LA PROGETTAZIONE DEI SISTEMI DI INCENTIVAZIONE DEL

Transcript

0080.art_A1_511_0080.art_A1_511.qxd 15/09/11 17.18 Pagina 49
economia & management 5 - 2011
borgonovo - soda
LA PROGETTAZIONE DEI
SISTEMI DI INCENTIVAZIONE
DEL PERSONALE
Un modello sperimentale
Emanuele Borgonovo
Direttore
ELEUSI Research Center,
Università Bocconi
[email protected]
Laura Cavalli
Università Bocconi
IL RENDIMENTO IN TERMINI DI PRODUTTIVITÀ O EFFICACIA DEGLI INVESTIMENTI NELLO SVILUPPO DEL CAPITALE UMANO È
SOGGETTO A GRANDE INCERTEZZA. MA SE FOSSE PROPRIO L’INVESTIMENTO IN CAPITALE UMANO A GENERARE UNA PARTE RILEVANTE DELL’ECCELLENZA OPERATIVA? COME POSSIAMO DIMO-
Daniela Gualdoni
Università Bocconi
STRARE SE E SOTTO QUALI CONDIZIONI QUESTO NESSO CAUSALE SI GENERA? USCENDO DA UN APPROCCIO ANEDDOTICO E
Fabrizio Iozzi
Università Bocconi
CERCANDO DI MODELLIZZARE CON METODI RIGOROSI L’IMPATTO DI SCENARI DIVERSI DI INCENTIVAZIONE SUI RISULTATI DELLE
Giuseppe Soda
Professore di Organizzazione
Aziendale, Università Bocconi;
direttore della Divisione
Ricerche “Claudio Dematté”,
SDA Bocconi
PERSONE ALL’INTERNO DI CONTESTI ORGANIZZATI, L’ ARTICOLO
IMPIEGA UNA METODOLOGIA INNOVATIVA CHE INTEGRA GLI
[email protected]
Antonio Germani
Chief Executive Officer
FIDIA Farmaceutici SpA
QUANTITATIVO. IN PARTICOLARE, DESCRIVE L’APPLICAZIONE DI
[email protected]
UN PRIMO PROTOTIPO DI SOFTWARE IN GRADO DI ACCOMPA-
Giancarlo Gollin
GNARE I PROFESSIONISTI DELLE RU NELLE DECISIONI DI INCEN-
Direttore Risorse Umane e
Organizzazione
FIDIA Farmaceutici SpA
TIVAZIONE DEL PERSONALE E DI COMPOSIZIONE DEI TEAM.
49
© RCS Libri SpA - TUTTI I DIRITTI SONO RISERVATI
ASPETTI QUALITATIVI DEL PROBLEMA CON UN APPROCCIO
e. borgonovo, g. soda et al.
borgonovo - soda
DESIGNING WORKFORCE INCENTIVE
SYSTEMS
An Experimental Model
In the modern industrial world, human capital is the true engine of a business’ success. Organizational development is perhaps the only investment in a firm’s human capital. Two conditions are important for getting the most out of this investment: the constant update of the
methods and the continuity of the incentivation strategies as opposed to isolate and ad-hoc
interventions. The purpose of the present work is to describe the first prototype of software
which unites qualitative and quantitative aspects of the problem and provides human resource managers with an innovative decision-support tool which can accompany them in their
everyday decision-making concerning team composition and personnel incentivation.
Marco Polo descrive un ponte, pietra per pietra.
“Ma qual è la pietra che sostiene il ponte?” chiede Kublai Kan.
“Il ponte non è sostenuto da questa o quella pietra” risponde Marco
“ma dalla linea dell’arco che esse formano.”
Kublai Kan rimane silenzioso, riflettendo.
Poi soggiunge: “Perché mi parli delle pietre?
È solo dell’arco che m’importa”.
Polo risponde: “Senza pietre non c’è arco”.
Italo Calvino
Le città invisibili, 1972
π π π INTRODUZIONE
Nel dibattito sulla competitività che intreccia il mondo dell’economia, delle imprese e dei
policy maker quasi mai è assente il richiamo alla necessità degli investimenti nel capitale umano. Questa felice intuizione, di cui siamo debitori al premio Nobel Gary Becker
(1964), si basa sull’idea per cui in processi competitivi sempre più fondati sulla velocità di accumulazione delle conoscenze, sull’innovazione e sugli elementi intangibili le
persone possano fare davvero la differenza. In sintesi, conoscenze, competenze, creati-
50
la progettazione dei sistemi di incentivazione del personale
borgonovo - soda
vità, motivazione e coinvolgimento individuali sono elementi centrali della produttività
come dei processi di innovazione e di sviluppo delle imprese. La letteratura scientifica e
quella di taglio più divulgativo abbondano di studi che mostrano come gli investimenti
in capitale umano rappresentino oggi strade maestre per conservare posizioni di leadership nei settori ad alto valore aggiunto e nella competizione globalizzata.
Un lunga tradizione di ricerca, nata con
motivazioni “manageriali” ma di taglio prevalentemente psicologico, enfatizza il ruolo di leva competitiva del capitale umano
che si manifesta in precisi tratti della personalità come l’indipendenza, la self-confidence, il bilanciamento emotivo, la dedizione al lavoro, il senso di responsabilità,
solo per citarne alcuni (Lobel, St. Clair
1992; Bray, Howard 1988; Hogan, Curphy,
Hogan 1994). Altri studi molto influenti
spostano la prospettiva del capitale umano
su una dimensione più “economica” e,
dunque, sui livelli educativi (Sheridan, Slocum, Buda 1997; Tharenou 2001), sullo
stock di competenze ed esperienze, sulla formazione e gli effetti di questi elementi sulla produttività (Fleming, Waguespack 2007).
