top of page

Assunzioni AI di Tesco e la frattura nel reclutamento del retail britannico

17 minuti fa
Tempo di lettura: 13 min
Illustrative photograph. Photo: Ann Hannes / Pexels.

Le assunzioni AI di Tesco fanno parte di un cambiamento segnalato tra i retailer britannici verso il reclutamento tecnologico, mentre l'aumento dei costi limita le assunzioni in altri ambiti. Bloomberg ha riferito il 13 novembre che alcune grandi catene stanno ampliando il reclutamento per ruoli nell'intelligenza artificiale e nella tecnologia, riducendolo al contempo in altre aree. Tra queste rientra il personale dei negozi. Il contrasto indica priorità di investimento in evoluzione, anche se non dimostra che l'AI abbia causato il più ampio rallentamento delle assunzioni.

La tensione centrale riguarda la capacità di personale immediata rispetto agli investimenti volti a migliorare la produttività futura. I retailer hanno ancora bisogno di persone per servire i clienti e gestire i negozi. Al tempo stesso, stanno sviluppando capacità software che i dirigenti si aspettano possano migliorare gli acquisti, la pianificazione e il lavoro amministrativo.

Tesco e Marks & Spencer offrono punti di riferimento utili perché le loro comunicazioni pubbliche descrivono diverse applicazioni dell'AI. Tesco ha sviluppato assistenza per gli acquisti dei clienti, mentre M&S ha annunciato strumenti per responsabili di negozio e colleghi del supporto. Insieme, questi esempi aiutano a spiegare perché il reclutamento tecnologico possa restare prioritario durante una più ampia stretta sulle assunzioni.

Le assunzioni AI di Tesco riflettono un cambiamento nelle priorità

La copertura di Bloomberg sul reclutamento AI nel retail descrive una divergenza tra le assunzioni tecnologiche e il reclutamento nel resto del retail britannico. L'estratto disponibile pubblicamente identifica l'aumento dei costi come un vincolo per le assunzioni più ampie. Il rapporto completo non era disponibile per questa analisi, limitando la verifica delle sue cifre sul reclutamento a livello aziendale.

Il cambiamento segnalato riguarda le capacità che i retailer privilegiano, piuttosto che un'espansione o una contrazione uniforme in ogni reparto.

Questa distinzione conta perché il reclutamento è un insieme di decisioni, non un singolo interruttore aziendale. Un retailer può approvare un posto vacante per un ingegnere specializzato lasciando al contempo scoperta una posizione in negozio. Le decisioni possono riflettere budget, esigenze operative e aspettative diverse sui rendimenti futuri.

Tuttavia, decisioni simultanee non dimostrano un trasferimento diretto tra tali posizioni. Un'assunzione in ingegneria non corrisponde necessariamente a un posto in negozio annullato. Stabilire tale collegamento richiede informazioni sui piani di organico dell'azienda e su come sono cambiati i suoi budget.

Anche il linguaggio sul reclutamento richiede cautela. Gli annunci di lavoro indicano domanda di competenze, ma non confermano che un datore di lavoro abbia coperto una posizione. Assunzioni completate, numero totale di dipendenti e posti vacanti pubblicizzati descrivono fasi diverse del processo occupazionale.

Un ruolo può rimanere pubblicizzato mentre l'azienda cerca un candidato idoneo. Un annuncio può anche scomparire perché il datore di lavoro lo ritira. Nessuno dei due eventi, considerato isolatamente, dimostra che qualcuno sia entrato in busta paga.

Il reclutamento tecnologico pone un ulteriore problema di classificazione. Alcune posizioni tecniche sviluppano direttamente sistemi di AI, mentre altre mantengono i dati e il software necessari a tali sistemi. Considerare ogni posto vacante tecnologico come un lavoro nell'AI sovrastimerebbe ciò che può mostrare un'ampia categoria di reclutamento.

Per i lettori che valutano questa vicenda, la domanda utile è se la combinazione di competenze richieste stia cambiando in modo coerente. Ciò richiede categorie professionali e periodi di osservazione comparabili. Un cambiamento nelle etichette è una prova più debole rispetto a un cambiamento duraturo nel lavoro descritto dai datori di lavoro.

