Il PM di Salesforce che sta riscrivendo il modo in cui i team aziendali usano l’IA nella consegna dei progetti
Brian Galardo, Program and Project Manager presso Salesforce, racconta come l’IA stia trasformando la consegna dei progetti — non sostituendo il giudizio umano, ma attraverso flussi di lavoro pratici che portano i team dalla sperimentazione all’adozione reale.
Brian Galardo
Program e Project Manager
Iniziative trasversali: Brian Galardo sottolinea l’importanza della collaborazione tra team diversi per una consegna dei progetti efficace e una maggiore efficienza operativa.
Integrazione dell’IA: L’IA aiuta a ottimizzare la gestione dei progetti automatizzando le attività di routine e migliorando le capacità decisionali.
Processi strutturati: Implementare sistemi strutturati di raccolta riduce i fraintendimenti e migliora la chiarezza tra team aziendali e tecnici.
Efficienza operativa: Gli strumenti di IA riducono la necessità di monitoraggio manuale, permettendo collaborazione in tempo reale e allineamento continuo tra i team.
Futuro del Project Management: La gestione dei progetti si sta evolvendo dal semplice tracciamento delle attività alla strutturazione delle decisioni, privilegiando la chiarezza rispetto alla sola esecuzione.
Brian Galardo è un Program and Project Manager in Revenue Operations presso Salesforce, dove guida iniziative trasversali tra fatturazione, incassi e customer self-service. Ha progettato framework di governance per valutare i casi d’uso di AI e agenti, collaborato con la leadership per allineare le iniziative innovative alle priorità strategiche e guidato programmi che migliorano l'efficienza operativa tra sistemi aziendali e team di business.
Abbiamo parlato con Brian di come la delivery dei progetti stia evolvendo e di come stia guidando il cambiamento con l’AI. Ecco cosa ci ha raccontato.
Come le iniziative cross-funzionali migliorano la delivery dei progetti
Sono Program and Project Manager in Revenue Operations presso Salesforce. Il mio ruolo si colloca tra la strategia di business e la delivery dei sistemi, aiutando i team a definire chiaramente il problema e raggiungere una decisione comprensibile e condivisa da tutti. Sono un leader di trasformazione focalizzato ad aiutare le organizzazioni a passare dalla sperimentazione sull’AI all’adozione scalabile a livello aziendale. In Salesforce, guido iniziative cross-funzionali che esplorano e implementano soluzioni basate sull’AI all’interno delle operazioni RevOps e Finance.
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
Il mio lavoro si svolge all’incrocio tra strategia AI, governance e trasformazione operativa, aiutando i team a identificare le opportunità a maggior impatto per aumentare l’efficienza, automatizzare i flussi di lavoro e migliorare il processo decisionale.
La mia esperienza spazia dalla supply chain, alle operations, fino alla leadership di programmi aziendali, il che mi offre una prospettiva concreta su come tecnologia e AI possano trasformare i processi reali. Credo che le iniziative AI di maggior successo combinino una forte governance, valore aziendale misurabile e una gestione del cambiamento attenta per garantirne l’adozione a livello organizzativo.
Come l’AI trasforma le attività nei ruoli di project delivery
L’AI ha ridotto il tempo che dedico a scrivere aggiornamenti, sintesi e piani preliminari. Ora passo più tempo a validare le ipotesi, preparare decisioni e allineare le parti interessate già nelle fasi iniziali. Il lavoro si è spostato dal monitoraggio del progresso all’orientamento della direzione.
Utilizzo l’AI per gestire il primo draft di qualsiasi attività che normalmente mi rallenterebbe. Dopo un meeting, inserisco degli appunti o una trascrizione e lascio che l’AI li trasformi in una sintesi pulita con decisioni, rischi e prossimi passi. Uso inoltre l’AI per testare la solidità dei piani, chiedendole di mettere in discussione le ipotesi o delineare casi limite prima di presentarli alle parti coinvolte.
L’AI ha ridotto il tempo che dedico a scrivere aggiornamenti, sintesi e piani preliminari. Ora passo più tempo a validare le ipotesi, preparare decisioni e allineare le parti interessate.
La configurazione non è particolarmente complessa. Ho creato alcuni prompt e template ripetibili che riflettono il mio modo di gestire i progetti, e li riutilizzo costantemente. Non si tratta tanto dello strumento in sé quanto di avere una struttura chiara per l’output delle informazioni, il che mi permette di muovermi più rapidamente senza perdere in qualità.
