La consegna ibrida uomo–IA non è opzionale—Una leader di prodotto nella robotica spiega perché

Sono appassionata nel mettere in connessione l’esecuzione tecnica con la leadership etica e strategica — aiutando i team a realizzare prodotti d’impatto promuovendo contemporaneamente l’innovazione responsabile nelle tecnologie emergenti.

I rituali di delivery riguardano meno il controllo manuale e più l’interpretazione, il giudizio e la guida strategica. L’IA agisce come copilota — gestendo analisi e riconoscimento di pattern — mentre gli esseri umani guidano la visione, l’etica e la collaborazione.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Kateryna Portmann

Senior Product Manager at ANYbotics

You should also read

• Perché la gestione dei progetti è un ruolo fondamentalmente imprenditoriale

• Da Junior a Strategico: Come i Leader Aiutano i Project Manager a Crescere di Livello

• Il divario nelle competenze sull’IA: come organizzazioni e leader lo stanno colmando

Come l’IA sta ridefinendo la gestione dei prodotti e la consegna dei progetti

Il mio ruolo e l’approccio a IA nella consegna dei progetti stanno cambiando rapidamente. Task che prima erano manuali o concentrati su tracciamento e rendicontazione sono sempre più automatizzati, il che significa che dedico meno tempo a lavori amministrativi come aggiornamenti di stato, coordinazione di attività di base o monitoraggio delle KPI di routine.

Allo stesso tempo, presto maggiore attenzione alle aree in cui il giudizio umano e l’IA nella pianificazione strategica apportano più valore: definizione della strategia di prodotto, integrazione responsabile dell’IA nei sistemi robotici, anticipazione delle considerazioni regolatorie ed etiche, e guida di team cross-funzionali per allinearsi su soluzioni innovative.

Più in generale, la consegna dei progetti oggi richiede un’enfasi più forte su IA nelle decisioni supportate dai dati, etica dell’IA e pianificazione adattativa. Si prevede che i team iterino più velocemente, sfruttino le intuizioni fornite dall’IA per definire le priorità, e rispondano in modo proattivo all’evolversi delle tecnologie e dei requisiti normativi. Il mio ruolo sta passando dalla semplice gestione delle attività all’orchestrazione responsabile dell’innovazione, assicurando che le iniziative di IA generino reale valore senza compromettere sicurezza, compliance o fiducia.

Perché i sistemi human-in-the-loop sono fondamentali per la consegna dei progetti guidati da IA

All’inizio, mi aspettavo che l’IA automatizzasse principalmente il lavoro di routine — come il monitoraggio dell’avanzamento dei progetti o la generazione di report — ma ciò che ho scoperto è che eccelle davvero nell’evidenziare pattern, prevedere rischi e far emergere intuizioni che guidano decisioni più intelligenti.

Ad esempio, nel progetto Sandbox AI, gli strumenti di IA non ci hanno solo aiutato ad analizzare i dati più rapidamente — hanno rivelato rischi sottili sulla compliance e sulle operazioni che altrimenti ci sarebbero potuti sfuggire. Questo ci ha spinto a ripensare la struttura dei workflow, le priorità delle attività e il coinvolgimento degli stakeholder.

Nel complesso, gli aspetti della consegna che appaiono più maturi per essere supportati sono quelli data-intensive, ripetitivi o predittivi coinvolti nell’automazione delle attività di progetto tramite IA. Ciò significa:

• Monitoraggio dei progressi e reportistica: L’IA può consolidare automaticamente gli aggiornamenti da più team, evidenziare i colli di bottiglia e generare dashboard in tempo reale.
• Identificazione dei rischi e pianificazione degli scenari: I modelli di apprendimento automatico svolgono un ruolo nella gestione dei rischi con l'IA. Possono analizzare i dati di progetto per prevedere potenziali ritardi, conflitti di risorse o rischi di conformità prima che si manifestino.
• Prioritizzazione e allocazione delle risorse: L’IA nella gestione delle risorse può suggerire la sequenza ottimale delle attività o la redistribuzione delle risorse in base ai dati storici e ai vincoli del progetto.

