Come guidare il cambiamento organizzativo dell’IA in un’impresa complessa

Galen Low: Vale la pena impegnarsi per abbattere i silos e allineare gli atteggiamenti sull'IA all'interno di una grande organizzazione? È persino possibile?

Deborah Ketai: Se saltano questo passaggio, si troveranno ad affrontare un grande debito, debito tecnico, debito di conoscenza, che renderà i progetti futuri più costosi e difficili.

Galen Low: Hai sottolineato che non si trattava solo di IA generativa, anzi, questa era più una trasformazione fondamentale.

Deborah Ketai: Avevamo davvero tre obiettivi — talento, mobilità e retention per incoraggiare la collaborazione tra questi team di IA affinché non reinventassero la ruota. Il terzo è un cambiamento culturale, incoraggiare i leader aziendali a considerare soluzioni basate sull'IA per le loro sfide di business.

Galen Low: Alcuni colleghi si sono ritrovati a svolgere un doppio ruolo. Tutti i progetti necessitano di gestione del cambiamento?

Deborah Ketai: Non tutti i progetti richiedono la gestione del cambiamento. Le competenze sono diverse ma sovrapponibili. I program manager devono avvicinarsi maggiormente al luogo dove si forma la strategia, essere trasparenti e comunicare alla leadership dove probabilmente ci saranno disallineamenti.

Galen Low: Benvenuti al podcast The Digital Project Manager — il programma che aiuta i leader della delivery a lavorare in modo più intelligente, consegnare più velocemente e guidare meglio nell'era dell'IA. Sono Galen, e ogni settimana approfondiamo strategie reali, nuovi strumenti, framework comprovati e, talvolta, storie di guerra dalla trincea dei progetti. Che tu stia guidando trasformazioni di grande portata, gestendo workflow di IA o semplicemente cercando di tenere sotto controllo il caos, sei nel posto giusto. Cominciamo.

Oggi daremo uno sguardo dietro le quinte su come una program manager e il suo team hanno creato una comunità di pratica in una grande azienda sanitaria, aiutando a rimuovere i silos e allineare gli atteggiamenti sull'IA all’interno dell’organizzazione.

Oggi il mio ospite è proprio quella program manager, Deborah Ketai. Deborah è una change manager certificata e program manager, più recentemente per un grande gruppo sanitario statunitense, dove ha creato comunità intorno all’IA, DEI e ai controlli sulla trasmissione dei dati. Deborah è stata anche molto attiva nello sviluppo della comunità di project management come membro del consiglio e responsabile portfolio programmi per un capitolo regionale del PMI.

In questo episodio parleremo di com’era la giornata tipo di Deborah come program manager alla guida di una grande iniziativa di cambiamento organizzativo sull’IA, se la gestione del cambiamento organizzativo legato all’IA e al machine learning debba essere trattata in modo diverso, cosa possono imparare team di ogni dimensione dai playbook delle grandi aziende impegnate nelle trasformazioni IA, e se il ruolo di project o program manager evolverà per incorporare la gestione del cambiamento e cosa potrebbe significare per le competenze del PM.

Deborah, grazie mille per essere qui oggi.

Deborah Ketai: Grazie per l’opportunità, Galen.

Galen Low: Sono molto felice di questa conversazione perché sei una delle poche persone così profondamente coinvolte e inserite come program lead e change manager in una grande azienda sanitaria proprio mentre l’IA iniziava a fare il suo ingresso.

Nelle nostre conversazioni precedenti, hai parlato di cose come abbattere i silos tra divisioni e gruppi di stakeholder, organizzare sessioni formative e hackathon, affrontare le paure riguardo a rischio e compliance, e anche semplicemente mettere i praticanti di IA e coloro che vorrebbero diventarlo sullo stesso piano.

Quindi pensavo di iniziare con una domanda calda che penso interessa ai miei ascoltatori. La domanda è questa. Vale davvero la pena impegnarsi per abbattere i silos e allineare gli atteggiamenti sull’IA in una grande organizzazione aziendale? È davvero possibile? E cosa succederebbe se un’organizzazione come quella in cui lavoravi saltasse completamente questo passaggio?