Le attuali notizie forniscono una ragione per indagare questo cambiamento. Non forniscono un conteggio nazionale verificato delle assunzioni AI o dei lavoratori del retail sostituiti. Mantenere intatto questo confine rende più facile comprendere lo sviluppo sottostante.

I retailer sembrano disposti a proteggere investimenti tecnologici selezionati sotto pressione finanziaria. Se tali investimenti finiranno per aumentare la capacità, ridurre il fabbisogno di manodopera o sostenere la crescita resta una questione separata.

I team di negozio e i responsabili tecnologici affrontano pressioni diverse

La frattura nel reclutamento crea problemi diversi per le persone all'interno della stessa azienda. I responsabili di negozio hanno bisogno di capacità sufficiente per gestire il carico di lavoro di oggi. I responsabili tecnologici devono giustificare investimenti i cui benefici dipendono dall'implementazione e dall'adozione.

La pressione ricade su entrambi i gruppi, ma le loro tempistiche e le misure del successo differiscono.

Per un team di negozio, un posto vacante non coperto può avere un impatto immediato se il carico di lavoro rimane invariato. Le misure rilevanti includono le ore di lavoro disponibili, il completamento delle attività e il servizio clienti. Una promessa di futuri risparmi amministrativi non risolve un problema attuale di pianificazione.

Per un team tecnologico, una posizione approvata è solo l'inizio. I nuovi dipendenti necessitano di accesso ai sistemi, comprensione dei processi aziendali e responsabilità chiare. Un annuncio di reclutamento offre quindi prove limitate su quando arriveranno i benefici operativi.

Questo crea un rischio di tempistica per la direzione. Se un'azienda limita il personale prima che un nuovo sistema diventi utile, i dipendenti assorbono il divario. Se investe senza modificare processi inefficaci, i risparmi attesi possono rimanere fuori portata.

Queste sono possibili conseguenze della strategia, piuttosto che risultati verificati presso i retailer qui discussi. Le comunicazioni aziendali dovrebbero collegare date di implementazione, decisioni sul personale e risultati operativi prima che fosse possibile un giudizio più netto.

I responsabili finanziari affrontano un problema di misurazione correlato. Devono distinguere una vera efficienza dal lavoro spostato a un altro team. Un processo di rendicontazione più rapido offre meno valore se i dipendenti impiegano il tempo risparmiato a correggerne l'output.

Anche i lavoratori devono sapere cosa accade a qualsiasi capacità creata dalla tecnologia. La direzione può usare il tempo risparmiato per migliorare il servizio, sostenere la crescita, ridurre gli straordinari o rallentare le assunzioni sostitutive. Queste scelte producono esiti occupazionali diversi anche quando il software funziona come previsto.

Per questo un'implementazione dell'AI necessita di una spiegazione sul personale accanto a quella tecnica. I dipendenti hanno bisogno di chiarezza su quali attività cambieranno e su chi resterà responsabile. Senza di essa, lo stesso annuncio può sembrare un sostegno per un pubblico e un avvertimento per un altro.

Per gli sviluppatori che valutano ruoli nel retail, la frattura nel reclutamento solleva domande pratiche sul supporto organizzativo. Una posizione può offrire lavoro rilevante, pur comportando aspettative plasmate da un budget operativo limitato. Una chiara titolarità e obiettivi di consegna realistici diventano particolarmente preziosi.

I candidati dovrebbero valutare se il datore di lavoro abbia definito il problema aziendale e l'autorità del team per risolverlo. Un mandato generico a “realizzare AI” rivela poco. Una responsabilità specifica legata a un processo operativo offre un quadro più chiaro del ruolo.

La posta in gioco più ampia riguarda quindi l'esecuzione tanto quanto le assunzioni. I retailer devono collegare competenze specialistiche alle persone e ai processi che determinano la performance quotidiana.