L’implementazione normalmente richiede l’integrazione di analisi di progetto basate su IA negli strumenti di project management come Jira, Asana o sistemi interni personalizzati. Per la modellazione predittiva, potremmo utilizzare pipeline di machine learning leggere che elaborano i dati storici dei progetti e si perfezionano continuamente con nuovi input.

Tuttavia, il giudizio umano resta indispensabile in diverse aree:

• Decisioni etiche e regolamentari: Stabilire cosa sia consentito, responsabile e in linea con la conformità tramite IA e con i valori più ampi dell’organizzazione.
• Comunicazione e negoziazione con gli stakeholder: L’IA nella gestione degli stakeholder può suggerire spunti per la conversazione, ma per costruire consenso e condurre conversazioni sfumate servono empatia e capacità di persuasione.
• Pianificazione strategica e innovazione: Gli esseri umani devono interpretare le intuizioni generate dall’IA nel contesto, bilanciare i compromessi e delineare la visione di lungo termine.

In breve, il giudizio umano è tuttora necessario. È cruciale. L’IA nel project management è un potente moltiplicatore di efficienza e conoscenza, ma funziona al meglio quando le persone mantengono il controllo sulle decisioni complesse, strategiche e orientate ai valori.

il consiglio di kateryna

Il giudizio umano è ancora necessario. È cruciale. L’IA è un potente moltiplicatore di efficienza e intuizione, ma funziona meglio quando le persone mantengono il controllo sulle decisioni complesse, strategiche e guidate dai valori.

Perché i sistemi di delivery snelli non funzionano sempre

È importante sottolineare che, nell’hardware e nella robotica, allontanarsi dai metodi tradizionali di project management non è sempre semplice — i sistemi fisici hanno tempi di consegna lunghi, dipendenze rigide e vincoli di sicurezza o conformità che richiedono pianificazione attenta. La flessibilità iterativa è più limitata rispetto ai progetti puramente software.

Detto questo, in iniziative come Women in Robotics, siamo riusciti a sperimentare approcci più snelli e agili. Ad esempio, usiamo Slack — e le sue funzionalità di IA — per coordinare rapidamente volontari e partecipanti. Questo ci consente di iterare sui programmi, raccogliere feedback e adattare le iniziative molto più rapidamente rispetto ad un approccio pianificato top-down tradizionale.

Quindi, sebbene i progetti hardware richiedano spesso processi strutturati, i sistemi snelli possono prosperare in iniziative guidate dalla comunità o trasversali, facilitando un adattamento più rapido, maggiore coinvolgimento e miglioramento continuo.

Un esempio reale di sistemi di delivery moderni alle prese con la complessità

Ecco un buon esempio di delivery con IA in pratica. Con il progetto Sandbox AI, abbiamo affrontato un ambiente altamente complesso che coinvolgeva molteplici stakeholder, vincoli normativi e sistemi di IA all’avanguardia. L’obiettivo del progetto era esplorare implementazioni sicure, conformi e innovative dell’IA in applicazioni del settore pubblico, richiedendo un equilibrio tra rapidità di delivery, governance ed etica.

Impostazione e approccio:

• Abbiamo creato un team centrale e trasversale che includeva ingegneri, esperti di policy, consulenti legali ed esperti di etica dell’IA.
• Abbiamo utilizzato sistemi di delivery Agile, sfruttando Jira per la pianificazione degli sprint, Confluence per la documentazione e Miro per i workshop di design collaborativo.
• Sono stati integrati strumenti guidati dall’IA per l’analisi dei rischi e la simulazione di scenari, permettendoci di modellare gli esiti prima di implementare processi basati sull’IA in contesti reali.