Deborah Ketai: È davvero una buona domanda, Galen, e sono contenta che tu l’abbia posta. Penso che l’allineamento sia fondamentale e abbattere i silos è una parte importante. Prima di tutto, le aziende dovranno istituire una governance dei dati e dell’IA. Dovranno allineare risorse e aspettative riguardo allo sviluppo o all’acquisto di strumenti di IA.

E se vogliono avere una cultura IA-first, e dovranno farlo se anche i loro concorrenti lo fanno, dovranno riflettere su cosa questo comporti per i loro dipendenti, ora e in futuro. Quindi, come minimo, dovranno abbattere i silos per evitare rischi di incidenti informatici.

Se saltano il passaggio di abbattere i silos, incorreranno anche in quello che chiamiamo debito, debito tecnico, di conoscenza, e così via. Questo renderà i progetti futuri più costosi e difficili. Credo che ci siano tre aree in cui ho lavorato per abbattere i silos. Le hai menzionate tutte.

IA, controlli operativi di sistema, e come responsabile coinvolgimento della comunità del secondo più grande employee resource group presso United Health Group. E anche, in parte, attraverso un programma di mentorship dopo fusioni e acquisizioni. Quindi penso che ci siano diversi passaggi e competenze che project manager e change manager devono considerare quando cercano di abbattere i silos.

Uno è creare empatia tra i diversi gruppi, facendo in modo che si conoscano: cross-training, affiancamento, mentoring e coaching. La leadership deve creare e guadagnarsi il consenso sulla visione di come sarebbe e quali vantaggi porterebbe abbattere i silos. Devono creare e concentrarsi su touchpoint, processi e canali di comunicazione per mettere in collegamento i vari silos.

E devono anche concentrarsi sull’eliminazione degli ostacoli all’unione delle persone, come le diverse fonti dati che sono tra i problemi principali.

Galen Low: Quello che mi piace molto della tua risposta è che io pensavo al tema come “aiutare gruppi diversi di un’azienda a comprendersi a vicenda”.

Mi piace come lo hai inquadrato: è un problema di tutti. È uno sforzo di squadra. Non si tratta solo di “kumbaya”, di capirsi e andare d’accordo. È anche una questione di governance dei dati, di compliance e sicurezza: tutti sono in qualche modo responsabili della propria parte, e tutti devono cantare dalla stessa canzone, raggiungendo un allineamento reale.

L’impatto o il risultato di questo allineamento va discusso e compreso anche a livello di leadership, così che non sia solo uno “shift culturale”, un termine che usiamo troppo spesso specialmente in tema IA, ma diventi invece un tema di rischio. È davvero un discorso di ROI sull’avere coesione.

C’è anche il rischio legato a gestire male questa fase, non avere questi confronti e poi subire un rischio che può essere molto costoso e dannoso. Un rischio magari evitabile se fossimo tutti allineati. Mi piace quanto sia concreto questo tema.

Deborah Ketai: Può essere sia morbido che concreto.

Galen Low: Mi piace. Morbido e concreto, con la componente tecnologica.

Deborah Ketai: Lei è piuttosto concreta, quindi c’è anche questo.

Galen Low: Fantastico. Se potessimo allargare il quadro un attimo. Tu, come hai detto prima, nel tuo ruolo precedente in una grande azienda sanitaria statunitense, eri responsabile di programmi e iniziative di gestione del cambiamento su molti fronti e, di recente, anche sull’IA e il machine learning.

E torna questa mia curiosità: com’era la tua giornata tipo in questo ruolo e quali risultati ci si aspettava da te?

Deborah Ketai: Come spesso accade nella gestione del cambiamento, il mio sforzo maggiore è stato probabilmente nella fase iniziale: definire obiettivi, metriche di successo, persone coinvolte, ecc. Avevamo tre grandi obiettivi — talento, mobilità e retention nell’ambito IA. Un’enorme azienda Fortune Five, con IA in moltissimi comparti diversi. E, sia chiara una cosa: quando parlo di IA, intendo anche analisi predittive, wearable, sensori, Internet delle Cose.

