La consegna dei progetti richiede sistemi di orchestrazione AI, non semplici strumenti: la fondatrice responsabile della consegna dei progetti spiega come l’AI sta creando nuovi colli di bottiglia

Per quanto riguarda la gestione dei progetti, sono responsabile dei progetti nella mia azienda: definizione della strategia e degli indicatori chiave di performance (KPI), costruzione del team (sia umano che composto da sistemi AI), supervisione dell'esecuzione e consegna dei progetti — sistemi di marketing fondamentali che i team possono mantenere a lungo termine.

Direi che il mio background è insolito per chi si occupa di marketing. Ho iniziato come ingegnere professionista abilitato e mi sono dedicata al marketing per iniziative ingegneristiche e tecnologiche. Progetto strategie di crescita da 20 anni e ho consegnato risultati in ambito marketing per tutti, dalle startup pre-revenue al 10% delle aziende Fortune 100 (Intel, IBM, Amazon, Dell, SAP). Spesso aiuto fondatori intraprendenti al di fuori dei tradizionali hub tecnologici, come San Antonio, Chicago, Tel Aviv o parti d’Europa che non hanno facile accesso a una leadership in crescita con esperienza.

Ecco cosa rende diverso il mio approccio: combino competenze di product marketing e growth marketing con una profonda padronanza di AI e dati. Ho formato oltre 2 milioni di professionisti su temi di AI, strategia dei dati e ora AI marketing — quindi quando dico "data-driven", lo intendo a livello ingegneristico. Non si tratta solo di analytics superficiali.

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’AI sta ridefinendo i ruoli di leadership tra strategia, architettura e orchestrazione

Con l’AI, il mio ruolo si è evoluto da "stratega + leader" a "stratega + architetto + orchestratore di agenti + leader".

Ecco cosa significa nella pratica: prima dedicavo il 50% del mio tempo alla pianificazione strategica e il 50% alla guida dei team nell’esecuzione. Ora è 30% strategia, 25% architettura di sistemi AI, 25% orchestrazione di agenti e 20% leadership del team.

Ecco su cosa sto concentrando maggiormente l'attenzione:

• Progettare sistemi AI utilizzabili dai miei team — qui parlo di flussi di lavoro, non di strumenti.
• Framework di validazione e controllo qualità

Ecco cosa richiede meno tempo:

• Analisi manuale dei dati: l'AI gestisce l'80% delle prime analisi tramite ChatGPT EDA (analisi esplorativa dei dati).
• Contenuti di prima stesura: l'AI genera bozze tramite Claude + MCP personalizzato e i team perfezionano.
• Reportistica ordinaria: in gran parte automatizzata tramite Segmetrics.
• Documentazione delle riunioni: l’AI estrae azioni e decisioni tramite Fathom.

Come utilizzare il framework Trust Gradient per decidere cosa automatizzare (e cosa mantenere umano)

Uso il framework "Trust Gradient" per decidere cosa automatizzare. Ecco il succo.

Elevato potenziale di automazione (l’AI gestisce oltre l’80%):

• Raccolta dei dati e analisi iniziale
• Generazione di contenuti di prima stesura — solo se il contesto del brand è adeguatamente documentato
• Produzione di asset per campagne
• Note delle riunioni ed estrazione dei task
• Reportistica ordinaria sulle performance

Richiede supervisione umana (dove l’IA supporta e l’umano decide):

• Prioritizzazione strategica — quali campagne lanciare, quando e perché
• Decisioni sul posizionamento di mercato
• Allocazione del budget tra i canali
• Gestione delle obiezioni dei clienti in conversazioni ad alto rischio
• Gestione di crisi

Ambiti esclusivamente umani:

• Progettazione grafica per i social media (proprio così!)
• Validazione ICP e sintesi della ricerca di mercato (l’AI perde importanti sottotesti emotivi che dovrebbero essere considerati)
• Strategia dei prezzi e progettazione del modello di monetizzazione
• Negoziazioni di partnership
• Risoluzione dei conflitti
• Qualsiasi decisione che incida direttamente su P&L o reputazione aziendale

I team intelligenti stanno usando l'IA per il lavoro fastidioso, ripetitivo e dipendente dal contesto, lasciando poi agli esseri umani il compito di concentrarsi sulle decisioni che richiedono una profonda esperienza di mercato e sulla valutazione dei compromessi strategici.

Ma ricordate: automatizzare un processo difettoso porta solo a ottenere risultati difettosi più velocemente. Ad esempio, ho visto team automatizzare la creazione di contenuti quando il vero problema era che il loro posizionamento era sbagliato, ed è stato un completo spreco di tempo.

Automatizzare un processo difettoso ti porta solo a ottenere risultati difettosi più velocemente.

