Le decisioni di gestione dei progetti che gli agenti IA possono — e non possono — prendere

Galen Low: Con l’IA agentica nel mix, la tecnologia IA è passata dall’essere uno strumento a essere un compagno di squadra. Bene, ma non è qui che si trovano gli aspetti più complicati. Gli aspetti complicati sono che gli agenti IA sono spesso compagni di squadra addestrati meglio di te, che lavorano in modo diverso dal tuo e che possono essere valutati secondo criteri completamente diversi da quelli usati per te e per i tuoi compagni di squadra umani.

Probabilmente non sono arrivati con un manuale, probabilmente sono configurati per prendere decisioni che preferiresti prendere tu e probabilmente non erano presenti quando il tuo team ha definito i propri accordi di collaborazione. In pratica, è come vedersi affidare da un giorno all’altro decine di nuovi membri del team provenienti da un’organizzazione completamente diversa; se hai vissuto una fusione o un’acquisizione, sai che può essere davvero, davvero complicato.

Ma, a tutti gli effetti, questa è una sfida superabile e i potenziali vantaggi sono certamente reali. Per questo episodio volevo fare qualcosa di un po’ diverso. Volevo condividere una conversazione tratta da uno dei nostri eventi dal vivo, organizzato da Tim Fisher e dal team di Wrike, su come gli agenti IA stiano davvero facendo la differenza nel lavoro basato sui progetti e su cosa debba essere vero affinché le tue implementazioni agentiche abbiano successo.

Nella loro conversazione parlano di come più dati non significhino necessariamente dati migliori, di quali decisioni debbano essere prese dagli esseri umani rispetto a un agente e di come la formazione, non soltanto l’accesso, sia fondamentale per implementare con successo un lavoro guidato dagli agenti in tutta l’organizzazione. Prima di iniziare, lasciatemi darvi un po’ di contesto.

Tim non era soltanto il conduttore dell’evento. Sta infatti costruendo una forza lavoro agentica all’interno della società madre di The Digital Project Manager, Black and White Zebra. In altre parole, sta vivendo in prima persona questa trasformazione agentica e tutte le difficoltà che la accompagnano. Di recente abbiamo parlato dell’idea di partire da zero, disimparare i modi in cui abbiamo sempre fatto le cose e iniziare a sviluppare i nostri processi agentici dalle fondamenta, senza tutto il bagaglio del passato.

Per gli esseri umani è difficile. Spesso la nostra identità è legata al titolo professionale e alle responsabilità. Raramente ci viene chiesto di pensare a noi stessi al di fuori di quella cornice e, quando accade, spesso la tela bianca è troppo ampia perché riusciamo a far coincidere i nostri desideri con ciò che i datori di lavoro vogliono vedere da noi. Sembra un tentativo alla cieca, un tentativo che potrebbe lasciare senza lavoro noi e i nostri team.

Ma anche l’aspetto formativo non può essere sottovalutato. Sì, ora ci si aspetta che tutti siamo costruttori, svolgendo il ruolo dell’essere umano nel ciclo decisionale, ma cosa significa davvero e come possiamo aiutare le nostre persone ad arrivarci invece di scaricare semplicemente degli strumenti su di loro e aspettarci che si elevino da sole? In definitiva, il grande cambiamento sembra ridursi a responsabilità, rischio e contesto organizzativo.

In un mondo agentico, tutti gestiscono ormai attori autonomi che collaborano tra loro, a volte in una scatola nera. Ciò che affidiamo a questi attori, rispetto a ciò che manteniamo come responsabilità umane, deve essere definito in base alla gravità del rischio, all’empatia tra esseri umani e alle implicazioni di ciò che significa essere davvero responsabili di un progetto o di un flusso di lavoro.

Non soltanto in base alle capacità della tecnologia. Riportiamo quindi tutto a uno scenario specifico di progetto. Immagina di avere un agente IA che ti aiuta a comporre il team di un progetto. Sa chi è disponibile, quali competenze possiede, su cosa sta lavorando ciascuno e forse persino quali combinazioni di persone hanno storicamente portato a termine i progetti con maggiore successo.

