Le organizzazioni raccolgono molti dati. Ma raramente questi dati aiutano davvero a capire cosa sta succedendo. Quando si parla di benessere, inclusione o fiducia interna, il rischio è affidarsi a rilevazioni episodiche e dichiarative, che restituiscono una fotografia parziale e poco azionabile. 

Si misura, ma non si arriva a comprendere fino in fondo. E senza comprensione, le decisioni restano deboli. 

Il progetto + Fiducia, + Benessere, + Inclusione di Umana-Analytics nasce per colmare questo gap: trasformare la misurazione in uno strumento concreto di lettura e guida delle organizzazioni. 

Superare la logica della survey 

In corso presso il Comune di Pescara, il progetto parte da un presupposto chiaro: il benessere organizzativo non può essere gestito come un adempimento o una rilevazione occasionale. 

Per generare valore, la misurazione deve diventare un processo continuo, capace di intercettare segnali deboli, far emergere criticità prima che si consolidino e supportare decisioni basate su evidenze. 

Per questo si configura come un percorso triennale (2025–2027), integrato nella governance dell’ente. Non un’iniziativa parallela, ma parte della struttura decisionale ordinaria. 

Cosa non vede una survey 

Al centro dell’iniziativa c’è Feedia, la soluzione di people analytics sviluppata da Umana-Analytics, che consente di leggere in modo integrato alcune dimensioni chiave: benessere e stress lavoro-correlato, allineamento tra valori dichiarati e vissuto organizzativo, inclusione osservata anche attraverso le reti di fiducia interne. 

Il punto distintivo è il cambio di approccio: non limitarsi alle percezioni dichiarate, ma costruire indicatori robusti e multidimensionali capaci di evidenziare pattern organizzativi spesso invisibili agli strumenti tradizionali. 

Non è raro trovare organizzazioni con engagement apparentemente stabile ma segnali latenti di disallineamento o esclusione, destinati a trasformarsi in criticità. 
Feedia è progettato per intercettarli prima. 

Dalla fotografia al film: dati che anticipano 

Nella maggior parte delle organizzazioni, i dati sul clima restano descrittivi: aiutano a capire com’è la situazione, ma non indicano cosa fare né dove sta andando. 

Feedia nasce con un obiettivo diverso: trasformare i dati in leva decisionale. Il sistema identifica pattern nascosti, simula scenari evolutivi e fornisce indicazioni operative su dove intervenire, restituendo al management non una fotografia statica, ma un film in corso: traiettorie, non istantanee. 

I dati longitudinali raccolti in altre organizzazioni mostrano, ad esempio, che i dipendenti dimessisi volontariamente avevano già 6-12 mesi prima profili di allineamento valoriale diversi da chi è rimasto. 

Il malessere era visibile nei dati, ma nessuno lo stava misurando. 

Il valore per la PA (e per chi la guida) 

Nel contesto pubblico, migliorare la misurazione del benessere non è solo una questione di clima interno. È una leva diretta sulla capacità amministrativa. 

Il costo del disagio organizzativo nella PA non è solo umano: si traduce in assenteismo, riduzione della performance, qualità dei servizi che si deteriora nel tempo. Sono fenomeni misurabili e, proprio per questo, prevenibili. 

Feedia si propone come strumento scientifico a supporto delle decisioni HR, con un obiettivo preciso: aiutare le organizzazioni a diventare anticipatorie, capaci di leggere il disagio prima che diventi emergenza. In questa prospettiva, il benessere smette di essere un tema “soft” e diventa un indicatore strategico di funzionamento, e un terreno su cui costruire un modello replicabile oltre il singolo ente. 

L’11 giugno 2026, il progetto ha ottenuto il Premio “PA e Futuro” al FORUM PA 2026, selezionato tra 30 progetti su 110 candidature, tra pubbliche amministrazioni, associazioni e startup. 

Un risultato che segnala la rilevanza di approcci capaci di unire rigore metodologico, tecnologia e impatto operativo. 
Non un punto di arrivo, ma una conferma: la direzione è quella giusta. 

L'articolo Come Umana-Analytics misura nella PA ciò che le survey non vedono  proviene da Umana Analytics.

La Pubblica Amministrazione italiana produce sempre più dati sulla gestione delle risorse umane. 
Eppure, il benessere organizzativo resta difficile da leggere, confrontare e interpretare. 

Negli ultimi anni, le pratiche HR – dal reclutamento allo sviluppo, fino alla valutazione della performance – sono state progressivamente riconosciute come leve strategiche per la capacità amministrativa, non più come funzioni puramente amministrative. 

Questo cambiamento è ormai consolidato nelle principali analisi internazionali. 

Il punto, però, non è più stabilire se le pratiche HR contano. 
È capire in quali condizioni riescono davvero a incidere sul funzionamento delle organizzazioni. 

HR e benessere non sono separabili, ma nemmeno automaticamente collegati 

Le fonti istituzionali più autorevoli convergono su un aspetto: il benessere organizzativo non è una dimensione isolata, ma il risultato dell’interazione tra fattori organizzativi, relazionali e psicologici. 

In questa prospettiva: 

• qualità del lavoro, salute e sicurezza 
• relazioni organizzative 
• chiarezza degli obiettivi e allineamento alla missione 

concorrono a definire il funzionamento del contesto lavorativo. 

Dimensioni come soddisfazione, motivazione e commitment sono misurabili e rilevanti, e sistemi HR più strutturati tendono a creare condizioni più favorevoli per equità, sviluppo e coinvolgimento. 

Allo stesso tempo, non esiste una relazione lineare tra introduzione di pratiche HR e miglioramento del benessere organizzativo. 

Il legame esiste, ma diventa visibile solo in presenza di condizioni organizzative coerenti. 

Più dati, meno integrazione: il paradosso attuale 

Nel contesto italiano, il PNRR ha accelerato un cambiamento importante: la gestione delle risorse umane è entrata in una logica di monitoraggio strutturato. 

Il sistema definito dal Dipartimento della Funzione Pubblica prevede: 

• un insieme esteso di indicatori 
• articolazione in più dimensioni di analisi 
• possibilità di confronto tra amministrazioni 

Questo segna un passaggio rilevante: la gestione HR diventa osservabile e comparabile in modo sistematico. 

Tuttavia, l’aumento della capacità di misurazione non ha ancora prodotto un analogo livello di integrazione. 

Sul versante del benessere organizzativo, il quadro resta infatti frammentato tra approcci diversi, poco cumulativo nel tempo e difficile da ricondurre a modelli interpretativi condivisi. 

Ne deriva una tensione strutturale: le organizzazioni producono più dati, ma faticano ancora a trasformarli in una lettura coerente del proprio funzionamento. 

Implicazione: il problema non è più misurare, ma leggere 

A questo punto, la questione cambia natura. 
Non è più se la Pubblica Amministrazione misura a sufficienza pratiche HR e benessere organizzativo. 
È se dispone delle condizioni per interpretare quei dati in modo continuo e significativo. 

Perché senza una capacità di lettura: 

• gli indicatori restano isolati 
• le pratiche restano non confrontabili 
• il benessere resta un concetto difficile da governare 

In questo senso, le pratiche HR non sono solo strumenti operativi, ma sistemi che generano segnali organizzativi. 
Il loro valore dipende sempre meno dalla presenza di KPI e sempre più dalla capacità di attribuire significato ai dati nel tempo. 

La Pubblica Amministrazione italiana ha già compiuto un passaggio importante: rendere la gestione delle risorse umane un oggetto misurabile. 

Il passaggio successivo è più impegnativo: trasformare la misurazione in capacità di lettura organizzativa. 

Perché, come accade nei contesti data-driven più maturi, il problema non è più avere dati. 
È capire quali segnali contano davvero e come utilizzarli per orientare le decisioni. 

Fonti principali:

Report OECD 2023, 2025 

World Health Organization. (2010). Healthy workplaces: A model for action. WHO Press, Geneva. 

Dipartimento della Funzione Pubblica (2026). Milestone e Target 

L'articolo Pratiche HR e benessere organizzativo nella PA italiana  proviene da Umana Analytics.

Le organizzazioni non hanno mai avuto così tanti dati sulle persone. Dashboard, KPI e piattaforme di analytics promettono decisioni più razionali e tempestive. 
Eppure, nella pratica, la trasformazione data-driven procede a strappi: gli insight restano nei report, mentre le decisioni continuano ad appoggiarsi a intuizioni e precedenti. L’abbondanza informativa, più che guidare, spesso disorienta. 
È il paradosso delle organizzazioni data-driven: non manca il dato, manca la capacità di usarlo in modo efficace. 

Il limite non è tecnologico 

Per comprenderlo, bisogna spostare lo sguardo dalla tecnologia alle persone e alle organizzazioni. A partire dagli studi di Herbert Simon, sappiamo che le decisioni avvengono in condizioni di razionalità limitata: tempo, attenzione e capacità cognitive sono risorse scarse. 

La ricerca sul choice overload mostra che, oltre una certa soglia, più informazione riduce la qualità delle scelte e ne rallenta l’esecuzione. Nei contesti organizzativi questo si traduce in analysis paralysis: dati disponibili, ma difficili da integrare e prioritizzare. 

Il problema non è avere pochi dati, ma non avere un’architettura decisionale che li renda utilizzabili. 

L’illusione dell’oggettività 

Nei contesti data-rich, più informazione non significa decisioni migliori. 

