AI hiring jobs: i tempi di assunzione restano fermi

Il dato: il 41% misura tempi identici

Il sondaggio ManpowerGroup pubblicato l'11 settembre 2026 porta un numero che ridimensiona la retorica su AI hiring jobs: il 41% dei datori di lavoro interpellati a livello globale riferisce un tempo medio di assunzione uguale a quello dell'anno precedente. Il 28% riferisce un'accelerazione. Il 29% segnala un rallentamento (HCAMag, 11 settembre 2026^[1]).

La parte più istruttiva sta nella simmetria: il 28% che accelera e il 29% che rallenta formano due gruppi quasi identici per dimensione, con esiti opposti.

Gli strumenti di screening automatico sono entrati nei processi di selezione con una promessa esplicita, cioè comprimere il tempo di assunzione. Oggi la maggioranza relativa delle organizzazioni misura la stessa durata di prima. Il divario fra l'adozione dello strumento e il risultato sul tempo è il punto dove vive questa storia.

Trentotto giorni: dove finisce il tempo

Il report evita di indicare una media globale. Ricerche precedenti, citate nello stesso articolo, collocano la mediana mondiale a 38 giorni: sei giorni servono per leggere le candidature, altri quattordici per i colloqui con le persone più promettenti.

Restano circa diciotto giorni distribuiti fra il resto: definizione del ruolo, approvazioni interne, offerta, negoziazione finale.

Questa aritmetica conta perché indica dove l'AI agisce e dove resta ferma. La lettura delle candidature, sei giorni, è esattamente il segmento che lo screening automatico comprime meglio. I colloqui e le firme, oltre trenta giorni, dipendono da calendari umani e da catene decisionali interne.

Uno strumento che agisce su meno di un sesto del ciclo produce un guadagno reale, invisibile nella metrica complessiva. Il tempo risparmiato nei primi sei giorni viene riassorbito dai trenta successivi.

Gli ostacoli che i datori di lavoro citano

Il primo freno indicato nel report riguarda la scarsità di persone con le competenze richieste. Gli altri fattori citati sono quattro.

• Pochi candidati qualificati nel mercato locale
• Disallineamento fra le aspettative delle persone e i requisiti del ruolo
• Calo dei candidati individuati tramite referral e reti professionali
• Lunghezza e complessità del processo, comprese le approvazioni interne

Quattro voci su cinque descrivono una condizione organizzativa, più che una carenza di software. Il disallineamento fra aspettative e requisiti nasce da come il ruolo viene scritto e prezzato. Il calo dei referral misura la salute delle reti interne, cioè quanto le persone già dentro consigliano quel posto di lavoro.

La quinta voce è la più esplicita: dentro molte organizzazioni la decisione di assumere attraversa diversi livelli di firma prima di diventare un'offerta.

Uno strumento AI accelera la produzione di una shortlist. La catena di approvazione resta dove era il giorno prima dell'acquisto.

Cosa accelera davvero la selezione

Il report elenca anche i fattori che riducono il tempo. Al primo posto compare un matching migliore fra persona e ruolo. Seguono altre quattro leve.

• Approvazioni interne e decisioni più rapide
• Collaborazione migliore fra HR e hiring manager
• Più candidature, grazie alla flessibilità offerta sul ruolo
• Screening efficace, compreso il filtro delle candidature generate con AI

Le due liste si specchiano. Quello che rallenta e quello che accelera descrivono la stessa variabile letta in due direzioni: la qualità della progettazione della decisione di assunzione.

Merita attenzione l'ultima voce. Lo screening automatico serve oggi in parte a contenere un problema che gli stessi strumenti hanno creato, cioè il volume di candidature scritte da un modello. Una quota del guadagno di efficienza viene consumata dalla difesa dal rumore in ingresso.

Il collo di bottiglia è la decisione

Questi dati portano a una tesi precisa: l'AI inserita in un processo mai ridisegnato produce supervisione passiva. Un recruiter che riceve dieci shortlist invece di una, con gli stessi tre livelli di firma a valle, lavora più veloce nella prima metà del ciclo e attende nella seconda.