Potrebbe creare un piano delle risorse in pochi secondi, un’operazione che altrimenti ti richiederebbe ore. Fantastico. Ma cosa succede se quel piano prevede di spostare Lucia, la tua sviluppatrice migliore, da un altro progetto che sta per iniziare a rimanere indietro perché Amireth, la designer principale, ha appena perso la nonna e sta elaborando il lutto lavorando all’80% della produttività abituale per continuare a mettere da parte i soldi per l’apparecchio della figlia?

La tua forza lavoro agentica potrebbe avere tutte le informazioni necessarie per formulare una raccomandazione, ma significa forse che la decisione debba essere presa da un agente? Perché ora non stiamo soltanto parlando di ottimizzare un foglio di calcolo. Stiamo parlando di rapporti con i clienti, priorità aziendali, impegni di consegna e, soprattutto, dell’impatto sulle persone reali.

Ed è qui che il prossimo capitolo dell’IA e della gestione dei progetti diventa affascinante: non si tratta semplicemente di capire cosa l’IA sia in grado di fare, ma di stabilire quali responsabilità dovremmo delegare all’IA, quali decisioni debbano rimanere agli esseri umani e quale tipo di supervisione sia necessaria quando i nostri compagni di squadra IA operano in sottofondo.

È un rompicapo complesso da risolvere per trovare il giusto equilibrio. E, forse cosa ancora più importante, non è una soluzione pronta all’uso. È un ambito in cui dobbiamo parlare di giudizio e discrezionalità, in cui dobbiamo formare e sviluppare le nostre persone affinché abbiano successo mentre le cose cambiano e in cui dobbiamo concederci il permesso e la sicurezza di eliminare parte del vecchio bagaglio e rimodellare i nostri ruoli attorno a ciò che sappiamo fare meglio.

Ed è esattamente ciò che Tim ha esplorato nella sua conversazione con il team di Wrike. Senza ulteriori indugi, ecco la conversazione che il mio guru dell’IA più stimato, Tim Fisher, ha avuto con Nancy e Andras di Wrike sulle implicazioni dell’IA agentica nella gestione dei progetti di oggi. Spero che l’episodio vi piaccia.

Tim Fisher: Salve e benvenuti a Il futuro dell’IA nella gestione dei progetti, il programma in cui andiamo oltre la presentazione commerciale e analizziamo come l’IA stia effettivamente cambiando il modo in cui i team pianificano, consegnano e gestiscono il lavoro. Oggi presentiamo Wrike. Vedremo come l’IA possa aiutare i responsabili di progetto a prendere decisioni migliori e più tempestive, dalla definizione del personale necessario per un progetto all’identificazione dei rischi di consegna prima che si trasformino in problemi molto più grandi. Poi guarderemo avanti, a cosa succede quando l’IA inizia ad assumere un ruolo più attivo nel modo in cui il lavoro viene consegnato.

Oggi è con noi Andras Horvath, direttore del prodotto per IA e analisi presso Wrike. Andras ha oltre 15 anni di esperienza nella creazione di prodotti B2B incentrati su dati, analisi e IA. Con noi c’è anche Nancy Boas, responsabile senior del marketing di prodotto per l’IA presso Wrike.

Nancy guida la strategia e la messaggistica di go-to-market per le soluzioni di gestione del lavoro basate sull’IA di Wrike, concentrandosi sul modo in cui l’IA sta cambiando il lavoro dei team.

Andras, Nancy, benvenuti. Grazie per essere qui.

Nancy Boas: Grazie mille. Siamo felici di essere qui oggi.

Andras Horvath: Sono molto felice di essere qui, Tim. Grazie mille per la bella presentazione.

Tim Fisher: Per chi non conoscesse Wrike, potete darci la versione rapidissima, da 30 secondi? Cosa fa la vostra piattaforma? A chi è destinata?

Andras Horvath: Per quanto riguarda la piattaforma in sé, Wrike è una piattaforma, o fondamentalmente un unico luogo in cui le persone possono pianificare, monitorare e consegnare il proprio lavoro. Abbiamo creato l’IA per potenziare team e singoli individui, assicurandoci che tutto il lavoro ripetitivo venga tolto dalle loro spalle.

Negli ultimi sei-nove mesi, tuttavia, ci siamo concentrati molto anche sul lato della consegna del lavoro, perché l’IA può essere utilizzata per potenziare i singoli individui o aiutare le persone a consegnare il lavoro più rapidamente, con attività come la generazione di contenuti e la sintesi; oppure si può usare l’IA per automatizzare parti del lavoro, ed è questo l’aspetto su cui ci siamo concentrati recentemente.

Tim Fisher: È molto interessante. Sembra un po’ diverso da alcuni degli altri prodotti del settore. Quindi la vostra filosofia è che l’IA debba aiutare anche a consegnare il lavoro e non soltanto a gestire le persone, che è ciò che vediamo più spesso. Cosa significa in pratica?

Andras Horvath: Significa che l’IA può agire come un compagno di squadra che ti aiuta a portare a termine il lavoro, non soltanto offrirti un luogo in cui accelerare il tuo lavoro o una piattaforma di gestione in cui coordinare le attività.

Puoi configurare un compagno di squadra IA, che in Wrike chiamiamo compagno di lavoro, che può avere una propria capacità operativa e aiutarti a consegnare il lavoro. Per esempio, l’IA può aiutarti a redigere dichiarazioni di lavoro basate su attività svolte in precedenza e adattarle alle caratteristiche specifiche del cliente presenti nel CRM, come Salesforce.

Oppure puoi fare in modo che l’IA gestisca automaticamente la pubblicazione sui social quando viene lanciata una nuova funzionalità. Sei seduto con il tuo team, state costruendo qualcosa, consegnate la funzionalità e poi la passate, per esempio, al tuo compagno di lavoro per i social, che raccoglierà tutte le informazioni del progetto e ti aiuterà a creare il post giusto per il blog e per LinkedIn.

Creerà le immagini e tutto il resto, ti taggherà, tu approverai e il lavoro verrà completato. Fare la stessa cosa manualmente può richiedere mezz’ora, un’ora o anche di più. Quindi oggi l’IA diventa davvero il tuo compagno di squadra.

Tim Fisher: I responsabili di progetto hanno accesso a più dati di quanti ne abbiano mai avuti, questo è certo. Ma le decisioni su aspetti come le risorse e i rischi di progetto dipendono ancora da aggiornamenti manuali e fogli di calcolo o, peggio, da informazioni che arrivano dopo che qualcosa è già andato storto.

Dove vedete oggi il divario più grande tra le informazioni che hanno i responsabili di progetto e le decisioni che devono effettivamente prendere?

Andras Horvath: Partiamo dalle basi, o dalle fondamenta, ed è qualcosa che affrontiamo nelle nostre implementazioni da zero: i dati sono sparsi in tutto l’ambiente e in tutto l’ecosistema.

Hai file su SharePoint, messaggi su Teams o Slack, registrazioni di riunioni o riunioni vere e proprie. È tutto sparso, ovunque. Wrike offre un luogo in cui consolidare queste informazioni, fornendo il contesto necessario per prendere decisioni.

Avere i dati o il contesto, però, non significa avere le informazioni utili giuste per prendere le decisioni corrette. È qui che l’IA può aiutare, trasformando i dati grezzi in informazioni utili. Se un progetto è stato ritardato cinque volte al passaggio B, molto probabilmente anche il progetto successivo subirà un ritardo.

Questo si chiama analisi predittiva ed è qualcosa che può essere portato alla luce. Anche quando si parla di allocazione delle risorse, molte persone pensano: “So che Tim sa fare questo e Nancy sa fare quello, ma qual è la loro disponibilità? Controllo con loro su Teams o Slack”, e così via.

Se qualcuno ha utilizzato con costanza un sistema come Wrike, conosciamo il lavoro svolto, il carico di lavoro, la disponibilità e tutto il resto. Quindi, per aspetti semplici — o non così semplici — come l’allocazione delle risorse, l’IA può iniziare in pochi secondi un progetto con ben 137 attività, perché puoi inserire le competenze delle persone oppure possiamo estrarle automaticamente.

