Come è noto, tuttavia, le differenze nella cultura aziendale e i disallineamenti organizzativi durante il processo di fusione possono comportare turnover dei talenti, tensioni e un aumento del rischio di fallimento.

In un recente documento di lavoro pubblicato su SSRN Electronic Journal , Jingyuan Yang, professore di gestione dei sistemi informativi e delle operazioni presso il Donald G. Costello College of Business della George Mason University, scopre come prevedere in modo efficiente il turnover dei dipendenti utilizzando un approccio innovativo basato sull'intelligenza artificiale. Questo articolo è stato scritto anche da Denghui Zhang dello Stevens Institute of Technology e Hao Zhong della ESCP Business School di Parigi.

"L'obiettivo principale di questo studio è esaminare gli effetti delle fusioni e acquisizioni sul turnover dei dipendenti in diversi settori aziendali e ricavare informazioni generalizzabili sui modelli di turnover", afferma Yang.

Nell'ambito di questo studio, i ricercatori hanno utilizzato un set di dati reali su larga scala contenente informazioni sulle storie dei dipendenti acquisiti e informazioni sulle società di M&A per il test del metodo. I ricercatori hanno poi sviluppato una "rete neurale a grafico eterogeneo dual-fit" per prevedere il turnover dei talenti nella fase di fusione delle aziende.

Attraverso l'analisi dei dati, hanno misurato un adattamento da organizzazione a organizzazione (O-O), che mette a confronto le somiglianze tra le due società, e un adattamento da persona a organizzazione (P-O), che analizza la compatibilità tra le singole funzioni lavorative e la nuova cultura aziendale.

Yang sottolinea la distinzione tra questo studio e la tradizionale ricerca sulle fusioni e acquisizioni, che "si concentra solo sulle relazioni tra aziende, priva della prospettiva sulla compatibilità dei dipendenti", afferma Yang.

L'adattamento O-O e l'adattamento P-O sono stati convertiti in una struttura grafica, che può essere utilizzata per quantificare l'adattamento complessivo delle due società. Questo punteggio, a sua volta, determina il probabile tasso di turnover per titoli di lavoro specifici.

I ricercatori hanno scoperto che le prestazioni predittive della loro soluzione superavano quattro modelli convenzionali di apprendimento automatico addestrati sugli stessi dati, nonché tre modelli di reti neurali a grafo esistenti.

Sulla base delle ricerche esistenti, Yang rileva che un sorprendente "30% delle acquisizioni derivanti dalla fusione se ne sono andate entro tre anni", sottolineando la gravità del problema. Dal punto di vista di Yang, questa sembra essere una grande perdita e un fallimento di un'acquisizione orientata alle assunzioni.

Ma cosa significa l'approccio di Yang per le aziende che in futuro potrebbero essere coinvolte in "acquisizioni" e vogliono evitare lo stesso destino? Per Yang, questo modello di intelligenza artificiale rappresenta un potenziale strumento che può aiutare il processo decisionale e l'efficacia complessiva delle organizzazioni.

"Se dispongono di queste informazioni in anticipo, penso che sarà molto utile per prendere la decisione sulla fusione e anche per vedere se questo è il modo più efficace per assumere e trattenere il team."

Afferma che questo modello predittivo risponde alla domanda "Quale tipo di dipendente sarà maggiormente colpito e il team delle risorse umane può identificare rapidamente se il dipendente desiderato se ne andrà o meno". Inoltre, i due adattamenti contengono informazioni utili a valutare il processo di M&A, per vedere se "a livello aziendale c'è un'elevata compatibilità, e a livello individuale per vedere se il futuro dipendente acquisito sarà soddisfatto e resterà in azienda."

Previsioni accurate dei tassi di turnover per funzione lavorativa consentono inoltre alle aziende acquirenti di adottare misure proattive per trattenere i dipendenti mission-critical che potrebbero essere ad alto rischio di dimissioni. "Li aiuta a determinare il loro pacchetto di fidelizzazione...[ci sono] molte strategie per individuare i dipendenti che desiderano veramente acquisire", afferma Yang.

"Questo può aiutarli ad avere le giuste aspettative. Le aziende devono considerare il costo stimato del loro pacchetto di fidelizzazione prima di stipulare un accordo di fusione e acquisizione."

Ma data l'elevata probabilità di turnover e i conseguenti costi di fidelizzazione, nella maggior parte dei casi l'acquisizione di personale è una buona idea? "Penso che sarà una tendenza per molto tempo, perché porta ancora molti vantaggi. Gli acquirenti non solo ottengono prodotti e tecniche unici, ma c'è una conoscenza generale tra i dipendenti acquisiti che è davvero preziosa. Quindi penso che questo continuerà ad essere prevalente nel campo tecnologico", afferma Yang.