Questo CEO di una Startup AI sta Trasformando la Consegna dei Progetti in una Disciplina Proattiva con Modelli di Intelligenza Predittiva
Lloyd Skinner è il CEO di greyfly.ai, dove utilizza l'IA per costruire un'intelligenza predittiva che offre ai responsabili di progetto informazioni utili prima che si presentino problemi e costi imprevisti. In altre parole, sta trasformando la gestione dei progetti da una disciplina reattiva a una proattiva.
Lloyd Skinner
CEO di Greyfly.ai
L'IA sta trasformando la gestione dei progetti da reattiva a proattiva: Skinner spiega come integrare l'intelligenza predittiva nei processi di consegna aiuti i leader ad anticipare rischi e risultati prima che si materializzino, cambiando radicalmente la gestione dei progetti dal riportare ciò che è già accaduto al guidare decisioni in tempo reale con lungimiranza.
Sistemi leggeri, guidati dai dati, superano gli approcci tradizionali: Sostituendo metodi pesanti e incentrati sull'amministrazione con sistemi di consegna integrati e abilitati all’IA che collegano gli strumenti esistenti e analizzano continuamente dati in tempo reale, i team riducono lo sforzo di reporting, aumentano la visibilità sui rischi e si concentrano maggiormente sulla risoluzione dei problemi reali piuttosto che sull’inseguire aggiornamenti di stato.
Il successo nell'adozione dell’IA dipende da persone e dati pronti: Skinner sottolinea che i maggiori ostacoli non sono tecnologici, ma riguardano la qualità dei dati e la promozione di un cambiamento mentale affinché i team si fidino e agiscano sui suggerimenti dell’IA; i leader umani restano essenziali per il giudizio, la strategia e l’interpretazione delle previsioni.
Lloyd Skinner è l'amministratore delegato di greyfly.ai, dove utilizza l'IA per costruire intelligenza predittiva che offre ai project leader intuizioni operative prima che sorgano problemi e costi imprevisti. In altre parole, sta trasformando la consegna dei progetti da una disciplina reattiva a una proattiva.
Ci siamo seduti con lui per capire come lo sta facendo — e cosa significhi davvero nella pratica. Ecco cosa ci ha raccontato.
Passare dalla Consegna Tradizionale dei Prodotti a una Consegna Guidata dall'Intelligenza Artificiale
Sono l'amministratore delegato di greyfly.ai, dove aiutiamo le organizzazioni a consegnare progetti in modo più prevedibile e redditizio tramite l’Intelligenza Artificiale.
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 passato, ho supervisionato la consegna tradizionale dei progetti. Avendo lavorato su grandi programmi e iniziative di trasformazione, ho visto come gli approcci tradizionali siano carenti nella gestione della complessità.
Per questo il mio ruolo si è evoluto nel consentire alle organizzazioni di ripensare come avviene la consegna in un mondo che mette l’IA al primo posto. Mi concentro sull'aiutare i responsabili di progetti e portafogli senior a utilizzare i loro dati in modo più intelligente, migliorando così i risultati, riducendo i rischi e portando argomentazioni solide all’adozione scalabile dell’IA nel project management.
In greyfly.ai colmiamo il divario lasciato dagli approcci tradizionali integrando l’IA nella consegna dei progetti, offrendo ai leader intuizioni operative prima che i problemi si presentino e aiutandoli a raggiungere risultati misurabili e sostenibili.
Come l’IA sta Trasformando la Consegna dei Progetti in una Disciplina Proattiva e Guidata dalle Intuizioni
L’IA sta trasformando la consegna dei progetti da una disciplina reattiva a una proattiva e guidata dalle intuizioni.
L’IA sta trasformando la consegna dei progetti da una disciplina reattiva a una proattiva e guidata dalle intuizioni.
Invece di concentrarmi sul riportare ciò che è già avvenuto, ora il mio obiettivo è aiutare i leader ad anticipare ciò che sta per succedere: sfruttando l’intelligenza predittiva per guidare decisioni in tempo reale e prevenire sforamenti onerosi dei costi.
Ora utilizziamo modelli che prevedono il successo del progetto, identificano i rischi in anticipo e mettono in evidenza dove l’intervento avrà l’impatto maggiore. Questo sta cambiando radicalmente il modo in cui i project leader pianificano, definiscono le priorità e gestiscono le risorse.
Di conseguenza, trascorro molto meno tempo su analisi manuali dei dati, revisioni di dashboard o lezioni apprese dopo gli eventi. Ora mi concentro di più sull’adozione strategica, il miglioramento della qualità dei dati e sull’integrazione della capacità IA nelle organizzazioni di progetto.
