Come capire se il tuo team è pronto per l’IA nei software di gestione progetti

Galen Low: Quando le organizzazioni cercano un software di gestione progetti (PM) con funzionalità IA, hanno davvero un'idea di cosa vogliono ottenere, oppure la maggior parte degli acquirenti segue semplicemente una direttiva su “fare qualcosa con l’IA?”

Olivia Montgomery: Sicuramente ci stiamo muovendo con una sorta di FOMO (paura di restare indietro) competitiva che stanno vivendo i dirigenti. C'è molto marketing, i fornitori stanno decisamente correndo per cavalcare l’onda dell’IA.

Galen Low: Cosa deve esistere prima che un team o un'organizzazione possa realmente beneficiare delle funzionalità IA in un software di project management? Quali sono, secondo te, le basi che accelerano il raggiungimento del ROI dell’IA?

Olivia Montgomery: Ci sono due grosse considerazioni che penso qualsiasi azienda, di ogni tipo, dimensione, settore e livello di maturità, dovrebbe prendere in considerazione: la preparazione tecnica e quella culturale.

Galen Low: Benvenuti a Il podcast del Digital Project Manager, la trasmissione che aiuta i leader della delivery a lavorare in modo più smart, consegnare più velocemente e guidare meglio nell’era dell’IA. Sono Galen e ogni settimana esploriamo strategie reali, nuovi strumenti, framework collaudati e, talvolta, storie di guerra dalle linee del fronte dei progetti. Che tu stia guidando enormi progetti di trasformazione, gestendo flussi di lavoro IA o solo cercando di tenere sotto controllo il caos, sei nel posto giusto. Iniziamo subito.

Oggi parliamo della crescente richiesta di funzionalità potenziate dall’IA nei software di gestione progetti: cosa cercano le persone da queste funzionalità, e cosa serve alle aziende e ai team di varie dimensioni per realizzare i loro obiettivi. Con me in studio virtuale c’è Olivia Montgomery, Principal Analyst associata per il Project Management di Capterra.

Olivia è un’ex responsabile di PMO, professionista della gestione progetti, prolifica speaker ed è la miglior “nerd” che possa esserci per quanto riguarda la ricerca applicata al project management, strategie tecnologiche e il fattore umano della leadership. Ha appena pubblicato il suo ultimo studio, il “Capterra’s 2025 Project Management Software Trends Survey”, che evidenzia un cambiamento su come le aziende scelgono e usano gli strumenti di gestione progetti. Ed è proprio questo il tema che approfondiremo oggi.

Olivia, grazie di essere tornata in studio con me.

Olivia Montgomery: Grazie a te per avermi invitata. Sono super entusiasta di essere qui. Abbiamo argomenti caldissimi da affrontare.

Galen Low: Sì, oggi il confronto sarà acceso. Chi ascolta il podcast da un po’ sa che Olivia è una delle preferite dal nostro pubblico. Poco fa, dietro le quinte, parlavamo di linguistica. Poi ci siamo resi conto che linguistica, discipline umanistiche, LLM e IA sono tutti collegati.

Dunque toccheremo tanti temi diversi. In genere finiamo a esplorare qualche “rabbit hole” e spero proprio che succeda anche oggi, ma per sicurezza, ecco la mia tabella di marcia per noi. Come prima cosa, vorrei affrontare subito una grande domanda cruciale e un po’ scomoda, che tutti vogliono sentire.

Poi mi piacerebbe allargare il quadro e discutere di tre cose. Per prima cosa, cosa serve davvero affinché le aziende possano ottenere vantaggi dalle funzionalità IA nei software di project management. Poi, un approfondimento pratico su come sono realmente queste funzionalità IA e come misurare se funzionano realmente o come vengono usate.

E infine, mi piacerebbe parlare dell’impatto, nel breve e lungo termine, di alcune di queste funzioni IA nei software di project management e nel modo in cui collaboriamo; come influenzerà il lavoro basato su progetti.

Olivia Montgomery: Sono prontissima, partiamo pure.

Galen Low: Partiamo allora con la domanda “calda”.

Nel tuo recente studio, hai detto che il 55% degli acquirenti di software di project management ora dà priorità alle funzionalità IA. Non sorprende più di tanto, vista la pressione sulle aziende per fare di più grazie all’IA, ma quando le aziende cercano un software PM con IA…

Hanno davvero chiaro cosa vogliono ottenere o la maggior parte segue solo la moda dell’IA?

Olivia Montgomery: La situazione è mista. Sicuramente c’è una componente FOMO competitiva tra i dirigenti. C’è molto marketing, i fornitori si affrettano a cavalcare l’onda IA data la forte richiesta e il clamore, ma ci stiamo spostando lentamente verso un obiettivo più strategico.

La scintilla iniziale dell’IA si sta spegnendo. Stiamo iniziando davvero a vedere cosa possono fare questi strumenti, cosa no, come vengono usati dai team, quando, perché, dove, e arrivano domande più complesse. Rimangono forti fattori competitivi, spinti anche da notizie, come il fatto che la spesa per infrastrutture IA, hardware, software e data center negli USA ha superato la spesa dei consumatori.

Per la prima volta nella storia, il PIL dollaro-sterlina cresce grazie agli investimenti IA. Sono le aziende, non i consumatori individuali, a fare da traino. Anche questo dice molto sulla direzione della discussione. Sono investimenti con alle spalle campagne marketing miliardarie. È un grande motore della FOMO competitiva, entusiasma molti executive e business leader.

Sentono parlare di questa nuova tecnologia che sembra funzionare a meraviglia e la vogliono, ovviamente. Ora la stiamo toccando con mano, e ci rendiamo conto che a volte il marketing non coincide con le capacità tecniche reali. E queste, a loro volta, non coincidono sempre con le competenze e la volontà del team.

C’è quindi uno scollamento che stiamo vivendo in pieno — e ne sono sicura, chi ascolta lo avverte.

Galen Low: Trovo interessante che tu abbia citato l’aspetto economico. Non ci avevo mai pensato veramente. Con investimenti di questo livello, con la spesa infrastrutturale che supera quella dei consumatori, immagina la pressione sulle aziende: investono, spendono — mi ricordo quando ci dicevano che il cloud era economico…

Non se parliamo di petabyte di dati! Quella pressione ricade anche sul marketing del settore software. Mi tolgo il cappello di fronte a loro perché devono vendere più licenze possibile dati gli investimenti giganteschi che ancora non producono utili.

Ora sono in fase di investimento. C’è pressione anche nel trovare i casi d’uso, perché siamo nel momento del “questo potrà rivoluzionare tutto, troviamo i problemi da risolvere”. Mi interessa questa visione: la pressione dall’alto che ricade sulle spalle di chi deve acquistare software PM con IA.

Perché è come comprare un telefono senza fax nel ‘92: magari non invio fax, ma voglio un dispositivo all’avanguardia come tutti gli altri. Mi piace pensare che siamo nella condizione di capire tutto solo usandolo davvero. Ma serve il mindset: non si tratta di un pulsante magico da installare ed è fatta.

Olivia Montgomery: Esatto. Lo stiamo osservando anche noi.

Mi ha fatto piacere vedere dal nostro sondaggio che sicurezza è risultato la priorità principale per chi acquista software PM, e ne sono entusiasta. Solitamente il focus è sulla funzionalità, e ci sta, ma vedere la sicurezza in cima è fantastico.

Significa che i team stanno comprendendo che ogni IA, anche la più semplice, aumenta la superficie di attacco, specialmente se si usano LLM esterni. C’è differenza fra funzionalità IA integrate e utilizzo di LLM esterni per, ad esempio, sintetizzare note riunioni. Sono più tranquilla se l’IA è integrata e offre suggerimenti o autocompletamenti intelligenti piuttosto che se i dipendenti usano sistemi esterni per sintesi dei verbali. Sono davvero orgogliosa che la community abbia messo la sicurezza al primo posto.

Galen Low: È interessante e secondo me indica anche un aspetto di rapidità di maturazione: nel digitale spesso siamo lenti nel capire cosa conta davvero, ma qui privacy e sicurezza sono già temi primari, sebbene siamo all’inizio.

Dipende anche da come lo usano: per l’autocorrect la privacy non mi preoccupava, ma se immetto informazioni su clienti, report di business, tutto cambia. E mi piace vedere la sicurezza come un freno che ci evita scelte impulsive, almeno finché non si va troppo avanti. Serve moderazione, e questa è la fase giusta.

Inoltre, proteggere la privacy è fondamentale anche per la competizione: non voglio condividere tutto. Si parla di modelli LLM proprietari, magari ne discuteremo, ma è significativo che la privacy sia priorità.

Olivia Montgomery: Concordo, sono orgogliosa di questa evoluzione.

Galen Low: Secondo me è una questione di fondamenta. Vorrei zoomare indietro, perché non è che tutte le organizzazioni possono svegliarsi e comprare software PM con tutte le funzionalità IA dalla mattina alla sera. Di solito bisogna prima preparare altro.

Cosa deve esserci prima che un team o un’organizzazione tragga benefici dall’IA nel project management? Quali sono le basi che fan sì che il ROI arrivi davvero?

Olivia Montgomery: Assolutamente. Bisogna prendersi il tempo di chiedersi: siamo pronti? Sì, sono pronta a comprare, pronta all’iniezione di IA, ma quando siamo davvero pronti? Ci sono due grosse variabili da considerare per qualsiasi azienda, di qualsiasi dimensione, settore e livello di maturità: la preparazione tecnica e quella culturale.

Partiamo dalla preparazione tecnica: avete abbastanza dati puliti e strutturati? L’IA — sia che si tratti di machine learning per analisi predittive che di LLM per generazione di report — necessita di grandi quantità di dati di alta qualità per produrre risultati soddisfacenti. Bisogna verificare: abbiamo questi dati? Dove sono? Sono abbastanza buoni?

Bisogna inoltre esaminare gli strumenti già in uso prima di introdurre nuove capacità IA: potreste averle già disponibili o potreste scoprire situazioni di shadow IT, cioè di strumenti usati senza consenso o supervisione. È fondamentale fare una verifica completa dell’intero ambiente IT per sapere chi usa cosa e dove.

Serve chiarezza anche sulla governance: prima di affidare nuovi strumenti, dovete preparare persone e processi spiegando cosa otterranno, perché e come usarlo in modo sicuro. Servono regole chiare sui tipi di informazioni trattabili e sulle modalità di condivisione. L’ideale è configurare tutto dal backend in modo che strumenti come gestione della conoscenza, dei documenti e delle attività siano a prova di errore; in alternativa, fornire al team policy precise.

Arrivando alla preparazione culturale, una volta che l’IT ha fatto il suo corso e l’ambiente è sicuro, resta capire se le persone sono pronte: sanno cosa fare? Hanno voglia di usarlo? Serve chiarezza su che cosa ricevono e perché, e come ci si aspetta che lo usino. Si può procedere per progetti pilota, lasciando un margine di ambiguità: nulla sarà perfettamente definito all’inizio. Importante è che ci sia feedback costante, momenti di sperimentazione e che non ci siano imposizioni calate dall’alto del tipo “IA o niente”. Meglio avviare in un ambiente a basso rischio, con un periodo di test, piuttosto che spargerlo ovunque a tappeto. L’equilibrio tra preparazione tecnica e culturale è essenziale.

Galen Low: Ho apprezzato che tu abbia citato lo shadow IT nella valutazione, perché tra PMI ed enterprise ci sono differenze. Anche nelle più grandi aziende, può succedere che qualcuno usi un account personale ChatGPT o strumenti trovati online non ancora bloccati dall’IT. È giusto valutare la situazione senza punizioni: vogliamo solo capire cosa accade e pianificare di conseguenza. Bene così, ma guidiamo con dei limiti e magari procediamo per pilot projects, senza provare a cambiare tutto e subito per migliaia di persone, evitando anche la dispersione di iniziative. Tutto ciò è legato alla readiness culturale: fissare aspettative reciproche. Mi colpisce la domanda: le persone sanno cosa fare la mattina quando arrivano in ufficio? Spesso ci sono giudizi su chi non adotta gli strumenti, con grafici di adozione piatti… La readiness culturale, il change management, l’educazione e il dialogo sono fondamentali come la gestione tecnica, per capire se davvero le persone useranno gli strumenti.

Olivia Montgomery: Esatto — non bisogna bloccare la creatività dei dipendenti, bisogna incoraggiarli nella soluzione dei problemi. Serve una cultura aziendale chiara, magari identificando dei “power users” entusiasti, da coinvolgere per primi mentre si affinano policy e piani, e poi coinvolgere i team più lenti o resistenti, riunendo tutti tramite curiosità e spinta al cambiamento.

Non bisogna approcciare il tema in modo punitivo: se i dipendenti percepiscono uno stigma, finiranno per nascondere problemi e questo rallenterà tutto. Il sondaggio mostra che l’adozione è la difficoltà maggiore, spesso per mancanza di chiarezza e di dialogo bidirezionale — in realtà serve anche un dialogo a cinque vie! L’IA impatta tutti i reparti e settori insieme, più che altre innovazioni digitali; la chiarezza su come utilizzare le tecnologie, senza punizioni, è la vera chiave.

Galen Low: Giusto. Essendo tutto così nuovo, è fondamentale il dialogo, che è poi l’essenza della readiness culturale. L’ho accennato all’inizio: a volte si acquista software IA senza sapere cosa si vuole, magari per seguire il clamore o restare competitivi; altre volte si pensa di dover per forza dire come usarlo, mentre va lasciato spazio alla sperimentazione e al confronto.

Non si può pensare di trasformare tutto dall’oggi al domani: serve il dialogo e la gestione delle aspettative.

Olivia Montgomery: Esatto. E più la preparazione tecnica è solida, meglio si può trasmettere fiducia: sia che si integrino funzionalità IA in strumenti esistenti, sia che si cerchi un nuovo tool più avanzato, è fondamentale aver accordato la parte tecnica — database, team IT, data management sicuro — in modo che poi diventi facile (e sicuro) lasciare spazio ai team per la sperimentazione. Così si facilita anche l’adozione.

Galen Low: Ottimo. Vorrei soffermarmi proprio sulla questione sicurezza e governance. Come cambiano questi aspetti in base alla dimensione aziendale? Le aziende più piccole sono avvantaggiate rispetto alle grandi e caute enterprise?

Olivia Montgomery: La mia risposta preferita: dipende!

Pro e contro da entrambi i lati: le grandi aziende hanno più dati, dati storici migliori, policy più mature e maggiore controllo sugli strumenti e sugli usi. Queste basi favoriscono una IA efficace. Dall’altro lato, le aziende più piccole, pur con dati meno raffinati o policy acerbe, possono cambiare tool molto più rapidamente e provare le novità in modo più agile, recuperando lato readiness tecnica man mano. Capire punti di forza e debolezza delle diverse situazioni aiuta a scegliere come muoversi. L’IA conviene a tutti, ma le sfide cambiano in base alla dimensione aziendale.

Galen Low: Hai aneddoti o esempi raccolti durante il lavoro sul report o in giro per il settore?

Olivia Montgomery: Vuoi i miei segreti di settore?

Galen Low: Dai, svela qualcosa!

Olivia Montgomery: Una cosa che posso dire è che, indipendentemente dalle dimensioni, le aziende che mettono bene in chiaro cosa si aspettano e danno linee guida precise sono quelle che hanno più successo. Chi invece impone solo un “fate IA”, controllando accessi e usi ogni giorno, rischia di allontanare i collaboratori — e succede davvero: amici e parenti mi raccontano di direttive e verifiche sull’uso quotidiano e sui report ai responsabili. Sono tentativi prematuri di misurare il ROI con KPI come la frequenza d’uso, ma nessuna azienda è davvero pronta; ora siamo alla fase “rendiamo tutto sicuro ed efficace”, solo dopo potremmo pensare ai controlli di utilizzo, utili più come monitoraggio dell’adozione che come misura di ROI.

Galen Low: Ottima distinzione: usare i dati per guidare e non per punire o controllare.

Penso ai dati del time tracking: le aziende di servizi spesso insistono sulle ore tracciate come prova di valore, invece di domandarsi se si dedica il tempo giusto alle attività giuste e come cambiare in caso contrario. Viene quasi da ridere, perché ci sono sempre queste quote minime: il bastone anziché la fiducia, anche in situazioni in cui l’intento sarebbe nobile. Il rischio è che si finisca con il voler “punire” chi non accede agli strumenti IA ogni giorno.

Olivia Montgomery: Proprio così.

Galen Low: Quello che hai detto sulla readiness culturale mostra quanto sia importante, e quanto sicurezza e governance siano la base su cui costruire, prima di avanzare davvero.

Olivia Montgomery: Sì, e sul time tracking si potrebbe parlare ore… Per chi lavora con la conoscenza, come me e molti project manager, molto lavoro di valore nasce magari durante una passeggiata, mentre si metabolizza l’informazione per poi avere la “scintilla” di comprensione e scrivere output migliori, più veloci e di qualità. Il problema è che si tende a tracciare solo il tempo al PC, ignorando tutto il resto, anche se spesso il lavoro di valore nasce fuori da quegli schemi. Molte aziende rischiano allora di essere troppo rigide e di non cogliere l’impalpabile che fa realmente la differenza.

Spero che l’IA, nei tool PM, ci aiuti anche in questo: un ambito affascinante e in crescita per quanto riguarda l’allocazione delle risorse. L’automazione IA esiste da tempo (if-then nei CRM anni ‘90!), ma ora va a supportare le scelte più raffinate: chi ha ferie, chi ha le competenze, chi va formato, chi può lavorare in tempi diversi… L’IA migliora la ricetta del team e alcuni tool stanno imparando anche a considerare i momenti “soft”: dopo le ferie, assegnare task meno impegnativi, ordinare attività secondo la freschezza mentale, alternare progetti individuali e collaborativi. Tutto questo aiuta perché la realtà umana è complessa e i manager spesso non hanno sicurezza o strumenti per bilanciare le risorse. Riconoscere il lato umano, togliendo pressione e generando aspettative realistiche, è la speranza che ho nell’IA per il project management.

Galen Low: Ottimo esempio: l’allocazione risorse è un tema umano per eccellenza. E dimostra che non siamo macchine! Forse siamo all’apice di un’industrializzazione che ha reso le persone (ingiustamente) simili a macchine — dove conta solo chi timbra alle 9 e alle 17. Ma ognuno ha il suo stile, e nessuno ha la forza di gestire le tantissime variabili. L’IA può aiutarci a scardinare non solo i nostri presupposti, ma magari anche le nostre stesse convinzioni su che cosa è (o non è) il lavoro. L’automazione ci permette di mettere in discussione le regole che ci siamo dati, per semplicità, ma che non ci rappresentano davvero.

Quella dell’allocazione risorse è un esempio splendido su come la macchina può aiutarci a riconoscere cosa significa essere umani nel lavoro, soprattutto quello intellettuale. E collega tutto: dati, cultura, casi d’uso e la trasformazione pratica del lavoro. Era un esempio perfetto.

Vorrei guardare un po’ al futuro: preparandoci per questa chiacchierata, abbiamo parlato di come l’IA stia livellando il campo e rendendo la tecnologia più accessibile e inclusiva. Quali impatti prevedi, a breve e a lungo termine, per funzioni integrate come il vibe coding o workflow automatizzati, sul modo in cui il lavoro verrà svolto?

Olivia Montgomery: Ottimo tema! Partiamo dal breve termine: con l’arrivo di strumenti come ChatGPT e LLM, i project manager e i “non tecnici” riescono finalmente a dialogare con i computer in modo semplice: l’attrito si è ridotto e la cosa è esaltante. Persino i miei genitori ora riescono a ottenere risultati concreti con un LLM, nonostante abbiano sempre avuto difficoltà con smartphone e simili. Gli LLM digeriscono persino frasi incomplete o piene di errori! Prima, se sbagliavi riga di codice, tutto crollava. Ora l’elaborazione di linguaggio naturale (NLP) e i modelli addestrati su grandi quantità di dati quotidiani consentono davvero la normalizzazione del dialogo uomo-macchina. Oggi un PM poco tecnico può chiedere al proprio tool: “Prendi il progetto A e fammi una WBS fino a fine anno, grazie!” e ottiene una risposta intelligente. Sì, va verificata (gli LLM sbagliano!), ma la direzione è quella di potenziare il “no-code” e il “low-code” come mai prima d’ora.