Accanto a ricerche rigorose, sul tema esiste anche molta retorica e una certa distanza
tra dichiarazioni di principio e azioni pratiche. Anche la recente crisi ha dimostrato, ancora una volta, che le politiche sul capitale umano non hanno trovato, a livello sia di sistemi economici sia di imprese, risposte coerenti con l’ipotizzata centralità, assumendo spesso un ruolo secondario se non, in taluni casi, addirittura marginale. I dati sulla risposta alla crisi (si vedano, per esempio, le statistiche disponibili online Bureau of
Labor Statistics USA http://www.bls.gov/mls/) segnalano una decisa preferenza dei
mercati finanziari per profili di imprese che adottano un approccio cost cutter al capitale umano, indipendentemente dal valore o dalla produttività generata dalla riduzione
dei costi. Anche nei rendiconti alla comunità finanziaria le imprese confinano spesso
gli investimenti nello sviluppo del capitale umano nel magma indistinto delle attività
di responsabilità sociale o del bilancio sociale. Ad evidenza, si tratta di una contraddizione. Infatti, se lo stock di conoscenze e competenze di cui un’impresa dispone rappresenta un elemento chiave della competitività, e se questi processi sono necessari per
conservare posizioni di leadership nei settori ad alto valore aggiunto e nella competizione globalizzata, allora il tema è quello della sostenibilità del vantaggio competitivo e
non della responsabilità sociale.
C’è da chiedersi quali siano le ragioni alla base di questo paradosso e come fare per invertire la rotta. In questo articolo affermiamo che una delle cause per cui si genera questo paradosso è l’incertezza che lega un investimento nello sviluppo del capitale umano al suo rendimento in termini di produttività o efficacia. Provando a invertire l’ordine logico che lega le azioni ai risultati occorre chiedersi se un’incidenza relativamente
superiore del costo associato ai dipendenti sia realmente rappresentativo della qualità
e della performance del capitale umano. Pagare di più le persone non significa neces-
51
Conoscenze, competenze,
creatività, motivazione e
coinvolgimento individuali sono
elementi centrali della
produttività come dei processi
di innovazione
borgonovo - soda
sariamente che queste siano migliori o più produttive della concorrenza o di realtà confrontabili. Ma se fosse proprio l’investimento in capitale umano a generare l’eccellenza operativa? E come possiamo dimostrare se e sotto quali condizioni questo nesso causale si genera? Affrontare questo tema in modo innovativo significa uscire da un approccio aneddotico e cercare di modellizzare con metodi più rigorosi l’impatto di scenari diversi di incentivazione sulle azioni e sui risultati delle persone all’interno di contesti organizzati. In questo articolo affrontiamo questo tema assumendo come focus di
studio il sistema di incentivazione e impiegando una metodologia innovativa che utilizza un approccio quantitativo.
π π π IL PROBLEMA DELL’INCENTIVAZIONE
Il tema degli incentivi e delle risposte individuali generate da una modifica degli stessi ha interessato molti studiosi e incrociato diverse discipline: l’economia, il comportamento organizzativo, la psicologia e la psicologia sociale. Uno degli elementi chiave del
problema, ancora parzialmente irrisolto, riguarda la comprensione del processo seguito da un individuo per decidere in merito al livello di impegno o sforzo da applicare
nello svolgimento del proprio lavoro in risposta a un contratto d’impiego o ad un sistema di incentivi basati sulla valutazione della prestazione (performance-based). Molti studiosi ritengono che esista una relazione tra il livello di rischio che un individuo è in
grado di accettare e il livello dello sforzo (effort) profuso nello svolgimento di un’attività. In particolare, a una minore avversione verso il rischio corrispondono livelli di sforzo e impegno più elevati. Un recente studio (Popescu, Kocabiyikoglu 2007) dimostra
invece che non esiste una relazione sistematica tra questi due fattori e propone due
nuove categorie di persone (agenti) soggette a sistemi di incentivazione basati sulle
performance: agenti con preferenze conservative e agenti con preferenze aggressive.
Gli agenti con preferenze conservative sono quelli esposti a un effetto sazietà o saturazione dal punto vista degli incentivi. Si prefiggono cioè un risultato che corrisponde a
un salario obiettivo e, una volta raggiunto,
non aumentano il proprio sforzo ulteriormente. È evidente che per questa tipologia
di agente un aumento ulteriore del salario
rispetto all’obiettivo produce un effetto minimo nello stimolare sforzi aggiuntivi. Al
contrario, gli agenti con preferenze aggressive sono persone non esposte all’effetto
sazietà. Di conseguenza esercitano sforzi
aggiuntivi ogni volta che ricavano una funzione di utilità chiara. La conclusione del
lavoro di Popescu e Kocabiyikoglu è che
l’applicazione di un salario variabile senza
tenere in considerazione le caratteristiche delle persone potrebbe non essere lo strumento più efficace per migliorare la performance, salvo il caso in cui tutti gli agenti esibiscano preferenze aggressive. Noi sappiamo, però, che una parte rilevante delle prestazioni individuali si realizza all’interno di contesti organizzati in cui le azioni individuali sono tra loro interdipendenti (Thompson 1967). La gestione di queste interdipendenze influenza in misura rilevante l’efficacia dell’intera organizzazione.
Una parte rilevante delle
prestazioni individuali si realizza
in contesti organizzati
in cui le azioni individuali sono
interdipendenti
52
borgonovo - soda
Sulla base di questo ragionamento, alcuni studi recenti hanno proposto un’integrazione tra gli aspetti relativi alle motivazioni dei singoli con le dinamiche e le interdipendenze interne ai team di lavoro e ne sono emersi alcuni risultati interessanti (Siemsen
et al. 2007). In particolare, la tipologia di incentivi adottati influenza le dinamiche di
team e i risultati che questi sono in grado di realizzare. Nella ricerca di Siemsen e dei
suoi collaboratori si mette in evidenza l’importanza dei meccanismi di cooperazione e
di coordinamento tra i membri del gruppo di lavoro e si identificano tre categorie di legami (link) tra persone che riprendono alcune tipologie organizzative ben conosciute
come le interdipendenze di Thompson (1967) (figura 1):
figura 1
i possibili link tra gli agenti secondo siemsen et al. (2007)
Task A
Outcome linkages
Task B
Help linkages
Employee A
Knowledge linkages
Employee B
Le tre tipologie di legame descritte appartengono al campo delle relazioni “strumentali”. Si tratta cioè di un sistema di relazioni interpersonali definite dalle caratteristiche
dei task che i membri di un’organizzazione sono chiamati a svolgere. Molte ricerche
dimostrano che accanto ai legami strumentali esistono anche legami “affettivi”, che in
genere sostengono invisibilmente la rete dei legami strumentali (Casciaro, Lobo 2008).