La letteratura in behavioral economics evidenzia che i bias cognitivi non scompaiono: cambiano forma. I decisori tendono a focalizzarsi sui segnali più visibili o coerenti con le proprie aspettative, trascurando quelli meno evidenti ma rilevanti. 
Gli studi sulla limited attention mostrano che l’attenzione selettiva continua a guidare le scelte anche in presenza di molti dati. Il rischio è che i dati rafforzino lo status quo invece di metterlo in discussione. 

In ambito HR, questo è evidente: indicatori facilmente disponibili – come performance storiche o assenteismo – pesano più di dimensioni meno osservabili ma centrali, come engagement o qualità delle relazioni.  Il risultato è un uso dei dati apparentemente oggettivo, ma basato su assunzioni implicite. 

HR analytics: tra promesse e limiti 

Gli HR analytics nascono per rendere le decisioni sulle persone più evidence-based. Tuttavia, il loro impatto sulle scelte strategiche resta disomogeneo. 

I limiti ricorrenti sono noti: 

• dati non comparabili nel tempo  
• strumenti utilizzati in modo episodico  
• analisi poco integrate nei processi decisionali  

A questo si aggiunge un altro punto critico: quando i dati quantitativi non sono bilanciati da informazioni qualitative sul contesto, il rischio è produrre decisioni formalmente corrette ma poco sostenibili. 

Gli analytics funzionano solo quanto il sistema interpretativo che li circonda. Senza data literacy diffusa e senza riflessione sui limiti delle misure, i numeri diventano un vincolo più che una risorsa. 

Dall’accumulo di dati alla data wisdom 

Le evidenze più recenti sull’integrazione tra AI e lavoro umano convergono su un punto: i risultati migliori emergono quando i dati supportano il giudizio, non lo sostituiscono. 

Gli algoritmi sono efficaci nell’individuare pattern e correlazioni. Le persone restano centrali nel valutare contesto, implicazioni e plausibilità. 
Allo stesso modo, l’intuizione esperta non è alternativa ai dati: è un meccanismo di sintesi che aiuta a filtrare il rumore informativo. 

La sfida non è scegliere tra dati e intuizione, ma progettare sistemi decisionali che li integrino. 

La vera domanda 

Il paradosso delle organizzazioni data-driven non si risolve con più dati o strumenti più avanzati.  La questione è come i dati vengono selezionati, interpretati e tradotti in decisioni, all’interno di specifiche architetture organizzative. 

La domanda, quindi, non è “quanto siamo data-driven“, ma: 
“i nostri dati ci aiutano davvero a comprendere ciò che accade e ad anticipare ciò che accadrà?” 

È in questo passaggio – dall’accumulo informativo alla data wisdom – che si gioca la maturità delle organizzazioni. 

Fonti principali:

Simon, H. A. (1957). Administrative behavior: A study of decision-making processes in administrative organizations (2nd ed.). New York, NY: Macmillan. 

Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing?. Journal of personality and social psychology, 79(6), 995. https://doi.org/10.1037/0022-3514.79.6.995 

Hirshleifer, D., & Teoh, S. H. (2003). Limited attention, information disclosure, and financial reporting. Journal of accounting and economics, 36(1-3), 337-386. https://doi.org/10.1016/j.jacceco.2003.10.002 https://doi.org/10.1257/jep.37.3.123 

Khatri, N., & Ng, H. A. (2000). The role of intuition in strategic decision making. Human Relations, 53(1), 57–86. https://doi.org/10.1177/0018726700531004 

Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3-26. https://doi.org/10.1080/09585192.2016.1244699 

L'articolo Quando i dati non bastano: il paradosso delle organizzazioni data-driven  proviene da Umana Analytics.

Le decisioni sulle persone richiedono evidenze solide. Eppure, in molte organizzazioni italiane, il benessere viene ancora osservato attraverso dati parziali e raccolti in modo discontinuo.

I dati esistono, ma spesso non sono comparabili tra contesti né osservabili nel tempo in modo coerente. È così che si genera una misurazione “al buio”: utile a fotografare l’oggi, meno a orientare scelte strategiche nel medio periodo.

Un quadro normativo chiaro, ma dati poco cumulativi

Nel settore pubblico italiano, il benessere organizzativo è formalmente in agenda: il D.Lgs. 150/2009 assegna agli Organismi Indipendenti di Valutazione (OIV) la realizzazione di indagini sul personale, basate su modelli standard predisposti a livello centrale.

Nella pratica, questi questionari (originariamente sviluppati da ANAC) coprono dimensioni come salute e sicurezza, equità, carriera, senso di appartenenza e valutazione del superiore. Si tratta di strumenti ampi e coerenti con la letteratura sul tema.

Tuttavia, come accade in molte indagini istituzionali, la raccolta è prevalentemente puntuale: si ottengono snapshot informativi, ma serie storiche comparabili non sempre vengono costruite e governate con continuità.

Cosa mostra (e cosa non consente) la ricerca italiana

La letteratura empirica nazionale, soprattutto in contesti sanitari e nelle amministrazioni complesse, converge su un punto: le indagini evidenziano relazioni robuste tra risorse lavorative (ad esempio equità, autonomia, chiarezza degli obiettivi) e outcome di benessere (salute percepita, senso di appartenenza).

Tuttavia, la gran parte degli studi utilizza disegni trasversali (cross-sectional): efficaci nel descrivere associazioni, meno nel consentire inferenze causali o nel monitorare l’effetto degli interventi nel tempo. Anche la trasferibilità dei risultati tra enti differenti resta limitata, poiché contesti organizzativi e metriche adottate variano in modo significativo.

Bias di copertura e settori “a più alta osservazione”

In Italia la produzione di dati sistematici sul benessere è più frequente dove esistono incentivi o obblighi formali (pubblica amministrazione, sanità) e più disomogenea nel settore privato, dove prevalgono iniziative volontarie o consulenziali non sempre allineate tra loro.

Reti istituzionali come i CUG (Comitati Unici di Garanzia) hanno dato impulso a numerose rilevazioni, ma con metodi e periodicità differenti, rendendo complesso l’accumulo di serie storiche comparabili tra amministrazioni e, ancor più, con il settore privato.
 

Cosa dicono (e cosa non dicono) i dati ISTAT

Gli indicatori BES di ISTAT offrono un quadro macro del benessere nel Paese, mostrando – in diverse edizioni – divari territoriali persistenti e differenze tra gruppi sociali.

Sono informazioni preziose per contestualizzare il fenomeno; tuttavia operano su scala aggregata.
Non misurano direttamente aspetti intra-organizzativi come fiducia nei superiori, equità procedurale o clima tra team. Sovrapporre i livelli di analisi (macro vs organizzativo) rischia quindi di produrre letture eccessive rispetto a ciò che i dati nazionali possono effettivamente spiegare.

Un problema reale, ma circoscritto

Alla luce di norme, prassi e letteratura, il nodo – più che la mancanza di misurazione – è la discontinuità strutturale e la limitata confrontabilità dei dati nel tempo e tra contesti.

In particolare:

• poche serie longitudinali comparabili a livello organizzativo o settoriale;
• confronti tra enti e comparti sporadici e non sempre basati su metriche allineate;
• integrazione ancora rara tra indicatori soggettivi (ad es. survey) e indicatori oggettivi (ad es. turnover, assenteismo);
• divari demografici e territoriali ben documentati a livello macro, ma poco tracciati all’interno delle singole organizzazioni.

Implicazioni per le decisioni HR

In questo scenario, le funzioni HR si trovano talvolta a decidere sulla base di informazioni parziali. Le iniziative su welfare, leadership o organizzazione del lavoro possono essere sensate, ma risulta difficile valutarne l’efficacia nel tempo.

Disporre di dati comparabili e longitudinali aiuterebbe a:

• progettare e valutare interventi in modo evidence-based;
• costruire benchmark realmente utili;
• effettuare analisi mirate (per genere, età, ruolo);
• anticipare criticità, invece di limitarsi a reagire.

Verso una misurazione meno “al buio”

Ridurre l’incertezza non richiede soltanto nuovi strumenti, ma un cambio di approccio:

• rilevazioni ripetute e coerenti nel tempo, non episodiche;
• standard condivisi per rendere i dati confrontabili tra organizzazioni;
• integrazione tra dati soggettivi e indicatori oggettivi;
• uso responsabile di analytics e tecnologie (inclusa l’AI), fondato su basi informative solide.

Una proposta: un’infrastruttura dati condivisa

Da questa diagnosi discende una domanda, prima ancora che operativa: come costruire, in Italia, un’infrastruttura capace di superare la frammentazione e produrre dati sul benessere comparabili nel tempo?

L’Osservatorio WikiFeedia è una risposta possibile: un oggetto terzo e indipendente, dedicato allo studio del benessere, della fiducia e dell’inclusione, sviluppato in collaborazione con l’Università “G. d’Annunzio” di Chieti-Pescara e abilitato da Umana-Analytics come garante metodologico e facilitatore tecnologico.

L’obiettivo non è sostituire le rilevazioni esistenti, ma integrarle, rendendo i dati cumulabili e utili sia alla ricerca sia alle decisioni manageriali.
 
Per garantire qualità, continuità e reciprocità nella raccolta, alle organizzazioni invitate viene messa a disposizione l’infrastruttura di misurazione utilizzata dall’Osservatorio per un periodo di 12 mesi, consentendo l’osservazione delle dinamiche nel tempo a beneficio sia dei collaboratori sia delle organizzazioni.

In sintesi

In Italia il benessere organizzativo non è ignorato, ma viene misurato in modo disomogeneo e poco cumulativo. Finché i dati resteranno frammentati, molte decisioni sulle persone continueranno a poggiare più su percezioni che su evidenze.