Ma ci sono delle criticità: affidarsi troppo ai comportamenti emergenti di questi strumenti può essere rischioso, e il marketing non fa chiarezza sul fatto che siano ancora capacità emergenti. Gli LLM sono pensati per generare testo/immagini simili al linguaggio umano e, in realtà, non “capiscono” i comandi come “riassumi”: prevedono statisticamente l’ordine delle parole su grandi basi di dati, spezzando persino in token (“disconnect” diventa “dis-con-nect”) che perdono il significato reale se presi come parti separate. Questo può portare a fraintendimenti importanti nell’uso quotidiano da parte dei PM.

Un esempio concreto: un PM deve fare un report di stato per il business owner. Raccoglie dati dal tool, memo vocali, email, trascrizioni. Dà tutto all’LLM, sperando in un riassunto sintetico. Gli LLM, però, tendono a togliere segnali emotivi, urgenze, sfumature, persino intere sezioni degli input. Se nel memo il capo esprime frustrazione o urgenza, nel report IA apparirà solo che il contratto col fornitore “è alle fasi finali”, e tutta la tensione svanisce. Se il PM si affida solo al riassunto IA senza verificare, può perdere completamente il senso critico della situazione.

Bisogna essere consapevoli di questa tendenza degli LLM a “smussare” il linguaggio e generare errori (le cosiddette “allucinazioni”). Anche nei sistemi proprietari più controllati il rischio è elevato: servono accortezza e controllo, perché di fatto questi strumenti non “capiscono” davvero cosa gli viene chiesto. Consiglio: attenzione ad affidarsi ciecamente — potrebbero farvi sembrare impreparati!

Galen Low: Non avevo riflettuto sull’aspetto emotivo: un LLM ben addestrato restituisce frasi convincenti ma può annullare tutta la carica emotiva che, per un PM, è essenziale. C’è differenza tra imparare una lingua e allenarsi su dati linguistici. Questi strumenti sembrano umani ma operano per “token”, rischiando deragliamenti non appena escono dal tracciato. Nella gestione progetti, spesso il successo dipende proprio dalla comprensione e dalla gestione delle emozioni: un riassunto troppo neutro può alterare la percezione del progetto. È affascinante e anche un po’ spaventoso, ma è la sfida che ci aspetta. Siamo all’inizio: dobbiamo tenerne conto nel modo in cui lavoriamo.

Olivia Montgomery: Assolutamente. Un modo per difendersi, per i PM, è controllare sempre tutti gli input e non fidarsi mai ciecamente. Il marketing troppo spesso ci racconta che gli LLM sono già pronti. Invece, capacità generative (“dammi una prima bozza”) sono più sicure delle capacità emergenti più complesse: le funzioni “smart suggestions” normalmente sono innocue, mentre la generazione di testi complessi richiede vigilanza nei controlli a valle. Ricordate: sono strumenti “generativi”, non oracoli, e spesso nemmeno chi li ha creati sa davvero perché riescano a riassumere testo!

Il loro successo deriva dal fatto che sono stati progettati per essere convincenti: se un utente avesse la percezione che sono spesso imprecisi o che ammettono limiti, smetterebbe di usarli. Non bisogna averne timore (meglio un errore nella prima bozza che il “blocco da pagina bianca”), ma serve consapevolezza. La mia formazione in linguistica aiuta a notare queste cose, e spero che anche altri imparino a non aver paura ma adottino spirito critico. Usateli pure per personalizzare gli output a diversi destinatari (business owner/colleghi), ma mai affidando loro completamente informazioni delicate o report di stato importanti.

Galen Low: È chiaro perché la difficoltà di adozione sia uno dei problemi principali del tuo report! La pressione “fate IA” senza chiarezza su come usarla o su cosa sia giusto aspettarsi genera smarrimento, l’autoformazione tecnica è carente e serve più dialogo. Guardando ancora oltre: da mesi si parla di IA “agentica” nei tool PM. Dove ci porterà questa evoluzione?