La creazione di un sistema di incentivazione dovrebbe favorire lo sviluppo e la gestione
efficace di questi legami in modo da alimentare buone performance dell’intera organizzazione. In particolare, dalle ricerche è emerso che: 1. quando i membri del team sono
legati da help link il sistema di incentivazione dovrebbe privilegiare la performance di
gruppo; 2. quando i legami nel team di lavoro sono in prevalenza outcome link il focus
del sistema dovrebbe essere sulla performance individuale a scapito di quella di gruppo; 3. quando le relazioni tra i membri di un gruppo di lavoro prevedono invece lo scam-
53
1. outcome link: la possibilità di completare il proprio task per un membro del team dipende dal completamento del task di un altro membro;
2. help link: il membro del team offre direttamente la propria assistenza a un altro, aiutandolo a completare un task, senza che la propria performance ne sia influenzata;
3. knowledge link: un membro del team condivide con i propri colleghi informazioni e
conoscenze sui compiti che vengono eseguiti, facendo decrescere il costo dell’effort
per chi è sostenuto dal flusso di conoscenza dei colleghi.
borgonovo - soda
bio e la condivisione di conoscenza, allora il sistema di incentivazione dovrebbe essere
costruito attraverso l’integrazione complementare di incentivi di gruppo e individuali.
Come anticipato, in questo articolo tentiamo di verificare con un modello quantitativo queste ipotesi e proporre un metodo analitico per la progettazione dei sistemi di
incentivazione.
π π π IL METODO: LA MODELLAZIONE AD AGENTI E IL CONTESTO
DI RICERCA
Piuttosto che affidarsi a un approccio esclusivamente qualitativo, per poter progettare
un sistema incentivante efficace e che tenga conto del funzionamento di tutta l’organizzazione occorre trovare una legge quantitativa che descriva il comportamento dell’organizzazione stessa. Il problema principale è però trovare una funzione “obiettivo”
dell’organizzazione nel complesso. Nelle scienze sociali, e in particolare nella scienza
dell’organizzazione, non è praticamente possibile definire un’unica funzione obiettivo
di un’organizzazione, specie se parliamo di organizzazioni complesse e articolate in
una pluralità di attori e di interessi. Infatti, ciascuna componente di un’organizzazione
ha una propria funzione obiettivo e condensarle in un’unica funzione che ne descriva
il funzionamento risulta molto complesso; soprattutto, appare molto difficile desumere da questi modelli complessi regole di progettazione che siano utili ad affrontare decisioni critiche come quelle sui sistemi di incentivazione. Nella metodologia proposta
in questo articolo si abbandona l’idea di seguire un approccio top-down, ossia partire
dalla ricerca di una funzione obiettivo generale dell’organizzazione per arrivare a quella delle sue componenti individuali. Al contrario, si è scelto di percorrere la strada inversa, ricostruendo il comportamento di un’organizzazione a partire dal comportamento dei suoi componenti individuali, denominati agenti. In altre parole, si opera in senso opposto rispetto a quello “classico” simulando un modello che parte dalla conoscenza delle regole di comportamento degli individui e di interazione tra questi per
dedurre successivamente l’efficacia dell’azione di tutta l’organizzazione. In altre
parole, richiamando la citazione delle Città
invisibili di Italo Calvino, per comprendere
come un arco di pietre sostenga un ponte
si parte dalle singole pietre dell’arco e se ne
descrivono la funzione e le interazioni con
le altre pietre, sulla base dell’idea che “senza pietre con c’è arco”. Allo stesso modo, si
abbandona l’idea di una generica funzione
obiettivo di tutta l’organizzazione per dare
invece rilevanza a regole di comportamento e d’interazione tra le entità prese in esame
(agenti). Da queste e dalla loro dinamica interattiva sarà poi possibile comprendere il
funzionamento complessivo dell’organizzazione.
Nella metodologia presentata in questo articolo, lo studio del comportamento e dell’efficacia dell’azione complessiva dell’organizzazione è affidato alla simulazione del comportamento degli agenti che la compongono. La strada della simulazione ad agenti è
Abbiamo abbandonato l’idea
di una generica funzione obiettivo
di tutta l’organizzazione
per dare rilevanza a regole
di comportamento e interazione
tra agenti
54
aiuto nella ricerca sui sistemi complessi. In base ai modelli di comportamento degli agenti, alle loro interazioni e alle regole che originano un
modello di funzionamento, si riesce
a giungere a spiegazioni molto
avanzate nel campo delle scienze sociali (Billari et al. 2006; Le Baron
2006). Per esempio, il premio Nobel
per l’economia 2009, Elinor Ostrom
(Jansenn, Ostrom 2006) ha fatto
intenso uso di questa metodologia
nella sua attività di ricerca.
intrapresa con sempre maggiore intensità dalle scienze economiche e sociali (Farmer,
Foley 2009). Una simulazione ad agenti consente di indagare un fenomeno macro attraverso il funzionamento delle sue componenti elementari (micro) che interagiscono
all’interno di un preciso sistema di regole e vincoli (Squazzoni 2008).1
La sfida che si è presentata al team di ricercatori era di stabilire se questo tipo di tecnica di simulazione potesse essere adattato al contesto organizzativo d’impresa; in particolare se fosse uno strumento utile per supportare due decisioni chiave: la composizione dei team di lavoro e la definizione di un sistema di incentivazione per team. Si tratta di una sfida innovativa, che non è mai stata affrontata fino ad ora, non con un modello di simulazione ad agenti.
Per poter disporre di dati e di un contesto il più possibile vicino alla realtà era necessario ottenere la collaborazione di un’impresa. La sfida è stata raccolta da Fidia Farmaceutici, una delle principali aziende italiane del settore farmaceutico, leader nello sviluppo, produzione e commercializzazione di prodotti a base di acido ialuronico e altri glicoaminogligani (GAG) attivi nelle terapie della rigenerazione tissutale, nei dolori articolari e nel settore dermo-cosmetico. Fidia ha deciso di sostenere il progetto, sviluppato dal centro di ricerca ELEUSI dell’Università Bocconi, che si occupa dello sviluppo di
modelli quantitativi per il management.