Il mio ruolo consiste sempre più nell’aiutare i dirigenti a passare dalla curiosità verso l’IA a cambiamenti tangibili e scalabili, traducendo le intuizioni in risultati misurabili.
Perché i Sistemi di Consegna Leggeri e Guidati dai Dati Superano il Project Management Tradizionale
Abbiamo abbandonato deliberatamente i metodi tradizionali di project management, ricchi di documenti, per passare a sistemi di consegna leggeri e guidati dai dati, che privilegiano agilità e lungimiranza rispetto all’amministrazione.
In passato, come molte organizzazioni, ci affidavamo molto a template strutturati, aggiornamenti manuali di avanzamento e cicli formali di revisione. Questo approccio causava ritardi, duplicazioni e spesso occultava rischi emergenti finché non era troppo tardi. Nell’ultimo anno siamo passati a un modello d’intuizione continua e integrata, costruito intorno alla nostra piattaforma proprietaria Intelligent Project Prediction (IPP) e al principio di Minimum Viable Governance (MVG), garantendo controllo e sicurezza, ma con molto meno onere.
Praticamente, ciò ha significato collegare i nostri attuali strumenti PPM in un unico flusso dati ospitato su Azure (questo tipo di integrazione è uno dei tanti vantaggi del software di gestione del portafoglio progetti). IPP analizza poi questi dati in tempo reale per prevedere esiti, segnalare rischi e evidenziare tendenze di consegna. Questo ha sostituito la compilazione settimanale dei report con dashboard automatizzati che si aggiornano quotidianamente e raggiungono automaticamente le soglie concordate.
Abbiamo anche introdotto controlli di conformità guidati dall’IA, che scansionano la documentazione di progetto rispetto agli standard di governance e ne validano l’allineamento ai principi MVG. La scoperta e la transizione hanno richiesto circa sei mesi, inclusi la mappatura dati, la configurazione dell’integrazione e workshop di cambiamento con i team PMO, per costruire fiducia sia negli insight predittivi sia nel modello di governance.
I risultati sono stati tangibili:
- Sforzo per la reportistica ridotto di oltre il 50%
- Visibilità sui rischi migliorata in modo significativo
- Cicli decisionali ridotti da settimane a giorni.
- E, forse più importante, la cultura del team è cambiata: ora i project leader trascorrono meno tempo a inseguire gli stati avanzamento e più tempo a risolvere problemi concreti.
In breve, il passaggio a una gestione leggera e abilitata dall’IA non riguarda l’abbandono del rigore, ma la ridefinizione della governance affinché controllo, conformità e visibilità avvengano in modo continuo, e non retrospettivo.
Il passaggio a una gestione leggera e abilitata dall’IA non riguarda l’abbandono del rigore, ma la ridefinizione della governance affinché controllo, conformità e visibilità avvengano in modo continuo, e non retrospettivo.
Un esempio reale di integrazione dell’IA che migliora i risultati della delivery di progetto
Un ottimo esempio proviene dal nostro lavoro con una grande azienda di telecomunicazioni del Regno Unito, dove abbiamo supportato un’iniziativa plurifase di IA nella gestione dei progetti.
Il cliente voleva capire come l’IA potesse migliorare la prevedibilità e le performance all’interno del suo ampio portafoglio di progetti, ma, come molte grandi aziende, si trovava a dover affrontare dati frammentati, reportistica incoerente e un’eccessiva dipendenza dal giudizio umano.
Siamo partiti con una strategia di adozione dell’IA, per poi passare alla fase di Discovery. Questa ha previsto una valutazione strutturata del PMO, una revisione dell’architettura tecnica e un’analisi della qualità dei dati tramite strumenti come Power BI di Microsoft per la diagnostica esplorativa. Il nostro team di data science ha costruito modelli predittivi utilizzando i dati storici dei progetti del cliente per prevedere i risultati più probabili, inclusi il rischio di esposizione, i ritardi di programma e il livello di fiducia nella delivery.
La fase di preparazione ha richiesto diverse settimane, tra cui l’ottenimento dei permessi di accesso ai dati, la definizione dello schema, la pulizia dei dataset e la validazione dei risultati dei modelli insieme ai professionisti di progetto. Una volta addestrati i modelli, abbiamo visualizzato i dati tramite dashboard interattive Power BI che mettevano in evidenza in tempo reale i progetti ad alto rischio e spiegavano perché alcuni stavano deviando dai binari.
