Fondatore di AI avverte: i Project Manager devono abbracciare il software agentivo
Henrik Kniberg racconta come gli agenti AI stanno rimodellando lo sviluppo software, dalle release automatizzate alla gestione autonoma dei backlog. Sostiene che i project manager che non imparano a lavorare con l’IA diventeranno rapidamente il collo di bottiglia.
Impatto dell’IA: L’IA sta rivoluzionando lo sviluppo software, consentendo ai team di fornire lavori di qualità superiore in modo più efficiente.
Cambiamento nella gestione dei progetti: I project manager devono adattarsi per integrare l’IA, altrimenti rischiano di diventare colli di bottiglia nel processo di sviluppo.
Pratiche agili: Mantenere un approccio agile è fondamentale; meno burocrazia permette una consegna dei progetti più rapida con l’aiuto dell’IA.
Utilizzo degli agenti: Gli agenti AI si occupano di compiti come la gestione delle release e l’organizzazione del backlog, liberando i team per concentrarsi su questioni più complesse.
Competenze per il futuro: Gestire in modo efficace il contesto dell’IA è fondamentale per i project manager che vogliono rimanere competitivi in un panorama in evoluzione.
Henrik Kniberg ha un background nella gestione di progetti presso Spotify, LEGO e Mojang. Attualmente è cofondatore e chief scientist presso Abundly.ai. Ed è l'autore di "Generative AI in a Nutshell".
Ci siamo seduti con lui per discutere di come l'IA stia cambiando lo sviluppo software — e, di conseguenza, la gestione dei progetti. Ha affermato che i project manager devono adattarsi oppure diventeranno il collo di bottiglia.
Da prodotto a startup di IA
Sono il cofondatore e chief scientist presso Abundly.ai, dove guido lo sviluppo della nostra piattaforma per agenti IA autonomi.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
In precedenza ho lavorato come Agile coach presso Spotify e LEGO, e mi sono occupato dello sviluppo di Minecraft presso Mojang. In realtà, ho realizzato un video chiamato "Spotify Engineering Culture", che spesso viene etichettato come "il Modello Spotify", in cui descrivo il loro approccio allo sviluppo prodotto.
E sono l'autore di "Generative AI in a Nutshell".
Come l'IA permette ai team software di realizzare di più con meno
La gestione dei progetti per lo sviluppo software può ora essere portata avanti molto più rapidamente grazie al supporto dell’IA, e questo sta cambiando radicalmente la consegna dei progetti.
Questo mi consente, insieme al mio team, di concentrarci maggiormente su architettura, design e UX — lì dove dovremmo spendere il nostro tempo — e di dedicare meno tempo a digitare e fare il debug del codice.
Il risultato è che riusciamo a consegnare di più, con maggiore qualità. E lo facciamo in meno tempo, con un team più piccolo.
Con l’IA, possiamo consegnare di più, con maggiore qualità. E lo facciamo in meno tempo con un team più piccolo.
Perché i team dovrebbero puntare alla burocrazia minima sostenibile
Non stiamo abbandonando i metodi tradizionali di project management — non li abbiamo mai adottati fin dall’inizio.
Siamo partiti usando i metodi agili, e ci impegniamo molto per mantenere un approccio agile anche mentre cresciamo. Abbiamo una cadenza settimanale, in cui ci sincronizziamo il venerdì per rivedere l’avanzamento e le priorità. Gestiamo una semplice Kanban board con limiti WIP e una colonna di triage che funziona come una inbox che viene svuotata ogni settimana — ogni elemento entra o esce.
Ogni commit viene distribuito automaticamente su un ambiente di test condiviso. E pubblichiamo in produzione circa due volte a settimana, o più spesso se necessario.
Facciamo inoltre una sincronizzazione informale quasi ogni giorno. Ci riuniamo semplicemente per parlare di cosa stiamo facendo quel giorno.
In generale, cerchiamo di mantenere una burocrazia minima sostenibile. E l'IA ci sta aiutando a farlo.