π π π IL MODELLO
La simulazione interpreta un team di lavoro come un sistema complesso, composto da
agenti aventi caratteristiche individuali differenti le cui regole di comportamento sono
però note una volta che le loro caratteristiche siano state specificate. In particolare, il
modello è costruito su team composti da gruppi di persone a ciascuno dei quali viene
assegnato un certo numero di compiti da eseguire. Per fissare le idee consideriamo come riferimento un team che opera all’interno della Funzione Marketing, cui viene assegnato un anno di tempo per completare il lancio di un nuovo prodotto. Per completare la missione, ciascuno dei componenti del team deve svolgere determinate mansioni o task predefiniti. Ciascun compito (task) assegnato è a sua volta suddiviso in un certo numero di operazioni elementari (sub-task) da svolgere, che devono essere completate entro un determinato periodo di tempo.
Per quanto riguarda gli obiettivi monetari degli agenti, si assume che siano già note le
loro aspettative di guadagno legate allo svolgimento del progetto. Tali previsioni vengono sintetizzate attraverso il calcolo del salario obiettivo per ciascun agente, mediante
un’opportuna formula di calcolo.
Lo svolgimento dei compiti richiede naturalmente la disponibilità di alcune capacità
che vengono modellizzate nella simulazione in tre fattori:
Ω il livello di competenza tecnica dell’agente nell’esecuzione del compito assegnato,
che viene classificato in alto, medio o basso a seconda delle competenze e del livello di esperienza di cui dispone. L’ipotesi è che, in base al livello di competenza ed
esperienza, l’agente svolga il proprio lavoro con risultati superiori, eguali o inferiori
alla media, rispettivamente;
Ω il livello di capacità relazionale dell’agente, sempre modellizzato in alto, medio o
basso;
Ω la tipologia di preferenze dell’agente secondo la distinzione tra preferenze aggressive e preferenze conservative, come discusso in precedenza.
55
1. L’uso delle simulazioni è di grande
borgonovo - soda
borgonovo - soda
Competenze
In conformità a queste caratteristiche si definisce un tempo di esecuzione iniziale per
ciascun agente che corrisponde ai livelli di competenza e capacità relazionale dell’individuo. La tabella 1 presenta lo schema di inserimento nel modello delle caratteristiche
di competenze e capacità relazionali degli agenti.
In tabella 1 i valori dei tempi di
esecuzione dei compiti variano
tabella 1 tempi di esecuzione iniziali
a seconda del livello delle competenze tecniche e delle capaciCapacità relazionali
tà relazionali degli agenti stesAlta
Media
Bassa
si. Dal punto di vista numerico,
Alta
3
2
1
i tempi sono indicati su una
scala da 1 a 5, dove 1 è il tempo
Media
3
3
2
più basso (velocità di esecuzioBassa
4
4
5
ne più alta), mentre 5 quello
più alto. Un valore basso del
tempo di esecuzione è indicatore di una elevata competenza tecnica. La tabella 1 dà flessibilità nell’assegnazione del
tempo di esecuzione in relazione sia alla capacità tecnica sia alle capacità relazionali. Infatti, la capacità relazionale può avere un effetto positivo o negativo sul tempo di esecuzione, anche in base alla natura del task. Per esempio, una capacità relazionale elevata
può risultare controproducente nello svolgimento di task che richiedono grande concentrazione e un’azione individuale ma non scambi di conoscenza o informazioni.
La modellazione delle tipologie di legame riflette le categorie di Siemsen et al. (2007)
discusse in precedenza. In particolare, sono possibili le seguenti combinazioni di legami tra coppie di agenti:
a. agenti legati tra loro solo attraverso outcome link;
b. agenti legati tra loro solo attraverso help link;
c. agenti legati tra loro solo attraverso knowledge link;
d. agenti legati tra loro attraverso sovrapposizione di outcome link e help link;
e. agenti legati tra loro attraverso sovrapposizione di outcome link e knowledge
link.
Una capacità relazionale elevata
può essere controproducente
in task che richiedono grande
concentrazione ma non scambi
di conoscenza o informazioni
L’outcome link viene modellato mediante
una serie di regole che prevedono l’impossibilità dell’agente B di eseguire un’operazione o sub-task successivo nel caso in cui
l’agente A, al quale esso è legato, non abbia
terminato il sub-task corrispondente (o viceversa). Questo comporta che, nel caso in cui
uno dei due agenti termini prima un sub-task, debba attendere che anche l’altro lo termini a sua volta in modo da procedere con il sub-task successivo. Durante tale periodo
colui che ha completato prima il proprio sub-task rimane pertanto inattivo.
L’help link è invece specificato come aiuto reciproco dei due agenti nel momento in cui
uno termini un sub-task prima dell’altro. Se è presente un help link, un agente sospen-
56
borgonovo - soda
Nel primo caso, se l’agente 2 termina prima un dato sub-task rispetto all’agente 1, allora potrà aiutare l’agente 3 nello svolgimento del suo lavoro per tutto il periodo in cui,
altrimenti, rimarrebbe inattivo. Si noti che l’agente 2 continuerà ad aiutare l’agente 3
solo fino a quando avrà terminato un proprio sub-task; cioè, se l’agente 2 avesse ancora degli istanti temporali da usare per aiutare l’agente 3, ma quest’ultimo avesse cominciato un nuovo sub-task, allora l’agente 2 rimarrebbe inattivo fino a quando anche
l’agente 1 non avesse terminato il proprio sub-task.
Nel secondo caso, l’agente 2 e l’agente 3 utilizzeranno del tempo all’inizio del progetto
per condividere informazioni, uniformando il proprio comportamento, cioè il tempo di
esecuzione. Successivamente l’agente 3 non riceverà più l’aiuto dall’agente 2 e quest’ultimo rimarrà dipendente solo dai tempi d’esecuzione dell’agente 1.
Una volta definito il contesto di compiti e legami al cui interno operano gli agenti, la
simulazione prevede la modellazione degli incentivi. La distinzione adottata è quella
comune di incentivi al gruppo e incentivi individuali; questi ultimi sono stati ulteriormente distinti in bonus monetari, stock option e stock ownership, premi e regali. La
categoria bonus monetario raccoglie tutti quegli incentivi attribuiti agli individui nel caso in cui raggiungano un certo livello di performance personale, entro un dato periodo
di tempo. La categoria comprendente stock option e stock ownership raggruppa incentivi rivolti ai singoli ma attribuiti in base al raggiungimento di obiettivi aziendali. La categoria premi e regali è invece riferita a incentivi attribuiti al singolo e maggiormente
collegati alla sfera emotiva, cioè in grado di rinforzare sentimenti di fiducia e apparte-
57
de il proprio lavoro e aiuta l’altro per un istante temporale per poi ritornare ai propri
compiti.