Possiamo calcolare il carico di lavoro e così via. Vuoi che il progetto venga consegnato il più rapidamente possibile? Ecco le allocazioni delle risorse. Sei un’organizzazione che fornisce servizi e vuoi che il progetto venga consegnato in modo da massimizzare la redditività, utilizzando quindi le risorse meno costose che hai?

Possiamo farlo. Ci sono moltissime opzioni da prendere in considerazione e, finché hai i dati e l’intelligenza necessaria, puoi ottenere le informazioni utili per formulare le raccomandazioni corrette. Di nuovo, un’attività lunga si completa in pochi secondi.

Tim Fisher: È davvero straordinario. State chiaramente parlando di un’IA molto più proattiva, soprattutto nel vostro prodotto.

Quindi farò la domanda che, a questo punto, credo facciano tutti: dove dovrebbe prendere una decisione o formulare una raccomandazione? Dove deve ancora intervenire il giudizio umano? Come affrontate la questione?

Andras Horvath: È un’ottima domanda, Tim. A dire il vero, ce la pongono spesso molti dei clienti con cui lavoriamo.

La mia posizione è abbastanza semplice. Se esiste un processo noto che vuoi automatizzare, dovresti assolutamente usare l’IA. Se parliamo di casi eccezionali, forse non è il posto migliore per usare l’IA. Puoi usarla per potenziare il tuo pensiero e accelerare il time-to-market o qualunque obiettivo tu stia cercando di raggiungere, ma non delegherei necessariamente qualcosa di sconosciuto a un agente lasciandogli il compito di risolverlo, a meno che non lo si faccia mantenendo costantemente l’essere umano nel ciclo e prevedendo interruzioni, così da evitare che vada fuori controllo e comprometta l’intero sistema o spazio di lavoro.

L’altro fattore da considerare è il rischio. Hai un’attività ad alto o a basso rischio? Se hai qualcosa a basso rischio, come il triage delle richieste in arrivo o la raccolta iniziale per verificare che una richiesta contenga tutte le informazioni necessarie a diventare operativa, è un’attività che l’IA può svolgere.

“Ho controllato questo ticket. La maggior parte delle informazioni è presente. Tuttavia manca qualcosa. Contattiamo il cliente via e-mail, Slack o altro per ottenere queste informazioni.” Una volta ottenute, la richiesta è pronta per la consegna e viene inserita nel backlog. Se invece parliamo di allocazione delle risorse e hai un progetto in ritardo, uno dei modi per rimetterlo in carreggiata consiste nel sottrarre un ingegnere o una persona chiave a un altro progetto. Ma così facendo ritarderai il progetto B. Un essere umano dovrebbe ancora decidere se spostare o meno quella persona. Questa decisione ha un impatto molto maggiore rispetto al contattare qualcuno per ottenere un’informazione mancante.

In generale, quindi: è un processo noto? Il rischio o l’impatto sono alti o bassi? Questi sono gli aspetti che consiglierei sempre alle persone di valutare, perché alla fine della giornata nulla sostituisce il giudizio umano.

Tim Fisher: Sento molte discussioni, sia a livello tematico e concettuale sia filosofico, sul rapporto tra esseri umani e IA e sulle decisioni, e sento anche comparire diversi termini.

Credo di averti sentito dire prima MCP. Abbiamo sicuramente parlato dell’uso della parola agente e di termini simili. So che non tutte le aziende che usano i vostri strumenti sono necessariamente molto esperte di IA. Come potete aiutarle a superare questo ostacolo? Esistono modi per imparare a conoscere l’IA con il vostro aiuto?

Ricevo molti commenti secondo cui tutto questo è difficile da gestire e sono curioso di sapere come pensate di aiutare le persone a superare queste difficoltà.

Nancy Boas: Certo. Posso occuparmene io, perché stiamo formando le persone in diversi modi. Ci siamo resi conto che si parla moltissimo di IA, di agenti e persino dell’essere costruttori, ma nella pratica le aziende non sanno davvero come costruire un agente.