Share This Quote on:

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

Lillian Pierson

Fondatrice di Data-Mania

Risolvere il nuovo collo di bottiglia dell’IA: inserire nodi di validazione nei flussi di lavoro

Detto ciò, sono rimasta sorpresa e delusa nel constatare che l’IA non ha eliminato i nostri colli di bottiglia; li ha solo spostati.

Siamo 10 volte più veloci nell’esecuzione di strategie di campagna, calendari editoriali e framework di messaggistica. Ma i tempi complessivi dei progetti sono diventati solo tre volte più rapidi.

Perché? Perché ora trascorriamo più tempo a validare che i risultati generati dall’IA siano effettivamente corretti. Prima dell’IA, i miei team impiegavano l’80% del tempo a produrre deliverable e il 20% a controllare che fossero solidi a livello strategico. Ora è il contrario: 30% produzione, 70% validazione.

Quindi, il collo di bottiglia si è spostato dall’esecuzione alla valutazione.

Per risolvere questo nuovo collo di bottiglia, ho iniziato a costruire nodi di validazione all’interno dei miei flussi di lavoro IA, in modo che i LLM possano valutare non solo l’accuratezza, ma anche la conformità a criteri rigorosi di workflow. 

Esempio reale di uno script di controllo qualità IA

All’interno delle istruzioni all’agente, il mio nodo di validazione recita più o meno così: 

• Per i contenuti social che crei, effettua un passaggio di verifica qualità. Prima di inviare la tua risposta, verifica:
  • Ho creato esattamente 3 contenuti?
  • Ho creato esattamente 1 post LinkedIn virale?
  • Ho creato esattamente 1 caption per Reels virale?
  • Ho creato esattamente 1 copione per parlare in un video Reels virale?
  • Il post LinkedIn che ho scritto rispetta i requisiti indicati nel prompt preso allo Step X?
  • Ho inserito in tutti i contenuti la social proof o il case study scelto allo Step Y?
  • Il post LinkedIn e la caption Reels contengono hashtag rilevanti?
  • Ho evitato di aggiungere strategie, template, indicazioni visive o materiali aggiuntivi?
  • Ho seguito i requisiti di formato specifici?
  • Se la risposta a una delle domande sopra è “no”, torna indietro e correggi l’errore. Poi ripeti questo step finché tutte le risposte non sono “sì”.
  • Se crei qualsiasi cosa diversa dai tre contenuti specificati, hai fallito completamente il task.

Finora sta aiutando, ma non è al 100%.

Come l’IA sta riscrivendo i rituali di delivery

Siamo passati dalla pianificazione simil-Waterfall alla modalità di “Validazione Continua” — dove i test fanno parte del processo. Solo questo cambiamento ha ridotto la burocrazia di processo dal 20% al 5%. Notevole.

La chiave è valutare prima l’intero modello di delivery, poi automatizzare in modo strategico.

Ecco come sono evoluti i nostri rituali core di delivery:

Allineare i team

• Prima: meeting di allineamento di un’ora con slide e Q&A.
• Adesso: project brief generato da ChatGPT, seguito da feedback asincroni in Notion entro 24 ore e un sync di 15 minuti solo per i blocker.
• Impatto: 80% di tempo in meno in riunione e maggiore allineamento.

Validare il lavoro

• Prima: Il team QA revisionava manualmente ogni risorsa
• Ora: Test assistiti dall'AI in cui Claude controlla i contenuti rispetto ai criteri chiave, al tone of voice documentato del brand e ai proof point, poi corregge eventuali deviazioni. Gli umani fanno controlli a campione per la coerenza strategica.
• Impatto: la metà dei problemi di qualità.

Trattiamo l'AI come un membro junior del team incredibilmente veloce, con una memoria perfetta ma senza alcuna capacità di giudizio strategico. Ha bisogno di direzione, contesto e validazione, ma gestisce tutto il lavoro ripetitivo.

Il mio motto è che i team che cercano di sostituire la maggior parte delle persone con l'AI falliranno. I team che usano l'AI per amplificare il giudizio umano acuto e tempestivo vinceranno.

Trattiamo l’AI come un membro junior del team incredibilmente veloce, con una memoria perfetta ma senza alcuna capacità di giudizio strategico. Ha bisogno di direzione, contesto e validazione, ma gestisce tutto il lavoro ripetitivo.

Share This Quote on:

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

Lillian Pierson

Fondatrice di Data-Mania

Il passaggio da strumenti AI a sistemi di orchestrazione

Questa era la mia tech stack 12 mesi fa: Airtable, Notion, ChatGPT, Perplexity, Canva, Google Docs, Fathom, Siri e Loom.