Nel caso del knowledge link, il modello prevede che i due agenti utilizzino un istante
temporale all’inizio del progetto in modo da condividere informazioni sulle modalità
di esecuzione dei sub-task. In tal modo uniformano le proprie metodologie di lavoro.
Dopo questa prima fase di consultazione tra i due agenti, essi eseguono il proprio lavoro senza richiedersi reciprocamente ulteriore aiuto.
Nel modello è stata anche prevista la possibilità che tra due agenti esistano due tipologie di legame; le combinazioni possibili, come già detto, possono essere solo due: l’outcome link e l’help link; l’outcome link e il knowledge link.
Si nota l’impossibilità di avere tra due agenti sia l’help link sia il knowledge link, poiché in base alle definizioni date questi legami risultano non sovrapponibili.
Nel caso in cui due agenti siano uniti da outcome link e help link, il soggetto che termina per primo non rimane inattivo fino a quando anche l’altro termina il proprio subtask, ma lo aiuta a terminarlo. Nel caso siano uniti da outcome link e knowledge link,
invece, si dà la possibilità agli agenti di condividere informazioni all’inizio del progetto: questo permette un’omogeneizzazione di conoscenze che conduce a una riduzione
o anche all’eliminazione del periodo di inattività di una delle due parti. Può inoltre verificarsi la possibilità di combinazioni di un numero di agenti superiore a due. Per
esempio, tre agenti possono essere in relazione secondo le seguenti configurazioni:
Ω l’agente 1 è collegato con l’agente 2 mediante outcome link e contemporaneamente
quest’ultimo è collegato mediante help link con l’agente 3;
Ω l’agente 1 è collegato con l’agente 2 mediante outcome link e contemporaneamente
quest’ultimo è collegato mediante knowledge link con l’agente 3.
borgonovo - soda
nenza. Nel modello gli incentivi possono essere attivati secondo le combinazioni che si
ritengono più opportune.
A ogni agente viene associato un livello di ricettività per ciascun incentivo presente nel
modello. Per stabilire tale valore ci si riferisce in particolare a Siemsen et al. (2007), dove sono studiati gli effetti (deboli, positivi e molto positivi) degli incentivi di gruppo e
individuali in accordo con i link esistenti e la loro tipologia (tabella 2).
tabella 2
ricettività in base ai link esistenti secondo siemsen et al. (2007)
Link
Incentivi di gruppo
Incentivi individuali
+
+++
Help
+++
++
Knowledge
++
++
Outcome – Help
++
+++
Outcome – Knowledge
++
++
Outcome
legenda: + effetto debole, ++ effetto positivo, +++ effetto molto positivo
Si ricordi che il modello prevede anche la caratterizzazione degli agenti in aggressivi e
conservativi, nonché i livelli di competenza e capacità relazionale.
Combinando tali effetti con quelli presentati in tabella 2 si ottengono le combinazioni
di ricettività agli incentivi in base alle caratteristiche illustrate in tabella 3; nel modello
si fa riferimento a quest’ultima tabella al momento dell’assegnazione della ricettività ai
membri del team.
Dopo aver deciso quali incentivi attivare durante una simulazione, essi verranno fatti
agire sugli agenti due volte: al primo istante temporale e a metà del tempo totale a disposizione dagli individui. In questo modo
si valutano quali cambiamenti avvengono
nel tempo di esecuzione di ciascun agente
in due istanti temporali chiave. Infatti, il
tempo di esecuzione è intrinsecamente legato al livello di impegno profuso (effort) e
alla performance ottenuta dall’agente: più il
suo valore è alto, più il suo livello di performance è basso. La ricettività che un particolare agente mostra verso un certo incentivo
e le sue preferenze (aggressive o conservative) modificheranno l’effetto degli incentivi
sull’operato dell’agente e, di conseguenza, sul tempo di esecuzione.
A seconda che l’agente presenti un sistema di preferenze aggressive o conservative la
modalità di ricalcolo del tempo d’esecuzione è diversa. Nel primo caso si considera solo la sua ricettività agli incentivi attivi e la variazione percentuale che ciascun incentivo
ha su un individuo. Nel secondo caso, invece, se l’individuo non ha ancora raggiunto il
La ricettività verso un certo
incentivo e le preferenze
(aggressive o conservative)
modificheranno l’effetto degli
incentivi sull’operato dell’agente
e sul tempo di esecuzione
58
tabella 3
borgonovo - soda
ricettività degli incentivi. valori finali
Capacità relazionale
Competenze
Bassa
Media
Alta
Alta
Media
OL
HL/KL
OL+HL/KL
BM
0,8
0,8
0,8
SO
0,8
0,5
PR
0,5
IT
Bassa
OL
HL/KL
OL+HL/KL
OL
HL/KL
OL+HL/KL
BM
1
1
0,8
BM
1
1
0,8
0,8
SO
1
1
0,8
SO
1
1
0,8
0,5
0,8
PR
0,8
0,8
0,8
PR
0,8
0,8
0,8
0,5
0,5
0,8
IT
0,8
0,8
0,8
IT
0,8
0,8
0,8
OL
HL/KL
OL+HL/KL
OL
HL/KL
OL+HL/KL
OL
HL/KL
OL+HL/KL
BM
0,5
0,5
0,8
BM
1
1
0,8
BM
1
1
0,8
SO
0,5
0
0,5
SO
1
1
0,8
SO
1
1
0,8
PR
0,5
0
0,5
PR
0,8
0,8
0,8
PR
0,8
0,8
0,8
IT
0,5
1
1
IT
0
1
0,8
IT
-1
0,8
0,5
OL
HL/KL
OL+HL/KL
OL
HL/KL
OL+HL/KL
OL
HL/KL
OL+HL/KL
BM
0,5
0,5
0,8
BM
0,8
0,5
0,8
BM
0,8
0,5
0,8
SO
0,5
0
0,5
SO
0,8
0,5
0,8
SO
0,8
0,5
0,8
PR
0,5
0
0,5
PR
0,5
0,5
0,8
PR
0,5
0,5
0,8
IT
-1
0,8
0,8
IT
0
0,5
0,5
IT
0
0,5
0,5
suo salario obiettivo, il ricalcolo del tempo di esecuzione avverrà seguendo la stessa regola dei soggetti con preferenze aggressive, dato che l’effetto conservativo è nullo. Se il
soggetto ha già superato il suo salario obiettivo, invece, la variazione di effort che l’incentivo dovrebbe far scaturire viene attenuata dall’effetto sazietà. La quantificazione di
tale effetto, nel modello, non è booleana (del tipo sì-no), ma avviene tramite una formula progressiva che tiene conto di quanto il salario attuale dell’agente si discosti da
quello obiettivo e di quanto tempo manchi alla fine del task assegnato.