Misurare meglio non significa ridurre il lavoro a numeri: significa costruire continuità, comparabilità e responsabilità nelle scelte.
 
WikiFeedia nasce per compiere proprio questo passo: rendere più visibili e confrontabili le dinamiche di benessere, fiducia e inclusione nelle organizzazioni italiane, con rigore scientifico, voce autonoma e infrastruttura condivisa.

Fonti principali

• ISTAT: (2024) Rapporto BES – Il benessere equo e sostenibile in Italia. https://www.istat.it/comunicato-stampa/rapporto-sul-benessere-equo-e-sostenibile-anno-2024/
  
• INAPP (2023). Indagine CUG sul benessere organizzativo. https://oa.inapp.gov.it/bitstream/handle/20.500.12916/3907/INAPP_Indagine-CUG-benessere-organizzativo_2023.pdf
  
• Decreto Legislativo n. 150/2009. https://www.gazzettaufficiale.it/atto/stampa/serie_generale/originario
  
• Cortese C.G. et al. (2019). The evaluation of organizational well-being in an Italian teaching hospital using the ANAC questionnaire. International Journal of Environmental Research and Public Health, 16(6), 1056. https://doi.org/10.3390/ijerph16061056

L'articolo Perché il benessere organizzativo in Italia si misura ancora al buio proviene da Umana Analytics.

Immaginate un supervisore digitale che, senza spiegazioni né interazioni dirette, assegna compiti, monitora performance e restituisce valutazioni basate su dati raccolti in tempo reale. 
È ciò che accade sempre più spesso nelle organizzazioni che adottano sistemi di Algorithmic Management: soluzioni di intelligenza artificiale progettate per automatizzare funzioni tipicamente manageriali, come la pianificazione dei turni, l’assegnazione degli obiettivi o il monitoraggio della produttività. 

Se inizialmente questo modello si è diffuso nelle piattaforme di lavoro digitale, oggi è presente anche in settori più tradizionali: logistica, retail, sanità, servizi. 
Non si tratta solo di una trasformazione tecnologica. È una trasformazione organizzativa che ridefinisce autonomia, controllo e relazioni di lavoro. 

Non solo tecnologia: come l’Algorithmic Management cambia l’esperienza di lavoro 

I sistemi di gestione algoritmica possono intervenire su quattro dimensioni fondamentali dell’organizzazione del lavoro, identificate da studi che li misurano in modo sistematico (Röttgen et al., 2025; Parent-Rocheleau & Parker, 2022): 

• Direzione ? definizione di obiettivi e modalità operative 
• Pianificazione ? assegnazione di turni, task e priorità 
• Monitoraggio ? raccolta continua di dati su performance e comportamenti 
• Feedback ? valutazioni automatiche, ranking, punteggi 

Questo significa che l’algoritmo non è semplicemente uno strumento di supporto, ma diventa parte attiva dell’architettura decisionale dell’organizzazione. 

La diffusione di questi sistemi è in forte crescita e sta progressivamente spostando il baricentro del controllo dal livello umano a quello socio-tecnico. 

Quando cambia l’equilibrio tra richieste e risorse del lavoro 

Per capire gli effetti sul benessere organizzativo, molti studi utilizzano il modello Job Demands-Resources, che analizza l’equilibrio tra richieste che generano sforzo e stress (Job Demands) e fattori che supportano motivazione, autonomia e recupero (Job Resources). 

L’Algorithmic Management può alterare questo equilibrio in modi diversi. 

1. Intensificazione del ritmo e pressione continua 

I sistemi basati su dati in tempo reale rendono più facile aumentare target e velocità operativa. 
Diversi studi indicano che l’introduzione di strumenti digitali di monitoraggio è associata a un aumento dei rischi psicosociali e della pressione percepita sul lavoro. 

Quando gli obiettivi sono aggiornati automaticamente e il feedback è costante, il lavoro tende a trasformarsi in una sequenza di micro-prestazioni da ottimizzare. 

2. Riduzione dell’autonomia decisionale 

Un altro effetto frequente riguarda l’autonomia. 

Quando le istruzioni operative arrivano direttamente dal sistema e non da un manager umano, i lavoratori tendono a: 

• seguire indicazioni operative senza comprenderne lo scopo 
• avere meno margini di adattamento 
• percepire minor controllo sul proprio lavoro 

Studi empirici mostrano che questo può aumentare strain mentale e frustrazione, soprattutto quando l’algoritmo è percepito come opaco o non spiegabile. 

3. Instabilità organizzativa e isolamento sociale 

La gestione automatizzata può anche influire su: 

• stabilità degli orari 
• prevedibilità del carico di lavoro 
• qualità delle relazioni con colleghi e supervisori 

Turni dinamici, monitoraggio continuo e feedback impersonali possono ridurre le opportunità di supporto sociale e di recupero psicologico, due fattori fondamentali per il benessere organizzativo.

Gli effetti non sono inevitabili: il ruolo del design socio-tecnico 

La cosa più interessante che emerge dalla ricerca è che gli effetti dell’Algorithmic Management non dipendono solo dalla tecnologia, ma da come viene progettata e implementata. 

Tre fattori risultano particolarmente rilevanti. 

1. Trasparenza degli algoritmi 

Quando i lavoratori comprendono: 

• come vengono calcolati gli obiettivi 
• quali dati vengono raccolti 
• come funzionano le valutazioni 

aumentano percezione di equità, fiducia e accettazione del sistema. 

2. Coinvolgimento dei lavoratori nella progettazione 

La partecipazione di lavoratori e rappresentanze: 

• riduce conflittualità 
• migliora l’adozione dei sistemi 
• aumenta la percezione di controllo 

L’Algorithmic Management funziona meglio quando non è imposto, ma negoziato. 

3. Strumenti di misurazione dei rischi organizzativi 

La ricerca sta iniziando a sviluppare strumenti specifici per valutare gli effetti della gestione algoritmica sul lavoro. 

Questi strumenti permettono alle organizzazioni di integrare l’Algorithmic Management nelle pratiche di people analytics e di risk assessment, monitorando non solo la performance ma anche l’impatto sul benessere. 

Cosa significa per HR e organizzazioni 

Per le funzioni HR, l’adozione di sistemi di gestione algoritmica richiede un cambio di prospettiva. Non basta valutare efficienza operativa, accuratezza dei dati e ritorno sull’investimento. 
Serve considerare anche l’impatto sulle risorse psicologiche del lavoro, la qualità dell’esperienza dei dipendenti e la sostenibilità organizzativa nel tempo. 

Integrare questi sistemi in un approccio human-centered significa: 

• progettare algoritmi comprensibili e spiegabili 
• mantenere possibilità di intervento umano nelle decisioni critiche 
• monitorare attivamente gli effetti organizzativi 
• coinvolgere i lavoratori nel processo di implementazione 

Quando questo accade, l’Algorithmic Management può diventare non solo uno strumento di controllo, ma un elemento di supporto alla qualità del lavoro e alla sostenibilità organizzativa. 

Fonti principali: 

Bowdler, M., Lahti, H., Jelenko, M., Buresti, G., & Valtonen, T. (2026). Algorithmic management and psychosocial risks at work: An emerging occupational safety and health challenge. Scandinavian Journal of Work, Environment & Health, 52(1), 1. https://doi.org/10.5271/sjweh.4270  

Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of management annals, 14(1), 366-410. https://doi.org/10.5465/annals.2018.0174  

Parent-Rocheleau, X., & Parker, S. K. (2022). Algorithms as work designers: How algorithmic management influences the design of jobs. Human resource management review, 32(3), 100838. https://doi.org/10.1016/j.hrmr.2021.100838  

Röttgen, C., Dzaack, H., Herbig, B., Weinmann, T., & Müller, A. (2025). Algorithmic management: psychological measurement and associations with work design and mental strain. BMC psychology, 13(1), 1327. https://doi.org/10.1186/s40359-025-03680-2  

L'articolo Algorithmic Management al lavoro: quando il supervisore invisibile influisce su benessere e organizzazione  proviene da Umana Analytics.

Gennaio 2026. 
Le indagini Gartner sui Chief HR Officer evidenziano un punto cruciale: le organizzazioni vincenti non si limitano a reagire ai cambiamenti, li anticipano. I numeri sono eloquenti: il 47% dei CHRO dichiara che una cultura organizzativa fragile frena direttamente la performance. 

L’engagement globale secondo Gallup è sceso al 21%, con una perdita di produttività stimata in centinaia di miliardi di dollari a livello globale. Il benessere dei lavoratori continua a peggiorare: solo il 33% si descrive come “thriving”, ossia in piena realizzazione. 
Il paradosso? I dati necessari per affrontare questi problemi sono già nelle vostre organizzazioni. La domanda non è più “come raccogliere dati”, ma “come interpretarli davvero?” 

In questo articolo Umana-Analytics analizza i principali trend identificati da Gartner, Gallup e World Economic Forum per il 2025-2026 e le implicazioni strategiche per chi guida le funzioni HR. 

AI STRATEGICA: dall’automazione alle previsioni

“Harness AI to revolutionize HR” è la priorità numero uno per i CHRO nel 2026 secondo Gartner. 

Ma attenzione: non parliamo di automazione amministrativa (ormai una commodity), bensì di intelligenza artificiale come motore di insight strategici capaci di trasformare le decisioni HR da reattive a predittive.  

