Perché le persone intelligenti ottengono risultati generici dall’IA

Galen Low: Diciamolo apertamente: siamo tutti stanchi di rivedere deliverable, report e aggiornamenti di stato che odorano tutti di IA generica. Ma mentre è facile dare la colpa alla tecnologia e fermarsi lì, c'è qualcosa di più sotto la superficie. La maggior parte delle persone ottiene risultati generici dall'IA perché pone domande generiche. E la maggior parte delle persone pone domande generiche perché o non capisce come funziona la tecnologia, o non ha la sicurezza di sfidare l'IA, o si sente un impostore tra i colleghi, o a volte tutte queste cose insieme.

Di conseguenza, molte persone stanno perdendo le abilità di cui abbiamo più bisogno adesso: la curiosità e la capacità di pensare in modo critico. Per aiutarci a correggere tutto ciò nelle nostre squadre, ho invitato un esperto di IA e formatore determinato a sollevare la marea per portare tutti in alto, così che la sindrome dell'impostore, i prompt poco brillanti e le risposte generiche diventino un ricordo del passato. E affinché ciò che l’essere umano porta al tavolo torni ad essere protagonista. Spero che l’episodio vi piaccia.

Benvenuti a Digital Project Manager Podcast—il programma che aiuta i leader della delivery a lavorare in modo più intelligente, gestire meglio i progetti e guidare le loro squadre con sicurezza nell'era dell'IA. Sono Galen e ogni settimana analizziamo strategie concrete, tendenze emergenti, framework collaudati e occasionali “storie di guerra” raccolte in prima linea nei progetti. Che tu stia gestendo grandi progetti di trasformazione, tenendo sotto controllo i flussi di lavoro IA o semplicemente cercando di contenere il caos, sei nel posto giusto. Iniziamo subito.

Oggi parliamo di come la sindrome dell’impostore legata all’IA possa frenare le nostre squadre in modo sottile e meno sottile, e di quali passi pratici possiamo compiere per aiutarle a trovare il giusto equilibrio tra curiosità e capacità di interrogare strategicamente i risultati degli strumenti IA.

Vedremo insieme un framework pratico per aiutare i nostri team a porre domande migliori e valutare criticamente i risultati, e l’impatto che tutto questo può avere sulla strategia IA generale di un’azienda. Parleremo anche dell’atrofia delle competenze e di come aiutare i team a evolversi mentre il mondo cambia intorno a loro.

Con me oggi c’è Mashhood Ahmed, Direttore di Progetti presso M1 Consultants. Mashhood aiuta le aziende a progettare programmi di abilitazione all’IA generativa che portano un impatto reale. Con un framework di adozione GenAI collaudato, a quattro livelli (alfabetizzazione IA organizzativa, flussi di lavoro specifici per dipartimento, automazioni agentiche e programmi di formazione) Mashhood aiuta i team a integrare l’IA lasciando spazio all’ingegno umano.

Per riuscirci, Mashhood mette a frutto i suoi oltre vent’anni di esperienza in program, project e change management. Per lui, l’IA è più di semplici strumenti: si tratta di integrarla veramente nel lavoro quotidiano.

Mashhood, grazie mille per essere qui con me oggi.

Mashhood Ahmed: Grazie davvero. Grazie dell’invito.

Galen Low: Sono davvero felice di approfondire l’argomento.

Ho seguito alcune tue conferenze e penso che il taglio sia molto bilanciato, mi ha colpito davvero il tuo punto di vista su come guardare all’IA nella sua implementazione e nel come la integriamo nel lavoro. È un approccio davvero pragmatico, quindi sono entusiasta di approfondirlo oggi.

Hai ovviamente già collaborato con noi qui a The Digital Project Manager più volte. Il tuo messaggio colpisce sempre nel segno. E quindi pensavo che potremmo iniziare con una bella domanda impegnativa e poi farci guidare dalla conversazione. Lungo la strada, mi piacerebbe toccare cosa significa avere una mentalità curiosa per l’IA e perché è importante, quali passi fare nei team per bilanciare questa curiosità interrogando strategicamente le risposte dell’IA, e anche cosa rischia il futuro della tecnologia IA se le nostre squadre continuano a basarsi su domande superficiali e si accontentano di risultati generici quando interagiscono con l’IA.

