“Prima troppi dettagli, poi troppo pochi” — quante informazioni servono davvero?
Riunione su un report per il management. Tomasz porta ad Anna un’analisi dettagliata.
— Tomasz, non entrare così tanto nei dettagli. Mi serve la decisione.
Sul tema successivo prepara un riepilogo molto breve.
— Questo è troppo superficiale. Dove sono le ipotesi?
Anna sta reagendo a due casi diversi. Tomasz sta cercando di ricavare una regola permanente da due correzioni che non gli sono mai state spiegate come criterio.
Cosa ti offre Empatyzer?
Gli script pronti per le conversazioni raramente funzionano, perché ogni dipendente ha motivatori e sensibilità diversi. Il sistema offre più di una formazione standard sulla comunicazione interna, basandosi su una diagnosi individuale del team e del leader. Em suggerisce argomenti concreti considerando il contesto e il profilo di personalità dell’interlocutore. Così la gestione è più precisa e le persone percepiscono che i loro bisogni vengono riconosciuti.
Guarda il video su YouTubeCosa è successo davvero
Tomasz riceve da Anna due messaggi che sembrano contraddirsi. Prima sente che il report è troppo dettagliato, quindi la volta successiva lo riduce drasticamente. Poi si sente dire che il materiale è troppo superficiale. Sta cercando di costruire una regola stabile a partire da due correzioni, ma non conosce il criterio che Anna usa nelle diverse situazioni. Dal suo punto di vista, l’aspettativa può essere perfettamente coerente: una decisione richiede soltanto la conclusione, un’altra dipende invece dalle ipotesi. Tomasz non può vedere quella regola. Dopo alcune esperienze così, è facile iniziare a pensare “sbaglio sempre”, anche se il vero problema è l’assenza di uno standard condiviso per scegliere la profondità necessaria.
Cosa dice la ricerca
Il feedback è più utile quando chi lo riceve riesce a trasformarlo in azione. “Troppo” o “troppo poco” non dice come riconoscere il livello giusto la volta successiva. La ricerca sul feedback mostra che la sua efficacia dipende in parte dal contenuto, dalla credibilità e dal fatto che fornisca informazioni utilizzabili per modificare la prestazione. Gli studi sulla specificità del feedback aggiungono una sfumatura importante: più dettaglio non è sempre meglio. Un feedback molto specifico può migliorare la prestazione sul compito immediato e, in alcuni casi, ridurre apprendimento autonomo ed esplorazione (Goodman, Wood & Hendrickx, 2004). Il problema di Tomasz, quindi, non è avere sempre bisogno di istruzioni più dettagliate. Ha bisogno di un criterio esplicito per scegliere il livello di profondità, cioè maggiore chiarezza sul tipo di output richiesto.
Come affrontarlo
Una soluzione utile è uno scheletro fisso con profondità variabile. Per esempio: la prima pagina contiene sempre raccomandazione, tre ragioni principali e rischi; le ipotesi dettagliate seguono quando il tema lo richiede. Anna può anche impostare esplicitamente l’incarico: “Qui mi serve soltanto la raccomandazione” oppure “Qui la decisione non ha senso senza le ipotesi”. La regola generale è: un buon standard non dice quanto bisogna scrivere sempre; dice come riconoscere quando la situazione richiede più dettaglio e quando ne richiede meno.
Come possono aiutare Empatyzer ed Em
Empatyzer può aiutare Anna e Tomasz a uscire dal ciclo frustrante “troppo / troppo poco” mostrando che la loro differenza riguarda soprattutto il modo di calibrare l’informazione rispetto alla decisione. Tomasz tende naturalmente a costruire un quadro completo e coerente; Anna filtra rapidamente ciò che serve per agire in quel momento. Prima di un incarico, Em può chiedere ad Anna quale decisione debba prendere il destinatario e tradurla in un criterio chiaro per Tomasz: “Prima pagina: raccomandazione, tre ragioni, rischi; dettagli in appendice”, oppure “Qui non si può decidere senza le ipotesi”. Tomasz non deve più ricostruire una regola invisibile da correzioni successive. Le microlezioni insegnano ai leader a specificare non solo che cosa produrre, ma anche quale decisione quell’output deve sostenere e con quale livello di profondità. Nel tempo, Empatyzer trasforma aspettative variabili in un modo di lavorare più prevedibile.
Fonti e ricerche
- Jodi S. Goodman; Robert E. Wood; Margaretha Hendrickx (2004). Feedback specificity, exploration, and learning. Journal of Applied Psychology, 89(2), 248-262. https://doi.org/10.1037/0021-9010.89.2.248 DOI: 10.1037/0021-9010.89.2.248
Autore: Empatyzer
Pubblicato:
Aggiornato: