Il contributo esplora l’introduzione di sistemi HRM basati su IA nel settore sanitario italiano, indagando come tali strumenti possano influenzare il benessere organizzativo percepito dai dipendenti. L’obiettivo è comprendere i meccanismi attraverso cui l’innovazione digitale rimodella le micro-dinamiche organizzative della Pubblica Amministrazione.
Introduzione e quadro teorico
Negli ultimi anni, la digitalizzazione dei processi organizzativi sta silenziosamente riscrivendo il contratto sociale tra le organizzazioni pubbliche e i suoi stakeholders, configurandosi, al tempo stesso, come un imponente motore di cambiamento, capace di trasformare in profondità sia le modalità di lavoro, sia il significato e il valore ad esso attribuiti.
In ambito sanitario, tale dinamica riveste una sostanziale importanza, in ragione della peculiare complessità gestionale e operativa che ne caratterizza l’essenza (Mintzberg, 1997; Portela et al., 2017), poiché le fragilità sistemiche relative al benessere del personale (stress, burnout e carenze organiche) si riflettono inevitabilmente sulla qualità delle prestazioni e sugli standard dell’assistenza erogata ai pazienti (West et al., 2018).
In Italia, il Piano Nazionale di Ripresa e Resilienza (PNRR), attraverso ingenti investimenti dedicati a tali organizzazioni (Boscolo et al., 2024), è stato un potente volano del processo di trasformazione digitale.
L’efficacia di questo slancio riformatore rischia, tuttavia, di scontrarsi con il paradosso di una Pubblica Amministrazione sospesa tra l’inerzia di procedure consolidate e l’urgenza di una reale visione trasformativa. In altri termini, mentre le riforme strutturali rischiano spesso di esaurirsi in adeguamenti puramente formali, la reale capacità di cambiamento risiede in innovazioni sostanzialmente capaci di incidere sulle logiche profonde e sulla quotidianità delle organizzazioni. In questo scenario, l’integrazione dell’intelligenza artificiale (IA) nei processi di gestione delle risorse umane (HRM), potenzialmente in grado di scardinare prassi ormai consolidate (Strohmeier & Piazza, 2015), potrebbe dare nuova linfa all’esperienza lavorativa.
Tale innovazione attraversa, tuttavia, una fase ancora squisitamente embrionale e, di conseguenza, la letteratura empirica volta ad investigarne l’impatto sul benessere e sulle percezioni dei lavoratori, risulta tuttora frammentata, specialmente nel contesto della sanità pubblica italiana. Se i contributi esistenti si sono concentrati prevalentemente sulle determinanti tecnologiche, sulle barriere alla sua adozione e sulle relative implicazioni etiche, un’attenzione tuttora marginale è stata riservata all’analisi degli outcome umani e organizzativi derivanti dall’integrazione dell’IA nei processi HRM (Sadeghi, 2024). Il presente lavoro si propone, pertanto, di colmare tale lacuna, con l’obiettivo di esplorare se, e attraverso quali meccanismi, l’introduzione di tali sistemi influenzi il benessere organizzativo percepito dal personale sanitario, distinguendo tra il contenuto del cambiamento tecnologico e il processo attraverso cui esso viene implementato. In tal modo, è possibile interrogarsi non solo sulla potenziale valenza migliorativa dell’IA, ma anche sul ruolo che diverse cornici implementative, siano esse partecipative o procedurali, possono rivestire sulle percezioni dei lavoratori.
La teoria del cambiamento organizzativo (Armenakis & Harris, 2009; Lewin, 1947; Weick & Quinn, 1999) fornisce un prezioso quadro interpretativo per decodificare le percezioni dei dipendenti rispetto a nuove pratiche e paradigmi tecnologici.
Il cambiamento organizzativo, in grado di rimodellare profondamente il vissuto professionale dei lavoratori, sottende, infatti, una riconfigurazione delle routine, degli schemi di significato, delle dinamiche di potere e delle aspettative individuali, aspetti che, se percepiti come fonte di benefici tangibili, si traducono in un incremento del benessere organizzativo (Wanberg e Banas, 2000). In questo studio, il benessere è concettualizzato come la valutazione soggettiva del lavoratore in merito a quanto l’ambiente organizzativo consenta di operare con efficacia ed esperire stati psicologici positivi (Avallone & Bonaretti, 2003).