π π π LA SIMULAZIONE E I RISULTATI
Lo scopo della simulazione è riprodurre un esperimento sul comportamento di un team
composto da un certo numero di membri (agenti), con certe caratteristiche e determinati incentivi.
La fase preliminare alla simulazione è quindi quella della definizione e inserimento dei
parametri di input del modello, quali i livelli salariali degli agenti, le loro caratteristiche, i valori numerici associati ai premi e agli incentivi, le tipologie di link. La figura 2
mostra la schermata iniziale per il set-up della simulazione.
59
legenda: outcome link (ol), help link (hl), knowledge link (kl).
bonus monetari (bm), stock ownership e option (so), premi e regali (pr), incentivi al team (it).
figura 2
borgonovo - soda
schermata per l’impostazione della simulazione
Una volta inseriti i dati in ingresso, inizia l’esperimento virtuale, che riproduce l’evoluzione dinamica dell’esecuzione di task (compiti) e sub-task (operazioni).
La simulazione si svolge a passi temporali discreti. Detto T il tempo totale di svolgimento del task, esso viene suddiviso in un numero n di sottoperiodi indicati dall’utente (vedi figura 3, “Informazioni sul task”). A ogni sottoperiodo il modello valuta lo stato di esecuzione dei task e determina, per ogni agente, come procedere nel periodo successivo in funzione della ricettività agli incentivi, delle tipologie di legame che li lega
agli altri agenti e del tipo di preferenze (aggressiva o conservativa). Il primo output del
modello è dunque la linea d’avanzamento del task per ciascun agente (figura 3).
figura 3
1
rappresentazione grafica dell’esecuzione di un task da parte
di un agente
1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6
Subtask
24
Rappresenta il
numero complessivo
di istanti temporali
impiegati dall’agente
per completare il
task
Linea di completamento del task associata all’agente
La figura 3 rappresenta l’output relativo all’evoluzione temporale del task di un ipotetico agente. L’agente deve eseguire un task complessivamente suddiviso in sei sub-task,
in questo caso. Il valore numerico (24) alla sinistra della linea di completamento indi-
60
borgonovo - soda
ca il tempo totale impiegato per eseguire il task. I numeri sulla linea di avanzamento
(da 1 a 6) indicano il sub-task in esecuzione in un particolare istante temporale. I diversi colori indicano lo stato di avanzamento di un sub-task (rosso, arancione, marrone, giallo, verde per un completamento del task tra lo 0 e il 20%, il 21% e il 40%, il 41
e il 60%, il 61 e l’80%, l’81 e il 100%, rispettivamente).
Dal colore dei quadratini nella linea di avanzamento è possibile dedurre ulteriori informazioni su quanto accaduto durante la simulazione. Infatti, un colore:
Ω blu: caratterizza un periodo utilizzato dall’agente per condividere informazioni con
l’agente al quale è collegato mediante un knowledge link o un outcome-knowledge link;
Ω grigio: caratterizza il tempo d’attesa dell’altro agente con cui si è collegati attraverso
un outcome link;
Ω azzurro: indica il tempo impiegato da un agente per aiutare e/o attendere l’altro
agente con cui si è collegati attraverso un outcome o un help link;
Ω rosa: indica il tempo impiegato da un agente per aiutare l’altro agente cui è legato
attraverso un help link;
Ω nero: indica che quel particolare agente non ha terminato l’ultima sua sub-task, pur
avendola iniziata.
Sperimentazione su un team virtuale
Alla luce del modello si propone ora un esperimento virtuale per illustrare il comportamento degli agenti che operano all’interno di un team.
Consideriamo un team di quattro persone che devono svolgere un’attività nell’arco di
un anno suddiviso settimanalmente. Il compito di ciascun agente è articolato in sette operazioni o sub-task. Le caratteristiche intrinseche degli agenti sono mostrate nella tabella 4.
Nella prima versione dell’esperimento non sono considerati i legami con altri agenti e
gli incentivi.
61
velocità
Come detto, a seconda della rifigura 4
grafico del tempo
cettività degli agenti agli incentid’esecuzione
vi viene ricalcolato il loro effort e
dunque il loro tempo di esecuTEMPO D’ESECUZIONE
zione. Per mostrare quando e se
23,1
Agente 1
gli incentivi hanno agito, viene
Agente 2
utilizzato il grafico del “tempo
Agente 3
d’esecuzione”, in cui si può osAgente 4
servare per ciascun agente preAgente 5
sente nel team il tempo di esecuAgente 6
zione iniziale – cioè nel primo
Agente 7
periodo – 1 – e la sua evoluzione
Agente 8
0
-5
57
(figura 4). Nel grafico, un autempo
mento del tempo di esecuzione
significa una diminuzione della
performance.