Cerchiamo di mantenere una burocrazia minima sostenibile. E l’IA ci sta aiutando a farlo.
Come gli agenti stanno trasformando la gestione dei rilasci e del cambiamento
Sperimentiamo quotidianamente i workflow agentici, poiché sono il nostro core business.
Ad esempio, abbiamo creato un agente per la gestione delle release. Ogni volta che vogliamo rilasciare in Produzione, cosa che avviene circa due volte a settimana, pinghiamo quell'agente, sia su Slack che dalla nostra app.
Quando viene pingato, l'agente controlla le ultime modifiche sul nostro branch di test, analizza i commit e genera e pubblica due versioni delle note di rilascio: una per uso interno e una per uso esterno, che omette le modifiche non rilevanti per i clienti. Poi analizza il nostro sito di documentazione per vedere se è necessario aggiornare qualcosa e crea una Pull Request per eventuali modifiche.
Modifichiamo costantemente le istruzioni di questo agente. L’ultima modifica è stata il controllo delle vulnerabilità di sicurezza.
Un altro esempio su cui stiamo lavorando ora è un agente che gestisce le richieste di modifica interna del prodotto. Quando uno stakeholder segnala un problema o chiede una nuova funzionalità, l'agente valuta automaticamente la priorità, esamina il codice per valutare la complessità della modifica e pubblica un’analisi su Slack. Poi determina se deve correggere il problema autonomamente e creare una PR, oppure se, in caso di incertezza, deve chiedere prima a noi. Crea inoltre un ticket nel nostro backlog per tracciare l'avanzamento. E quando effettua una modifica autonomamente, la testa nel browser per valutare l’impatto sull’interfaccia, aggiunge screenshot alla PR e ne controlla la qualità del codice.
Lo scopo di quell’agente è gestire automaticamente tutte le attività più semplici, così il mio team può concentrarsi su quelle più complesse. Anche se, ad essere onesti, anche in questi compiti complessi ci facciamo aiutare dall’AI!
Altri nostri casi d’uso includono ricerca, screening, audit di conformità, smistamento documenti e altro ancora.
Perché è necessario che gli esseri umani restino nel ciclo nell’ingegneria guidata dall’AI
Quindi, fondamentalmente stiamo cercando di inserire l’AI in ogni processo. Ad esempio, l’AI nella gestione del backlog può implementare alcuni ticket e occuparsi della gestione delle release.
Stiamo fondamentalmente cercando di inserire l’AI in ogni processo. Ma manteniamo una supervisione umana dove opportuno.
Ma soprattutto, manteniamo una supervisione umana dove opportuno.
Anche se usiamo l'AI per lo sviluppo, è più simile ad avere un partner di pair programming che a esternalizzare il lavoro a una società offshore. In altre parole, siamo ancora profondamente coinvolti nel codice — semplicemente lasciamo che l’AI ne scriva la maggior parte.
Come funziona uno stack di ingegneria AI-first
Parlando di sviluppo, usiamo Cursor con Claude Opus. E stiamo anche sperimentando Claude Code.
Cursor + Claude è una combinazione incredibilmente potente, come fare pair programming con un collega geniale e rapidissimo. E abbiamo creato una serie piuttosto completa di documenti con le regole per fornire il giusto contesto al modello di AI.
Il nostro prodotto è distribuito su Google Cloud Run e Vercel, con delivery continua, quindi portiamo le modifiche in Produzione semplicemente creando una PR e facendo il merge su Main — o chiedendo a un agente di farlo. Il nostro codice è in Typescript, sia frontend che backend.
Avere lo stesso linguaggio su tutto lo stack semplifica la vita sia ai nostri agenti che a noi.
Avere lo stesso linguaggio su tutto lo stack semplifica la vita sia a noi che ai nostri agenti.