In linea con quanto asserito da Oreg et al., (2011), i dipendenti valutano i processi di cambiamento organizzativo lungo due dimensioni fondamentali: il contenuto (che cosa viene introdotto) e il processo (come l’innovazione viene implementata).
Nel caso specifico dei sistemi di IA applicati all’HRM, la dimensione del “contenuto” afferisce alle proprietà intrinseche della tecnologia: trasparenza e accessibilità dei flussi informativi, equità e coerenza nell’applicazione dei protocolli, riduzione dei carichi amministrativi ed efficienza allocativa orientata alla conciliazione delle preferenze individuali.
Sulla base di tali premesse, la prima ipotesi di ricerca (H1) postula che l’esposizione a uno scenario caratterizzato dall’integrazione di sistemi di IA a supporto delle funzioni HRM si associ ad una percezione positiva del benessere organizzativo, superiore al valore neutro (μ₀=3), indipendentemente dalle specifiche modalità di implementazione.
D’altro canto, il “processo” si riferisce alle modalità di implementazione del sistema di HRM basato sull’IA. La letteratura scientifica evidenzia come le dinamiche partecipative, che investono logiche di cospicuo coinvolgimento dei dipendenti, agiscano da catalizzatori per il consolidamento del clima di fiducia verso l’organizzazione (Salvemini, 2017). Ciò, a sua volta, funge da determinante fondamentale per lo sviluppo di attitudini positive, per il rafforzamento del commitment organizzativo e per la promozione del benessere individuale (Lines, 2004). Alla luce di tali considerazioni, la seconda ipotesi di ricerca (H2), postula che il benessere organizzativo percepito risulti superiore qualora il sistema di HRM basato sull’IA sia introdotto mediante un approccio partecipativo, rispetto a un’implementazione di tipo procedurale o top-down.
Metodologia
Lo studio è stato condotto attraverso un esperimento survey con disegno between-subjects, mediante una procedura che ha previsto l’assegnazione casuale dei partecipanti a due distinte condizioni sperimentali caratterizzate dalla presenza di vignette, vale a dire brevi descrizioni sistematicamente costruite di uno scenario organizzativo, nelle quali una o più variabili vengono intenzionalmente manipolate pur mantenendo costanti gli ulteriori elementi (Atzmüller e Steiner, 2010). Le due vignette, equivalenti per contenuto tecnologico, estensione e struttura narrativa, si differenziavano esclusivamente per la modalità di introduzione del sistema HRM basato sull’IA.
Nel primo scenario (A), si affermava una logica procedurale di matrice gerarchica e top-down, prevalentemente orientata agli aspetti operativi (tempi, modalità di utilizzo) e caratterizzata dalla sostanziale assenza di strutturate procedure di coinvolgimento del personale.
Nel secondo scenario (B), al contrario, si delineava una impostazione partecipativa, contraddistinta da ampi spazi di confronto tra i diversi comparti, dalla possibilità di adattare alcune funzionalità alle esigenze operative locali e da comunicazioni istituzionali volte a valorizzare il potenziale miglioramento della qualità della vita lavorativa.
Una tale configurazione metodologica ha consentito, da un lato, di isolare i potenziali effetti incrementali attribuibili ad uno stile di gestione più partecipativo e, dall’altro, di preservare un elevato controllo sperimentale, incrementando al contempo la credibilità degli scenari (Burris, 2012) e rafforzando la validità interna ed esterna della ricerca (Aguinis & Bradley, 2014).
Il questionario è stato somministrato nel mese di ottobre 2025 ad un campione di 250 operatori sanitari (medici, infermieri e personale amministrativo) afferenti ad Aziende Sanitarie Locali (ASL) e Aziende Ospedaliere della Regione Campania. La selezione dei rispondenti è avvenuta mediante una tecnica di purposive sampling (Patton, 2002; 2015; Robinson, 2014), giustificata dalla loro partecipazione ad un progetto formativo universitario nell’ambito del quale gli autori ricoprivano il ruolo di docenti. La partecipazione è avvenuta su base volontaria e in forma anonima, previo rilascio del consenso informato ed in linea con le consolidate prassi etiche della ricerca empirica (Angelini et al., 2017).