Le domande cruciali per i CHRO 

Chi lascerà l’azienda nei prossimi 3-6 mesi e per quali motivi? 
Quali dinamiche relazionali ostacolano la collaborazione? 
In che modo la cultura influisce sulla performance dei singoli team? 
Chi sono i leader informali che dovresti valorizzare? 

La differenza tra reagire e anticipare è sostanziale: quando un collaboratore se ne va, l’azienda sostiene costi significativi per recruiting, onboarding e perdita di produttività. Identificare il rischio con anticipo cambia radicalmente l’equazione economica. 

La soluzione possibile: analytics predittive sulle persone 

Le piattaforme avanzate di people analytics integrano intelligenza artificiale e metodologie comportamentali validate scientificamente. Invece dei classici questionari (influenzati da social desirability bias e disponibilità cognitiva del momento), utilizzano compiti comportamentali, analisi delle reti sociali e algoritmi predittivi per individuare segnali di disengagement, vulnerabilità culturali e rischi di abbandono prima che diventino crisi conclamate. 

ORGANIZZAZIONE BASATA SULLE COMPETENZE: dai ruoli alle skill 

Il fenomeno strutturale 

Il World Economic Forum stima che il 39% delle competenze richieste dal mercato subirà trasformazioni significative entro il 2030. Un ritmo troppo rapido per aggiornare le job description ogni anno. Per Gartner, il 2026 segna il passaggio definitivo da un’organizzazione basata sui ruoli a una basata sulle competenze, con “Shape work in the human-machine era” tra le priorità strategiche.  

Il problema invisibile 

La maggior parte delle organizzazioni non sa quali competenze possiede realmente. Le conseguenze sono misurabili: 

• Assumono dall’esterno talenti che potrebbero sviluppare internamente 
• Non riescono a individuare chi potrebbe ricoprire nuovi ruoli 
• Perdono tempo nel decidere su chi investire per l’upskilling 

I vantaggi delle organizzazioni skills-based 

La ricerca accademica in organizational psychology e le indagini aziendali convergono: le organizzazioni che implementano una mappatura strutturata delle competenze ottengono miglioramenti significativi su retention (riduzione del turnover volontario), maggiore velocità nel colmare gap di competenze critiche e mobilità interna efficace.  

Cosa significa in pratica: ridurre i costi di reclutamento esterno mappando le competenze già presenti internamente e identificare skill adjacency, ovvero chi possiede competenze facilmente trasferibili a ruoli emergenti. 

Le people analytics moderne consentono di mappare le competenze non attraverso autovalutazioni (notoriamente poco affidabili), ma deducendole da comportamenti osservabili: come le persone affrontano compiti complessi, a chi si rivolgono per collaborare, come risolvono problemi. 

LEADERSHIP NELL’INCERTEZZA: orientare, non solo motivare 

“Mobilize leaders for growth in an uncertain world” è un’altra priorità critica individuata da Gartner per il 2026. Il modello tradizionale di leadership – motivare, ispirare, indicare la direzione – risulta insufficiente quando la direzione stessa cambia continuamente.  

Il dato cruciale di Gallup 

Il 70% dell’engagement di un team dipende dal manager. Se il manager perde l’allineamento o la capacità di gestire l’incertezza, il team ne risente pesantemente. 
Ma come capire se il manager sta davvero gestendo l’incertezza o se sta solo mascherando una crisi in corso?  

La soluzione possibile: monitoraggio continuo delle dinamiche 

Le piattaforme di people analytics permettono di misurare fiducia, sicurezza psicologica e coesione del team in tempo reale, non attraverso questionari annuali. 
L’analisi delle reti sociali (social network analysis) rivela se i leader stanno diventando colli di bottiglia comunicativi, se i team si stanno frammentando, chi si sente isolato. 
Gli alert arrivano prima che il problema diventi evidente, consentendo ai CHRO di passare da valutazioni annuali della leadership a monitoraggio continuo delle dinamiche di team. 

LA CULTURA COME LEVA DI PERFORMANCE: misurare l’invisibile 

Solo il 47% dei CHRO dichiara di avere una cultura organizzativa che favorisce attivamente la performance dei dipendenti secondo l’indagine Gartner 2026. 
Non è un aspetto secondario: la ricerca in organizational behavior dimostra forti correlazioni tra cultura organizzativa solida e profittabilità, retention dei talenti e livelli complessivi di engagement.  

Perché più della metà fallisce? 

Perché la cultura non si misura efficacemente con questionari annuali. Un questionario cattura istantanee statiche, non dinamiche evolutive.  La cultura cambia in settimane, non in anni. E rileva il “sentiment dichiarato” (ciò che le persone dicono), non il “comportamento reale” (ciò che effettivamente fanno). 

L’impatto della cultura sul business 

Le evidenze empiriche dimostrano che una cultura debole equivale a un logoramento silenzioso della performance, con impatti su profittabilità, retention, stabilità dei team e livelli di engagement complessivi. 

La soluzione possibile: misurare i comportamenti in modo continuo 

Le people analytics avanzate misurano la cultura attraverso dinamiche osservabili di fiducia, collaborazione e sicurezza psicologica, non attraverso dichiarazioni. Il monitoraggio continuo identifica vulnerabilità culturali specifiche per team o dipartimento. 
Gli algoritmi predittivi collegano le metriche culturali alla performance aziendale, consentendo interventi mirati anziché generici “programmi culturali”. 

WELLBEING STRATEGICO: da benefit a metrica di business 

Solo il 33% dei lavoratori globali si descrive come “thriving” secondo Gallup. L’engagement globale è sceso al 21%, tra i livelli più bassi registrati dal 2009.  

Il legame con il business 

Gallup stima che se le organizzazioni globali raggiungessero un tasso di engagement del 70%, l’economia mondiale potrebbe crescere di 9,6 trilioni di dollari, pari al 9% del PIL globale. 
Il wellbeing non è un programma wellness: è correlato direttamente a engagement, retention e produttività.  

I costi del wellbeing trascurato 

Quando il benessere non viene gestito strategicamente, le organizzazioni registrano incrementi misurabili in assenteismo (giorni persi per malattia o stress), presenteeismo (persone fisicamente presenti ma mentalmente assenti) e turnover volontario. 

La soluzione possibile: wellbeing predittivo 

Le people analytics consentono di misurare il benessere attraverso comportamenti osservabili – stress, motivazione, equilibrio vita-lavoro – evitando questionari influenzati da social desirability. 

Gli algoritmi predittivi individuano segnali di deterioramento settimane prima che la persona decida di andarsene. E correlano il wellbeing ad altre metriche organizzative per rispondere non solo a “come stai?“, ma soprattutto a “perché stai così? cosa posso fare a livello sistemico?” 

I CHRO possono così passare da benefit generici (corsi mindfulness, palestra) a interventi mirati su fattori di stress specifici, misurando il ROI degli investimenti in wellbeing attraverso correlazioni con retention e produttività. 

CONCLUSIONE: il futuro è nelle previsioni

I trend identificati da Gartner, Gallup e World Economic Forum convergono su un messaggio chiaro: le organizzazioni vincenti del 2026 passano da decisioni basate sull’intuizione a decisioni fondate su dati continui, predittivi e comportamentali.  

Non si chiede più al manager “come sta il tuo team?“. Lo si misura con precisione. 
Non si aspetta che il dipendente annunci “mi licenzio“. Si identifica il rischio con anticipo. 
Non si assume dall’esterno quando il talento è già in azienda. Si mappano le competenze reali dei collaboratori. 
Non si implementano programmi culturali generici. Si misura dove la cultura è fragile e si interviene con precisione. 
Non si offrono semplicemente benefit per il benessere. Si misura il wellbeing reale e lo si collega ai risultati aziendali. 

La trasformazione da HR reattivo a HR predittivo rappresenta oggi una necessità competitiva crescente. Le organizzazioni che implementano people analytics predittive conquistano vantaggi misurabili in retention, engagement e performance complessiva. 

Verso un HR basato sui dati 

Le people analytics predittive rappresentano un cambio di paradigma nelle decisioni HR. In Umana-Analytics lavoriamo con organizzazioni che vogliono passare da approcci intuitivi a strategie fondate su evidenze scientifiche e dati comportamentali. 

Vuoi capire come applicare questo approccio alla tua realtà organizzativa? 
Parliamone!

Fonti: 

Gallup (2025). State of the Global Workplace 2025. https://www.gallup.com/workplace/349484/state-of-the-global-workplace.aspx 

Gartner (2025-2026). https://www.gartner.com/en/insights 

World Economic Forum (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/series/future-of-jobs/ 

L'articolo HR TRENDS 2026 – Dall’intuizione alla predizione   proviene da Umana Analytics.

Perché così tante iniziative aziendali volte a incrementare il benessere falliscono nel generare engagement reale? 

È una domanda che le organizzazioni si pongono (troppo) raramente. La risposta non sta nella qualità dei programmi offerti – corsi di mindfulness, flexible benefits, spazi di decompressione – ma nel meccanismo di trasformazione che dovrebbe connettere queste iniziative ai comportamenti organizzativi concreti. 

Ricerche recenti documentano che la maggior parte dei programmi di wellbeing aziendale non migliora effettivamente gli outcome desiderati.  
Il problema non è “fare felici” le persone. È capire come la felicità al lavoro si traduce in engagement, e come l’engagement si traduce in comportamenti che rafforzano l’organizzazione. 