Il risultato è stato un cambio di passo nelle decisioni: i leader senior potevano indirizzare le loro azioni dove davvero serviva, invece di inseguire reattivamente i problemi dopo che si erano già verificati. Questo primo esperimento ha dimostrato in modo misurabile la possibilità di ridurre gli sforamenti di progetto e ha giustificato un chiaro business case per scalare l’IA su tutta l’organizzazione.
Non è stato tutto semplice, però. La parte più difficile non era la tecnologia, bensì la preparazione dei dati e la gestione del cambiamento necessaria per affidarsi a insight predittivi invece che all’istinto. Ma è proprio qui che l’IA nella delivery genera valore. Dà ai leader la fiducia di agire sulla base dei fatti, non del senno di poi.
Come i workflow agentici nella preparazione dei dati e nella validazione della governance accelerano la delivery
Siamo anche attivamente impegnati nella sperimentazione di workflow agentici e orchestrazione intelligente, come parte della nostra più ampia missione di rendere la delivery di progetto più veloce, snella e adattiva.
Ci siamo concentrati sull’automazione delle attività di coordinamento e controllo più dispendiose in termini di tempo — quell’“amministrazione invisibile” che rallenta la delivery senza aggiungere valore reale. In particolare, stiamo usando l’orchestrazione agentica per ottimizzare:
- Preparazione dei dati: agenti IA ora raccolgono, puliscono e allineano i dati di progetto tra più sistemi prima che inizi la modellazione predittiva.
- Validazione della governance: agenti IA testano automaticamente gli artefatti di progetto rispetto agli standard MVG, garantendo la conformità senza intervento manuale.
Abbiamo integrato questo livello di orchestrazione nel nostro ecosistema IPP in modo che questi agenti operino senza soluzione di continuità sullo sfondo, attivando aggiornamenti, generando insight e suggerendo azioni senza richiedere il coinvolgimento degli utenti.
Finora, i risultati sono molto incoraggianti. Abbiamo visto una riduzione significativa sia nei tempi di reportistica sia nella preparazione dei dati. Ma, forse più importante ancora, i team ora dedicano il loro tempo a interpretare gli insight invece che a rincorrere informazioni.
Il processo è ancora in evoluzione e stiamo imparando come bilanciare al meglio autonomia e supervisione. Ma la direzione è chiara: l’orchestrazione intelligente diventerà la spina dorsale della delivery moderna. Non si tratta di sostituire le persone, ma di assicurare che ogni sforzo umano sia indirizzato dove porta maggiore valore.
Come l’intelligenza predittiva sta trasformando i rituali fondamentali della delivery
Inoltre, stiamo ripensando i rituali della delivery dalle fondamenta, trattando l’IA come un vero contributore nelle decisioni, non solo come un assistente analitico. Questo significa ridefinire come impostiamo lo scope, allineiamo i team, validiamo i progressi ed eseguiamo l’attività di delivery per trarre il massimo dall’intelligenza predittiva.
Stiamo ripensando i rituali di delivery dalle basi, trattando l’IA come un vero contributore al processo decisionale; non solo come un assistente analitico. Ciò significa rimodellare il modo in cui definiamo l’ambito, allineiamo i team, validiamo i progressi ed eseguiamo le consegne per sfruttare al meglio l’intelligenza predittiva.
- Definizione dell’ambito: Quando definiamo l’ambito, l’IA ci aiuta a quantificare la complessità fin dall’inizio. Analizzando dati storici, i nostri modelli individuano progetti passati simili e prevedono potenziali sfide di delivery. Questo offre ai sponsor e ai PMO un punto di partenza quantificato, così che l’ambito non sia definito solo dall’ambizione, ma anche dall’evidenza.
- Allineamento dei team: Per l’allineamento dei team, l’IA ora supporta l’identificazione precoce di gap di competenze o rischi di sovraccarico sulla base del carico di lavoro e della performance storica. Questo ci permette di configurare i team di delivery con molta più precisione e sicurezza, piuttosto che affidarci a piani di risorse statici.
- Validazione dei progressi: Validazione e assurance si sono molto evolute. Utilizziamo controlli di conformità guidati dall’IA per garantire che i risultati di progetto siano allineati agli standard di governance, integrando l’MVG nei workflow. Invece di attendere le revisioni di fine fase, l’assurance ora è continua. È proattiva, snella e supportata dai dati.
- Esecuzione della delivery: Nell’esecuzione, abbiamo integrato alle retrospettive tradizionali dashboard predittivi dalla nostra piattaforma IPP. Questi dashboard evidenziano precocemente segnali d’allarme, mettendo in luce rischi emergenti e stimolando discussioni mirate su ciò che conta di più. L’IA non sostituisce il giudizio della leadership, ma riformula le conversazioni, passando dal raccontare il passato al gestire il futuro.