Tesco e M&S mostrano ragioni diverse per investire

Le comunicazioni pubbliche di Tesco forniscono prove di un'operazione tecnologica consolidata alla base della storia sul reclutamento. Nei suoi risultati annuali, l'azienda ha dichiarato che il suo team tecnologico era raddoppiato in sei anni, superando i 6.000 specialisti. Questa forza lavoro è distribuita in diversi Paesi, quindi la cifra non dovrebbe essere presentata come un conteggio dei dipendenti AI nel Regno Unito.

Il suo lavoro rivolto ai clienti offre un esempio concreto. Le indicazioni di Tesco del 19 agosto sull'assistente per la pianificazione dei pasti descrivono una beta inizialmente disponibile per clienti selezionati. La funzionalità aiuta con idee per ricette, piani pasto, controllo degli ingredienti e aggiunta di prodotti a un carrello o a una lista della spesa.

M&S ha enfatizzato l'assistenza ai dipendenti. Il 25 marzo ha annunciato 11.000 licenze Microsoft 365 Copilot per responsabili di negozio e colleghi dei centri di supporto. Il suo annuncio sugli strumenti per i responsabili di negozio ha descritto supporto per appunti delle riunioni, informazioni sulle vendite, pianificazioni e passaggi di consegne, sostenuto dalla formazione.

Queste comunicazioni identificano obiettivi di investimento distinti: aiutare i clienti ad acquistare e aiutare i dipendenti a gestire il proprio lavoro.

Il confronto non dimostra che uno dei due retailer abbia scelto una strategia esclusiva. Mostra perché una singola etichetta come “AI nel retail” possa nascondere obiettivi aziendali diversi. Tali obiettivi dovrebbero determinare come i lettori valutano il reclutamento associato.

Un assistente per gli acquisti deve essere utile nel percorso di acquisto del cliente. Le sue raccomandazioni devono collegarsi a informazioni pertinenti e ad azioni pratiche. Una conversazione accattivante da sola non dimostrerebbe un miglioramento dell'esperienza di acquisto.

Un assistente per i dipendenti affronta un test diverso. Il suo output deve aiutare qualcuno a completare una responsabilità lavorativa in modo accurato ed efficiente. Un riepilogo ben rifinito ha valore limitato se un responsabile deve comunque ricostruire le informazioni sottostanti.

Queste distinzioni spiegano perché l'implementazione possa richiedere competenze interne anche quando un retailer utilizza un prodotto software esterno. Qualcuno deve definire gli accessi, integrare le informazioni, valutare i risultati e gestire i guasti. Acquistare software non risolve automaticamente tali questioni operative.

Rendono inoltre più complessi i confronti diretti tra retailer. Una funzionalità per il cliente e uno strumento amministrativo non dovrebbero essere classificati usando la stessa misura di adozione. Ciascuno necessita di prove legate al proprio scopo previsto.

Per una funzionalità di acquisto, prove utili collegherebbero l'uso ripetuto a risultati positivi per i clienti. Per uno strumento per dipendenti, collegherebbero l'uso regolare a un lavoro affidabile e a una riduzione dello sforzo amministrativo. Nessuno dei due test può essere sostituito dal conteggio delle licenze o dall'annuncio della disponibilità.

C'è anche una differenza tra introdurre una funzionalità e modificare il modo in cui opera un'azienda. Una distribuzione limitata può rivelare problemi prima di un'implementazione più ampia. Non può, da sola, dimostrare benefici nell'intera organizzazione.

La sfida rilevante in materia di conoscenza va oltre il modello che genera una risposta. I team necessitano di accesso affidabile a procedure, decisioni e materiale di supporto. La distinzione tra conoscenza personale e di team aiuta a chiarire perché l'accesso alle informazioni richieda una titolarità esplicita.

È qui che il reclutamento tecnologico nel retail diventa più rilevante di un annuncio di lavoro isolato. Le persone assunte devono collegare una capacità software a uno specifico processo aziendale. La qualità di questo collegamento determinerà se l'investimento produrrà risultati utili.

La pressione sui costi rende più difficile il compromesso sulla produttività

Il modello di reclutamento segnalato suggerisce che alcuni retailer considerino la spesa tecnologica compatibile con una disciplina operativa più rigorosa. È una posizione manageriale plausibile. Ha comunque bisogno di prove che dimostrino che l'investimento migliora la performance dopo aver considerato tutti i suoi costi.