Il secondo obiettivo era incoraggiare la collaborazione tra questi comparti di IA, così da non reinventare la ruota. Il terzo era il cambiamento culturale: incoraggiare i leader di business a considerare l’IA come soluzione per i loro problemi. All’inizio ho passato molto tempo a identificare e segmentare i gruppi di stakeholder.

Ho collaborato con uno specialista in reportistica e analisi IA per farlo. Abbiamo definito i bisogni e trovato i modi migliori per raggiungerli. Il resto del programma era principalmente creare opportunità per imparare, condividere, costruire una comunità. Mirate ai diversi target interni che avevo identificato.

I progetti erano di tre tipologie: eventi come conferenze interne e hackathon; contenuti come podcast, articoli, presentazioni; e community interna, social interna e condivisione della conoscenza. Una quarta parte era la gestione del rischio, con consulenze su governance, compliance e sicurezza al comitato di governance.

Galen Low: È un programma enorme. Spesso nella mia community si parla del fatto che ci viene chiesta una direttiva da implementare, ma tu sei partita da molto prima. È notevole che tu abbia sottolineato che non si trattava solo di IA generativa, anzi.

All’epoca, l’IA generativa era relativamente nuova come applicazione nel business quotidiano, ma qui si è trattato proprio di un cambiamento fondamentale, per preparare il terreno a cambiamenti più grandi e specifici in futuro. In realtà si trattava di unire le persone, e di nuovo, hai reso un concetto apparentemente morbido («comunità») un vero e proprio tema di gestione del rischio e ROI.

Il valore della comunità di pratica è spesso sottovalutato. Non è scientifico come i leader di business vorrebbero, ma tu hai centrato il punto: fare queste cose crea un tessuto, unità e coesione fra gruppi diversi che vedono il mondo in modo diverso e tentano di allinearsi.

Mi vengono in mente due cose. Una è quanto hai detto sui leader di business e sull’allinearli a come usare la tecnologia. È curioso parlarne oggi, nel 2025, dove tutti cercano qualsiasi strumento IA: hai dovuto convincere qualcuno che valesse la pena investire tempo e risorse in IA?

Deborah Ketai: Sì. A due livelli. Spesso i leader di business semplicemente non consideravano l’IA come potenziale soluzione ai problemi. Che fossero frodi sanitarie, diagnostica per immagini, c'erano moltissimi ambiti potenziali, ma non ci pensavano.

Il secondo passaggio era collegarli alle persone giuste, competenti, che potessero spiegare i concetti IA: esiste già questa soluzione? Può esistere in breve? Quali rischi, costi e ritorni può portare?

E poi fare il confronto, perché l’IA non sarà mai la soluzione universale. Dovevano tenere conto anche di altre opzioni non legate all’IA.

Galen Low: È molto interessante come questo porti davvero in primo piano il tema del talento. Lo hai nominato subito: hai adottato un approccio da data scientist per identificare i talenti e i gruppi di stakeholder nell’azienda per capire competenze possedute e necessarie.

Così crei le condizioni per lo scambio e la condivisione della conoscenza e tutti possono migliorare, quello che chiamavamo “the art of the possible”. Bisogna sapere cosa può fare la tecnologia. Capire che non è una bacchetta magica.

Va anche compresa la sua collocazione all’interno dell'ecosistema tecnologico aziendale e dei metodi, e in un ambito come la sanità la posta in gioco è altissima, tra compliance, regolamentazioni, e soprattutto la vita delle persone.

Ecco perché vale la pena unire tutti questi gruppi, identificare chi sa cosa può insegnare agli altri e formare team più forti, coesi, empatici, capaci di perseguire soluzioni pure tecnologiche, ma anche miste tra IA, altre tecnologie mediche o semplici processi.

Che sforzo titanico. Una curiosità: in un programma così grande, come si misura il cambiamento per capire se sta funzionando? Anche nella mia organizzazione vogliamo riunire tutti, fare hackathon, abbiamo fatto una settimana intera di lavoro su nuove soluzioni IA, ma ci chiediamo sempre: “Ne vale la pena? Come capiamo se funziona?” Che misure hai applicato o richiesto?