Tutto il nostro codice è in un monorepo, il che significa che progetti, app e librerie differenti sono nello stesso repository. Questo semplifica anche le cose, perché un singolo commit può contenere modifiche sia al frontend che al backend. Rende la gestione delle dipendenze più semplice.
Per quanto riguarda la gestione dei progetti, usiamo una board Kanban in Notion per organizzare e visualizzare il nostro lavoro e le priorità. E abbiamo creato un agente che interagisce con essa. Ecco uno scenario tipico: qualcuno segnala un problema su Slack, e dopo alcuni messaggi, qualcuno scrive: "Hey @backlogger aggiungi un ticket per questo". L’agente interpreta il thread di Slack, cerca ticket simili sulla nostra board Kanban e aggiorna un ticket esistente o ne crea uno nuovo, allegando il contesto rilevante e gli screenshot da Slack. Utilissimo!
Usiamo questo agente ogni giorno. Le nostre riunioni di pianificazione sono molto più veloci ora perché ogni ticket ha una descrizione chiarissima, uno screenshot e il link al thread Slack. In futuro, estenderemo questa funzione affinché suggerisca anche priorità e risolva automaticamente le questioni semplici.
Come Claude Opus 4.5 ha cambiato le regole del gioco
In generale, sono continuamente sorpreso dalla velocità con cui strumenti e modelli stanno evolvendo e migliorando. Ci costringe a valutare costantemente le ultime novità.
Recentemente è stato rilasciato Claude Opus 4.5, ed è davvero molto bravo a gestire modifiche di codice più complesse. Per questo motivo, ora è più probabile che "risolviamo un problema in un colpo solo" — cioè, scriviamo un unico prompt dettagliato — invece di lavorare per piccoli passi con l'intervento umano a ogni fase.
Fondamentalmente, gli chiediamo di risolvere un problema spinoso mentre andiamo a pranzo.
È sorprendentemente efficace. Dobbiamo comunque revisionare il codice, ma nella maggior parte dei casi va bene così com'è.
Perché i project manager devono imparare a lavorare con gli agenti AI
In futuro, i project manager dovranno abituarsi ad avere un team composto da colleghi sia umani che AI che lavorano insieme. Questo significa te.
Tu, come project manager, devi abituarti a collaborare con agenti AI come fossero colleghi. Se non lo fai, diventerai il collo di bottiglia del processo. Tutto si muoverà a un ritmo che non riuscirai a sostenere.
Non sapere come usare efficacemente l'AI sarà come non sapere usare efficacemente internet. Certo, si può ancora fare project management senza usare internet. Ma saresti fortemente svantaggiato, e le tue prospettive lavorative saranno cupe.
Non sapere come usare efficacemente l’AI sarà come non sapere usare efficacemente internet.
Come una migliore gestione del contesto sblocca risultati più affidabili dall'AI
Il settore continua a cambiare, quindi la cosa fondamentale è sperimentare.
Sperimenta diversi strumenti AI e casi d'uso. Sviluppa la tua abilità come utente e ingegnere del contesto. E osserva su cosa tu e il tuo team spendete tempo: dove può l'AI aiutare a risparmiare tempo o migliorare la qualità?
Oltre alla sperimentazione, la gestione del contesto — cioè capire come i LLM lavorano con il contesto — è fondamentale. Se studi questo aspetto, riuscirai a scegliere e usare gli strumenti AI in modo più efficace. La maggior parte degli errori dell'AI avviene per una cattiva gestione del contesto. In altre parole, fallisce perché non ha le informazioni di cui ha bisogno.
Nessuno sa cosa accadrà in futuro, ma se sarai bravo a usare l'AI generativa, sarai in una posizione migliore per affrontare qualsiasi cosa riservi il domani.
Rimani aggiornato
Puoi seguire Henrik Kniberg mentre esplora i limiti agentici nel PM su YouTube, LinkedIn e X. E non perdere il suo prodotto, Abundly.ai.
Altre interviste a esperti in arrivo su The Digital Project Manager!