Il più grande cambiamento è culturale: l’IA è diventata una partecipante nel processo di delivery. Non si limita ad automatizzare il lavoro. Potenzia l’intelligenza, aiutando le persone a prendere decisioni più rapide, migliori e più sicure.
Automatizza le attività di progetto a basso valore con l’IA per una maggiore efficienza
Attualmente, le aree più pronte per l’automazione e il supporto dell’IA sono quelle che richiedono più tempo ma apportano il minor valore strategico, come la previsione dei progetti, la reportistica di stato e l’identificazione dei rischi.
Attualmente, le aree più pronte per l’automazione e il supporto dell’IA sono quelle che richiedono più tempo ma apportano il minor valore strategico, come la previsione dei progetti, la reportistica di stato e l’identificazione dei rischi.
Questi processi sono basati su regole, ricchi di dati e ripetitivi, il che li rende candidati ideali per l’automazione intelligente.
Tuttavia, il tocco umano rimane essenziale nelle aree che richiedono giudizio, empatia e negoziazione, come l’allineamento degli stakeholder, il cambiamento culturale e la definizione delle priorità strategiche. L’IA può fornire informazioni utili alla conversazione, ma i leader devono comunque interpretare il contesto, gestire la politica e prendere decisioni basate sui valori.
In sostanza, l’IA dovrebbe occuparsi del "sollevamento cognitivo" più impegnativo, così che i leader di progetto possano concentrare le loro energie sull’influenzare i risultati, invece che sulla gestione delle informazioni.
Cosa serve davvero per rendere l’adozione dell’IA sostenibile nella delivery di progetto
La grande domanda è: “Cosa serve davvero perché l’IA prenda piede nella delivery dei progetti?”
La risposta non è più tecnologia. Non si tratta di algoritmi complessi o di grandi investimenti. Si tratta di convinzione e comportamento: l’adozione dell’IA richiede un cambio di mentalità.
Abbiamo imparato che il punto di svolta non arriva quando il modello diventa più intelligente; arriva quando le persone iniziano ad agire in base all’insight che offre. Ecco perché dico spesso che l’adozione dell’IA è un programma di cambiamento umano alimentato dai dati, non solo una trasformazione digitale. Quando i team capiscono che gli insight predittivi li aiutano a evitare sorprese invece che spiegarle, il cambiamento diventa permanente.
La vera trasformazione avviene quando i responsabili della delivery smettono di considerare l’IA come un esperimento e iniziano a trattarla come parte integrante del loro modo di guidare. Significa creare fiducia nei dati, essere trasparenti su ciò che l’IA mostra e sviluppare fiducia nei team affinché la utilizzino nelle decisioni quotidiane.
Ciò che colpisce davvero è quanto rapidamente si costruisce fiducia quando le persone vedono l’accuratezza delle previsioni offerte dall’IA. I team passano dal discutere cosa è andato storto al parlare di ciò che probabilmente accadrà dopo — e questo cambia radicalmente la cultura della delivery.
Costruire un ecosistema di intelligenza artificiale intelligente per la gestione dei progetti
Il nostro stack tecnologico per la delivery si è evoluto notevolmente nell'ultimo anno, man mano che abbiamo approfondito l'integrazione fra modelli di intelligenza artificiale, piattaforme di analytics e i tradizionali strumenti di gestione dei progetti. Al centro si trova la nostra piattaforma IPP, che rappresenta il livello intelligente che analizza i dati di progetto, prevede gli esiti e identifica precocemente i rischi a livello di portafoglio.
Utilizziamo Microsoft Power BI per l’esplorazione e la visualizzazione dei dati, poiché rimane uno strumento pratico per collegare i dati di progetto provenienti da più fonti, garantendo al tempo stesso che gli stakeholder possano interagire direttamente con le informazioni. Dal lato dei dati, abbiamo rafforzato l’uso degli ambienti Azure per ospitare e scalare in sicurezza i carichi di lavoro di intelligenza artificiale, migliorando performance e governance.
Parallelamente, abbiamo semplificato anziché espandere il nostro set di strumenti. I tradizionali strumenti di pianificazione come Planview e Primavera hanno ancora il loro ruolo, ma ora fungono da fornitori di dati per i modelli predittivi piuttosto che come sistemi di gestione autonomi. L’enfasi è posta sull’interoperabilità, collegando gli strumenti esistenti in modo che le informazioni fluiscano senza interruzioni anziché restare intrappolate in silos.