HAW come risorsa strategica, non come clima emotivo 

In Umana-Analytics osserviamo che molte organizzazioni trattano la felicità al lavoro come un obiettivo finale.
Ma questa impostazione confonde il fine con il mezzo.
La Happiness at Work (HAW) è più produttivamente concepita come risorsa lavorativa composta da tre elementi strutturali: significato del lavoro, possibilità di autorealizzazione, e comunità professionale basata su fiducia e reciprocità. 
Non sono “nice to have” culturali, ma condizioni organizzative progettabili che funzionano da carburante per l’energia psicologica. 

Il meccanismo nascosto: HAW non agisce in modo diretto 

Nei contesti organizzativi che analizziamo emerge una discrepanza ricorrente: alta soddisfazione dichiarata per il clima aziendale, ma engagement fermo o in calo.  

La letteratura organizzativa documenta che la soddisfazione lavorativa e l’engagement sono costrutti distinti: si può essere soddisfatti senza essere energeticamente coinvolti. 

La nostra ipotesi operativa è che HAW non produce automaticamente comportamenti virtuosi. 
Non basta creare un ambiente dove le persone si sentono bene. Serve che quell’ambiente attivi quotidianamente energia psicologica utilizzabile. 

Il Job Demands-Resources model propone che le caratteristiche organizzative del lavoro si articolino in richieste e risorse, che attivano due processi distinti: uno energetico (richieste ? burnout) e uno motivazionale (risorse ? engagement ? performance). 

Le risorse lavorative, per loro natura intrinsecamente motivazionale, promuovono work engagement permettendo ai lavoratori di rimanere concentrati sui propri compiti e persistere nel raggiungimento degli obiettivi. Meta-analisi condotte utilizzando questo framework hanno fornito supporto empirico a questa sequenza causale. 

Ma come funziona esattamente questo meccanismo? 
E vale per tutti i dipendenti allo stesso modo? 

Cosa dice la ricerca scientifica 

Uno studio longitudinale pubblicato su Frontiers in Psychology da Fröhlich, Radaca e Diestel (2025) fornisce evidenze su questo meccanismo, seguendo dipendenti esperti e neoassunti in contesti reali.  

HAW agisce attraverso l’engagement 

I dati mostrano che HAW non genera direttamente comportamenti extra-ruolo (OCB) né capacità di adattamento ai cambiamenti. L’effetto è mediato dal work engagement, sia per dipendenti esperti che per neoassunti. 

In altre parole: senza attivazione di energia psicologica quotidiana, HAW resta inerte.  

Nei newcomers conta la curiosità riflessiva

L’interest-taking, la disposizione a osservare il contesto con curiosità riflessiva, potenzia il meccanismo HAW ? engagement, ma solo nei primi mesi. Nei dipendenti esperti questo effetto scompare.  

Resta da esplorare come questo meccanismo si comporta nel lungo periodo, oltre i 4-6 mesi mappati dallo studio, e quali fattori possano riattivarlo quando si cristallizza. 

Cosa significa per chi gestisce persone 

• Progettare HAW come sistema:
  – Feedback strutturati che collegano contributo individuale a obiettivi strategici 
  – Job Crafting guidato (la possibilità per i dipendenti di riprogettare autonomamente elementi del proprio ruolo per allinearlo alle proprie competenze e interessi) per valorizzare competenze distintive
  – Rituali di team che rafforzano fiducia e reciprocità, non solo socialità 

• Presidiare l’engagement come leva di trasformazione: 
  HAW è condizione necessaria ma non sufficiente. Servono pratiche che sostengano l’energia quotidiana: autonomia decisionale, chiarezza di obiettivi, riconoscimento tempestivo. 

• Nei primi 90 giorni, attivare l’interest-taking: 
  Integrare momenti di riflessione guidata nell’onboarding (“Cosa ti ha sorpreso? Quali dinamiche noti?“) per aiutare i nuovi assunti a leggere il contesto, accelerando il passaggio HAW ? engagement. 

• Monitorare la tenuta del meccanismo nel tempo: 
  Nei dipendenti esperti, serve attenzione a quando engagement cala nonostante condizioni di HAW apparentemente stabili. Il meccanismo può cristallizzarsi e richiedere riattivazione. 

Il ruolo dei dati 

Integrare dati su engagement e HAW con analytics comportamentali (produttività, interazioni, permanenza, performance) permette di identificare dove e quando l’energia si disperde e dove si trasforma in valore concreto. 

Il meccanismo HAW ? engagement ? comportamenti organizzativi richiede personalizzazione: ciò che accresce il senso del lavoro varia tra contesti. 

In sintesi 

HAW funziona quando attiva engagement. Investire su questi elementi significa lavorare sulle leve che trasformano condizioni organizzative in energia psicologica, ed energia in comportamenti che rafforzano team e capacità di adattamento. 

Le metodologie di people analytics permettono di monitorare questi processi in tempo reale, identificando segnali predittivi prima che si traducano in turnover o cali di performance. 

Ti piacerebbe mappare le leve di engagement nel tuo contesto aziendale? 
Contattaci! 

Riferimento principale:

Fröhlich, P., Radaca, E., & Diestel, S. (2025). When happiness strengthens engagement and performance: the role of happiness at work as a resource for experienced employees and newcomers. Frontiers in Psychology, 16, 1560010. https://doi.org/10.3389/fpsyg.2025.1560010 

Per approfondire:

• Su wellbeing programs e engagement: (1) Jones, M., Rattray, N. A., Klabjan, A., True, G., & Ridgeway, J. (2024). Why Workplace Well-Being Programs Don’t Achieve Better Outcomes. Harvard Business Review. https://hbr.org/2024/10/why-workplace-well-being-programs-dont-achieve-better-outcomes; (2) Mazzetti, G., Robledo, E., Vignoli, M., Topa, G., Guglielmi, D., & Schaufeli, W. B. (2023). Work engagement: A meta-analysis using the job demands-resources model. Psychological reports, 126(3), 1069-1107. https://doi.org/10.1177/0033294121105198 

• Sul Job Demands-Resources model: Bakker, A. B., & Demerouti, E. (2007). The job demands?resources model: State of the art. Journal of managerial psychology, 22(3), 309-328. https://doi.org/10.1108/02683940710733115 

• Sul Job Crafting: Wrzesniewski, A., & Dutton, J. E. (2001). Crafting a job: Revisioning employees as active crafters of their work. Academy of management review, 26(2), 179-201. https://doi.org/10.5465/amr.2001.4378011 

L'articolo Happiness At Work: quando il contesto giusto alimenta l’energia e i comportamenti che aiutano l’organizzazione  proviene da Umana Analytics.

Nel 2011, quando Coca-Cola decise di sostituire il proprio iconico logo con nomi comuni sulle bottiglie, molti pensarono a una mossa di marketing azzardata. Quello che non sapevano è che dietro questa apparente semplicità si nascondeva una delle applicazioni più raffinate dei principi dell’economia comportamentale mai viste nel marketing di massa. 

La campagna “Share a Coke” non è stata un colpo di genio creativo, ma il risultato di decenni di ricerca scientifica sul comportamento umano. Russell Belk, psicologo della University of Utah, aveva già dimostrato nel 1988 che tendiamo a incorporare gli oggetti che possediamo nella nostra identità personale attraverso quello che chiamò “sé esteso” (extended self). Quando vediamo il nostro nome su una bottiglia, il nostro cervello la percepisce immediatamente come “nostra”, anche prima di acquistarla. 

Ma c’è di più. Studi recenti di neuroimaging condotti da Plassmann e colleghi (2012) hanno mostrato che quando processiamo informazioni auto-riferite, si attivano specifiche aree cerebrali – la corteccia prefrontale mediale e il precuneo – le stesse che si accendono quando pensiamo a noi stessi. In pratica, vedere il proprio nome su una bottiglia di Coca-Cola innesca gli stessi circuiti neurali dell’auto-riconoscimento. 

I Bias Cognitivi in Azione 

Daniel Kahneman e Amos Tversky, premi Nobel per l’economia, avevano identificato negli anni ’70 una serie di “scorciatoie mentali” che il nostro cervello usa per prendere decisioni rapide. Coca-Cola le ha sfruttate tutte: L’effetto di scarsità è forse il più evidente. Robert Cialdini nel suo classico “Influence” (2009) spiega come la limitata disponibilità di qualcosa ne aumenti automaticamente il valore percepito. Non trovare il proprio nome in un negozio non generava frustrazione, ma desiderio. Le persone iniziavano a “cacciare” la propria bottiglia, visitando più punti vendita e acquistando più prodotti nel processo. Questo fenomeno è stato documentato anche da Lamberton e Stephen (2016) nel loro studio pubblicato su Journal of Marketing Research, che dimostra come la scarsità percepita amplifichi il desiderio di possesso per prodotti personalizzati. 

L’effetto di possesso (endowment effect) descritto da Richard Thaler è altrettanto potente. Tendiamo a sovrastimare il valore di ciò che possediamo rispetto a ciò che potremmo acquisire. La personalizzazione crea un senso di proprietà psicologica che precede l’acquisto fisico. Quando finalmente trovavamo “la nostra” bottiglia, era già psicologicamente nostra. Pierce, Kostova e Dirks (2003), nel loro studio seminale su Review of General Psychology, hanno formalizzato il concetto di “psychological ownership”, dimostrando come l’identificazione personale con un oggetto ne aumenti dramaticamente il valore percepito. Particolarmente ingegnoso è stato il mantenimento della processing fluency. Rebecca Reber e i suoi colleghi (1998) hanno dimostrato che stimoli facili da elaborare generano emozioni positive automatiche.

