La Direttrice della Gestione dei Programmi Tecnologici afferma che l’IA senza sufficiente contesto può portare a decisioni pericolose
Scopri come una leader di programmi tecnologici utilizza l'IA per ridurre il carico dei report, evidenziare i rischi nelle consegne e aiutare i team a concentrarsi sulle decisioni invece che sull'amministrazione.
Anika Banakh
Direttrice della Gestione dei Programmi Tecnologici presso ACV Auctions
Leadership incentrata sull'essere umano: Anika sottolinea che un'adozione efficace dell'IA inizia con l'empowerment dei team, non solo introducendo tecnologia.
Guadagni di efficienza: Gli strumenti di IA hanno semplificato le attività ripetitive, migliorando l'efficienza dei report e la visibilità delle consegne nei vari team.
Prevenire l'eccessiva dipendenza: L'intervento umano è essenziale per interpretare correttamente i risultati restituiti dall'IA e garantire il mantenimento del contesto aziendale.
Semplificare i flussi di lavoro: L'eccessiva ingegnerizzazione può ostacolare la chiarezza; concentrarsi sulle decisioni ad alto valore facilita un'adozione più rapida degli strumenti di IA.
La responsabilità è fondamentale: Una chiara attribuzione della responsabilità decisionale migliora l'integrazione dell'IA, aiutando le organizzazioni a evitare confusione e a raggiungere risultati migliori.
Anika Banakh è la Direttrice della Gestione dei Programmi Tecnologici presso ACV Auctions. Ha guidato numerosi team di delivery distribuiti a livello globale e interfunzionali. Ora si concentra su come rendere l’adozione dell’IA non invasiva, rendendo al contempo più efficace la delivery.
Abbiamo parlato con Anika per scoprire come sta implementando l’IA nei suoi flussi di lavoro di delivery. Ecco cosa ci ha raccontato.
Leadership dell’IA centrata sull’essere umano
Sono una canadese di origine ucraina che porta a termine le cose. Molti pensano che il mio percorso nella trasformazione guidata dall’IA sia iniziato con la tecnologia, ma in realtà è cominciato con le persone: reclutare talenti, costruire la fiducia tra team globali e imparare come le organizzazioni si comportano sotto pressione.
Sblocca Gratis
Crea un account gratuito per terminare la lettura di questo articolo e unirti a una community di leader innovativi che accedono a strumenti, playbook e approfondimenti per prosperare nell’era dell’AI.
Have an account? Log In
Ho guidato vari team di delivery distribuiti a livello globale e interfunzionali, supportando iniziative di trasformazione digitale e operativa su scala aziendale. Le dimensioni variavano da sei persone a qualche migliaio. La maggior parte di queste organizzazioni si muoveva velocemente — lavorando in delivery agile su prodotto, ingegneria, operations e stakeholder business, gestendo integrazioni complesse, una rapida scalabilità e lavori su piattaforme basati sui dati per clienti che vanno dai concessionari auto, banche, retailer, nonprofit e imprese globali.
Guidare la delivery in diverse organizzazioni mi ha insegnato che il principale ostacolo all’innovazione raramente è la tecnologia stessa; è se le persone si sentono abbastanza coinvolte da cambiare il proprio modo di lavorare. Ecco perché la mia prospettiva sulla leadership nell’IA è anticonvenzionale: il futuro della delivery non apparterrà a chi automatizza di più, ma a chi saprà rendere l’IA profondamente umana, collaborativa e fonte di energia creativa per i team che la usano ogni giorno.
Come gli strumenti IA aumentano l’efficienza sul lavoro
Nell’ultimo anno, ho sostituito i compiti più ripetitivi e prevedibili del processo di delivery, liberando tempo per il vero lavoro — soprattutto integrando sintesi e prioritizzazione guidate dall’IA nei processi di reportistica di stato, tracciamento delle dipendenze e comunicazioni con gli stakeholder.
Come risultato dell’IA, ho riscontrato una maggiore efficienza nella reportistica, migliore visibilità sulla delivery e una migliore individuazione dei rischi nei team distribuiti, riducendo lo sforzo di coordinamento manuale e aumentando la prevedibilità dell’esecuzione.
Come risultato dell’IA, ho riscontrato una maggiore efficienza nella reportistica, migliore visibilità sulla delivery e una migliore individuazione dei rischi nei team distribuiti.
Ma anche se posso fare affidamento sull’IA per accelerare attività di delivery basate sui dati, come insight sulle priorità, sintesi degli stati, identificazione di pattern di rischio, tracciamento delle dipendenze e reportistica operativa, non posso usarla per tutto.
Decisioni che riguardano l’allineamento degli stakeholder, dinamiche di team, cambiamento organizzativo, risoluzione dei conflitti e compromessi strategici rimangono intenzionalmente di competenza umana. Perché una delivery di successo dipende ancora da fiducia, contesto, empatia e giudizio, cose che l’IA non può replicare completamente.
Perché gli output dell’IA richiedono l’intervento umano
In realtà, la mia sfida più grande è stata impedire ai team di affidarsi eccessivamente ai risultati automatizzati senza applicare il contesto di business. Per evitare questo, ho messo in discussione i loro output e sottolineato l’importanza dell’esperienza diretta su prodotto e contesto aziendale. È la differenza tra buono e ottimo.