Deborah Ketai: Ammetto che la parte più difficile del programma sono state le metriche. In parte perché i dati che volevamo non erano tracciati dai nostri sistemi HR. Per esempio, non si poteva tracciare la mobilità di carriera nel sistema HR e, essendo una azienda Fortune Five cresciuta per M&A,

c’erano ancora vecchi sistemi, quindi lo stesso ruolo aveva 15 titoli/job code diversi e questo complicava tutto. Spesso abbiamo dovuto basarci su metriche semplici o di proxy, non ottimali a lungo termine.

A lungo andare, avremmo collaborato con HR per raccogliere più dati, ma nell’immediato ci si basava su cose semplici come l’engagement sui contenuti: web analytics su social interni, sito, micrositi. Ovviamente anche dati su partecipazione a conferenze, ma volevamo anche garantire che la community IA fosse variegata.

Abbiamo raccolto dati su speaker e partecipanti su diversi indicatori di diversità (genere, aree geografiche, età), anche se erano dati spesso lacunosi o fuorvianti. Se il programma fosse continuato, avremmo trovato modi migliori per tracciare dati davvero rilevanti.

Galen Low: Mi piace l’approccio del “cosa abbiamo a disposizione?”. Ora lavoro in un’organizzazione dove sappiamo ancora chi sono i nostri dipendenti e cosa sanno fare. Non abbiamo un HRIS avanzato, né una skills matrix formalizzata: sappiamo chi potrebbe fare un lunch&learn basandoci sul passaparola.

Quando si sale di scala, con centinaia di migliaia di dipendenti, la gestione diventa più simile a grandi eventi/conferenze rivolti a esterni, engagement aggregato, sperando che al check-in o check-out tutti compilino survey su chi sono e cosa fanno. È il dato che hai a disposizione. Con HR si potrebbe strutturare meglio, ma persino per la formazione del team o la scelta dei relatori… serve un sistema di dati puliti. A quella scala serve davvero l’IA anche solo per identificare gli stakeholder. Ma mi piace che sia comunque “segnale” e non paralisi da mancanza di dati.

So la fatica di capire chi fa cosa, chi inviare agli eventi o chi invitare come speaker, evitando esclusioni dovute a “non era nel sistema”.

Deborah Ketai: Esatto. Lavorando con cambiamenti tecnologici hai per fortuna statistiche utenti e analytics da consultare, per esempio puoi vedere chi utilizza hugging face o altro.

Galen Low: Hugging face è uno strumento?

Deborah Ketai: Hugging face offre spazi per creare modelli proprietari di IA generativa.

Galen Low: Oh, ok. Io ho pensato subito ad Alien di Ridley Scott, con gli alieni che ti saltano in faccia. Forse non è quello che intendi.

Deborah Ketai: È forse quello che pensavano i fondatori, davvero!

Galen Low: Sarebbe da avere qualcosa che ti ‘slurpi’ i dati dal cervello! Senti, tu sei davvero appassionata di change management, non solo in ambito IA. Hai lavorato su DEI, dati… ti chiedo: secondo te la gestione del cambiamento dev’essere diversa quando si tratta di IA, o si usa il solito playbook?

Deborah Ketai: Alcune differenze ci sono. Tutto ciò che riguarda IA e ML si muove sempre più velocemente. La curva di apprendimento è esponenziale. Chi vuole gestire cambiamenti/progetti nell’IA deve conoscere le basi di dati, processi, infrastrutture, allineamento con la strategia. Nella gestione del cambiamento bisogna sempre avere buy-in dall’alto,

dalla middle management (che risponde “cosa ci guadagno?”) e serve anche un meccanismo dal basso per far risalire idee e atteggiamenti. C’è anche il tema della resistenza concettuale: il timore di perdere il posto? Forse sì, forse no. C’è scarsa comprensione, spesso poca trasparenza sull’uso dell’IA in azienda e sugli strumenti in sé, su come prendano decisioni.

Ci sono molte paure e rischi, e penso che serva una competenza specifica nella gestione del cambiamento legata all’IA, ma i principi base valgono sempre.

Galen Low: Sono d’accordo, soprattutto sul tema buy-in e trasparenza. Mi ha colpito soprattutto la velocità del cambiamento. In passato, le aziende avevano team change management chiamati sul singolo cambiamento; qui invece il cambiamento è continuo, su un terreno sempre diverso. Il timore di chi lavora, la trasparenza della decisione “black box” sono amplificati dalla natura stessa del cambiamento, che non ha fine.