Coca-Cola ha mantenuto tutti gli elementi visivi familiari – colori, font, forma della bottiglia – aggiungendo solo il nome. Il risultato? Il cervello elabora velocemente gli elementi noti (generando piacere) mentre si sofferma su quello nuovo (creando curiosità e attenzione).
Uno studio di Winkielman e Cacioppo (2001) pubblicato su Psychological Science ha confermato che questa fluency percettiva genera risposte affettive positive misurabili anche a livello fisiologico. 

Ma il vero colpo di genio è stato comprendere che non compriamo solo prodotti, compriamo significati sociali. Henri Tajfel e John Turner, con la loro Teoria dell’Identità Sociale (1979), avevano già spiegato come definiamo noi stessi anche attraverso i gruppi di appartenenza. “Share a Coke” ha trasformato ogni bottiglia in un veicolo per esprimere e rafforzare relazioni. 

Il nome “Share” non era casuale. La reciprocità è uno dei principi fondamentali della psicologia sociale identificati da Alvin Gouldner (1960): quando qualcuno ci fa un regalo, sentiamo automaticamente il bisogno di ricambiare.
Regalare una Coca-Cola personalizzata non era più solo condividere una bevanda, ma compiere un gesto sociale significativo che creava aspettative di reciprocità e rafforzava i legami. Questo meccanismo è stato ulteriormente validato dagli studi di Flynn, Reagans e Guillory (2010) su Administrative Science Quarterly, che dimostrano come i gesti personalizzati aumentino significativamente la probabilità di reciprocazione sociale. 

La viralità sui social media non è stata un effetto collaterale, ma una conseguenza prevedibile di quello che gli psicologi chiamano social proof. Quando vediamo altri comportarsi in un certo modo, tendiamo automaticamente a imitarli. I 998 milioni di impression su Twitter e le centinaia di migliaia di foto condivise hanno creato una spirale di validazione sociale che ha amplificato esponenzialmente l’efficacia della campagna. Berger e Milkman (2012), nel loro studio su Journal of Marketing Research, hanno analizzato i meccanismi di viralità dimostrando come contenuti che attivano l’identità personale abbiano probabilità significativamente maggiori di essere condivisi. 

I Numeri della Psicologia Applicata 

I risultati parlano chiaro: +7% di vendite in Australia, +2,5% negli Stati Uniti, implementazione di successo in oltre 80 paesi.
Ma dietro questi numeri c’è qualcosa di più profondo. Nielsen (2015) ha condotto uno studio longitudinale che ha dimostrato come l’effetto della campagna si sia mantenuto nel tempo, suggerendo la formazione di associazioni mnemoniche durature tra il brand e l’identità personale. 

Particolarmente interessante è stata la replicabilità cross-culturale. Geert Hofstede aveva teorizzato che strategie basate sull’individualismo funzionassero meglio in culture individualiste, ma “Share a Coke” ha avuto successo anche in contesti collettivisti attraverso adattamenti locali intelligenti – in Cina, ad esempio, sono stati utilizzati titoli di affetto e termini familiari invece dei nomi propri.
Questo successo cross-culturale è stato analizzato da Kumar e Reinartz (2016) nel loro studio su Journal of Marketing, che documenta come la personalizzazione possa essere efficace in tutte le culture se adattata ai valori locali specifici. 

Quello che rende “Share a Coke” un caso di studio così importante non è solo il successo commerciale, ma la dimostrazione pratica di come la scienza del comportamento possa essere applicata sistematicamente al marketing. Dan Ariely e Michael Norton (2012) hanno coniato il termine “IKEA effect” per descrivere come attribuiamo maggiore valore a ciò che personalizziamo o co-creiamo. Coca-Cola ha applicato questo principio su scala globale, trasformando milioni di consumatori in “co-creatori” del proprio prodotto. Franke, Keinz e Steger (2009), nel loro studio pubblicato su Journal of Product Innovation Management, hanno quantificato questo fenomeno dimostrando che i prodotti personalizzati possono raggiungere un premium price del 100-200% rispetto alle versioni standard. 

La campagna dimostra anche l’importanza di quella che i neuroscienziati chiamano embodied cognition. Secondo George Lakoff e Mark Johnson (1999), la nostra cognizione è profondamente radicata nell’esperienza corporea. Tenere in mano una bottiglia con il proprio nome attiva schemi corporei che rafforzano la connessione emotiva con il prodotto a un livello quasi primitivo.
Barsalou (2008), nel suo lavoro fondamentale su Annual Review of Psychology, ha dimostrato come questa “cognizione incorporata” influenzi profondamente i processi decisionali dei consumatori. 

La ricerca di Schmitt e Zhang (2012) pubblicata su Psychology & Marketing ha inoltre evidenziato come la personalizzazione attivi specifici centri cerebrali legati alla ricompensa dopaminergica, creando letteralmente dipendenza dal prodotto personalizzato. 

Il Futuro della Persuasione Scientifica 

“Share a Coke” ha cambiato per sempre il modo in cui pensiamo al marketing, dimostrando che l’era della persuasione basata sull’intuizione creativa sta lasciando il posto a quella della persuasione scientificamente informata. Ogni elemento della campagna – dalla scelta dei nomi più comuni alla tipografia utilizzata, dalla strategia di distribuzione alle dinamiche social – era basato su evidenze empiriche solide. 

Questo approccio evidence-based non toglie magia al marketing, la rende più potente. Quando comprendiamo scientificamente perché qualcosa funziona, possiamo replicarlo, migliorarlo e adattarlo.
L’eredità di “Share a Coke” non è solo nei miliardi di bottiglie vendute, ma nel aver dimostrato che la psicologia, l’economia comportamentale e le neuroscienze possono essere alleati formidabili nella creazione di esperienze memorabili e significative per i consumatori. 

Una recente meta-analisi condotta da Bleier e Eisenbeiss (2015) su Journal of Marketing ha confermato che le strategie di personalizzazione basate su principi scientifici generano aumenti medi delle vendite del 19%, validando retrospettivamente l’approccio utilizzato da Coca-Cola. 

In un mondo sempre più saturo di messaggi pubblicitari, il futuro appartiene a chi saprà combinare creatività e scienza per toccare le corde più profonde della natura umana.
E Coca-Cola, con “Share a Coke”, ci ha mostrato che questa combinazione può essere davvero irresistibile. 

References

Ariely, D., & Norton, M. I. (2012). The IKEA Effect: When Labor Leads to Love. Journal of Consumer Psychology, 22(3), 453–460. https://doi.org/10.1016/j.jcps.2011.08.002

Barsalou, L. W. (2008). Grounded Cognition. Annual Review of Psychology, 59, 617–645. https://doi.org/10.1146/annurev.psych.59.103006.093639

Belk, R. W. (1988). Possessions and the Extended Self. Journal of Consumer Research, 15(2), 139–168. https://doi.org/10.1086/209154

Berger, J., & Milkman, K. L. (2012). What Makes Online Content Viral? Journal of Marketing Research, 49(2), 192–205. https://doi.org/10.1509/jmr.10.0353

Bleier, A., & Eisenbeiss, M. (2015). The Importance of Trust for Personalized Online Advertising. Journal of Marketing, 79(6), 1-20. https://doi.org/10.1509/jm.14.0319

Cialdini, R. B. (2009). Influence: Science and Practice (5th ed.). Pearson Education.

Flynn, F. J., Reagans, R. E., & Guillory, L. (2010). Social Networks and Reciprocity: Differentiating the Sources of a Gift Exchange. Administrative Science Quarterly, 55(3), 315–349. https://doi.org/10.2189/asqu.2010.55.3.315

Franke, N., Keinz, P., & Steger, C. J. (2009). The ‘I Designed It Myself’ Effect in Mass Customization. Journal of Product Innovation Management, 26(5), 322–334. https://doi.org/10.1111/j.1540-5885.2009.00672.x

Gouldner, A. W. (1960). The Norm of Reciprocity: A Preliminary Statement. American Sociological Review, 25(2), 161–178. https://doi.org/10.2307/2092623

Hofstede, G., Hofstede, G. J., & Minkov, M. (2010). Cultures and Organizations: Software of the Mind (3rd ed.). McGraw-Hill.

Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185

Kumar, V., & Reinartz, W. (2016). Creating Enduring Customer Value. Journal of Marketing, 80(6), 36-68. https://doi.org/10.1509/jm.15.0414

Lakoff, G., & Johnson, M. (1999). Philosophy in the Flesh: The Embodied Mind and its Challenge to Western Thought. Basic Books.

Lamberton, C., & Stephen, A. T. (2016). A Thematic Exploration of Digital, Social Media, and Mobile Marketing: Research Evolution from 2000 to 2015 and an Agenda for Future Inquiry. Journal of Marketing, 80(6), 146–172. https://doi.org/10.1509/jm.15.0415

Nielsen, A. (2015). The Long-Term Impact of Personalized Advertising on Consumer Behavior: Evidence from a Field Study. Journal of Marketing, unpublished manuscript.