Una strategia di produttività ha successo quando migliora il lavoro necessario per servire i clienti, incluso lo sforzo richiesto per mantenere la tecnologia.

Questo è il compromesso centrale alla base della frattura nelle assunzioni. I retailer possono cercare efficienza futura limitando al contempo il reclutamento attuale, ma benefici e oneri arrivano secondo calendari diversi. Il lavoro di implementazione inizia prima che i risparmi diventino affidabili.

Consideriamo un flusso di lavoro amministrativo esemplificativo. Un responsabile riceve un riepilogo automatizzato e lo controlla prima di agire. Se il riepilogo è accurato e utile, può ridurre il tempo di preparazione.

Se il riepilogo omette ripetutamente un contesto importante, il responsabile deve indagare e correggerlo. Il risparmio di tempo apparente si riduce quindi. Il confronto appropriato include preparazione, revisione, correzione e follow-up.

Questo esempio non è un risultato misurato di Tesco o M&S. Illustra le prove necessarie per valutare un'affermazione di efficienza. Lo stesso principio vale per altri sistemi che promettono di ridurre il lavoro di routine.

Un'azienda deve inoltre distinguere i miglioramenti locali dai vantaggi operativi più ampi. Risparmiare tempo in un'attività non garantisce che l'intero processo diventi più rapido. Un altro passaggio può rimanere il vincolo.

Per questo motivo, i piani di assunzione dovrebbero essere collegati a responsabilità chiaramente definite. Gli ingegneri devono sapere di quale problema operativo sono responsabili e come sarà valutato il successo. I team dei negozi necessitano di un modo praticabile per segnalare problemi e richiedere modifiche.

Anche l'allocazione dei benefici conta. Se un assistente riduce il lavoro amministrativo, la dirigenza deve decidere cosa dovrebbero fare i dipendenti con la capacità liberata. Questa decisione influenza se l'investimento migliora il servizio, sostiene l'espansione o riduce le future esigenze di personale.

Queste possibilità dovrebbero rimanere distinte nella discussione pubblica. Uno strumento che aiuta i dipendenti a svolgere il proprio lavoro non è automaticamente prova di sostituzione. Allo stesso modo, l'assistenza di oggi non esclude modifiche successive ai piani di organico.

Il compromesso influisce anche sul modo in cui le aziende dovrebbero descrivere i propri progressi. Un'affermazione sul completamento più rapido delle attività richiede un confronto definito. Un'affermazione sull'efficienza del personale richiede informazioni sul carico di lavoro e sui risultati del servizio.

Altrimenti, il miglioramento apparente può riflettere uno standard di servizio modificato o lavoro spostato al di fuori del processo misurato. Nessuna delle due possibilità dimostra che un investimento sia fallito. Entrambe mostrano perché una metrica sintetica ristretta può essere incompleta.

La vicenda delle assunzioni solleva quindi una domanda impegnativa per i dirigenti: quale risultato operativo giustifica la tutela di questo investimento mentre altre posizioni vacanti vengono esaminate con attenzione? Una risposta credibile dovrebbe collegare persone, implementazione, performance e responsabilità.

Per i lavoratori, la domanda equivalente riguarda il carico di lavoro. Se la dirigenza si aspetta che i dipendenti realizzino di più con minori aggiunte al team, dovrebbe spiegare quale supporto è disponibile. Le aspettative tecnologiche diventano più credibili quando i dipendenti possono vedere quel supporto in funzione.

Gli annunci di lavoro non possono dimostrare che l'AI abbia sostituito i lavoratori

La risposta scettica più forte alla vicenda riguarda i limiti delle prove. Gli annunci di assunzione, i comunicati aziendali e le indagini sull'occupazione rispondono a domande correlate. Non possono essere combinati con leggerezza in un'unica stima delle perdite di posti di lavoro causate dall'AI.