Deborah Ketai: Certo. Anche nelle singole iniziative IA c’è cambiamento continuo: i dati cambiano col tempo. Ci sono numerose variabili nuove di cui preoccuparsi. Ma, come dicevo, è solo una piccola parte sul piano delle fondamenta del project management e change management: quelle rimangono uguali.

Galen Low: Sì, il framework è uguale. Il contenuto poi, ovviamente, complica ogni volta tutto. Non potrebbe mai essere identico. C’è sempre sfumatura e nuanza a seconda della tipologia di cambiamento.

Deborah Ketai: Un’altra complessità che ora si comincia a intravedere è che, soprattutto con l’IA generativa, l’IA stessa è uno stakeholder. Stiamo scoprendo che può avere propri “obiettivi”, “atteggiamenti” e agire diversamente da quanto atteso, sulla base di queste “realtà interne”.

Galen Low: Molto interessante. Nella mia community parliamo di inserire gli strumenti IA nei piani di comunicazione di progetto, dal momento che diventano una “fonte di verità” o d’informazione. Quindi occorre comunicare anche con le IA, ad esempio aggiornando con le minute delle riunioni. Mi piace questa idea che hanno “opinioni” e comportamenti. Due anni fa sembrava fantascienza, ora parliamo di workflow agentici e IA generale. Non siamo ancora lì, ma comunque vanno considerate come stakeholder veri, che cambiano anch’esse e necessitano di change management.

Deborah Ketai: Per me è un po' come la fede: non serve credere davvero nell’IA generale per riconoscere che il modo in cui l’IA agisce sembra quasi una personalità o un disegno divino. Serve prendere atto di questo e capire come limitarne i rischi o guidarla, altrimenti si rischia di essere travolti da eventi fuori controllo.

Galen Low: Serve una maglietta con scritto “L’IA agisce in modi misteriosi”! Non è proprio falso… A tal proposito: nella tua esperienza di program manager e change manager, nella mia community molti sono chiamati a fare il doppio ruolo, di PM e CM. Almeno qui sembra più frequente. Secondo te, tutti i progetti richiedono change management? E tutti i PM devono conoscerlo?

Deborah Ketai: No, non tutti i progetti lo richiedono. La visione ortodossa è che richiede change management solo chi rischia di non realizzare i propri benefici se le persone non adottano davvero la soluzione implementata. E non parlo solo di progetti tecnologici. Non penso sia ragionevole che i PM debbano essere anche change manager, ma sta diventando la norma in molte aziende.

Le competenze sono diverse ma si sovrappongono. Il vero tema secondo me è il timing: tradizionalmente i PM non hanno la possibilità di seguitare a garantire la sostenibilità del cambiamento.

Galen Low: Interessante. Sì.

Deborah Ketai: Questo è decisivo.

A meno che il PMO (o chi governa il processo di project management) non riconosca e finanzi l’attività di change sustainment ai PM, secondo me non ha senso accollarglielo. Ma sì, le due discipline si devono capire, è utile avere piani integrati e, per chi vorrà/dovrà fare anche change management, ci sono concetti utili da imparare.

Il cambiamento deve essere calato dall’alto, dal basso e dal centro della gerarchia. A seconda dell’azienda può servire essere communications lead, o collaborare/essere la funzione L&D. Anche impostare/ri-ingegnerizzare processi, non sempre focus dei PM classici. Sia PM individuali che PMO devono investire tempo e sforzi iniziali in assessment vari: stakeholder, impatto, readiness. Senza di essi, il cambiamento non sarà adottato o consolidato nel tempo.

Galen Low: Mi piace quest’aspetto temporale. Anche perché le “iniziative” che descrivevi prima sono quasi degli “iniziatori” di progetti: ad esempio organizzare un hackathon è un progetto. Tu hai creato la base perché ciò potesse avvenire. Dopo la delivery parte la vera sostenibilità del cambiamento, che dura oltre il progetto.