Abbiamo inoltre sostituito il monitoraggio manuale dei rischi su foglio di calcolo con output automatizzati dei modelli e introdotto controlli di conformità guidati da intelligenza artificiale per validare il rispetto dei processi. Questi cambiamenti hanno ridotto oltre la metà lo sforzo per la reportistica manuale e spostato l’attenzione dalla raccolta dei dati alla loro interpretazione.
In sintesi, l’evoluzione del nostro stack tecnologico non consiste nell’inseguire nuovi strumenti; si tratta di creare un ecosistema intelligente, dove le piattaforme esistenti vengono potenziate dall’intelligenza artificiale per fornire previsione, accuratezza e valore misurabile in ogni decisione di progetto.
L’evoluzione del nostro stack tecnologico non consiste nell’inseguire nuovi strumenti; si tratta di creare un ecosistema intelligente, dove le piattaforme esistenti vengono potenziate dall’intelligenza artificiale per fornire previsione, accuratezza e valore misurabile in ogni decisione di progetto.
Perché il project management sta evolvendo da attività amministrativa a strategia guidata dall’intelligenza
Nei prossimi cinque anni, l’intelligenza artificiale ridefinirà completamente cosa significa gestire un progetto. Il cambiamento non riguarderà necessariamente l’aggiunta di altri strumenti. Si tratterà piuttosto di riequilibrare il rapporto tra persone, dati e decisioni.
Credo che ci stiamo dirigendo verso un mondo in cui la gestione dei progetti diventa una disciplina guidata dall’intelligenza, non un’attività amministrativa. L’IA si occuperà degli aspetti meccanici, come previsioni, reportistica, assurance, mentre i leader umani si concentreranno su scopi, priorità e risultati. I team si affideranno a previsioni continue anziché a controllo retrospettivo, e la governance si evolverà verso sistemi intelligenti come il nostro concetto di MVP, assicurando che il controllo avvenga in modo invisibile, come parte integrante del flusso di lavoro.
Entro cinque anni, la maggior parte delle organizzazioni di progetto avrà copiloti di intelligenza artificiale integrati a ogni livello, che evidenzieranno insight, orchestreranno i flussi di lavoro e metteranno in discussione ipotesi in tempo reale. I migliori leader saranno coloro che sapranno collaborare con l’intelligenza artificiale, non competere con essa.
Alla fine, la delivery di progetto passerà dal gestire l’incertezza al dominare la previsione. Chi adotterà presto l’IA non solo fornirà risultati più prevedibili, ma cambierà anche fondamentalmente i criteri di valore, impatto e successo.
La delivery di progetto passerà dal gestire l’incertezza al dominare la previsione. Chi adotterà con anticipo l’IA non solo garantirà risultati più prevedibili, ma cambierà anche radicalmente la definizione di valore, impatto e successo.
Perché la preparazione dei dati e la consapevolezza umana sono fondamentali per il successo dell’IA nella delivery
Il mio consiglio ai responsabili della delivery è di concentrarsi su due cose sopra ogni altra: la preparazione dei dati e la consapevolezza umana.
La preparazione dei dati è la base di ogni iniziativa di intelligenza artificiale di successo. La maggior parte delle organizzazioni sottovaluta quanto valore inesplorato sia già presente nei loro dati di progetto, ma spesso questi dati sono frammentati, incoerenti o chiusi in sistemi che non dialogano tra loro. Mettere in ordine questi dati non richiede un programma di trasformazione massivo; si comincia comprendendo cosa si possiede, migliorando la qualità dove conta e alimentando fiducia nell’utilizzo dei dati stessi. Una volta che i dati sono affidabili, le intuizioni predittive arrivano naturalmente.
Il secondo elemento è la consapevolezza umana, che aiuta i team a capire cosa può fare l’IA per loro piuttosto che cosa potrebbe togliere. Le transizioni di maggior successo che abbiamo visto accadono quando i professionisti della delivery si sentono potenziati dall’IA, non minacciati. Si tratta di sviluppare nuovi istinti, imparare a mettere in discussione gli schemi, interpretare le previsioni e usare l’IA come partner strategico anziché come semplice strumento di reportistica.
Se i leader investono in modo equilibrato in queste due dimensioni, prontezza dei dati e consapevolezza umana, creeranno una cultura in cui l’IA migliora realmente le performance della delivery, invece di aggiungere semplicemente un altro livello tecnologico.
È da qui che parte la vera trasformazione.
Segui gli aggiornamenti
Puoi seguire Lloyd su LinkedIn mentre trasforma l’esecuzione dei progetti in una disciplina proattiva. E dai un’occhiata a greyfly.ai, dove sta rendendo tutto concreto.
Altre interviste con esperti in arrivo su The Digital Project Manager.