Il questionario è stato distribuito online al campione principale, corredato da una breve introduzione volta a contestualizzare il tema dell’IA nei processi di HRM. In questa fase, sono stati volutamente evitati riferimenti espliciti al benessere organizzativo, al fine di mitigare potenziali bias di desiderabilità sociale (Larson, 2019; Krumpal, 2013). Dopo la lettura dello scenario sperimentale (A o B), ciascun partecipante ha risposto a una domanda di manipulation check per verificare la corretta comprensione della condizione assegnata (Hauser et al., 2018). La rilevazione è, poi, proseguita con la misurazione di item relativi al benessere organizzativo prima e alla percezione del sistema di HRM poi, per concludersi con la raccolta di informazioni di natura sociodemografica. La misurazione del benessere organizzativo percepito è stata operativizzata mediante una scala composta da cinque item, adattati da Avallone e Bonaretti (2003), che hanno rilevato la valutazione soggettiva dei partecipanti rispetto alla capacità dell’ambiente organizzativo descritto di favorire rispetto, senso di appartenenza, fiducia, attenzione ai bisogni delle persone e qualità complessiva della vita lavorativa. L’adattamento della scala ha riguardato la contestualizzazione linguistica degli item allo scenario di cambiamento digitale proposto, senza modificare il nucleo concettuale del costrutto originario, inteso come percezione della capacità dell’organizzazione di sostenere il funzionamento lavorativo e stati psicologici positivi.
La percezione del sistema di HRM basato sull’IA è stata, invece, rilevata mediante una scala composta da cinque item, costruiti a partire dalla letteratura sulla forza e sull’equità percepita delle pratiche HRM (Bowen & Ostroff, 2004; Delmotte et al., 2012). La scala ha valutato le principali caratteristiche percepite del sistema, con particolare riferimento alla trasparenza delle informazioni, al rispetto nei confronti dei lavoratori, alla considerazione dei bisogni individuali e alla presenza di opportunità di feedback.
Tutti gli item sono stati misurati tramite scala Likert a cinque punti, da 1 = “per nulla d’accordo” a 5 = “pienamente d’accordo”.
Al termine delle operazioni di data cleaning, caratterizzate dall’esclusione di questionari con pattern di risposta non plausibili, è stato ottenuto un campione finale di 166 rispondenti validi. Le analisi statistiche, effettuate tramite il linguaggio di programmazione Python 3.14, hanno compreso: test di verifica della manipolazione e della randomizzazione, analisi dell’affidabilità delle scale (α di Cronbach), test delle ipotesi (t-test a campione unico per H1 e t-test per campioni indipendenti per H2 con verifica della varianza), analisi di correlazione e, infine, ANCOVA con covariate sociodemografiche.
Risultati
Il campione finale dello studio si compone di 166 professionisti sanitari, distribuiti in modo pressoché omogeneo tra le due condizioni sperimentali: 86 partecipanti (51,8%) nello scenario A e 80 partecipanti (48,2%) nello scenario B.
Esso, in aggiunta, presenta un buon equilibrio di genere (50% donne, 49,4% uomini) ed è costituito prevalentemente da soggetti di età compresa tra i 51 e i 59 anni (67,5%). La maggioranza dei partecipanti evidenzia un’elevata anzianità di servizio, con il 62,7% che dichiara oltre 21 anni di esperienza lavorativa. Inoltre, l’utilizzo dei sistemi digitali risulta ampiamente diffuso, con l’88,6% dei rispondenti che ne dichiara un impiego frequente.
Quanto alle analisi preliminari, in primo luogo, il manipulation check ha confermato l’efficacia della manipolazione sperimentale, attestando che i partecipanti hanno correttamente percepito le differenze tra le due condizioni. In secondo luogo, i test del χ² relativi alla verifica della randomizzazione non hanno rilevato differenze statisticamente significative tra i due scenari rispetto alle variabili esaminate; pertanto, la randomizzazione ha generato gruppi statisticamente equivalenti in relazione alle principali caratteristiche osservate e, di conseguenza, eventuali variazioni nella variabile dipendente possono essere ragionevolmente attribuite alla manipolazione sperimentale.