Durante le discussioni con PMI oggi, la grande attenzione è sugli outcome e sul valore oltre i “vincoli classici”. Ma non sempre i PM restano lì a misurare il cambiamento. C’è un potenziale conflitto: passiamo al prossimo progetto e lasciamo indietro ciò che dovrebbe essere misurato.

Deborah Ketai: La questione nasce anche dall’approccio Agile: uno dei suoi principi era il team dedicato. Ma nei fatti grandi organizzazioni l’hanno subito “rivisto”. Serve qualcuno che segua dopo. Può essere parte della squadra, o un team a parte che comunica con chi si alterna, ma serve.

Galen Low: Mi piace la tua idea dell’investimento: la leadership deve voler investire in qualcuno che segua tutto ciò. In consulting ho visto divisioni dedicate al change management: ora ne capisco il perché. Hanno un orizzonte più lungo: partono prima e finiscono dopo rispetto ai progetti. Non avrebbe senso tenere un team PM pagato 18 mesi dopo il go-live solo per misurare. Serve personale dedicato.

Quindi la soluzione non è un PM che fa anche CM, ma che sappia eventualmente assumere anche ruoli diversi a seconda delle situazioni, non sovrapposti. È difficile misurare l’impatto se appena concluso un progetto si passa subito al prossimo.

Mi viene quindi da chiederti: come pensi evolverà il ruolo di program manager nei prossimi 3-5 anni? Quali competenze devono cominciare a sviluppare i PM?

Deborah Ketai: Per program manager (PM) intendo chi gestisce insieme progetti collegati, con programmi che possono essere sia temporanei che permanenti. Credo che i PM dovranno avvicinarsi maggiormente all’area dove si crea la strategia, influenzarla, fare in modo che la leadership chiarifichi obiettivi e priorità, e essere trasparenti nell’evidenziare disallineamenti e investimenti non efficaci.

Dovranno occuparsi sempre più di enterprise risk: rischio in senso classico, sia negativo che opportunità.

Galen Low: Mi piace che tu includa anche il rischio-opportunità, pochi lo fanno! Soprattutto con la tua definizione di owner di programma, con programmi senza scadenza e responsabilità sugli outcome. Hai riscontrato che la leadership desidera i PM nei tavoli strategici, o sono i PM stessi a dover combattere per esserci? E come si può affrontare questo percorso?

Deborah Ketai: Uso la classica risposta: dipende. Dal leader, dalla cultura organizzativa. Spesso occorre essere proattivi. Non è detto che se non ti invitano vogliano escluderti; spesso nessuno ci pensa. Quindi nel prossimo futuro costruire relazioni sarà sempre più centrale per chi fa PM/PMO sia per l’impatto dell’IA sui posti di lavoro che per la necessità di essere più vicini al potere decisionale.

Poi credo che i PM e i PMO di successo saranno quelli “ibridi”: chi arriva dall’IT deve capire come funziona il business e il settore, chi arriva dal business dovrà familiarizzare con le basi IT per capire come i dati girano, come si processano, come si incassa, ecc. Quella linea sarà sempre più sfumata.

Galen Low: Mi piace molto la praticità di questa visione. Spesso su LinkedIn si spinge sul “devi diventare subito strategico”, ma il tuo approccio è realistico: serve tempo, occorre essere quelli che segnalano rischi e dimostrano comprensione di business e tech, per crescere gradualmente nel ruolo verso un punto di vista più strategico e integrato, non solo project scope/budget.

Deborah Ketai: Pensa alla tua vita da PM: anche tu sai che ci sono altri non invitati abbastanza presto, dai tester, a compliance, a sicurezza… è un tema ricorrente. Se vuoi inserirti basta chiedere di partecipare come osservatore, senza intervenire. Oppure fare incontri “skip level” col tuo capo per far salire idee/preoccupazioni.

Galen Low: Questo chiude il cerchio con il tema iniziale: mettere insieme punti di vista e talenti diversi, favorire la community, creare coesione e unione di prospettiva, che rafforza tutti, velocizza e rende scalabile il cambiamento e la risposta alle sfide.

Deborah Ketai: Concordo pienamente.

Galen Low: Che bellissimo excursus, Deborah! Tanto per finirla in leggerezza: hai una domanda da farmi?