Abbiamo fatto diverse cose. Una di queste è stata affidarsi al nostro ottimo reparto di formazione, che si è sempre occupato delle funzionalità tradizionali, dell’amministrazione e della governance di Wrike e di aspetti simili. Qualche mese fa, però, il reparto ha avviato AI Elite Mastery, un corso di quattro ore che chiunque può frequentare e al termine del quale si riceve un certificato. Si impara di tutto, dalle migliori pratiche per la scrittura dei prompt fino alla costruzione vera e propria di un agente.

Questa è una delle iniziative, ma abbiamo anche organizzato una scuola estiva sull’IA della durata di sette settimane, un programma formativo pratico ogni venerdì. Di conseguenza, abbiamo visto iniziare a costruire molti più agenti e molte più persone farsi avanti e partecipare. Inoltre, ho condiviso un link relativo ai compagni di lavoro, ma abbiamo anche una comunità online in cui condividiamo prompt di esempio e casi d’uso, e gli altri possono contribuire con i propri casi d’uso degli agenti.

Alla fine della giornata, si tratta di aiutarsi a vicenda e condividere le esperienze tra colleghi in questo nuovo mondo coraggioso.

Tim Fisher: È fantastico, sono felice di sentirlo. Vi ho sentito parlare di contesto, controllo e collaborazione come requisiti per l’IA aziendale. Perché questi elementi sono particolarmente importanti quando l’IA inizia ad agire su dati di progetto e flussi di lavoro reali?

Andras Horvath: Quando pensi al contesto, senza di esso l’IA può essere erroneamente sicura di sé oppure, nel migliore dei casi, rimanere il più generica possibile. Facciamo un esempio semplice: chiedere a un’IA qualsiasi di creare una struttura di scomposizione del lavoro, cioè un progetto per te. Utilizzerà le conoscenze con cui è stata addestrata oppure consulterà internet per capire come impostare al meglio un progetto e lo farà.

È un buon risultato? È un cattivo risultato? È un modo generico di impostare un progetto, che può funzionare in determinati casi, soprattutto se non gestisci molti progetti. Se invece sei una grande azienda, di solito hai una metodologia sviluppata nel corso degli anni o dei decenni e, ogni volta che imposti un nuovo progetto, ci sono determinati aspetti da considerare.

Un esempio classico riguarda le decisioni che richiedono approvazioni e la persona, l’organizzazione o il ruolo responsabile di concederle. Se colleghi il tuo assistente IA a qualcosa come Wrike e hai utilizzato Wrike con costanza, tutte queste conoscenze sono già presenti.

Il tuo assistente IA utilizzerà le informazioni disponibili per impostare la struttura di scomposizione del lavoro in modo coerente con l’organizzazione di cui fai parte. Ecco perché il contesto è importante: significa avere accesso ai dati, innanzitutto, e poi utilizzare quei dati in modo da adattare i risultati alle esigenze della tua organizzazione.

Per quanto riguarda il controllo, devi assicurarti ancora una volta che la tua IA non vada fuori controllo. Devi verificare che l’agente IA abbia autorizzazioni chiare, un’identità e che sia tracciabile. Ecco perché, quando integri un agente IA in Wrike, registriamo tutto.

Quando parli con il tuo agente IA, quando chiede la tua approvazione o il tuo contributo, tutto avviene tramite il flusso dei commenti di Wrike. Tutte le decisioni e tutto ciò che accade sono quindi tracciabili nel sistema. Se consulti i registri degli agenti Wrike che abbiamo rilasciato circa un anno fa, per esempio, non vedrai soltanto che un record è stato eliminato: vedrai che è stato eliminato, quale ragionamento lo ha portato a farlo e su quali dati si è basato.

C’era un essere umano nel ciclo? Qual era l’istruzione ricevuta? Perché è stata eseguita esattamente quell’azione? È qualcosa a cui la maggior parte delle aziende tiene molto. Vogliono sapere perché l’agente si è comportato in quel modo. Con gli esseri umani, invece, non chiedi necessariamente perché abbiano eliminato un record: magari lo scopri parlando davanti alla macchina del caffè.