Infine, le scale di misurazione impiegate hanno mostrato un’eccellente affidabilità interna (α di Cronbach > 0,90), indicando un’elevata coerenza degli item.
Per quanto concerne le analisi principali, volte alla verifica delle ipotesi di ricerca,
è emerso, anzitutto, che l’indice di benessere organizzativo ha registrato un valore medio pari a M = 4,02 (DS = 0,90). Il t-test a campione unico, condotto utilizzando μ₀ = 3, ha restituito i seguenti risultati: t (165) = 14,56; p < 0,001; differenza media (M – μ₀) = 1,02; IC 95% [0,88; 1,15]. Anche la dimensione dell’effetto è risultata molto elevata (Cohen’s d ≈ 1,13), fornendo un solido supporto all’ipotesi H1 e consentendo di addivenire alla conferma statistica che i professionisti sanitari che si immaginano operare in un contesto in cui le funzioni di HRM sono supportate da sistemi di IA riportano livelli di benessere organizzativo significativamente superiori alla soglia di neutralità. Al contrario, Il t-test per campioni indipendenti non ha evidenziato una differenza di benessere statisticamente significativa tra le condizioni A e B (t ≈ –0,89; df ≈ 154; p = 0,37), con una differenza media (B – A) pari a 0,12 e un intervallo di confidenza al 95% [–0,15; 0,40]. La dimensione dell’effetto è risultata trascurabile (Cohen’s d ≈ 0,14) e, di conseguenza, nonostante si possa apprezzare un lieve incremento del punteggio medio di benessere nello Scenario B, l’ampiezza della differenza è contenuta e statisticamente non significativa. Anche isolando l’effetto delle covariate sociodemografiche individuali, l’impatto della condizione sperimentale sul benessere permane statisticamente irrilevante e di entità minima, confermando la robustezza delle evidenze relative a H2 che, pertanto, non trova supporto empirico.
Per quanto riguarda, infine, la percezione complessiva del sistema di HRM, l’analisi rivela che le dimensioni del sistema (trasparenza, rispetto, attenzione ai bisogni e possibilità di feedback) risultano fortemente correlate al benessere organizzativo, indipendentemente dalla condizione sperimentale.
Tali risultati indicano che, quantomeno nel contesto oggetto d’analisi, il contenuto del cambiamento, vale a dire l’introduzione di un sistema percepito dai rispondenti come trasparente, equo e funzionale, ha prevalso sul processo, configurandosi quale determinante primario del benessere organizzativo, indipendentemente dal grado di partecipazione formalmente riconosciuto. In altre parole, in presenza di benefici chiaramente intelligibili e immediatamente esperibili, la cornice entro cui il cambiamento si esplica, sembra perdere parte del proprio potenziale migliorativo, confermando la natura contingente e autonoma degli effetti riconducibili a contenuto e processo (Oreg et al., 2011).
A tale lettura si affianca una considerazione di ordine temporale, poiché i ritorni psicologici connessi alla modalità partecipativa potrebbero richiedere una sedimentazione nel tempo, fondata sull’evidenza che il contributo individuale incida concretamente sugli strumenti e sulle decisioni organizzative.
Infine, la composizione del campione e il contesto istituzionale di riferimento contribuiscono a chiarire ulteriormente tali esiti. La prevalenza di lavoratori con elevata anzianità professionale e consolidata familiarità con i sistemi digitali di HRM, potrebbe aver innalzato il livello di accettazione di base del cambiamento, attenuando la possibilità di cogliere benefici ulteriori specificamente riconducibili a un’impostazione partecipativa e generando un possibile ceiling effect (Uttl, 2005). Tale dinamica potrebbe ulteriormente essere modulata da differenze generazionali nelle aspettative di coinvolgimento organizzativo, influenzando il significato attribuito a processi decisionali più inclusivi. L’assetto storicamente gerarchico del sistema sanitario italiano, infatti, rende l’approccio top-down in larga misura conforme alle norme istituzionali ormai interiorizzate, soprattutto tra i lavoratori più anziani; al contrario, per le generazioni più giovani, idealmente socializzate in contesti organizzativi e professionali maggiormente orientati alla partecipazione e al dialogo, la medesima limitazione del coinvolgimento potrebbe essere interpretata come una frattura rispetto alle aspettative condivise, con potenziali ripercussioni negative sul benessere e sull’accettazione del cambiamento (Lyons and Kuron, 2014).