Insomma, so che è tanta roba, come ti sembra?

Mashhood Ahmed: Mi sembra perfetto.

Galen Low: Bene, fantastico. Iniziamo. Parto dal generale, visto che lavori con diverse organizzazioni aiutandole a diventare fluide con l’IA così da integrarla nei propri processi.

Ma ti ho sentito parlare delle persone che utilizzano domande generiche e poi accettano risposte generiche senza farsi domande. Quindi ti chiedo: secondo te, che percentuale di professionisti che usano l’IA in un contesto lavorativo ottiene solo risposte mediocri e pensa che sia il massimo possibile?

Mashhood Ahmed: Ottima domanda. Quanta percentuale di persone usa l’IA in modo generico e ottiene risposte generiche? Secondo me circa il 40-50%. E darei a tutto il tuo pubblico un semplice test, ok? Così possono capire cosa intendo per risposta generica di un’IA. Tutti abbiamo giocato, almeno una volta nella vita, con un dado.

Quello che vorrei fare—l’ho già sperimentato con centinaia di persone—aprite Copilot in una scheda, in un’altra ChatGPT, poi Gemini e magari un’altra ancora. Provatene quattro o cinque. In genere, con una grande platea ne userei uno, ma provate; vivrete in prima persona l’esperienza. Mettete un prompt semplice: "Lancia un dado a sei facce per me." Quasi tutti gli strumenti generativi daranno come risposta il numero quattro, ok?

L’ho visto con centinaia di persone: nell’85-90% dei casi il risultato è quattro. Qualcuno ottiene numeri diversi, ma le statistiche sono queste. Ho ricevuto feedback su ChatGPT, Gemini, Claude, Groq, Perplexity e altro: tutte fanno lo stesso errore.

Quando chiedete all’IA di lanciare un dado, non sa effettivamente come farlo. Statisticamente e matematicamente, gli hanno “insegnato” che per ottenere il risultato di un dado si prende la media delle sei possibilità (da uno a sei), si fa la media (che è 3,5) e si arrotonda a quattro. Ecco perché nell’80-90% dei casi otterrete come risposta il quattro. Ora fate un altro esperimento: scrivete nello stesso strumento, "Lancia un dado a sei facce assicurando probabilità uguali per ogni faccia", oppure "Vorrei il numero più alto/più basso," o un prompt originale.

Vedrete che ogni volta l’output è più equilibrato perché avete dato contesto e restrizioni. Quindi, se chiedete in modo generico “Lancia un dado a sei facce,” avrete quasi sempre il quattro.

Questo perché l’IA non capisce il contesto: non conosce il vostro progetto, non ha il vostro giudizio umano. Ecco perché è fondamentale che i prompt o gli agenti siano ricchi di contesto e limitazioni precise per ottenere risposte veramente utili.

Galen Low: Adoro questa cosa. Ho appena aperto qualche LLM ed è vero: su tre, due hanno dato il quattro e uno il sei. Ancora non ho provato a dare più contesto, ma penso sia molto pertinente. E penso anche—senza parlare di studi formali—che quella percentuale del 40-50% sia realistica. Credo che ancora in tanti usino l’IA come Google Search: con prompt di quattro o cinque parole, che a volte può anche bastare. Ma la complessità dei nostri progetti, le persone con cui lavoriamo e tutte le informazioni che portiamo nella nostra testa, non sono presenti nel training dell’LLM.

Se non le diciamo, il risultato sarà generico. Quello che amo e odio dell’IA generativa è che è troppo convincente: le persone pubblicano questi risultati. Non è una novità. Sembrano così ben fatti e convincenti che ti fanno pensare: "Ottimo, fatto!" Meglio di come l’avrei scritto io, quindi vado avanti e basta. Poi vedremo alcune ragioni dietro a questo comportamento, ma è proprio l’impressione altamente convincente anche quando il risultato è mediocre.

Mashhood Ahmed: Sì. Io uso un trucco chiamato cambio di prospettiva/persona. Basta chiedere all’IA: "Adesso leggi questa email o documento dalla prospettiva di una persona favorevole o contraria al progetto," fornendo anche qualche dettaglio sul ruolo. Vedrete la risposta cambiare. Così potete decidere di modificare il documento oppure prepararvi a rispondere alle domande che potreste ricevere in riunione o in board.