Esecuzione:

• Abbiamo iniziato con prototipi su piccola scala per testare i framework di conformità ed etici, iterando settimanalmente sia in base alle prestazioni tecniche sia ai feedback regolatori.
• Sessioni di revisione regolare con le parti interessate hanno garantito l’allineamento agli standard di governance, mentre le analisi AI hanno evidenziato potenziali rischi di conformità prima che si materializzassero.

Risultati:

• Valutata la prontezza per ISO 42001
• I principali insegnamenti sono stati inseriti direttamente nel white paper AI House Davos 2025, dove abbiamo sintetizzato undici elementi chiave di governance per una più ampia adozione industriale.

Questo progetto ha evidenziato come i moderni sistemi di delivery e gli strumenti guidati dall’AI possano gestire la complessità, accelerare l’iterazione e mantenere la conformità etica e regolatoria — anche in ambienti altamente incerti. Ha rafforzato il valore della combinazione tra pratiche strutturate di delivery e insight dell’AI per affrontare con successo progetti sfidanti.

Uno stack tecnologico che amplifica la collaborazione e riduce gli attriti

Attualmente sono in congedo di maternità, quindi negli ultimi mesi non ho partecipato direttamente alla delivery quotidiana dei progetti — e l’AI evolve così rapidamente che sarebbe scorretto parlare come se avessi esperienza diretta con tutte le ultime scelte di strumenti in ANYbotics.

Detto questo, attraverso il mio lavoro con Women in Robotics, ho continuato a seguire da vicino le tendenze nella delivery e nella collaborazione dei progetti. In questo contesto, lo stack tecnologico ruota spesso attorno agli strumenti di collaborazione e condivisione della conoscenza:

• Slack per comunicazione e coordinamento: Questo strumento di collaborazione AI aiuta a mantenere connessi i team globali e a ridurre il sovraccarico di email. Utilizzo l’AI integrata di Slack per riassumere lunghe conversazioni e canali, particolarmente utile quando mi inserisco in discussioni già avviate o coordino team distribuiti. Lo uso anche per redigere risposte rapide o riformulare aggiornamenti rendendoli più chiari. L’impatto principale è stato la maggiore rapidità nel cambiare contesto e una comunicazione più coerente all’interno del team.
• Figma per la collaborazione visiva, soprattutto workshop, brainstorming e sessioni di co-design: Con le funzionalità AI di Figma, genero rapidamente variazioni iniziali di UI, esploro opzioni di layout e documento automaticamente i componenti di design. Questo accelera la fase di ideazione e mi permette di condividere prima la direzione visiva con le parti interessate. Le varianti generate dall’AI non sono definitive — servono ad avviare la discussione sul design e ridurre i tempi di iterazione.
• Notion per documentazione, tracciamento iniziative e rendere gli insight accessibili a tutti: Notion AI fa parte del mio flusso di lavoro quotidiano. Uso questo task manager AI per redigere documentazione di progetto, note di riunione, riepilogare lunghi documenti di ricerca o interviste, trasformare brainstorming caotici in piani strutturati o azioni e riscrivere contenuti con toni diversi a seconda del pubblico. Il vantaggio maggiore è il risparmio di tempo — trasformare informazioni non strutturate in qualcosa di chiaro e condivisibile richiede solo una frazione del tempo rispetto a prima.

Nell’ultimo anno ho notato che i team stanno puntando sempre di più su strumenti che favoriscono la collaborazione asincrona e la trasparenza, soprattutto ora che il lavoro ibrido è diventato la norma. Strumenti come Notion si sono rivelati preziosi perché permettono ai membri di contribuire e rivedere il lavoro indipendentemente dal fuso orario. Al contrario, alcuni vecchi strumenti di tracciamento delle attività, troppo rigidi o compartimentati, sono stati messi in secondo piano poiché non supportano flussi di lavoro flessibili o iterazioni rapide.

Nel complesso, la mia valutazione è che i software di automazione dei workflow hanno successo quando amplificano la collaborazione, riducono gli attriti e consentono ai team di concentrarsi sull’impatto invece che sul processo — un principio che continuo a sostenere.