Implicazioni teoriche e pratiche
I risultati dello studio offrono stimolanti spunti di riflessione, atti ad alimentare il dibattito scientifico sulla digitalizzazione della funzione HR e a orientare le scelte strategiche del management sanitario.
Sotto il profilo teorico, i risultati offrono molteplici contributi alla letteratura sul cambiamento organizzativo.
In particolare, il solido riscontro empirico dell’ipotesi H1, è coerente con il principio secondo cui una valutazione positiva del contenuto del cambiamento attivato all’interno delle organizzazioni promuova attitudini favorevoli e mitighi le resistenze. In entrambi gli scenari, infatti, i sistemi di HRM basati sull’IA sono stati percepiti come strumenti capaci di generare trasparenza operativa e di esperire una riduzione dei carichi amministrativi; ciò si traduce in un miglioramento della qualità della vita lavorativa e, in linea con la letteratura, favorisce l’accettazione dell’innovazione proposta (Wanberg & Banas, 2000).
Invero, il mancato supporto all’ipotesi H2 non confuta la teoria del cambiamento organizzativo, bensì ne conferma la natura contingente (Oreg et al., 2011), evidenziando tuttavia una gerarchia inaspettata tra le dimensioni analitiche.
Nel caso di specie, in presenza di un’innovazione tecnologica percepita come altamente vantaggiosa, il contenuto ha prevalso sul processo, suggerendo che il valore d’uso percepito della tecnologia possa, in certi contesti, “oscurare” o compensare le carenze procedurali nella fase di implementazione.
In secondo luogo, la ricerca contribuisce alla letteratura sul benessere organizzativo (Wanberg & Banas, 2000), dimostrando che l’IA non è percepita dai professionisti sanitari necessariamente come una minaccia o un fattore di stress, bensì come un’opportunità di razionalizzazione e trasparenza. Questo risultato sfida le visioni distopiche sull’automazione del lavoro, suggerendo che nel settore sanitario, l’IA possa agire come un catalizzatore di benessere percepito dai professionisti del settore, attraverso il miglioramento dei flussi informativi e dell’equità percepita.
Le evidenze emerse disegnano, pertanto, talune possibili traiettorie per i Direttori generali, i Direttori sanitari e i responsabili HR delle aziende sanitarie impegnate nella transizione digitale.
Nel breve periodo, poiché il contenuto tecnologico si è rivelato il driver principale del benessere, il management dovrebbe privilegiare la scelta e la progettazione di sistemi di IA capaci di offrire benefici tangibili immediatamente comprensibili e direttamente esperibili dal personale. In particolare, le evidenze relative al supporto dell’ipotesi H1 e alla forte associazione tra percezione positiva del sistema HRM e benessere organizzativo suggeriscono di concentrare l’attenzione su funzionalità in grado di aumentare la trasparenza informativa, rafforzare l’equità nella gestione di turni, ferie e opportunità formative, ridurre il carico burocratico e rendere più prevedibili i criteri decisionali adottati dall’organizzazione.
Sotto il profilo comunicativo, le direzioni strategiche dovrebbero evolvere verso approcci di “marketing interno del valore”, rappresentato da uno storytelling aziendale che presenti tali sistemi come abilitatori di un ecosistema professionale più giusto e meno gravoso, al fine di attivare un processo manageriale volto a rendere visibili, credibili e verificabili i benefici generati dal sistema. In tal senso, la comunicazione interna dovrebbe essere costruita intorno al valore d’uso percepito dai lavoratori, evitando rappresentazioni astratte dell’innovazione e collegando ogni messaggio ai bisogni emersi dall’esperienza quotidiana del personale sanitario.