Deborah Ketai: Sì. Non so se vorrai rispondere, ma qual è la cosa che ti piacerebbe davvero fare con l’IA, ma che ti fa paura o che non sai come fare?

Galen Low: Ce ne sarebbero tante. Mi soddisfa molto come vari strumenti IA generativa siano diventati “colleghi” di pensiero, ma non ho mai “lasciato” loro autonomia vera, non solo workflow agentici ma proprio come se avessi un assistente umano cui dare piccoli briefing e poi seguirlo mentre svolge il compito, con poca direzione.

Credo sia quello che molti cercano di costruire, ma oggi la maggior parte dei workflow agentici sono più automazione intelligente che vera azione indipendente. Vorrei poter dare “prompt” al mio assistente IA perché svolga varie attività su più strumenti. Penso a modalità agent in ChatGPT, ma vorrei di più. Sogno un assistente “multipurpose”, parzialmente autonomo e attivabile a richiesta, che si occupi delle attività cross-tool per alleggerirmi le attività ripetitive.

Non so se sono stato chiaro, ma mi trovo fra il mondo di chi sviluppa app, chi crea agenti autonomi e chi fa prompting (che per me non è come avere un vero assistente umano). Vorrei proprio questo mix: prompt come assistente umano per portare avanti task comunicando, ricevendo feedback.

Deborah Ketai: Quello che mi trattiene è la mancanza di fiducia su dove finiscono i miei dati.

Galen Low: Il solito black box! Questo è un tema per un altro episodio, ma è davvero una delle questioni che bloccano tutti. Ho letto un articolo sul “calo di adozione”, non ricordo il termine ma appena mi torna lo aggiungo alle note. Cioè, molte persone a un certo punto si fermano nell’adozione dell’IA: pochissimi la usano costantemente. Il blocco spesso non è tecnologico, ma proprio di fiducia e compliance: dove vanno i dati? Cosa posso davvero fare e connettere in modo sicuro? Il solo pensiero paralizza.

Mi sento molto in sintonia: “cosa succede se sbaglia, se i dati finiscono ovunque”? È tutto un black box, e potrebbe generare danni anziché vantaggi.

Deborah Ketai: Ultimamente ero a una PMI Regional Leadership Conference e in una sessione abbiamo discusso se fosse etico far gestire le newsletter ai soci da un’IA.

Galen Low: Interessante.

Deborah Ketai: Il risultato è stato che non lo è, se questo significa cedere i dati dei soci.

Galen Low: Capito.

Deborah Ketai: Quindi, a meno di usare strumenti completamente interni, la risposta era no.

Galen Low: È interessante come si ritorni sempre ai guardrail che spesso noi umani non comprendiamo appieno: sono decisioni discrezionali, policy, governance, ma né noi né la tecnologia riusciamo ancora a “costruire” regole affidabili che generino vera fiducia.

Questo tema merita approfondimento. Mi interessa molto vedere esempi concreti di IA in progetti e discutere cosa ci frena, spesso non la tecnologia ma l’etica.

Deborah Ketai: Proprio così.

Galen Low: E la fiducia.

Verissimo.

Deborah, grazie mille per il tempo passato con me oggi. È stato un piacere enorme. Per chi ascolta: dove possono trovare tue informazioni online?

Deborah Ketai: Cercatemi su LinkedIn, sono l’unica Deborah Ketai presente. Se potete aggiungete una nota e menzionate il DPM podcast!

Galen Low: Perfetto. Inserirò il link al tuo profilo LinkedIn.

Sono invidioso che tu sia l’unica Deborah Ketai su LinkedIn. Io sono uno dei due Galen Low, quindi un po’ t’invidio! Ma inserirò il link nelle note, così chi vuole potrà trovarti facilmente.

Deborah, ancora grazie.

Deborah Ketai: Grazie davvero Galen.

Galen Low: Questo era il nuovo episodio del Podcast The Digital Project Manager. Se vi è piaciuta questa conversazione, iscrivetevi dove state ascoltando. Se volete ricevere altri insight pratici, casi studio e playbook, visitate thedigitalprojectmanager.com. Alla prossima, grazie dell’ascolto.