Ecco il mio stack attuale:

• ​​Claude + MCP personalizzato: il mio principale spazio di lavoro AI dove svolgo la maggior parte del pensiero strategico, creazione di contenuti e sviluppo, potenziato da integrazioni personalizzate che mi permettono di accedere a tutto il mio contesto e agli strumenti in un unico posto.
• n8n: Lo utilizzo per automatizzare le attività ripetitive, così posso concentrarmi sul lavoro strategico vero invece che copiare dati tra piattaforme o inviare le stesse email di follow-up. Lo uso anche come server MCP.
• Airtable: Qui conservo tutto il mio contesto per MCP. E, quando i miei agenti AI finiscono un compito, scrivono automaticamente i risultati in Airtable, che utilizzo per archiviare e organizzare tutti i dati di progetto per MCP.
• Notion: Il mio cervello centrale per SOP, template di strategia. Uno strumento di gestione dei progetti e documentazione, e tutto ciò che mi serve consultare o condividere col mio team.
• Bolt: Quando mi serve uno strumento personalizzato, una landing page o un prototipo e non voglio aspettare uno sviluppatore, lo uso per creare rapidamente web app che risolvono problemi di workflow specifici.
• Windsurf: Il mio editor di codice di riferimento quando costruisco app su misura per task specifici di marketing. Il codice è scritto dall'AI, quindi non mi blocco mai sulla sintassi.
• ChatGPT: Lo utilizzo quando cerco una prospettiva diversa su qualcosa o voglio fare brainstorming rapidamente senza cambiare contesto. Ottimo anche per ricerche approfondite.
• Perplexity: Il mio assistente per raccogliere dati di mercato aggiornati, informazioni sui competitor e tendenze del settore con fonti reali che posso citare.
• Gamma: Quando ho bisogno di creare una presentazione in tempi rapidissimi senza perdermi nelle scelte di design, questo mi aiuta a realizzare qualcosa di professionale in una frazione del tempo.
• OpenAI AgentKit: Sto sperimentando questo per creare agenti AI personalizzati che possano gestire task ricorrenti specifici senza doverli attivare manualmente ogni volta.
• Descript: Lo uso per editare le mie registrazioni e video di presentazione ai clienti in modo che siano perfezionati senza esperienza nel montaggio video.
• Canva (software di marketing gratuito): Il mio strumento di design per creare grafiche brandizzate, contenuti social e elementi visivi, quando serve qualcosa esteticamente gradevole ma senza impegnare l'intero processo creativo.
• Google Docs: Dove collaboro su bozze insieme a clienti e team. È particolarmente utile per sessioni di feedback in tempo reale e lavoro strategico iterativo.
• Fathom (app per prendere appunti): Registra le mie chiamate coi clienti e genera automaticamente trascrizioni e sintesi, così posso concentrarmi sulla conversazione invece che prendere appunti freneticamente.
• Loom (software di video marketing): È il modo in cui consegno la maggior parte delle mie presentazioni strategiche e audit dei siti. Mi permette di guidare i clienti nel mio ragionamento in modo asincrono, così possono guardare quando vogliono.

In generale, il cambiamento più grande è stato il passaggio da "strumenti" a "sistemi di orchestrazione AI". Sono passato dall'usare ChatGPT per la generazione di contenuti e la ricerca di mercato al costruire veri e propri agenti AI che accedono al contesto strutturato del brand e generano in autonomia asset di campagna e consegne brandizzate.

È stato molto utile eliminare tutte quelle soluzioni GPT frammentate. Ho consolidato il 90% di quelle funzioni in agenti costruiti all’interno dei "Progetti" di Claude, con una corretta architettura contestuale che risiede in Airtable.

L’API di Claude è stata l’aggiunta con il ROI più elevato. Claude dispone di un MCP personalizzato per costruire agenti AI che accedono dinamicamente all’intelligence strutturata del brand e, dopo aver creato agenti su più piattaforme, questa è la configurazione a cui continuo a tornare — è semplicemente così potente! Tuttavia, richiede una certa dimestichezza tecnica con API e prompt engineering.

Direi anche che n8n è sottovalutato da founder e project manager che vogliono creare flussi di lavoro AI personalizzati senza scrivere codice.

Nel complesso, il cambiamento più grande è stato passare da “strumenti” a “sistemi di orchestrazione dell’AI.

Share This Quote on:

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

Lillian Pierson

Fondatrice di Data-Mania

Il ROI dei flussi di lavoro agentici — e perché l’intelligenza composta batte i risultati immediati

Se c’è un caso d’uso per un flusso di lavoro agentico, lo costruisco e lo condivido. Il ROI dei flussi di lavoro agentici è innegabile.

Di fatto, proprio l’altra sera sono rimasta sveglia fino alle 2 di notte per creare un corso su LinkedIn su Agent Kit. In questo corso accompagno i partecipanti nella realizzazione di un sistema multi-agente che trasforma una strategia di partnership di 6 mesi in un piano d’azione quotidiano solido, eseguibile da un marketer di livello junior. 

