non possiamo ignorare gli indicatori di wellbeing. I giorni di ferie effettivamente usati sono un segnale potentissimo: se sono troppo bassi, è un red flag che le persone non si stanno staccando, spesso per paura o per carico eccessivo. Le email inviate fuori orario sono un altro termometro: se sono troppo alte, stai normalizzando una cultura del "sempre connessi" che distrugge il benessere. L'utilizzo dei benefit dedicati al wellbeing – app di meditazione, mental health days, supporto psicologico – ti dice se le persone si sentono legittimate a prendersi cura di sé o se questi benefit sono solo marketing. Questi dati spesso li hai già nel tuo HRIS, devi solo guardarli. Per le email fuori orario serve attenzione al GDPR, ma analytics aggregati sono permessi. Una pulse survey mensile di tre domande sul wellbeing chiude il cerchio.
Infine, il connection index: i remote worker si sentono davvero connessi al team? Hanno relazioni che vanno oltre il "buongiorno" e il "task completato"? Perché la produttività senza connessione umana non è sostenibile nel lungo periodo. Una survey breve mensile – non quella da cinquanta domande che nessuno compila – ti dà questo dato. E ti permette di intervenire prima che la disconnessione si trasformi in dimissioni.
5. D&I metrics che contano davvero (non le solite percentuali)
"Abbiamo il 40% di donne in azienda!"
Ok. E quante sono senior? Quante in ruoli leadership? Quante hanno accesso a mentorship? Quante vengono pagate equamente?
Le percentuali aggregate non dicono nulla. Come abbiamo approfondito nel nostro articolo su D&I in azienda come strategia competitiva, servono metriche molto più sofisticate.
5.1 Le nuove DEI metrics del 2025-2026
Ecco anche i questo caso una carrellata sicuramente stringata che non ha pretesa di esaustività ma può dare qualche spunto:
- Representation by level Non % totale, ma % per livello gerarchico. Se hai 50% donne junior e 10% donne senior, hai un problema di retention/promozione.
- Promotion equity ratio A parità di performance e anzianità, gruppi diversi vengono promossi allo stesso tasso? Se no, c'è bias.
- Pay equity (controllato per ruolo, experience, performance) Non basta comparare stipendi medi. Serve analisi sofisticata che controlli tutte le variabili rilevanti.
- Access to high-visibility projects Chi ottiene i progetti che "contano" per la carriera? È distribuito equamente?
- Mentor/sponsor allocation Chi ha mentor formali? Chi ha sponsor informali che aprono porte? Spesso qui si nasconde il vero bias.
- Speaking time in meetings Chi parla nelle riunioni? Chi viene interrotto? Chi viene ascoltato? Esistono tool che analizzano questo automaticamente.
- Retention by demographic Non turnover aggregato, ma retention per gruppi. Se perdi il 30% delle donne senior vs 10% degli uomini senior, lì è il problema.
- Inclusion score (sentiment) "Mi sento valorizzato? Ascolato? Parte del team?" Survey anonima per gruppo demografico. I numeri parlano.
E ora qualche consiglio pratico per applicare tutto ciò:
5.2 Come tracciare senza violare privacy
Il GDPR rende complesso tracciare metriche demografiche. Soluzioni:
✅ Dati aggregati e anonimizzati Mai report su singoli. Solo gruppi di almeno 10 persone.
✅ Self-reporting volontario Permetti ai dipendenti di auto-identificarsi in categorie demografiche. Non obbligare.
✅ Third-party analysis Auditor esterno che analizza dati sensibili e restituisce solo risultati aggregati.
✅ Focus su comportamenti, non identità Invece di tracciare "donne" vs "uomini", traccia "chi viene interrotto in meeting" o "chi ottiene progetti critici". Poi analizza se ci sono pattern.
5.3 L'azione che conta più della metrica
Misurare è il primo passo. Ma se misuri e non agisci, stai solo facendo diversity washing.
Ogni metrica DEI dovrebbe avere:
- Target specifico (non "migliorare", ma "raggiungere 30% donne senior entro 2026")
- Action plan (cosa facciamo concretamente per arrivarci)
- Owner (chi è responsabile)
- Review cadence (ogni quanto controlliamo progress)
Senza questo, le metriche sono solo marketing.
6. Conclusioni: aggiorna o verrai superato
La people analytics del 2025-2026 non è la people analytics del 2023. Punto.
Nuove metriche (sentiment real-time, collaboration equity, burnout risk). Nuovi tool (AI generativa accessibile a tutti). Nuove regole (GDPR più stringente, trasparenza obbligatoria).
Chi è rimasto fermo alle dashboard di turnover e engagement survey annuali è già indietro.
Ma – e questo è fondamentale – non servono budget enormi o competenze da data scientist per stare al passo.
Serve:
- Curiosità per capire cosa è cambiato
- Pragmatismo per iniziare con quello che hai
- Disciplina per tracciare poche metriche ma bene
- Coraggio per agire sui risultati, anche quando scomodi
- Etica per non scivolare in sorveglianza mascherata da analytics
Come abbiamo visto nell’articolo sui bias nell'intelligenza artificiale, la tecnologia amplifica sia le virtù che i vizi. Usa la people analytics per diventare più equo, trasparente, data-driven. Non per controllare, discriminare o fare micromanagement.
Nella nostra esperienza come Head Hunter, le aziende che attirano i migliori talenti nel 2025 non sono necessariamente quelle con l'AI più sofisticata. Sono quelle che:
- usano i dati per prendere decisioni migliori
- Sono trasparenti su come usano i dati
- Mettono sempre le persone prima degli algoritmi
- Agiscono velocemente quando i dati rivelano problemi
Tu da che parte vuoi stare?