L'Office for National Statistics offre un utile riferimento più ampio. La sua indagine sulla forza lavoro e l'AI dell'8 ottobre ha riferito che il 6% delle imprese che utilizzano l'AI e hanno almeno 10 dipendenti ha attribuito una riduzione dell'organico all'adozione nel mese di settembre. La cifra riguarda aziende di diversi settori, non solo del commercio al dettaglio.

Quell'indagine offre contesto, ma non può stabilire perché un determinato rivenditore abbia ridotto le assunzioni.

La percentuale descrive una quota di aziende, non una quota di lavoratori o posti di lavoro. Riflette inoltre effetti dichiarati nell'ambito dell'indagine. Interpretarla come percentuale dell'occupazione eliminata dall'AI rappresenterebbe in modo errato la misura.

L'ONS identifica queste stime come statistiche ufficiali in fase di sviluppo e raccomanda cautela. Ciò conta quando le si confronta con dati privati sulle posizioni vacanti. Copertura, domande e periodi di osservazione differenti possono produrre risultati da considerare insieme senza però fonderli.

La causalità presenta un'altra sfida. Un rivenditore può investire nell'AI mentre affronta pressioni non correlate sul personale. Per stabilire un rapporto diretto, il resoconto necessita di una spiegazione aziendale o di prove che colleghino un'implementazione a una specifica decisione sulla forza lavoro.

Una semplice sovrapposizione temporale non è sufficiente. Non mostra cosa avrebbe fatto il datore di lavoro senza l'investimento tecnologico. Questo confronto mancante limita le affermazioni sicure sulla sostituzione.

Anche le misure delle posizioni vacanti necessitano di un denominatore chiaramente indicato. Le aperture tecnologiche rappresentano solo una parte delle assunzioni di un rivenditore. Una quota elevata in quella categoria non stabilisce una quota analoga per ruoli nei negozi, nei magazzini, amministrativi e di altro tipo.

La geografia introduce un altro confine. Una forza lavoro tecnologica multinazionale non può essere trattata come un totale nazionale di assunzioni nell'AI. Le cifre a livello aziendale devono conservare la localizzazione e le categorie professionali.

Esiste inoltre una differenza tra assunzioni più lente e licenziamenti. Un'azienda può ridurre le assunzioni mantenendo i dipendenti esistenti. Può anche modificare la propria forza lavoro attraverso uscite che sceglie di non sostituire.

Questi percorsi contano per i lavoratori, ma non sono intercambiabili. Il resoconto dovrebbe identificare quale azione si è verificata prima di attribuirle una spiegazione. Altrimenti, una storia sulle priorità di assunzione diventa un resoconto non supportato di distruzione di posti di lavoro.

Anche la conclusione opposta andrebbe troppo oltre. Prove limitate di sostituzione diretta non dimostrano che l'AI non abbia alcun effetto sull'occupazione. I datori di lavoro possono modificare i piani di assunzione futuri prima che emerga un cambiamento visibile nel numero totale dei dipendenti.

L'interpretazione difendibile è più circoscritta. I resoconti disponibili descrivono assunzioni tecnologiche selettive durante una più ampia restrizione delle assunzioni. Il materiale pubblico dell'azienda conferma iniziative AI rilevanti, mentre le conseguenze occupazionali restano documentate in modo incompleto.

Ciò lascia spazio al controllo senza richiedere una previsione di sostituzione universale. I lettori possono prendere sul serio il cambiamento nelle assunzioni, sospendendo al contempo il giudizio sul suo eventuale effetto sull'organico.

Monitorare assunzioni, implementazione e risultati operativi

La fase successiva di questa vicenda dovrebbe essere valutata attraverso prove che colleghino le decisioni di assunzione al lavoro interno dell'azienda. Nei prossimi mesi, i segnali più utili riguarderanno assunzioni completate, utilizzo continuativo e performance operative. Dovrebbero essere esaminati in quest'ordine.

La tesi dell'investimento si rafforza quando le assunzioni specialistiche portano a implementazioni utili e miglioramenti misurabili senza oscurare le conseguenze per i lavoratori.