Ma una cosa che molti principianti potrebbero non realizzare è che i flussi di lavoro agentici non sono "imposta e dimentica". Il ROI arriva dall’intelligenza composta nel tempo, non dalla perfezione immediata. Sarebbe un errore trattare gli agenti come soluzioni magiche invece che come sistemi che richiedono un perfezionamento continuo.

Come utilizzare i flussi di lavoro agentici per trasformare la strategia in lavoro quotidiano eseguibile

Ho costruito questo flusso di lavoro da strategia a esecuzione per risolvere un problema che incontravo spesso: consegnavo ai clienti queste presentazioni strategiche complete e poi ci trovavamo entrambi a guardare questo enorme piano d’azione, chiedendoci: “Ok, ma cosa faccio realmente domani?”

La catena di agenti suddivide la strategia in lavoro quotidiano eseguibile. Ecco come funziona:

• Agente AI Project Planner: Prende il testo grezzo della strategia dai miei deliverable ed estrae i veri obiettivi, priorità e iniziative. Analizza tutto il contesto e individua ciò che conta davvero.
• Agente Execution Planner: Prende gli obiettivi estratti e li arricchisce con priorità, dipendenze e tempistiche realistiche. È qui che le idee strategiche diventano un vero e proprio piano d’azione, con una sequenza coerente.
• Agente Daily Action Planner: Converte quel piano d’azione in compiti quotidiani specifici. Non “migliora l’email marketing”, ma “redigi la prima email di benvenuto, imposta il trigger di automazione in n8n, scrivi variazioni per l’oggetto da testare, ecc.”
• Transform + MCP: Invia tutti gli output degli agenti a Gamma, dove viene creato automaticamente un piano di esecuzione pulito e presentabile che i clienti possono davvero usare.

Il tutto funziona in automatico non appena fornisco un documento strategico. Quello che prima mi richiedeva ore di ripartizione manuale ora avviene in pochi minuti, e i clienti ricevono sia la visione strategica sia il manuale operativo in un unico deliverable.

Consigli non ovvi per project manager che implementano flussi di lavoro AI

Ho tre consigli non scontati:

1. Esegui un audit prima di automatizzare. Mai automatizzare solo per intuizione.
2. Assumi chi è scettico sull’AI, non solo gli entusiasti. Le persone migliori nei miei team sono quelle che mettono in discussione gli output dell’AI e puntano sulla validazione. L’entusiasmo cieco porta a errori costosi.
3. Documenta i tuoi esperimenti come farebbe uno scienziato. Tieni traccia di cosa hai provato, cosa ha funzionato, cosa no e perché. Questa conoscenza organizzativa diventerà inestimabile nel tempo.
4. Investi nel contesto: E qui sta la verità che nessuno dice — la maggior parte dei team investe solo il 10% di quanto dovrebbe nell’infrastruttura di contesto. Spendono migliaia in strumenti AI ma zero tempo per documentare il tone of voice del brand, la lingua dell’ICP, le prove e il posizionamento. Senza queste basi, l’AI amplifica solo la mediocrità, e questa è la cruda realtà.

Purtroppo, probabilmente ti sembrerà di andare più lento prima di vedere i benefici e magari ti chiederai se ne valga davvero la pena. Resistete. I vantaggi composti già dopo sei settimane sono innegabili.

L'ascesa degli architetti di sistemi AI e dei responsabili delle relazioni strategiche

Direi che entro il 2030, il mio ruolo sarà composto da due funzioni distinte:

• Architetto di sistemi AI: Leader tecnici che costruiscono e gestiscono ecosistemi di agenti AI che si occupano dell'esecuzione. Avranno bisogno di competenze in prompt engineering, progettazione di database contestuali e una mentalità orientata all'orchestrazione dei sistemi.
• Responsabili delle relazioni strategiche: Si concentrano interamente su ciò che l'AI non può fare, come l'allineamento degli stakeholder, la rilevazione del mercato, la gestione di trade-off strategici, lo sviluppo di partnership e la costruzione della narrazione culturale.

La via di mezzo sta scomparendo rapidamente. L'esecuzione a livello di compito viene già automatizzata. Ciò che rimane sono competenze tecniche profonde (costruire sistemi intelligenti) e competenze strategiche profonde (prendere decisioni che richiedono un alto livello di esperienza).

Resta aggiornato

Puoi seguire Lillian su LinkedIn o iscriverti alla sua newsletter Convergence. E dai un'occhiata a Data-Mania per soluzioni di marketing abilitate con l'AI.

Puoi anche consultare la sua Growth Engine Audit Gap Map gratuita e imparare dal suo Portafoglio di corsi LinkedIn Learning.

Altre interviste con esperti in arrivo su The Digital Project Manager!