In secondo luogo, sebbene il mancato supporto a H2 suggerisca che il personale sanitario italiano sia “assuefatto” a logiche decisionali top-down, i manager non dovrebbero interpretare questo dato come avallo all’imposizione unilaterale. Un approccio partecipativo, caratterizzato, ad esempio, da momenti periodici di valutazione partecipata e canali strutturati di feedback, resta infatti essenziale per prevenire resistenze nel lungo periodo e per alimentare la fiducia organizzativa (Salvemini, 2017).
In ultimo, affinché gli ingenti investimenti stanziati si traducano in un fattivo miglioramento organizzativo, è essenziale che la transizione digitale sia supportata da una strategia formativa multidimensionale.
La formazione non può e non deve esaurirsi nel solo trasferimento di competenze tecniche, ma deve configurarsi come un intervento di formazione continua.
Conclusioni
Il presente studio si è proposto di indagare l’introduzione dell’IA come leva per il benessere organizzativo nel comparto sanitario, evidenziando il primato del contenuto tecnologico sulle modalità di implementazione. Tuttavia, è necessario considerare alcune limitazioni insite nella ricerca condotta.
Una prima criticità riguarda la manipolazione sperimentale della ricerca, basata sull’impiego di vignette che, seppur plausibili, mantengono una natura ipotetica e, di conseguenza, potrebbero non cogliere appieno la dimensione esperienziale e progressiva di un’implementazione reale. Ne deriva che il disegno di ricerca, intercettando prioritariamente attitudini e aspettative, potrebbe non riflettere necessariamente le dinamiche che si svilupperebbero durante un’adozione effettiva, con il suo corredo di fasi critiche, conflittualità, feedback e aggiustamenti in itinere.
In secondo luogo, il campione, circoscritto al territorio della Regione Campania, seppur statisticamente adeguato alla portata dei test condotti, potrebbe limitare la generalizzabilità dei risultati all’intero territorio nazionale o a contesti internazionali caratterizzati da culture del lavoro meno gerarchiche.
Alla luce tali limitazioni, le indagini future potrebbero svilupparsi lungo alcune direttrici promettenti. Anzitutto, la ricerca dovrebbe proporre studi sul campo, attraverso metodologie di diario, e longitudinali, auspicabilmente su campioni di più ampia portata, che possano monitorare l’impatto dell’IA sul benessere organizzativo, verificando anche se la predominanza del contenuto rispetto al processo di adozione persista nel lungo periodo. Inoltre, sarebbe interessante confrontare il contesto italiano, caratterizzato da un’elevata distanza di potere, con quello di altri Paesi, fondati su solidi modelli di democrazia industriale e partecipazione diretta. Tale confronto permetterebbe di testare se l’assenza di coinvolgimento sia percepita ovunque come ordinaria o se, in contesti differenti, si trasformi in una violazione del contratto psicologico, con impatti negativi sulla prontezza al cambiamento e sul benessere. Ancora, potrebbe essere esplorato l’eventuale gap generazionale nelle risposte al cambiamento tecnologico e ai processi partecipativi. Lavoratori più giovani e profili senior potrebbero differire significativamente in termini di digital readiness, aspettative di coinvolgimento e percezione di equità. Infine, studi quantitativi potrebbero testare specifici meccanismi (quali la giustizia procedurale e informativa, la fiducia e il senso di controllo) come mediatori, e fattori contestuali (come la cultura organizzativa) in qualità di moderatori.
Bibliografia
Aguinis, H., & Bradley, K. J. (2014). Best practice recommendations for designing and implementing experimental vignette methodology studies. Organizational Research Methods, 17(4), 351-371.
Angelini, V., Bertoni, M., & Corazzini, L. (2017). Unpacking the determinants of life satisfaction: a survey experiment. Journal of the Royal Statistical Society Series A: Statistics in Society, 180(1), 225-246.
Armenakis, A. A., & Harris, S. G. (2009). Reflections: Our journey in organizational change research and practice. Journal of change management, 9(2), 127-142.
Atzmüller, C., & Steiner, P. M. (2010). Experimental vignette studies in survey research. Methodology.
Avallone, F., & Bonaretti, M. (Eds.). (2003). Benessere organizzativo. Per migliorare la qualità del lavoro nelle amministrazioni pubbliche. Rubbettino Editore.