Innanzitutto, occorre monitorare informative comparabili su assunzioni e forza lavoro. Aggiornamenti utili distinguerebbero le posizioni vacanti pubblicizzate dai posti coperti e separerebbero il lavoro specifico sull'AI dai ruoli tecnologici più generali. Identificherebbero inoltre la geografia e distinguerebbero le nuove posizioni dalle sostituzioni.

Queste prove mostrerebbero se il cambiamento segnalato persiste oltre un'istantanea. Il proseguimento delle assunzioni specialistiche insieme a una più ampia restrizione rafforzerebbe l'interpretazione di un investimento selettivo. Il calo degli annunci senza informazioni sulle assunzioni completate lascerebbe il quadro irrisolto.

I commenti dell'azienda possono aiutare, ma i termini devono rimanere coerenti. Una definizione mutevole di “tecnologia” può rendere difficile valutare una tendenza apparente. I lettori dovrebbero privilegiare confronti che mantengano le stesse categorie professionali e gli stessi periodi di osservazione.

In secondo luogo, occorre osservare se gli strumenti annunciati entrano a far parte del lavoro ordinario. Il segnale significativo è un utilizzo continuativo per l'attività che una funzionalità è stata progettata per supportare. La disponibilità stabilisce l'accesso; l'uso ripetuto e utile stabilisce qualcosa di più.

Per l'assistenza rivolta ai clienti, le prove pertinenti spiegherebbero se le persone tornano e completano le attività di acquisto previste. Per gli strumenti destinati ai dipendenti, spiegherebbero se il personale continua a usarli e quanta revisione richiedono i loro risultati. Questi sono criteri di valutazione, non risultati già stabiliti qui.

Un'implementazione più ampia rafforzerebbe il caso solo se l'utilità sopravvive oltre il rilascio iniziale. Un'implementazione più limitata con benefici chiari può essere più informativa di un grande annuncio privo di dettagli operativi. Al contrario, restrizioni ripetute o un ampio lavoro correttivo giustificherebbero un esame più attento.

In terzo luogo, occorre monitorare risultati che colleghino la tecnologia sia al servizio sia al lavoro. Gli aggiornamenti finanziari dovrebbero spiegare cosa è migliorato, come l'azienda lo ha misurato e cosa è accaduto al personale. Un'affermazione di efficienza diventa più utile quando la dirigenza identifica il carico di lavoro che ne è alla base.

La qualità del servizio appartiene a questa valutazione. Minori necessità di lavoro offrono una misura di successo incompleta se i dipendenti affrontano carichi di lavoro insostenibili o i clienti ricevono un servizio peggiore. Migliori risultati operativi con un servizio affidabile fornirebbero prove più solide che l'investimento sta funzionando.

Per le assunzioni AI di Tesco, il prossimo sviluppo utile è quindi un collegamento più chiaro tra reclutamento, sistemi implementati e risultati aziendali. Per il commercio al dettaglio britannico più in generale, la questione è come i datori di lavoro distribuiscano i benefici e le richieste del lavoro in trasformazione.

Tenete il prossimo aggiornamento del rivenditore accanto alle precedenti informative sul personale e sulla tecnologia. Cercate assunzioni completate, adozione continuativa e risultati misurati rispetto a un punto di partenza chiaro. Chiedete se la dirigenza spiega come il tempo risparmiato modifica le responsabilità dei dipendenti e l'esperienza dei clienti. Per i team che valutano strumenti simili, documentate il flusso di lavoro attuale prima di introdurre l'automazione, quindi includete revisione e correzione nel confronto. Questo crea una verifica pratica dell'investimento invece di fare affidamento su un annuncio. Quando un altro rivenditore presenta spese per l'AI insieme ad assunzioni più restrittive, ponete una domanda specifica: quali prove collegano la tecnologia a un lavoro migliore e cosa dice l'azienda sul significato di tutto ciò per le persone che lo svolgono?

 
 

Inizia gratis

Un assistente IA local-first con gestione della conoscenza personale

Per una migliore esperienza con l’IA,

al momento remio supporta solo Windows 10+ (x64) e M-Chip Macs.

Il tuo partner AI al lavoro
Fai di più con remio

Pianifica. Crea. Consegna.
Tutto in un unico posto.

bottom of page