Abbiamo quindi tutti gli elementi per seguire un esperimento virtuale che sarà presentato nel paragrafo seguente.
tabella 4
borgonovo - soda
caratteristiche del team per l’esperimento virtuale
Caratteristiche
Agente 1
Agente 2
Agente 3
Agente 4
Competenze tecniche
Alta
Alta
Media
Bassa
Capacità relazionale
Alta
Media
Media
Media
Preferenze aggressive
Alta
Bassa
Bassa
Bassa
figura 5
risultati della simulazione benchmark
% DEL LAVORO SVOLTO
1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7 7
42
percentuale
1
100
0
2
1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7 7
tempo
0
35
Agente 1
Agente 2
Agente 3
Agente 4
52
Agente 5
Agente 6
Agente 7
Agente 8
TEMPO D’ESECUZIONE
15
1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7 7
42
velocità
3
0
4
1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 6 7 7 7 7 7 7 7
Dalla figura 5 possiamo osservare che tutti gli agenti riescono a completare l’intero
task, ma con tempi diversi: il primo e il terzo agente impiegano 42 settimane, il secondo utilizza solo 35 settimane, mentre il quarto impiega addirittura 49 settimane. La differente tempistica dipende esclusivamente dalle caratteristiche degli agenti, cioè dalle
competenze e dalle capacità relazionali, mentre non giocano alcun ruolo le preferenze
in quanto non sono attivati né i legami né gli incentivi.
La fase successiva dell’esperimento consiste nel verificare se sia possibile migliorare la
62
tempo
-5
49
52
borgonovo - soda
performance del team. Come in moltissimi team di lavoro le persone operano in un
contesto di legami e interdipendenze e all’interno di un sistema di incentivi. Un primo
link che viene introdotto lega gli agenti 1 e 4 attraverso un help link e un outcome link.
La motivazione di questa scelta è relativa al fatto che l’agente 1 possiede competenze
elevate oltre a notevoli capacità relazionali, mentre l’agente 4 non dispone di competenze adeguate e presenta medie capacità relazionali. Si attivano anche gli incentivi individuali – bonus monetario e premi e regali – e quelli relativi al team nel complesso.
Lanciamo quindi un nuovo esperimento virtuale (figura 6).
La figura 6 mostra come tutti gli agenti riescano ora a completare i propri sub-task in mefigura 6
simulazione con incentivi ed help e outcome link
% DEL LAVORO SVOLTO
1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7 7
35
percentuale
1
100
2
1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7
0
21
tempo
0
Agente 1
Agente 2
Agente 3
Agente 4
Agente 5
Agente 6
Agente 7
Agente 8
1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7
28
15
velocità
3
52
1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7 7
35
0
-5
tempo
52
no di 35 settimane. Il miglioramento delle performance dell’agente 4 è da attribuite al link
con l’agente 1. Si nota la presenza del colore azzurro in alcune fasi della linea di avanzamento dell’agente 1. In questi periodi l’agente 1 aiuta nell’esecuzione l’agente 4. Il miglioramento degli agenti 2 e 4 è invece l’effetto degli incentivi presenti. L’effetto positivo su
tutti gli agenti, sia degli incentivi sia della presenza dei legami, è osservabile anche dal
grafico del tempo d’esecuzione, che mostra come gli agenti abbiano aumentato la propria
velocità una volta all’inizio del progetto, quale effetto degli incentivi.
Nell’ultima fase si prova a sperimentare un cambiamento, sostituendo l’help link tra gli
agenti 1 e 4 con un knowledge link, mantenendo tutte le altre caratteristiche inalterate
(figura 7).
63
4
figura 7
borgonovo - soda
simulazione con incentivi e knowledge e outcome link
% DEL LAVORO SVOLTO
1 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7
29
percentuale
1
100
2
1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7
0
21
tempo
0
Agente 1
Agente 2
Agente 3
Agente 4
Agente 5
Agente 6
Agente 7
Agente 8
1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7
28
15
velocità
3
52
4
1 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7
29
Osservando la figura, si conferma l’effetto positivo su tutti e quattro gli agenti già registrato nella simulazione precedente.
Gli agenti 2 e 3 hanno una performance identica alla precedente.
Gli agenti 1 e 4, invece, riescono a migliorare ancora la propria performance.
Grazie alla condivisione delle informazioni all’inizio del progetto – come viene
evidenziato dal colore blu del primo step sia per l’agente 1 sia per il 4 – si ha una
maggiore conformità nelle loro modalità di esecuzione dei sub-task rispetto al caso precedente.
Il knowledge link si rivela quindi più efficace di un help link in questo esperimento
virtuale.
Naturalmente, questo specifico risultato relativo all’effetto di un knowledge link rispetto all’help link è legato alle caratteristiche degli agenti utilizzati in questa simulazione virtuale e non ha necessariamente validità generale.
La ricettività che un particolare agente mostra verso un certo incentivo e le sue preferenze (aggressive o conservative) modificheranno l’effetto degli incentivi sull’operato
dell’agente e, di conseguenza, sul tempo di esecuzione.
Pertanto, la creazione e il mantenimento dei legami di tipo help, knowledge e outcome
divengono importanti al fine di creare una maggiore omogeneità nell’impegno dei
membri del team con effetti diretti sull’efficacia, rappresentata in questo caso dalla riduzione delle differenze nei tempi di esecuzione dei task assegnati.
64
0
-5
tempo
52
borgonovo - soda
π π π CONCLUSIONI
Questo articolo propone alla comunità manageriale, come anche agli studiosi di organizzazione, la creazione di un modello quantitativo in grado di supportare alcuni processi decisionali critici del funzionamento organizzativo come le scelte di composizione di un team, la definizione di un sistema di incentivi, la configurazione di una struttura di relazioni e interdipendenze che favoriscano lo scambio di conoscenza, il supporto e la collaborazione tra i membri di un’organizzazione. Dal punto di vista della
progettazione organizzativa, l’aspetto interessante è che la variabile di scelta supportata dalla simulazione può essere indifferentemente rappresentata dagli incentivi, dalla
composizione del team o dai legami che connettono le persone. Certamente si tratta di
elementi fortemente connessi tra loro e la cui relazione influenza la capacità di team
di raggiungere risultati eccellenti. Per quanto riguarda gli incentivi, i risultati dell’esperimento ci dicono che è essenziale prestare particolare attenzione alle caratteristiche
dei singoli e al tessuto di relazioni e interdipendenze che l’esecuzione dei compiti
assegnati richiede. Gli incentivi individuali
e di gruppo non agiscono sulle persone in
modo indifferenziato e dunque non sempre conducono al miglioramento delle performance. I comportamenti stimolati da
un sistema di incentivi dipendono in larga
misura dalle preferenze di un individuo,
tuttavia la presenza di particolari tipologie
di legami all’interno di un team può moderare l’effetto delle caratteristiche individuali. I legami tra i membri di un team svolgono così un ruolo essenziale, permettendo al team di migliorare la propria performance
grazie a una maggiore solidità e coesione.