Perché Figma è lo strumento AI più sottovalutato per la delivery collaborativa

Uno degli strumenti più sottovalutati ed efficienti in termini di tempo è proprio Figma. So di averlo già menzionato, ma è davvero rivoluzionario — in particolare le sue funzionalità di whiteboarding collaborativo in tempo reale e le integrazioni con i template.

L’impatto è significativo. Consente ai team distribuiti di co-creare, fare brainstorming e iterare sulle idee in modo asincrono o sincrono, riducendo drasticamente il consueto scambio di email o le lunghe riunioni. I team possono visualizzare i flussi di lavoro, mappare i processi e tracciare decisioni tutto in un unico posto, rendendo workshop e sessioni di pianificazione molto più efficienti.

Un altro aspetto sottovalutato è l’integrazione con Slack, che colma il divario tra l’IA nella pianificazione dei progetti e l’esecuzione. Questa combinazione garantisce che le decisioni e le attività individuate durante le sessioni collaborative confluiscano automaticamente nel tracciamento delle attività, riducendo la duplicazione degli sforzi e accelerando il follow-up.

Lo strumento favorisce chiarezza, allineamento e decisioni più rapide tra team distribuiti, qualità spesso sottovalutate fino a quando non si gestiscono diversi progetti collaborativi su più regioni.

Come l’IA agisce come copilota nei rituali moderni di delivery

Con l’IA che entra sempre più a far parte dell’ecosistema di delivery, stiamo ripensando i rituali tradizionali per sfruttare i punti di forza dell’intelligenza artificiale mantenendo però centrale il giudizio umano.

• Allineare i team: Gli strumenti aiutano a individuare disallineamenti o responsabilità sovrapposte, ma l’allineamento si basa comunque sulla discussione umana e sull’IA nelle decisioni di progetto.
• Validare il lavoro: L’IA accelera i test e le simulazioni, segnalando errori o rischi di non conformità prima delle revisioni manuali. Ad esempio, nella robotica e nell’IA nel monitoraggio dei progetti, la modellazione predittiva può simulare scenari limite che agli umani richiederebbero molto più tempo per testare.
• Gestire l’esecuzione: Il monitoraggio e il reporting di routine possono ora essere automatizzati, liberando tempo per il team da dedicare alla risoluzione dei problemi, alla strategia e al coinvolgimento degli stakeholder. Le dashboard evidenziano rischi o ritardi in tempo reale, rendendo stand-up e retrospettive più focalizzate sulle decisioni piuttosto che sul reporting.

Il cambiamento complessivo è che i rituali di delivery sono meno incentrati sul controllo manuale e più sull’interpretazione, il giudizio e l’orientamento strategico.

il consiglio di kateryna

Uno degli strumenti più sottovalutati e che fanno risparmiare più tempo è Figma — in particolare la sua whiteboard collaborativa in tempo reale e le integrazioni dei template.

Come workflow agentici e piattaforme di orchestrazione supportano la delivery complessa

Quando sperimentiamo piattaforme di orchestrazione e workflow agentici, il focus è sulle aree che beneficiano maggiormente dal coordinamento e dall’insight predittivo, come:

• Prioritizzazione dei compiti e gestione delle dipendenze: Usare l’IA nella previsione dei progetti per identificare quali stream di lavoro sono critici, dove potrebbero verificarsi colli di bottiglia e come allocare le risorse.
• Monitoraggio dei rischi e delle conformità: Automatizzare l’individuazione di eventuali questioni di sicurezza o conformità in progetti di robotica e IA prima che incidano sulla consegna.
• Comunicazione tra team: Semplificare gli aggiornamenti e mettere in evidenza i disallineamenti in modo che i team impieghino meno tempo a inseguire aggiornamenti di stato.

Come per l’IA in generale, abbiamo riscontrato che le piattaforme di orchestrazione necessitano ancora della presenza umana per le decisioni strategiche e le valutazioni etiche. La tecnologia accelera il coordinamento e offre insight attuabili, ma non sostituisce il giudizio necessario a bilanciare le priorità, gestire i compromessi o coinvolgere gli stakeholder in modo efficace.