Il controllo è quindi molto importante. Devi assicurarti di poterti fidare dell’IA che lavora, perché, come hai detto, è difficile. Molte persone non sanno lavorare con l’IA e non si fidano di essa. Avere controlli e barriere di sicurezza aumenta effettivamente il livello di fiducia.

Infine c’è la collaborazione, che ho già menzionato brevemente. Quando usi un sistema collaborativo di gestione del lavoro, si chiama collaborativo per un motivo: stai lavorando su un’attività, non hai tutti i dettagli e tagghi qualcuno dicendo: “Ehi, puoi aiutarmi a risolvere questo?”

Con gli agenti funziona allo stesso modo. Assegni loro il lavoro come lo assegneresti ai colleghi. Li menzioni con @, fai domande, chiedi contributi e impartisci istruzioni. La collaborazione tra esseri umani e IA garantisce che l’IA si comporti nel modo previsto.

Ecco perché riteniamo che contesto, controllo e collaborazione siano i tre pilastri fondamentali per far funzionare l’IA nel miglior modo possibile e continuiamo a investire in tutti e tre.

Tim Fisher: Mi piace molto il vostro modo di considerare tutto questo, soprattutto la parte relativa al controllo e alla trasparenza, sulla quale avete lavorato in profondità. Non posso sottolineare abbastanza quanto sia importante il passaggio dalla fiducia negli esseri umani, che comporta naturalmente alcune dinamiche, a un mondo in cui questa presenza autonoma e invisibile lavora in sottofondo. Sapere perché sono state prese tutte quelle decisioni è fondamentale. Non credo che se ne parli abbastanza, quindi complimenti.

Questo ci porta alla domanda o riflessione sul futuro non troppo lontano: quando l’IA e gli agenti basati sull’IA assumeranno una parte sempre maggiore di questo lavoro, cosa farà esattamente il responsabile di progetto con il proprio tempo? Si parla spesso di automazione e dell’economia in generale: eliminiamo le attività ripetitive e lasciamo che agenti e IA svolgano su larga scala ciò che possono fare in modo più efficace.

Cosa ci rimane da fare? In questo mondo, mi piacerebbe sentire le vostre opinioni.

Nancy Boas: Penso sinceramente che le persone svolgeranno un lavoro più piacevole. Chi vuole passare metà della giornata a raccogliere e classificare moduli? Uno dei nostri clienti, per esempio, è Jellyfish, un’agenzia pubblicitaria. Durante una sessione del nostro congresso virtuale ho raccontato che stanno trascorrendo molto più tempo con i clienti. Fanno meno lavoro ripetitivo, ma hanno conversazioni più intelligenti. Eliminano gli ostacoli che prima si presentavano nei progetti.

Per i responsabili di progetto, penso che si debba iniziare a considerare agenti e IA come assistenti quotidiani. Tutti abbiamo persone da gestire e ora abbiamo anche IA e agenti da gestire. Questi strumenti eliminano il lavoro banale, ma tu continui ad avere un lavoro da svolgere, auspicabilmente attività più piacevoli come la strategia, la risoluzione dei problemi e il raggiungimento degli obiettivi di alto livello.

Andras Horvath: Esattamente. Nel mio team di responsabili di prodotto, per esempio, si dedica molto meno tempo a scrivere una specifica, perché lo facciamo con l’aiuto dell’IA. Anche le revisioni vengono svolte con l’aiuto dell’IA, così come la trasformazione della specifica in una struttura di scomposizione del lavoro e l’assegnazione delle risorse a quella struttura.

Tutto questo non avviene istantaneamente, ma molto più rapidamente di prima, anche con esseri umani nel ciclo. Oggi il responsabile medio di prodotto trascorre più tempo a intervistare i nostri clienti, a concentrarsi maggiormente sul problema e a capire, per esempio, quali aspetti dobbiamo affrontare.

Dedica più tempo a convalidare, perfezionare, gestire gli stakeholder e progettare l’organizzazione, perché dobbiamo cambiare continuamente il modo in cui lavoriamo e interagiamo all’interno di Wrike per adattarci a esigenze in costante evoluzione. Ma, come ha detto molto bene Nancy, serve tempo.