L’intervento umano è essenziale nella fase di prompting e di interpretazione. Serve una richiesta solida e strutturata con la giusta correlazione e il giusto contesto di causa-effetto, oltre a una profonda comprensione di processi e motivazioni per interpretare gli output.
Ad esempio, uno strumento può segnalare che il deliverable è a rischio, ma la causa potrebbe essere che l’ingegnere ha un figlio malato, ed è quindi fondamentale approfondire per capire la reale motivazione dietro ai dati e la persona che c’è dietro al compito.
La mia sfida più grande è stata evitare che i team si affidassero eccessivamente ai risultati automatizzati senza applicare il contesto aziendale. L’intervento umano è cruciale sia nella sollecitazione che nell’interpretazione.
Come l’iper-ingegnerizzazione danneggia i flussi di lavoro
Per quanto riguarda gli strumenti, attualmente utilizziamo Omni per le dashboard, Rovo su Jira per la gestione dell’ingegneria e una chat AI interna per aggiornamenti e sintesi del team.
All’inizio, avremmo potuto evitare di complicare eccessivamente il flusso di lavoro aggiungendo troppi segnali e dashboard. Ha creato più lavoro di interpretazione che chiarezza. Un caso d’uso più semplice e ben definito — concentrato su una o due decisioni di alto valore — avrebbe favorito un’adozione più rapida e meno scetticismo da parte dei team.
Perché l’AI non riesce a migliorare la velocità decisionale
L’AI non ha portato l’impatto atteso di migliorare l’allineamento tra team e la velocità nelle decisioni semplicemente tramite l’aggiunta di più informazioni automatizzate e dashboard.
Sì, l’AI ha migliorato la visibilità, ma non ha ridotto l’ambiguità né risolto le priorità in conflitto — in alcuni casi, ha amplificato il rumore, con team diversi che interpretavano gli stessi risultati in modo differente.
L’AI ha migliorato la visibilità, ma non ha ridotto l’ambiguità né risolto le priorità in conflitto — in alcuni casi, ha amplificato il rumore.
Prendiamo come esempio una dashboard. Ogni team si concentra sui propri KPI e sulle proprie esigenze aziendali, quindi può utilizzare gli strumenti per generare output che soddisfano i propri obiettivi chiave. Costruire coesione in questo caos è fondamentale, considerando l’impatto su tutti i team.
Perché una pianificazione migliore non porta necessariamente a risultati migliori
L’AI mi ha fatto abbandonare il presupposto che una pianificazione migliore conduca automaticamente a risultati di delivery migliori. Anche piani estremamente dettagliati diventano meno predittivi quando l’AI evidenzia il vero ritmo del cambiamento e cambia le priorità e la volatilità delle dipendenze in tempo reale.
Ripianificare continuamente sulla base di segnali in tempo reale, invece che cercare più certezza iniziale, ha migliorato i risultati. La consegna non era più una questione di avere il piano giusto, ma di aggiornarlo rapidamente.
Il nostro flusso di lavoro di delivery potenziato dall’AI acquisisce elementi di lavoro e aggiornamenti del team, dove l’AI raggruppa i temi, segnala rischi e sintetizza automaticamente i progressi tra le squadre. Questi insight alimentano una sessione di prioritizzazione guidata dalle persone, in cui le decisioni diventano i piani degli sprint. Durante l’esecuzione, l’AI evidenzia costantemente deviazioni e problematiche emergenti.
L’effetto netto è stato meno tempo passato a fare report e più tempo dedicato a risolvere problemi di delivery.
Perché il reporting di stato deve essere riprogettato con l’AI
Un’area che più responsabili della delivery dovrebbero attivamente ripensare è il reporting sullo stato e la governance della delivery — è ancora una delle parti più manuali, a basso valore aggiunto e soggette a distorsioni della maggior parte delle organizzazioni.
Sto lavorando per sostituire i classici deck di stato e i report manuali con un flusso di lavoro potenziato dall’AI che sintetizza continuamente gli aggiornamenti dagli strumenti di delivery, segnala i rischi e genera sintesi concise “pronte alla decisione” per i leader. Il cambiamento non riguardava solo l’efficienza — ha trasformato la natura delle conversazioni in governance da “qual è lo stato?” a “quali decisioni dobbiamo prendere ora?”.
Il risultato è stato meno tempo speso a raccogliere aggiornamenti e più tempo dedicato a risolvere effettivamente i vincoli di delivery, con una gestione più rapida dei rischi reali — ma solo dopo aver rafforzato la proprietà delle decisioni affinché gli output dell’AI non diventassero un ulteriore livello di interpretazione.
Perché una proprietà chiara è la vera chiave con l’IA
Ecco il mio consiglio:
Non confondere una maggiore produzione dell’IA con decisioni migliori; semplicemente offre alle persone più spunti su cui essere in disaccordo. La vera svolta è una proprietà chiara. L’IA suggerisce, gli esseri umani decidono, senza drammi di comitato.
Ricorda anche questo. Se l’adozione sembra lenta, di solito non è il modello il problema — sono le persone che semplicemente lo ignorano con cortesia.
Segui gli aggiornamenti
Puoi seguire il lavoro di Anika Banakh su LinkedIn.
Altre interviste a esperti in arrivo su The Digital Project Manager.
