In due righe
- L'AI legge i commenti aperti dei questionari e li raggruppa in temi con il tono, in minuti.
- Il punteggio dice che qualcosa non va; il testo dice perché. Servono entrambi.
- Il metodo in 5 passi funziona con un tool conversazionale e risposte anonimizzate.
- Non si usa per valutare singole persone: è ascolto, non sorveglianza.
L'AI può analizzare i feedback dei dipendenti, ma fa una cosa sola e la fa bene: legge i commenti aperti dei questionari, li raggruppa in temi ricorrenti e ne segnala il tono in pochi minuti. Non misura il clima aziendale, che resta compito del questionario, e non decide per te: i temi vanno letti e pesati da una persona. Il metodo in cinque passi che segue funziona anche con un tool conversazionale come ChatGPT o Claude, e parte da dove partire con l'intelligenza artificiale in una PMI.
Cosa fa davvero l'AI sui feedback dei dipendenti (e cosa no)
Sentiment analysis è la tecnica che classifica il tono di un testo come positivo, negativo o neutro. L'elaborazione del linguaggio naturale (NLP) è il ramo dell'AI che permette a una macchina di leggere e comprendere un testo scritto. Sui questionari interni questi due strumenti producono tre risultati concreti.
Primo: raggruppano i commenti aperti in temi ricorrenti. Secondo: classificano il tono di ogni tema, per capire se si tratta di una richiesta, di una lamentela o di un apprezzamento. Terzo: contano le ricorrenze per reparto o per anzianità, così vedi se un problema è trasversale o concentrato in un gruppo. Il clima aziendale resta però un output del questionario nel suo insieme, non dell'AI: la macchina non sa se la tua azienda è un buon posto in cui lavorare, sa solo cosa dicono le risposte.
Secondo Gallup, nel 2025 solo il 20% dei dipendenti nel mondo è engaged, e in Europa la quota scende al 12%. I manager spiegano almeno il 70% della varianza di engagement dei team. Il punteggio di un questionario sul clima dice che qualcosa non va, ma non dice perché. I commenti aperti lo dicono.
Il problema è il tempo. Secondo il blog del fornitore Skimle, un dataset di 400 risposte aperte richiede a un analista esperto da due a tre giornate piene per essere codificato, incrociato e validato. Per questo i commenti vengono spesso scartati. L'AI cambia il calcolo: le stesse risposte si leggono in minuti. Se hai già visto lo stesso metodo applicato alle recensioni dei clienti, qui cambia solo il contesto: dentro l'azienda i commenti toccano temi più delicati.
Il metodo in 5 passi: dalla risposta grezza al tema
- Esporta le risposte aperte e anonimizzale. Rimuovi nomi, reparti, riferimenti a episodi specifici.
- Chiedi all'AI di raggruppare i commenti in temi. Il prompt deve chiedere temi, tono, conteggio e una citazione di supporto per ogni tema.
- Codifica ogni risposta con valenza positiva, negativa o neutra. Serve a capire se un tema è una richiesta, una critica o un apprezzamento.
- Quantifica i temi per reparto e anzianità. Se un tema compare solo nel reparto produzione, la risposta non è un corso di comunicazione per tutti.
- Collega i temi ai punteggi e valida su un campione. Se un tema emerge in undici risposte ma il punteggio della comunicazione è alto, leggi le citazioni con attenzione prima di decidere.
Sui numeri minimi per un'analisi affidabile, qui c'è un approfondimento su quanti dati servono davvero per usare l'AI.
Esempio lavorato: 28 risposte aperte in un'azienda da 42 persone
Mettiamo un'azienda metalmeccanica da 42 persone. Il questionario anonimo ha cinque domande a scala e due domande aperte. Rispondono in 35; 28 lasciano almeno un commento aperto. In tutto, le 28 risposte contengono 36 menzioni tematiche, perché una stessa risposta può toccare più temi. L'AI le raggruppa in cinque temi con conteggio e citazioni:
- comunicazione interna (11 menzioni)
- carico di lavoro in produzione (9)
- crescita professionale (7)
- turni (5)
- rapporto con i capi reparto (4)
Ogni tema ha una citazione di supporto, anonimizzata. Leggendole, scopri che il problema non è la comunicazione in generale, ma le informazioni che si fermano tra ufficio e reparto produttivo. Questo è il salto che il punteggio da solo non permette.
Come scrivere il prompt e perché ancorare tutto alle citazioni
Il prompt deve chiedere all'AI di restituire temi, tono, conteggio e una citazione di supporto per ogni tema. Un esempio:
Leggi queste risposte aperte a un questionario interno anonimo. Raggruppa i commenti in temi ricorrenti. Per ogni tema indica: numero di risposte che lo citano, tono prevalente (positivo, negativo, neutro), una citazione anonima di supporto. Non interpretare i temi, limitati a quello che dicono le risposte.