Ho due ore bloccate nel calendario ogni venerdì. Le utilizzo per la manutenzione di tutti i miei agenti, assistenti, attività specializzate e programmate in Claude e ChatGPT, degli agenti in Wrike e così via, perché la realtà è che l’attività aziendale cambia. Tutto è in costante movimento e trasformazione.

Cambia la tecnologia oppure cambia l’azienda, e devi dedicare un po’ di tempo alla manutenzione. Io dedico quelle due ore, ma tutto quel lavoro si traduce poi in un risparmio di 15 o 20 ore.

Tim Fisher: Mi piace il modo in cui l’hai formulato. Anche se l’analogia non è perfetta, è un po’ come avere colloqui individuali con il proprio team: c’è una manutenzione continua, formazione ed evoluzione dell’azienda che devono avvenire con tutte le persone a cui deleghi il lavoro.

Ora questo include anche gli agenti. Mi piace molto il vostro modo di pensarla.

Andras Horvath: Sì, assolutamente. Oggi tutti diventano manager. Che ti piaccia o no, devi gestire la tua flotta di agenti.

Tim Fisher: Restiamo nel futuro ancora per una domanda. Supponiamo che siano passati cinque anni. Una persona nuova nella gestione dei progetti lavora nei sistemi che avremo allora, nella versione di Wrike tra cinque anni. Quale aspetto del lavoro di un tempo troverà sorprendente? Qual è la cosa che scomparirà e di cui non sentiremo più parlare?

Andras Horvath: Aggiornare gli stati in Wrike, per esempio. Stiamo lavorando ad agenti che parteciperanno alle riunioni con te, ai canali Teams e Slack e così via. Ogni volta che avverranno conversazioni, manterranno aggiornato il lavoro in Wrike. Alla fine vogliamo che questi agenti siano ambientali, così che tutti gli aggiornamenti avvengano automaticamente e, nel tempo, imparino da te quali aggiornamenti eseguire in autonomia e per quali invece devono chiedere conferma.

Con il tempo questo si svilupperà. Nessuno dirà più: “Fammi aprire Wrike per verificare che questa attività sia contrassegnata come completata”. Oggi molti clienti lo fanno comunque tramite il proprio assistente preferito. In futuro accadrà automaticamente, senza che tu debba impartire un prompt o fare qualcosa di simile. Lo stesso vale per tenere aggiornate le persone, gli aggiornamenti di stato, i report sulla capacità, i report sui rischi e così via.

Tutto questo è già automatizzato per migliaia e migliaia di account dei nostri clienti. Come ho detto, anche la creazione di progetti o di lavoro da zero, l’assegnazione delle risorse e tutto il resto si basano su una grande quantità di informazioni già esistenti. Stiamo lavorando duramente per estrarre le informazioni presenti in Wrike e trasformarle in conoscenza organizzativa, così da automatizzare il più possibile questo lavoro.

Tra cinque anni, quindi, spero che il responsabile medio di progetto, il responsabile di prodotto o chiunque guidi o gestisca qualcosa si concentri soprattutto sull’allineamento, sulla raccolta di feedback e sull’aspetto umano, invece di stare davanti a un computer a inserire dati o riassumere stati e report.

Dobbiamo solo assicurarci che l’inserimento dei dati avvenga nel luogo in cui avviene la comunicazione. Se qualcuno vuole sapere a che punto siamo, non dovrebbe dover chiedere al responsabile di progetto o al responsabile del team. Dovrebbe bastare una domanda, ma quella domanda dovrebbe consultare più fonti, raccogliere i dati e restituirli alla persona.

Non si tratta di un semplice aggiornamento dello stato a senso unico. È una conversazione sullo stato, perché nel corso degli anni invii un report e poi compaiono 22 domande. I tuoi agenti devono avere il contesto necessario per rispondere anche a queste domande successive.

Tim Fisher: Sono curioso di sapere cosa vi entusiasma di più nella vostra tabella di marcia. Mi piacerebbe anche che rivelaste qualcosa che nessuno ha ancora sentito su ciò che sta accadendo in Wrike, senza alcuna pressione, ma sono curioso: quando vi alzate e andate al lavoro e vedete all’orizzonte qualcosa che state costruendo o progettando, cosa vi entusiasma di più?