Boscolo, P. R., Cinelli, G., Giordani, E., Guerra, F., Lorusso, R., Petracca, F., … & Migliore, G. (2024). Il processo di digitalizzazione delle aziende sanitarie verso la conclusione del PNRR: opportunità tecnologiche e risposte organizzative. Mecosan-Management ed Economia Sanitaria-Open Access, (132).
Bowen, D. E., & Ostroff, C. (2004). Understanding HRM-firm performance linkages: The role of the “strength” of the HRM system. Academy of Management Review, 29(2), 203-221.
Burris, E. R. (2012). The risks and rewards of speaking up: Managerial responses to employee voice. Academy of Management Journal, 55(4), 851-875.
Delmotte, J., De Winne, S., & Sels, L. (2012). Toward an assessment of perceived HRM system strength: Scale development and validation. The International Journal of Human Resource Management, 23(7), 1481-1506.
Hauser, D. J., Ellsworth, P. C., & Gonzalez, R. (2018). Are manipulation checks necessary? Frontiers in Psychology, 9, 998.
Krumpal, I. (2013). Determinants of social desirability bias in sensitive surveys: A literature review. Quality & Quantity, 47(4), 2025–2047.
Larson, R. B. (2019). Controlling social desirability bias. International Journal of Market Research, 61(5), 534-547.
Lewin, K. (1947). Group decision and social change. Readings in social psychology, 3(1), 197-211.
Lewis, S., Passmore, J., & Cantore, S. (2016). Appreciative inquiry for change management: Using AI to facilitate organizational development. Kogan Page Publishers.
Lines, R. (2004). Influence of participation in strategic change: Resistance, organizational commitment and change goal achievement. Journal of Change Management, 4(3), 193-215.
Lyons, S., & Kuron, L. (2014). Generational differences in the workplace: A review of the evidence and directions for future research. Journal of organizational behavior, 35(S1), S139-S157.
Mainardi, I. (2025). Change management: artificial intelligence (AI) at the service of public administrations. AI & SOCIETY, 40(5), 3953-3981.
Mintzberg, H. (1997). Toward healthier hospitals. Health Care Management Review, 22(4), 9-18.
Oreg, S., Vakola, M., & Armenakis, A. (2011). Change recipients’ reactions to organizational change: A 60-year review of quantitative studies. The Journal of Applied Behavioral Science, 47(4), 461-524.
Patton, M. Q. (2002). Qualitative research and evaluation methods (3rd ed.). Sage Publications.
Patton, M. Q. (2015). Qualitative research & evaluation methods: Integrating theory and practice (4th ed.). Sage Publications.
Portela, G. Z., Fehn, A. C., Ungerer, R. L. S., & Poz, M. R. D. (2017). Human resources for health: global crisis and international cooperation. Ciencia & saude coletiva, 22, 2237-2246.
Robinson, R. S. (2014). Purposive sampling. In Encyclopedia of quality of life and well-being research (pp. 5243-5245). Springer, Dordrecht.
Sadeghi, S. (2024). Employee Well-being in the Age of AI: Perceptions, Concerns, Behaviors, and Outcomes. arXiv preprint arXiv:2412.04796.
Salvemini, S. (2017). Organizzazione aziendale. Egea.
Strohmeier, S., & Piazza, F. (2015). Artificial intelligence techniques in human resource management—a conceptual exploration. In Intelligent techniques in engineering management: Theory and applications (pp. 149-172). Cham: Springer International Publishing.
Uttl, B. (2005). Measurement of individual differences: lessons from memory assessment in research and clinical practice. Psychological Science, 16(6), 460-467.
Wanberg, C. R., & Banas, J. T. (2000). Predictors and outcomes of openness to changes in a reorganizing workplace. Journal of Applied Psychology, 85(1), 132.
Weick, K. E., & Quinn, R. E. (1999). Organizational change and development. Annual review of psychology, 50(1), 361-386. West, C. P., Dyrbye, L. N., & Shanafelt, T. D. (2018). Physician burnout: contributors, consequences and solutions. Journal of internal medicine, 283(6), 516-529.
Autori
Università degli Studi di Salerno
Università degli Studi di Salerno