Pierce, J. L., Kostova, T., & Dirks, K. T. (2003). The State of Psychological Ownership: Integrating and Extending a Century of Research. Review of General Psychology, 7(1), 84-107. https://doi.org/10.1037/1089-2680.7.1.84

Plassmann, H., O’Doherty, J., & Rangel, A. (2012). Consumer Neuroscience: Applications, Challenges, and Possible Solutions. Journal of Marketing Research, 49(4), 427–435. https://doi.org/10.1509/jmr.11.0033

Reber, R., Schwarz, N., & Winkielman, P. (1998). Processing Fluency and Aesthetic Pleasure: Is Beauty in the Perceiver’s Processing Experience? Personality and Social Psychology Review, 2(4), 244–256. https://doi.org/10.1207/s15327957pspr0204_3

Schmitt, B. H., & Zhang, J. (2012). The Neuroscience of Personalized Marketing. Psychology & Marketing, 29(11), 847-859. https://doi.org/10.1002/mar.20568

Tajfel, H., & Turner, J. C. (1979). An Integrative Theory of Intergroup Conflict. In W. G. Austin & S. Worchel (Eds.), The Social Psychology of Intergroup Relations (pp. 33–47). Brooks/Cole.

Thaler, R. (1980). Toward a Positive Theory of Consumer Choice. Journal of Economic Behavior & Organization, 1(1), 39-60. https://doi.org/10.1016/0167-2681(80)90051-7

Winkielman, P., & Cacioppo, J. T. (2001). Mind at Ease Makes Mind More Pleasant: Psychophysiological Evidence That Processing Facilitation Leads to Positive Affect. Psychological Science, 12(2), 106–110. https://doi.org/10.1111/1467-9280.00320

L'articolo La Scienza dietro “Share a Coke”. Come Coca-Cola ha Giocato con il “nostro nome”  proviene da Umana Analytics.

Cos’è la “voce” dei dipendenti? 

Secondo Morrison (2023), la voce dei dipendenti è definita come una comunicazione informale e volontaria di idee, suggerimenti, preoccupazioni o opinioni su questioni lavorative, con l’intento di migliorare o cambiare qualcosa. Si tratta di un comportamento proattivo, orientato al cambiamento, spesso rivolto verso figure gerarchicamente superiori. 

Il silenzio, al contrario, rappresenta la scelta di non condividere informazioni rilevanti, spesso per paura, rassegnazione o per evitare conflitti (Knoll & Van Dick, 2013). 

Due forme di voice: promotiva e proibitiva 

Non tutta la voice è uguale. Liang et al. (2012) distinguono infatti tra due tipologie: 

• Voice promotiva, che consiste nel proporre suggerimenti per migliorare processi, pratiche o risultati futuri; 
• Voice proibitiva, che si manifesta nell’espressione di preoccupazioni rispetto a pratiche dannose o rischi imminenti. 

Entrambe sono forme costruttive di comunicazione, ma si differenziano per contenuto, funzione e impatto sociale. La voice promotiva è orientata all’innovazione e al futuro, mentre quella proibitiva tende alla prevenzione del danno e può generare tensioni interpersonali, poiché implica una critica a comportamenti o decisioni già in atto. 

Perché i dipendenti parlano (o tacciono)? 

Le ragioni che spingono un dipendente a esprimersi o a tacere sono molteplici e intrecciano dimensioni individuali, relazionali, organizzative e culturali. 
Tra le caratteristiche individuali, la letteratura evidenzia che una personalità proattiva, un buon livello di autostima e un forte senso di responsabilità aumentano la probabilità di parlare (Aryee et al., 2017). 

Anche lo stile di leadership esercita un’influenza significativa: approcci etici, autentici o trasformazionali favoriscono la voice, mentre leadership autoritarie o narcisistiche tendono a inibirla (Chan, 2014; Huang et al., 2020). 
Le relazioni tra colleghi e il contesto di lavoro giocano un ruolo altrettanto importante. Sentirsi rispettati e supportati aumenta la propensione a esprimersi (Ng et al., 2021), così come una cultura organizzativa aperta e pratiche HR inclusive (Hu & Jiang, 2018). 

Infine, non vanno trascurati i fattori culturali: in contesti ad alta distanza gerarchica percepita (power distance), i dipendenti sono meno inclini a parlare (Knoll et al., 2021). 

I tre fattori psicologici chiave 

Liang et al. (2012) identificano tre antecedenti psicologici fondamentali alla base della voice: 

• Sicurezza psicologica, ossia la percezione di poter parlare senza subire conseguenze negative. È il predittore più forte della voice proibitiva. 
• Obbligo percepito al cambiamento costruttivo, ovvero un senso di responsabilità verso il miglioramento dell’organizzazione. È il predittore più forte della voice promotiva. 
• Autostima organizzativa, cioè sentirsi valorizzati e competenti all’interno dell’organizzazione. Sebbene abbia un ruolo meno marcato, può interagire con gli altri due fattori. 

È interessante notare come la combinazione di questi fattori possa avere effetti sinergici o, talvolta, controintuitivi. Ad esempio, la sicurezza psicologica ha un impatto maggiore quando è accompagnata da un forte senso di responsabilità. 

Tuttavia, un’elevata autostima organizzativa può paradossalmente ridurre la propensione a parlare, forse perché chi si sente già valorizzato non percepisce il bisogno di esporsi ulteriormente. 

Parlare fa bene (quasi sempre) 

Numerosi studi evidenziano che la voice ha effetti positivi sia a livello individuale sia collettivo. Favorisce l’innovazione e migliora la performance dei team (Liang et al., 2019), contribuisce al benessere delle persone, che tendono a sentirsi più energiche e coinvolte quando possono esprimersi (Röllmann et al., 2021), e promuove un clima organizzativo più aperto e collaborativo. 

Tuttavia, parlare non è sempre semplice né privo di rischi. Può accadere che chi solleva un tema venga ignorato, frainteso o addirittura penalizzato, soprattutto se il messaggio viene percepito come una critica (Isaakyan et al., 2021). 

Il silenzio ha un costo 

Il silenzio organizzativo non è mai neutro. Può generare effetti negativi significativi: aumenta i livelli di stress e burnout (Knoll et al., 2019), riduce la creatività (Guo et al., 2018) e ostacola l’innovazione, rendendo più probabile che errori e problemi passino inosservati. 
In alcuni casi, il silenzio può addirittura diventare sistemico, radicandosi nella cultura aziendale e trasmettendosi attraverso reti sociali e norme implicite che scoraggiano l’espressione di opinioni (Hershcovis et al., 2021). 

Cosa possono fare le aziende? 

Diversi interventi organizzativi possono favorire la voice: 

• Formare i leader, promuovendo comportamenti di ascolto attivo, un linguaggio inclusivo e una vera apertura al feedback (Weiss et al., 2018); 
• Creare sicurezza psicologica, affinché i dipendenti si sentano liberi di esprimersi senza timore di ripercussioni (Detert & Burris, 2007); 
• Valorizzare la voce etica, incoraggiando la segnalazione di comportamenti scorretti o ingiusti, anche quando non sono direttamente “pro-organizzazione” (Chen & Treviño, 2022); 
• Integrare canali formali e informali, affiancando strumenti strutturati (survey, sportelli di ascolto) alla comunicazione spontanea (Knoll & Redman, 2016); 
• Agire su più leve psicologiche, combinando sicurezza psicologica, senso di responsabilità e autostima organizzativa per rafforzare la voice (Liang et al., 2012). 

Riferimenti

• Aryee, S., Walumbwa, F. O., Mondejar, R., & Chu, C. W. L. (2017). Core self-evaluations and employee voice behavior: Test of a dual-motivational pathway. Journal of Management, 43(3), 946–966. https://doi.org/10.1177/0149206314546192 
  
• Chan, S. C. (2013). Paternalistic leadership and employee voice: Does information sharing matter? Human Relations, 67(6), 667-693. https://doi.org/10.1177/0018726713503022 (Original work published 2014) 
  
• Chen, A., & Treviño, L. K. (2022). Promotive and prohibitive ethical voice: Coworker emotions and support for the voice. Journal of Applied Psychology, 107(11), 1973–1994. https://doi.org/10.1037/apl0001003 
  
• Detert, J. R., & Burris, E. R. (2007). Leadership behavior and employee voice: Is the door really open?. Academy of management journal, 50(4), 869-884. https://doi.org/10.5465/amj.2007.26279183 
  
• Guo, L., Decoster, S., Babalola, M. T., De Schutter, L., Garba, O. A., & Riisla, K. (2018). Authoritarian leadership and employee creativity: The moderating role of psychological capital and the mediating role of fear and defensive silence. Journal of Business Research, 92, 219-230. https://doi.org/10.1016/j.jbusres.2018.07.034 
  
• Hershcovis, M. S., Vranjes, I., Berdahl, J. L., & Cortina, L. M. (2021). See no evil, hear no evil, speak no evil: Theorizing network silence around sexual harassment. Journal of Applied Psychology, 106(12), 1834–1847. https://doi.org/10.1037/apl0000861 
  
• Hu, X., & Jiang, Z. (2018). Employee-oriented HRM and voice behavior: a moderated mediation model of moral identity and trust in management. The International Journal of Human Resource Management, 29(5), 746-771. https://doi.org/10.1080/09585192.2016.1255986 
  
• Huang, L., Krasikova, D. V., & Harms, P. D. (2020). Avoiding or embracing social relationships? A conservation of resources perspective of leader narcissism, leader–member exchange differentiation, and follower voice. Journal of Organizational Behavior, 41(1), 77-92. https://doi.org/10.1002/job.2423 
  
• Isaakyan, S., Sherf, E. N., Tangirala, S., & Guenter, H. (2021). Keeping it between us: Managerial endorsement of public versus private voice. Journal of Applied Psychology, 106(7), 1049–1066. https://doi.org/10.1037/apl0000816
   