Perché una raccolta strutturata migliora l’efficienza operativa
Abbiamo introdotto un processo strutturato per la raccolta e la prioritizzazione delle richieste operative per diversi team finance. Categorizzavamo, sintetizzavamo e preparavamo le richieste prima della revisione, in modo che le riunioni si concentrassero sulle decisioni e non sulle chiarificazioni. Il tempo di revisione si è ridotto in modo significativo e il rework è diminuito perché le aspettative erano più chiare sin dall’inizio. Il vero vantaggio è stato avere meno incomprensioni tra team di business e tecnici.
Abbiamo creato questo processo utilizzando un workflow Slack per la raccolta, un tracker condiviso e l’AI per standardizzare il modo in cui le richieste venivano presentate. Ogni richiesta doveva essere inviata tramite un modulo strutturato con campi obbligatori come problem statement, utenti impattati e urgenza. Da lì, utilizzavamo l’AI per sintetizzare la richiesta, mettere in evidenza eventuali lacune e segnalare potenziali rischi, prima ancora che arrivasse ad una riunione di revisione.
Passo dopo passo, il processo era questo: le richieste venivano inviate su Slack e poi convogliate in un tracker centralizzato. Da lì, l’AI generava una sintesi ordinata e metteva in luce i contesti mancanti; poi i responsabili di business e tecnici le rivedevano in modo asincrono prima della riunione. Al momento dell’incontro la scelta era su cosa fare, non su cosa significasse la richiesta.
Abbiamo dimezzato circa il numero di riunioni di revisione e abbiamo notato una significativa diminuzione delle discussioni dopo le decisioni. Stimerei che il rework sia calato almeno del 30-40% perché i requisiti erano più chiari fin dall'inizio. Inoltre, si sono ridotti gli incontri di follow-up, probabilmente il miglioramento più grande per la qualità della vita del team.
Abbiamo dimezzato circa le riunioni di revisione e abbiamo notato una significativa diminuzione delle discussioni dopo le decisioni. Stimerei che il rework sia calato almeno del 30-40%
Come i responsabili di progetto possono ottimizzare l'integrazione dell'IA
L'IA non risolve i processi disordinati. Li mette in evidenza. Quando obiettivi e responsabilità sono chiari, aiuta molto. Quando non lo sono, crea confusione più rapidamente. I responsabili della delivery di progetto devono curare le basi prima di integrare l'IA nei processi. Questo significa responsabilità definite, una chiara definizione del problema di progetto e un accordo su cosa rappresenti un risultato soddisfacente. Se questi elementi mancano, l'IA accelera solo il caos.
L'IA non risolve i processi disordinati. Li mette in evidenza. Quando obiettivi e responsabilità sono chiari, aiuta molto. Quando non lo sono, crea confusione più rapidamente.
In pratica, mi assicuro che ogni attività abbia un responsabile chiaro, una semplice definizione di successo, e un modo strutturato di raccogliere input prima di automatizzare qualsiasi cosa. Una volta posta questa base, l'IA aggiunge valore invece che creare ulteriore confusione.
Riepiloghi, redazione della documentazione e triage delle richieste funzionano bene con l'automazione perché seguono schemi ricorrenti. La priorità, la risoluzione dei conflitti e l'adozione dei cambiamenti dipendono ancora dal giudizio umano. Le persone si allineano con le persone, non con i risultati prodotti.
Perché gli strumenti di IA sono fondamentali negli stack tecnologici moderni
I nostri strumenti principali includono Slack, strumenti della piattaforma Salesforce, lavagne collaborative (LucidSpark), moduli di raccolta strutturati e agenti IA per redazione e analisi. L'IA supporta i riepiloghi, le comunicazioni e l'identificazione precoce dei rischi. Nell'ultimo anno, abbiamo ridotto l'utilizzo di tracker statici passando a un contesto condiviso in tempo reale. Questo miglioramento deriva dalla riduzione della gestione manuale dei passaggi di consegne.
Uso principalmente strumenti di IA come Gemini e workflow integrati in Slack e strumenti Salesforce come Agentforce per casi d'uso più strutturati. Non sto creando agenti complessi da zero. Si tratta per lo più di impostazioni basate su prompt e workflow leggeri che gestiscono riepiloghi, bozze di comunicazioni e segnalazioni di rischi iniziali in base agli input già raccolti.
Non sto creando agenti complessi da zero. Si tratta per lo più di impostazioni basate su prompt e workflow leggeri che gestiscono riepiloghi, bozze di comunicazioni e segnalazioni di rischi iniziali in base agli input già raccolti.
Ad esempio, dopo le riunioni, utilizzo Gemini per trasformare appunti o trascrizioni in un riepilogo strutturato con decisioni e prossimi passi. All'interno di Slack, i workflow gestiscono la raccolta delle richieste e il loro inoltro in un tracker condiviso, dove l'IA contribuisce a standardizzare la presentazione di ogni richiesta. Agentforce entra più in gioco sul lato Salesforce quando colleghiamo dati e flussi di lavoro su larga scala.