Perché etica, inclusione e diversità devono plasmare la delivery dei progetti guidati dall’IA

Guardando avanti, credo che etica, inclusione e diversità diventeranno centrali nel modo in cui definiamo il successo.

L’IA e la robotica possono accelerare le consegne e le decisioni, ma senza un’attenzione intenzionale ai quadri etici e alle prospettive diversificate, i progetti rischiano di rafforzare i bias o di creare danni involontari.

In pratica, questo significa che dobbiamo integrare etica e inclusività in ogni fase della delivery — dalla definizione dello scope, alla progettazione dei sistemi, fino all’iterazione sui feedback — trattandole come motori di innovazione, non come vincoli.

I team che adottano questi principi fin dall’inizio non solo costruiranno prodotti migliori, ma favoriranno anche fiducia, adattabilità e resilienza a lungo termine.

Come l’IA sta portando i team oltre i processi rigidi verso una delivery adattiva

La consegna dei progetti si evolverà sempre più dal semplice tracciamento delle attività verso un’orchestrazione strategica, con l’IA che funge da copilota in tempo reale. Nei prossimi cinque anni, mi aspetto che l’IA non si limiti ad automatizzare report o aggiornare attività, ma che preveda attivamente i rischi, suggerisca priorità e persino proposte di compromessi basandosi su dati di progetti passati, disponibilità delle risorse e segnali di mercato.

I team si allontaneranno da diagrammi di Gantt rigidi e documentazione eccessiva, abbracciando flussi di lavoro leggeri e adattivi in cui le persone potranno concentrarsi su attività di massimo valore: definire la strategia, interpretare gli insight dell’IA, prendere decisioni etiche e promuovere la collaborazione. In sostanza, l’IA si occuperà delle analisi "cosa potrebbe accadere", mentre i product manager decideranno cosa dovrebbe accadere.

Mi aspetto anche che l’allineamento interfunzionale e il processo decisionale accelerino, poiché l’IA potrà simulare in tempo reale gli esiti di diversi approcci di delivery, permettendo così ai team di iterare più rapidamente e innovare in modo responsabile senza compromettere conformità o qualità.

Alla fine, la vera efficacia della delivery sarà definita da quanto bene persone e IA collaboreranno, piuttosto che da quanto rigorosamente seguiamo processi predefiniti.

Il consiglio di Kateryna

Il mio ruolo sta passando dal semplice ‘gestire le attività’ all’orchestrare l’innovazione in modo responsabile, garantendo che le iniziative di IA creino valore reale senza compromettere sicurezza, conformità o fiducia.

Come i leader di prodotto possono adottare l’IA senza perdere il giudizio umano

Il mio consiglio ai leader in questa fase di cambiamento è di trattare l’IA come una partner, non come un sostituto, mantenendo sempre etica e diversità al centro di ogni decisione. Sfruttate l’IA per automatizzare compiti ripetitivi e far emergere dati utili, ma lasciate che siano gli umani a guidare la strategia, le considerazioni etiche e le decisioni inclusive.

Inoltre, promuovete la diversità nei team e nei punti di vista: i progetti hanno successo quando si considerano esperienze e visioni differenti, soprattutto nell’ambito di IA e robotica dove bias o punti ciechi possono avere conseguenze tangibili nel mondo reale.

Infine, investite nella capacità del vostro team di lavorare responsabilmente con l’IA, unendo competenze tecniche a consapevolezza etica e alla collaborazione nella risoluzione dei problemi. I leader che sapranno bilanciare innovazione, inclusività e integrità saranno coloro che genereranno un impatto significativo e sostenibile.

Rimani aggiornato

Puoi seguire il lavoro di Kateryna Portmann su LinkedIn. E non perderti la sua iniziativa, Women in Robotics!

Altre interviste a esperti in arrivo su The Digital Project Manager.