Questo è fondamentale: lavorando su un progetto possiamo essere sviati da tanto “rumore.” L’IA può aiutarci a cambiare prospettiva. Ad esempio: guardala dal punto di vista del CFO, che non è convinto di spendere 1,4 milioni di dollari per salvare il progetto. Un contesto diverso.

Spesso non pensiamo a questi dettagli da project manager, perché siamo presi da mille cose. Se l’IA ci libera da altri compiti, come project manager possiamo concentrarci sulle capacità motivanti: pensiero critico e fare domande giuste. È una skill fondamentale: la chiamo mentalità inquisitiva, di cui parleremo oggi.

Galen Low: Fantastico. Perfetto, parliamone. In tanti modi non fa il lavoro per te, ma ti aiuta a metterti nei panni degli stakeholder per non essere colti di sorpresa. Essere colti di sorpresa nasce dal non aver anticipato la mentalità degli altri.

A questo punto vorrei chiederti della sindrome dell’impostore: nei tuoi speech ricorre spesso. Per chi non la conoscesse, si tratta di quella sensazione in cui anche i professionisti di successo si sentono degli impostori che non meritano ciò che hanno raggiunto.

Nel contesto dell’IA è un po’ diverso rispetto al semplice sentirsi “immeritevoli”. Cosa scatena la sindrome dell’impostore nell’IA e come impatta sull’approccio all’IA?

Mashhood Ahmed: Ci sono diversi fattori. Prima di tutto, l’IA è invisibile. Siamo abituati a input, processo, output: nella carriera forniamo un input, capiamo il workflow del processo e otteniamo un output. Ma con l’IA il workflow varia a seconda del contesto e dei dettagli forniti, quindi diventa una scatola nera che ci mette a disagio. È successo anche a me—talvolta la demo non funziona come previsto. E questo destabilizza.

Oltre all'invisibilità del processo, c'è il confronto sui social: sembra che tutti lo stiano usando, ma non tutti lo usano bene. Anch'io continuo ad imparare cose nuove. Come project manager o PMO manager, siamo abituati a sapere tutto del nostro progetto. Sappiamo perché c’è un rischio, un problema col fornitore, ci tirano in una riunione e sappiamo tutto lo storico. Ma con l’IA tutto è invisibile, ci sentiamo fuori controllo.

Gli esseri umani vogliono avere il controllo, siamo dei “fissati” del controllo. Quando il controllo passa alla macchina, andiamo nel panico: da qui nasce la sindrome dell’impostore. Non sappiamo cosa risponderà la macchina, dobbiamo ricontrollare tutto e spesso genera più confusione che valore. Ecco perché domande inquisitive e gestione del rumore sono temi cruciali di cui parleremo oggi.

Galen Low: È interessante: da una parte c’è la definizione popolare della sindrome dell’impostore, basata sul confronto con gli altri (su LinkedIn sembra che tutti siano più bravi di te); dall’altra la paura di criticare output apparentemente perfetti dell’IA. Come project manager hai consegne al 98% complete, ma se dai un feedback all’ultimo rischi di dover ricominciare tutto. Col black box dell’IA, l’output sembra finito e se non ti senti sicuro pensi: “Beh, l’IA è senz’altro più intelligente di me! Cosa ne so io rispetto a una macchina addestrata sull’intera storia dell’umanità?”

Ma il suo punto debole è proprio il contesto, ovvero non sa cosa è stato detto in una riunione o quale stakeholder si oppone. Solo noi abbiamo queste informazioni—ed è lì che la collaborazione è essenziale.

Mashhood Ahmed: Proprio così: il diavolo sta nei dettagli. Anche se sembra tutto perfetto, sono i dettagli a fare la differenza. Un project manager sa che la trascrizione della riunione può riportare letteralmente le parole dette, ma capisce chi dice sì solo per compiacere. Magari il direttore firma il documento ma non è lui a fare tutto concretamente: bisogna conquistare la fiducia di altri stakeholder “indiretti.” Questo deriva dall’esperienza e dal pensiero critico.