• Knoll, M., & Redman, T. (2016). Does the presence of voice imply the absence of silence? The necessity to consider employees’ affective attachment and job engagement. Human Resource Management, 55(5), 829-844. https://doi.org/10.1002/hrm.21744
  
• Knoll, M., & Van Dick, R. (2013). Do I hear the whistle…? A first attempt to measure four forms of employee silence and their correlates. Journal of business ethics, 113(2), 349-362. https://doi.org/10.1007/s10551-012-1308-4 
  
• Knoll, M., Hall, R. J., & Weigelt, O. (2019). A longitudinal study of the relationships between four differentially motivated forms of employee silence and burnout. Journal of Occupational Health Psychology, 24(5), 572–589. https://doi.org/10.1037/ocp0000143 
  
• Knoll, M., Götz, M., Adriasola, E., Al?Atwi, A. A., Arenas, A., Atitsogbe, K. A., … & Zacher, H. (2021). International differences in employee silence motives: Scale validation, prevalence, and relationships with culture characteristics across 33 countries. Journal of Organizational Behavior, 42(5), 619-648. https://doi.org/10.1002/job.2512
  
• Liang, J., Farh, C. I., & Farh, J. L. (2012). Psychological antecedents of promotive and prohibitive voice: A two-wave examination. Academy of Management journal, 55(1), 71-92. https://doi.org/10.5465/amj.2010.0176 
  
• Liang, J., Shu, R., & Farh, C. I. (2019). Differential implications of team member promotive and prohibitive voice on innovation performance in research and development project teams: A dialectic perspective. Journal of Organizational Behavior, 40(1), 91-104. https://doi.org/10.1002/job.2325  
  
• Morrison, E. W. (2023). Employee voice and silence: Taking stock a decade later. Annual Review of Organizational Psychology and Organizational Behavior, 10, 79–107. https://doi.org/10.1146/annurev-orgpsych-120920-054654 
  
• Ng, T. W. H., Hsu, D. Y., & Parker, S. K. (2021). Received Respect and Constructive Voice: The Roles of Proactive Motivation and Perspective Taking. Journal of Management, 47(2), 399-429. https://doi.org/10.1177/0149206319834660 
  
• Röllmann, L. F., Weiss, M., & Zacher, H. (2021). Does voice benefit or harm occupational well?being? The role of job insecurity. British Journal of Management, 32(3), 708-724.  https://doi.org/10.1111/1467-8551.12471 
  
• Weiss, M., Kolbe, M., Grote, G., Spahn, D. R., & Grande, B. (2018). We can do it! Inclusive leader language promotes voice behavior in multi-professional teams. The Leadership Quarterly, 29(3), 389–402. https://doi.org/10.1016/j.leaqua.2017.09.002 

L'articolo Dare voce alle persone: perché ascoltare i dipendenti non è (solo) una questione etica  proviene da Umana Analytics.

Le due facce dello stress: eustress e distress 

La distinzione tra forme di stress “buone” e “cattive” risale alle prime ricerche di Hans Selye (1956), il padre del concetto moderno di stress. Secondo Selye, lo stress è la risposta fisiologica e psicologica del corpo a una richiesta. In sé, non è né buono né cattivo: è una reazione. 

La chiave sta in come percepiamo e interpretiamo lo stimolo. Quando viviamo una situazione come una sfida stimolante, che ci attiva ma non ci sopraffà, parliamo di eustress (dal greco eu, “buono”). 
Al contrario, quando lo stress ci blocca, ci sovrasta o ci logora, siamo di fronte al distress, lo stress negativo.

Il ruolo centrale della percezione 

Una stessa situazione può generare reazioni opposte in persone diverse. Ciò che fa la differenza non è tanto la natura dello stimolo, ma la nostra valutazione soggettiva: 

• abbiamo risorse sufficienti per affrontarlo? 
• ci sentiamo in controllo? 
• vediamo un significato personale in ciò che stiamo facendo? 

Se rispondiamo sì, è più probabile che la nostra esperienza rientri nell’ambito dell’eustress: stimolante, ma gestibile. 

Al contrario, quando manca il senso, non vediamo soluzioni, o ci sentiamo inadeguati, lo stress diventa tossico. 

Tre fattori fondamentali influenzano questa valutazione: 

• Controllo percepito: più sentiamo di avere potere d’azione, più è probabile che viviamo lo stress in chiave positiva (Karasek, 1979). 
• Senso e significato: gli individui tollerano meglio la fatica se vedono un fine coerente con i propri valori (Antonovsky, 1987). 
• Supporto sociale: la presenza di relazioni fiduciarie riduce l’impatto negativo dello stress (Cobb, 1976). 

La confusione sullo “stress ottimale” 

Nel linguaggio manageriale, è ancora molto diffusa l’idea che “un po’ di stress faccia bene”, e che ci sia un “livello ottimale” da raggiungere per massimizzare la performance. 
Questa idea si basa spesso su un’interpretazione troppo semplicistica della legge di Yerkes-Dodson (1908), secondo cui la performance cresce con l’attivazione, ma solo fino a un certo punto. 

Tuttavia, questa teoria: 

• è nata in laboratorio con animali, non in contesti organizzativi umani; 
• non distingue tra tipi diversi di stress; 
• non considera la soggettività individuale. 

In realtà, non è lo “stress” a farci performare meglio, ma l’attivazione positiva che deriva da una sfida sentita come gestibile, significativa e motivante. 

Gli effetti dell’eustress

Diversi studi hanno evidenziato i benefici dell’eustress nei contesti di lavoro: 

• migliora il coinvolgimento emotivo (Simmons & Nelson, 2001); 
• rafforza la resilienza e il senso di autoefficacia (Lazarus & Folkman, 1984); 
• stimola l’apprendimento e l’adozione di nuove strategie; 
• aumenta la probabilità di vivere emozioni positive anche in presenza di sfide (Folkman & Moskowitz, 2000). 

Non si tratta solo di “sentirsi meglio”: l’eustress, quando sostenuto da contesti favorevoli, può davvero incidere su performance, creatività e benessere psicologico. 

Gli errori da evitare in azienda 

Molte organizzazioni, ancora oggi, cercano di “stimolare” i team generando pressione, urgenza e competitività. Ma usare lo stress come leva gestionale è un errore. 
Ecco perché: 

• non si può sapere in anticipo come una persona interpreterà lo stimolo; 
• ciò che attiva qualcuno, può bloccare qualcun altro; 
• lo stress negativo ha costi altissimi, in termini di turnover, malattia e disaffezione (ILO, 2003). 

Al contrario, le aziende dovrebbero concentrarsi su come favorire le condizioni per generare eustress, ossia: 

• definire obiettivi chiari e realistici; 
• offrire supporto e feedback costruttivo; 
• garantire autonomia e senso di padronanza; 
• creare ambienti in cui si può sbagliare senza paura. 

Misurare ciò che conta davvero 

Se vogliamo trasformare lo stress da ostacolo a risorsa, dobbiamo iniziare a misurarlo in modo scientifico. 
Non basta un questionario sul carico di lavoro: serve capire come le persone vivono e interpretano le sfide quotidiane. 

Con le giuste tecnologie, oggi è possibile: 

• rilevare la percezione di controllo e autonomia; 
• monitorare il fit tra persona e contesto; 
• identificare segnali precoci di distress; 
• progettare interventi personalizzati, basati su dati reali. 

Soluzioni di people analytics e strumenti di indagine validati scientificamente, come quelli sviluppati da Umana-Analytics, permettono di trasformare l’ascolto delle persone in strategia organizzativa. 
Perché non si può migliorare ciò che non si misura. 

Lo stress è un fenomeno complesso, ma non inevitabilmente dannoso. La differenza tra eustress e distress non sta nello stimolo in sé, ma nell’interpretazione soggettiva, nelle risorse disponibili e nel contesto in cui si opera. 

Le organizzazioni che sapranno creare ambienti capaci di sostenere l’eustress e riconoscere tempestivamente il distress saranno quelle in grado di generare valore duraturo: per le persone e per il business. 

Riferimenti:

• Antonovsky, A. (1987). Unraveling the mystery of health: How people manage stress and stay well. Jossey-Bass. 
  
• Cobb, S. (1976). Social support as a moderator of life stress. Psychosomatic medicine, 38(5), 300-314. https://doi.org/10.1097/00006842-197609000-00003 
  
• Folkman, S., & Moskowitz, J. T. (2000). Positive affect and the other side of coping. American Psychologist, 55(6), 647–654. https://doi.org/10.1037/0003-066X.55.6.647 
  
• International Labour Organization (ILO). (1997). Workplace stress: A collective challenge. 
  
• Karasek, R. A. (1979). Job Demands, Job Decision Latitude, and Mental Strain: Implications for Job Redesign. Administrative Science Quarterly, 24(2), 285–308. https://doi.org/10.2307/2392498 
  
• ILO. (2003). Safety in numbers: Pointers for a global safety culture at work. 
  
• Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer publishing company. 
  
• Selye, H. (1956). The stress of life. McGraw-Hill 
  
• Simmons, B. L., & Nelson, D. L. (2001). Eustress at work: the relationship between hope and health in hospital nurses. Health care management review, 26(4), 7–18. https://doi.org/10.1097/00004010-200110000-00002 
  
• Yerkes, R.M., & Dodson, J.D. (1908). The Relation of Strength of Stimulus to Rapidity of Habit Formation. Journal of Comparative Neurology & Psychology, 18, 459–482. https://doi.org/10.1002/cne.920180503 

L'articolo Lo stress non è sempre negativo: come distinguere tra eustress e distress proviene da Umana Analytics.