Olivia Montgomery: Futuro molto interessante. L’IA agentica può voler dire tante cose: il team IT o il fornitore dovrebbero sempre definirne chiaramente i limiti, perché oggi non siamo ancora a quel livello. Le offerte odierne vanno analizzate con attenzione tecnica. In generale, l’IA agentica significa sistemi in grado di prendere decisioni e portare a termine compiti complessi, come prenotare una vacanza familiare, incrociando calendario, voli, hotel, auto, ecc. Sembra semplice a dirsi, ma la logica che c’è dietro è pazzesca. Il linguaggio naturale (“book me a family vacation in October”) può essere lanciato come prompt — il cosiddetto “vibe coding” — ma il processo sottostante è molto più articolato, e la gestione di preferenze, sfumature e dinamiche familiari rischia di svanire. Il rischio è ritrovarsi un “viaggio su misura per l’IA”, non per la famiglia!

Nel breve termine, l’automazione e il “no code/low code” continueranno a crescere e forse si arriverà a workflow che attraversano diversi sistemi (CRM, PM, mail) ed eseguono sequenze di task trasversali. Ma bisognerà comunque confrontarsi con problemi classici: il significato delle parole non è universale e la connessione emotiva delle cose rischia di essere persa. L’IA vi ricorderà la vostra personalità e i vostri gusti, ma non quelli degli altri membri del gruppo (vedi l’esempio dei musei e dell’arte moderna, che piacciono solo a me!). Bisognerà quindi mantenere sempre un approccio critico e dialogante, prendendo ogni messaggio promozionale “con le pinze” e ricordando che la brillantezza di queste soluzioni sta iniziando a diminuire: vanno bene per raccontare storie prima della nanna, ma è rischioso delegare del tutto pensiero critico e risoluzione dei problemi sulla gestione dei progetti.

Galen Low: Verissimo: l’IA agentica non è ancora arrivata. Forse qualcuno dirà “in parte sì”, ma è innegabile che siamo all’inizio, e molto dipenderà anche dalla capacità di addestrare e fornire contesto, non solo dall’evoluzione tecnica. Per ora la fiducia è d’obbligo, ma la mancanza di contestualizzazione e sfumature comporta ancora grandi rischi. È però vero che stiamo delineando, a grandi linee, il modo in cui lavoreremo tra cinque o dieci anni: oggi è tutto ancora caotico, ma domani sarà possibile portare anche l’impalpabile — la “mushy time” del lavoro — in una gestione più umana dell’attività, sempre però con la base di sicurezza, chiarezza, regole, dati verificati e un dialogo umano costante. Ed è qualcosa che va ben oltre i software di gestione progetti: il project management è solo un microcosmo del lavoro moderno. È stato davvero stimolante.

Olivia Montgomery: I project manager sono spesso dotati di visione sia macro che micro, sanno collegare problemi personali e lavorativi, hanno inventiva e risolvono problemi in modo dinamico. Spero che questi discorsi aiutino anche a capire meglio ciò che vivono quotidianamente nei tool: “Perché ha sbagliato?”, “Che cosa non ha funzionato?”… Parlare di linguistica e macroeconomia ci aiuta anche nella vita pratica del PM, sia a comprendere che a mettere in discussione, trovando strade migliori.

Galen Low: I project manager lo fanno davvero bene. Olivia, grazie infinite per aver passato questo tempo con me oggi: sempre un piacere averti qui. Come hai detto, hai appena pubblicato il report “Capterra’s 2025 Project Management Software Trends Survey”: dove possiamo trovarlo?

Olivia Montgomery: È disponibile su capterra.com. E su LinkedIn — Olivia Montgomery — pubblico spesso ricerche, riflessioni e idee. Controllate pure.

Galen Low: Fantastico, inserirò i link nelle note dell’episodio. Olivia, davvero grazie di tutto.

Olivia Montgomery: Grazie a te.

Galen Low: Finisce qui l’episodio di oggi de Il podcast del Digital Project Manager. Se questa conversazione ti è piaciuta, iscriviti alla trasmissione sulla tua piattaforma preferita. E per ancora più consigli pratici, case study e playbook, visita thedigitalprojectmanager.com.

Alla prossima, grazie dell’ascolto.