Il risultato della ricerca qui presentata è un modello sperimentale che permette di supportare alcune scelte assegnando le persone a un team non solo in base alle loro caratteristiche di competenza, capacità relazionali e preferenze, ma anche in base ai legami
che si verranno a formare tra essi. Si tratta di legami strumentali, legati allo svolgimento dei task, dunque funzionali all’efficacia. La ricettività di un agente nei confronti di
un determinato incentivo e le sue preferenze (aggressive o conservative) modificheranno l’effetto degli incentivi sull’operato dell’agente e, di conseguenza, sul tempo di esecuzione degli agenti e del team nel suo complesso.
Questa sperimentazione apre nuove possibilità per la gestione del personale: accanto
all’analisi qualitativa tradizionale ci si può dotare di un supporto quantitativo che permette di testare differenti ipotesi di composizione dei team, di legami e interdipendenze tra i membri dei team, ma soprattutto di simulare l’effetto sulle performance di modifiche nei sistemi di incentivi. π
65
I legami tra i membri di un team
permettono al team di migliorare
la propria performance
grazie a una maggiore solidità
e coesione
borgonovo - soda
π π π RIFERIMENTI BIBLIOGRAFICI
Argentero P., Cortese C.G., Piccardo C.
(2008), Psicologia del lavoro, Raffaello
Cortina Editore, Milano.
Becker G.J. (1964) (2nd ed. 1975; 3rd ed.
1993), Human Capital, Columbia University
Press, New York.
Billari F.C., Fent T., Prskawetz A., Scheffran J.
(Eds.) (2006), Agent-Based Computational
Modelling: Applications in Demography,
Social, Economic and Environmental Sciences,
Physica Verlag.
Casciaro T., Lobo M.S. (2008), “When
Competence Is Irrelevant: The Role of
Interpersonal Affect in Task-related Ties”,
Administrative Science Quarterly, 53,
pp. 655-684.
Gottschalg O., Zollo M. (2007), “Interest
Alignment and Competitive Advantage,”
Academy of Management Review, April.
Graffi A. (2006), “Il ruolo dell’informazione
nella relazione tra concorrenza ed
inefficienza: ambiguità teoriche della
product market competition”, Serie
Economia e Impresa, Liuc Papers n. 197,
dicembre.
Jansenn M.A., Ostrom E. (2006),
“Governing Socio-Ecological Systems,”
in Tesfatsion L., Judd K. (Eds), Handbook
of Computational Economics, second vol.,
Elsevier, Amsterdam.
“Brokerage, Boundary Spanning, and
Leadership in Open Innovation
Communities”, Organization Science, 18(2),
pp. 165-180.
Floris P.L. (2008), Leadership e Change
Management. Leadership: non il successo
di un singolo ma la forza di un gruppo,
Franco Angeli, Milano.
Hogan R., Curphy G.J., Hogan J. (1994),
“What We Know about Leadership:
Effectiveness and Personality”, American
Psychologist, vol. 49(6), pp. 493-504.
Hoskisson R.E., Hitt M.A., Hill C.W. (1993),
“Managerial Incentives and Investment
in R&D in Large Multiproduct Firms”,
Organization Science, 4(2), pp. 325-341.
Howard A., Bray D.W. (1988), Managerial
Lives in Transition, Guilford Press, New York.
Lobel S.A., St. Clair L. (1992), “Effects of
Family Responsibilities, Gender, and Career
Identity Salience on Performance
Outcomes”, Academy of Management
Journal, 35(5), pp. 1057-1069.
LeBaron B. (2006), “Agent-Based
Computational Finance”, in Tesfatsion L.,
Judd K. (Eds), Handbook of Computational
Economics 2, Elsevier, Amsterdam.
Milgrom P., Roberts J. (1992), Economics,
Organization and Management, Englewood
Cliffs, Prentice-Hall.
Farmer J.D., Foley D. (2009), “The Economy
Needs Agent-based Modeling”, Nature, 460,
pp. 685-686.
Nicita A., Scoppa V. (2005), Economia
dei contratti, Carocci, Roma.
Fleming L., Waguespack D.M. (2007),
Popescu I., Kocabiyikoglu A. (2007),
66
“Managerial Motivation Dynamics
and Incentives”, Management Science,
pp. 834-848.
Siemsen E. (2008), “The Hidden Perils
of Career Concerns in R&D Organizations”,
Management Science, 54(5), pp. 863-877.
Siemsen E., Balasubramanian S., Roth A.V.
(2007), “Incentives That Induce Task-related
Effort, Helping, and Knowledge Sharing in
Workgroups”, Management Science, October,
pp. 1533-1550.
Sheridan J.E., Slocum J.W., Buda R. (1997),
“Factors Influencing the Probability of
Employee Promotions: A Comparative
Analysis of Human Capital, Organization
Screening and Gender/Race Discrimination
Theories”, Journal of Business and Psychology,
11(3), pp. 373-380.
Squazzoni F. (2008), Simulazione sociale.
Modelli ad agenti nell’analisi sociologica,
Carocci, Roma.
Terna P., Boero R., Morini M., Sonnessa M.
(2006), Modelli per la complessità.
La simulazione ad agenti in economia,
Il Mulino, Bologna.
Tesfatsion L., Judd K. (2006), Handbook
of Computational Economics, vol. 2, Elsevier,
Amsterdam.
Tharenou P. (2001), “Going Up? Do Traits
and Informal Social Processes Predict
Advancing in Management?”, Academy
of Management, 44(5), pp. 1005-1017.
Thompson J.D. (1967), Organization
in Action, McGraw-Hill, New York.

LA PROGETTAZIONE DEI SISTEMI DI INCENTIVAZIONE DEL

Transcript

Documenti analoghi

Enasarco Magazine

Curriculum vitae SICA

Secondo notizie di agenzia, il governo avrebbe intenzione di vietare

Leggi il suo intervento - Agenti Rappresentanti Lombardi

Traccia Aprile 2014

007anticorruzione siapreildibatiito

L`agente immobiliare. Da intermediario della vendita a garante dell

Donna e agente, binomio crescente?