Andras Horvath: Personalmente, la conoscenza e la memoria organizzativa. È qualcosa su cui stiamo lavorando. È l’estrazione dei processi nella sua forma migliore: raccogliere quelle informazioni e conservarle nei luoghi giusti. Quello che vedo accadere spesso oggi su internet è che gli agenti hanno una propria memoria, il che è fantastico.

Ma nel momento in cui implementi sistemi aziendali, potresti avere 55.000 agenti in esecuzione. Potresti avere 60 responsabili di progetto, agenti con memorie diverse e, nel momento in cui ne elimini uno, quella memoria scompare. Stiamo cercando di conservare la memoria e collegarla al luogo in cui lavori, anziché all’agente.

Quando implementi un altro agente, quindi, questo riceve la stessa conoscenza. Il problema è assicurarsi di non sovraccaricare il contesto. Devi garantire che la memoria venga creata, conservata e recuperata nel modo più efficiente possibile. Una volta raggiunto questo obiettivo, più utilizzi il sistema, personalmente o tramite gli agenti che comandi, più questi diventeranno intelligenti e più lavoro riusciranno a toglierti dalle spalle.

È un apprendimento continuo, proprio come per gli esseri umani. Penso che siamo appena all’inizio. Gli agenti miglioreranno sempre di più, ma non necessariamente grazie al miglioramento dei modelli. I modelli sono fantastici. Non importa se migliorano: l’unica cosa importante è che diventino più economici, così puoi avere agenti sempre attivi invece di eseguirli in base a diversi attivatori, come l’assegnazione di un agente, una menzione, una pianificazione o altro.

Avere un agente sempre attivo, oggi, costerebbe milioni di dollari. Siamo realistici. Quindi penso che modelli più economici siano un vantaggio e ci arriveremo; questo ci permetterà di avere agenti ambientali. Ma anche la memoria e l’estrazione dei processi li renderanno davvero molto più potenti rispetto a oggi.

Nancy Boas: Penso che tu l’abbia spiegato molto bene. Vorrei solo aggiungere che stiamo celebrando il nostro ventesimo anniversario e siamo utilizzati da organizzazioni con sei o sette reparti e migliaia di utenti. Se tutte queste informazioni restassero lì senza essere sfruttate, renderemmo loro un cattivo servizio.

Ha quindi perfettamente senso aiutarle a lavorare meglio, scoprire quelle informazioni utili, individuare competenze dedotte e perfezionare l’intero processo di gestione dei progetti.

Andras Horvath: Se posso aggiungere qualcosa, Tim, Nancy ha menzionato le competenze dedotte. Alla fine della giornata non stai semplificando la parte di inserimento dei dati.

Se puoi avere agenti che partecipano a tutte le conversazioni in cui sei coinvolto e mantengono tutto aggiornato, il lavoro diventa semplicemente molto più facile e piacevole. Non devi più dire: “Scusate, mi serve un po’ di tempo perché devo aggiornare tutto in Wrike” o negli altri sistemi che utilizzi.

Tim Fisher: È una visione del futuro davvero interessante. Parlate di qualcosa di cui non sento parlare abbastanza: c’è un’ossessione per modelli sempre più intelligenti, ma il collo di bottiglia non è più quello. Si tratta del costo e della possibilità di avere sistemi sempre attivi, ed è fantastico.

Mi piace molto ciò a cui state pensando. Per chi ci ascolta e vuole scoprire queste funzionalità di Wrike o conoscere Wrike per la prima volta, dove dovrebbe andare?

Nancy Boas: Può visitare wrike.com/ai e, se desidera una dimostrazione o richiedere maggiori informazioni, quello è un ottimo punto di partenza.

Tim Fisher: Andras e Nancy, grazie davvero per essere stati con noi. Ci vediamo alla prossima sessione de Il futuro dell’IA nella gestione dei progetti.

Nancy Boas: Grazie mille.

Andras Horvath: Grazie mille.