Abbiamo abbandonato le presentazioni statiche sullo stato e i fogli di calcolo aggiornati settimanalmente. Ora tutto vive in spazi condivisi come Slack Canvas, tracker e viste di backlog con aggiornamenti continui. Chiunque può vedere lo stato attuale delle attività, le decisioni e i rischi senza aspettare una riunione o un report. Questo ha ridotto la necessità di riunioni di aggiornamento sullo stato e ha reso l’allineamento un processo continuo invece che periodico.
Chiunque può vedere lo stato attuale delle attività, le decisioni e i rischi senza aspettare una riunione o un report.
Abbiamo sostituito i grandi piani di progetto con backlog condivisi, canvas e log delle decisioni. I team interagiscono direttamente con il lavoro invece di aspettare aggiornamenti di stato. La transizione è avvenuta gradualmente eliminando i documenti che nessuno consultava. L’adozione è seguita naturalmente perché il processo risultava più semplice.
Come l’AI trasforma i rituali fondamentali di delivery
Ora iniziamo con molteplici interpretazioni del problema per testare le ipotesi in anticipo. Le riunioni si concentrano sulle decisioni poiché prepariamo il contesto in anticipo. Validiamo prima perché i rischi emergono più presto. Monitoriamo meno l’esecuzione e verifichiamo maggiormente la comprensione.
Monitoriamo meno l’esecuzione e confermiamo maggiormente la comprensione.
Generiamo queste interpretazioni facendo passare l’enunciato iniziale del problema tramite l’AI per produrre diversi punti di vista. Per esempio, le chiedo di inquadrare la richiesta da una prospettiva business, tecnica e cliente o di evidenziare cosa potrebbe andare storto se avessimo frainteso la domanda. Non si tratta di fidarsi del risultato, ma di portare rapidamente a galla le ipotesi che potremmo non aver esplicitato da soli.
Poi portiamo queste ipotesi nelle prime conversazioni con gli stakeholder per validare lo scope prima di impegnarci su qualsiasi cosa. Invece di chiedere “Ti sembra corretto?” chiediamo “Quale di queste si avvicina di più e cosa ci manca?”. Così il confronto si sposta dall’accordo alla chiarezza. Questo ci aiuta a individuare le lacune prima, riducendo il rework e mantenendo il focus sull’esecuzione una volta che il lavoro parte.
Come snellire la delivery con i workflow guidati dall’AI
Stiamo sperimentando il triage automatico delle richieste e l’instradamento delle comunicazioni. Ci siamo concentrati sulle aree dove i ritardi derivavano da una proprietà poco chiara piuttosto che da sforzi tecnici. I primi risultati mostrano meno escalation e più decisioni asincrone.
Ci siamo focalizzati prima sul triage delle richieste perché era lì che si verificava la maggior parte della confusione. Le richieste arrivavano da canali diversi, la proprietà era spesso poco definita e i team perdevano tempo a capire chi dovesse occuparsene. Abbiamo creato un workflow di intake su Slack dove ogni richiesta segue una struttura coerente, poi abbiamo usato l’AI per riassumerla, evidenziare il contesto mancante e suggerire dove instradarla.
Da lì, inoltriamo automaticamente le richieste in un tracker condiviso e le assegnamo al gruppo giusto in base a tipologia e impatto. Abbiamo anche migliorato l’instradamento delle comunicazioni; ora gli aggiornamenti avvengono in thread o canali coerenti invece che in messaggi sparsi. È ancora in evoluzione, ma abbiamo riscontrato meno conversazioni “chi se ne occupa?” e più decisioni prese in modo asincrono prima delle riunioni.
È ancora in evoluzione, ma abbiamo visto meno conversazioni “chi se ne occupa” e più decisioni prese in modo asincrono prima delle riunioni.
Perché la strutturazione delle decisioni è il futuro del project management
Il project management si sposterà dal monitoraggio delle attività alla strutturazione delle decisioni. Gli oneri di coordinamento si ridurranno mentre le capacità di allineamento diventeranno più importanti. Il ruolo diventerà più strategico che amministrativo.
Il mio consiglio ai responsabili della delivery è di migliorare il processo prima di aggiungere automazione. Proprietà chiara e aspettative sono più importanti della velocità. Una volta che c’è chiarezza, l’efficienza segue naturalmente. Smetti di scrivere documenti solo per dimostrare attività. Costruisci flussi di lavoro in cui il progresso sia visibile senza bisogno di spiegazioni.
Resta aggiornato
Puoi seguire il lavoro di Brian su LinkedIn.
Altre interviste con esperti in arrivo presto su The Digital Project Manager!