Il pattern è documentato: la revisione di output automatici occupa una quota misurabile della settimana di chi usa questi strumenti ogni giorno. È un difetto di design del workflow, anziché un limite del modello.

Misurare l'adozione dello strumento e misurare il ridisegno dell'organizzazione sono due esercizi diversi. Il primo produce una percentuale di licenze attive. Il secondo produce un tempo di ciclo.

Il 41% che misura tempi identici descrive organizzazioni dove il primo esercizio è stato completato e il secondo attende ancora. Questa è una distanza di change management, più che un problema di tecnologia.

La lettura alternativa, e il suo limite

Esiste una controlettura onesta del dato. Il volume di candidature per ruolo è cresciuto con gli strumenti generativi disponibili a chi cerca lavoro. Tempo costante a fronte di volumi più alti equivale, in questa lettura, a un guadagno di produttività nascosto dietro una metrica piatta.

L'argomento tiene in parte, e il report stesso lo conferma quando colloca il filtro delle candidature automatiche fra i fattori di accelerazione.

Il limite riguarda la destinazione del guadagno. Un'efficienza che serve a gestire più candidature per lo stesso posto produce lavoro aggiuntivo, anziché un esito migliore per l'organizzazione e per le persone. Il 29% che rallenta suggerisce che in una parte dei casi il volume ha superato la capacità del filtro.

Il tempo di assunzione resta quindi la metrica utile, perché misura l'esito invece dell'attività.

La domanda cresce mentre il ciclo resta fermo

Lo stesso report registra una ripresa delle intenzioni di assunzione. Il Global Net Employment Outlook per il quarto trimestre 2026 sale a 29%, due punti sopra il trimestre precedente e sei punti sopra l'anno prima.

Il 43% dei datori di lavoro prevede di aumentare gli organici fra ottobre e dicembre 2026, il 41% di lasciarli invariati, il 14% prevede tagli, il 2% resta incerto. India guida con 54%, Brasile segue con 53%, gli Stati Uniti restano sopra la media con 36%. Slovacchia (3%) e Romania (4%) chiudono la classifica.

La combinazione pesa più dei singoli numeri. Domanda in crescita e tempo di ciclo fermo allungano la coda dei ruoli aperti, con un costo che ricade sui team scoperti e sulle persone che coprono il lavoro in attesa.

Per un CFO questo è un costo di mancata copertura, misurabile per settimana e per posizione.

Cosa fanno le organizzazioni che riducono il tempo

Le organizzazioni che comprimono il ciclo lavorano su due leve, entrambe interne. La prima riguarda la catena di approvazione: soglie chiare, deleghe scritte, una finestra massima di risposta per ogni livello. La seconda riguarda il bacino: convertire le persone già dentro batte la competizione esclusiva sul mercato esterno.

Un'analisi pubblicata da HR Dive^[2] collega la difficoltà di trattenere le persone a una crescita più lenta dell'organizzazione. La relazione funziona nei due versi: chi perde persone riapre ruoli, chi riapre ruoli rientra nella coda dei 38 giorni.

Il premio salariale sulle competenze AI, già documentato, rende questa leva ancora più concreta: sul mercato esterno quelle competenze costano di più e arrivano più tardi.

Quattro letture di questa evidenza, una per tavolo.

• CEO: portare al board il tempo di ciclo, anziché la percentuale di adozione dei tool
• CHRO: riscrivere la catena di approvazione prima del prossimo acquisto di software
• CFO: quantificare il costo settimanale dei ruoli aperti oltre la mediana
• Talent & Compensation Committee: monitorare la quota di posizioni coperte per via interna

La domanda di design per i prossimi dodici mesi è diretta: quale livello di firma dentro l'organizzazione sparisce, il giorno in cui il tempo di assunzione diventa una metrica del board.