Senza l'ancoraggio alle citazioni, il riassunto è plausibile ma non verificabile: non sai da quali risposte nasce un tema e quante lo sostengono. Con le citazioni puoi controllare il lavoro in dieci minuti, e scartare un tema che l'AI ha costruito su una sola frase ambigua.
Lo strumento
Delera Agent AI costruisce agenti su misura sui processi che oggi ti portano via ore ogni settimana.
Scopri Delera Agent AI
Anonimato, numeri piccoli e il rischio sorveglianza
Un questionario davvero anonimo non produce dati personali: il Regolamento europeo 2016/679 (GDPR) esclude i dati anonimi dal suo campo di applicazione, come chiariscono l'articolo 4 e il considerando 26. Il Garante per la protezione dei dati personali, in linee guida sulle indagini di customer satisfaction in ambito sanitario, raccomanda di diffondere i risultati solo in forma anonima o aggregata: è un principio che si applica per analogia anche ai questionari interni.
In un team di otto persone, però, un commento che cita un episodio specifico rende identificabile chi scrive. Promettere anonimato in quel caso è una bugia, e l'analisi va fatta in forma ancora più aggregata oppure non va fatta. Questo è uno dei punti che tocca come far accettare l'AI ai dipendenti: la fiducia si costruisce mostrando che l'AI non viene usata contro di loro.
| Quattro modi di analizzare i commenti aperti, confrontati |
|
|
|
| Approccio |
Cosa produce |
Limite principale |
Quando usarlo |
| Lettura manuale |
Temi e citazioni scelte a occhio |
Lenta e soggettiva: noti i commenti più coloriti, non i pattern |
Sotto le 15-20 risposte |
| Word cloud |
Un'immagine di parole frequenti |
Conta le parole, non il significato: "management" può essere lode o critica |
Mai, se devi decidere |
| ChatGPT o Claude su testo anonimizzato |
Temi, tono e conteggi in minuti |
Nessun audit trail se non ancorato alle citazioni |
Il caso standard per una PMI |
| Software dedicato |
Codifica strutturata, segmentazione per reparto |
Costo e curva di apprendimento |
Survey ricorrenti con centinaia di risposte |
Cosa non fare con l'AI sui feedback dei dipendenti
Non generalizzare da 5-10 risposte: un solo commento forte può sembrare un trend. Non presentare una word cloud come analisi: conta le parole, non il significato. Non caricare risposte riconoscibili in un tool pubblico senza anonimizzare: trasferisci dati personali a terzi. Non usare l'output per sanzioni o promozioni: l'AI ascolta, non giudica le persone. Per capire come usare bene un feedback individuale, il metodo è un altro: come dare un feedback a un dipendente.
Domani mattina puoi fare una cosa sola: prendi l'ultimo questionario interno, esporta le risposte aperte, anonimizzale e chiedi a ChatGPT o Claude di raggrupparle in temi con una citazione ciascuna. In mezz'ora scopri se i commenti che avevi scartato contenevano un segnale che i punteggi non mostravano.
Domande frequenti
Serve un software dedicato o basta ChatGPT?
Per una PMI con decine di risposte basta un modello conversazionale come ChatGPT o Claude, a patto di anonimizzare prima e chiedere temi ancorati alle citazioni. Un software dedicato conviene solo quando fai survey ricorrenti con centinaia di risposte e vuoi segmentare per reparto e anzianità senza rifare il lavoro ogni volta.
L’analisi AI dei feedback viola la privacy dei dipendenti?
No, se il questionario è anonimo e i risultati vengono usati solo in forma aggregata: in quel caso il GDPR non si applica nemmeno. Il rischio scatta quando carichi risposte riconoscibili in uno strumento esterno o prometti anonimato in un team piccolo, dove un commento può identificare chi l’ha scritto.
Quante risposte servono perché l’analisi abbia senso?
Con meno di 10-15 risposte i temi non sono generalizzabili: un solo commento forte può sembrare un trend. Sotto quella soglia resta giusta la lettura umana. Dai 20-30 commenti in su l’AI aiuta davvero, perché il problema diventa il volume, non la comprensione del singolo testo.
L’AI può prevedere chi sta per dimettersi?
No, e non deve provarci. Su un questionario anonimo non hai le serie storiche necessarie, e anche con quelle stimare il rischio di dimissioni del singolo è una decisione sulle persone, da lasciare a un manager con il contesto. L’AI segnala temi e aree di tensione, non nomi e destini.
Posso usare l’analisi per decidere promozioni o provvedimenti?
No. L’output dell’AI sui feedback serve a migliorare processi e condizioni di lavoro, non a valutare singoli. Usarlo per sanzioni o promozioni trasforma uno strumento di ascolto in uno di sorveglianza e distrugge la fiducia necessaria perché il prossimo questionario riceva risposte sincere.
Delera CRM
Delera Agent AI
UmanValue
PMI Speed Test