Parleremo di perché oggi il pensiero critico è fondamentale: conosci le persone, le dinamiche, cosa funziona nella tua organizzazione (che magari non funziona altrove). Nessun progetto, nella mia esperienza, segue una metodologia “da manuale” al 100%, perché ogni situazione è unica. Qui entra in gioco il fattore umano: solo l’esperienza può dirti cosa è davvero rilevante nel tuo contesto e per i tuoi stakeholder e team.

Galen Low: Verissimo. Questo passaggio è quello che molti project manager dovrebbero sentire. Mi rivolgo a chi guida team di PM—a un ruolo già complesso e spesso vissuto come “accidentale.” Molti non si sentono all’altezza perché non seguono alla lettera i manuali, ma quello che hai appena detto è proprio il valore aggiunto. Quello è il contesto in più che serve. Quella è la specialità che portate, e l’IA è il partner da usare per aumentare produttività e sfruttare le proprie conoscenze.

Passiamo quindi alla parte sulla curiosità e pensiero critico: la chiave per usare l’IA efficacemente. Partiamo dalla curiosità: cosa significa per te avere una mentalità inquisitiva? Perché è importante con l’IA?

Mashhood Ahmed: Un tempo si diceva “il sapere è potere”, chi ha più dati vince. Oggi è il contrario: troppi dati o troppe informazioni possono essere una maledizione. Serve solo ciò che è rilevante. Oggi posso trovare tonnellate di dati su qualsiasi argomento online, è tutto a portata di mano grazie all’IA generativa. Ma ora c’è tantissimo rumore: scrivi tre/quattro righe di prompt e ottieni un documento di cinque pagine. Devi saperci trovare ciò che conta davvero.

Il rumore, oggi, è un input. La “strategic interrogation,” cioè interrogare strategicamente, significa chiedersi: qual è la domanda davvero rilevante da porre all’IA? Devo capire perché è importante. Se non pongo le domande giuste, l’IA mi dirà sempre sì. Devo cambiare la prospettiva: ora analizzala dal punto di vista di questa persona. Che cosa succederebbe in questo caso? I “what if.” Tutte queste ipotesi richiedono uno sforzo cognitivo enorme. Due o tre ore di lavoro continuativo con una IA sono massacranti.

Letteralmente sono sfinito dopo due ore. Ma bisogna continuare a porre domande: se non fai la domanda giusta, avrai sempre una risposta accondiscendente. Inoltre, da PM ci confrontiamo con CIO, CFO, CEO, direttori, VP. Mi sono chiesto spesso come abbiano fatto questi leader a raggiungere i loro livelli: tutti pongono una o due domande che fanno la differenza. E rispondere a quelle domande ti fa guadagnare il loro rispetto.

Chi cresce davvero nella carriera non è chi sa tutto, ma chi pone la domanda giusta al momento giusto. Questa skill oggi è fondamentale: l’IA può fare tanto, se lo imposti bene lavora per te, ma devi essere tu a fornire il contesto giusto e capire cosa conta adesso. Cosa farai con queste informazioni? Se non cambierai nulla, che senso aveva? Queste sono le domande vere da porsi e che tutti dovrebbero fare al prossimo incontro: qual è la domanda profonda da fare?

E se non ce ne sono, meglio annullare la riunione. Tutti odiano le riunioni inutili.

Galen Low: Mi piace molto. Ti andrebbe di fare un esempio concreto, uno scenario pratico su come porre le domande giuste? Spesso i leader di successo sembrano avere l’istinto di chiedere la cosa giusta al momento giusto. Quando lavori con un LLM, anche solo 30-45 minuti di conversazione per fare le domande giuste, tu quali faresti?

Mashhood Ahmed: Supponiamo che stia lavorando a un nuovo progetto: darei accesso all’IA ai miei documenti (ad esempio con Copilot). Molte aziende hanno Copilot ma non lo usano efficacemente. Quindi: condividi i documenti (solo quelli necessari!) e inizia a chiedere: "Cosa manca? Dove ci sono delle lacune? Quali sono le incongruenze?" Oppure: "Quali domande potrebbe farmi qualcun altro?" (prompt di cambio-persona).

Se si chiede più budget, che domande farebbe il CFO? Il business owner si preoccupa della delivery, il CIO delle integrazioni e sicurezza. Ognuno ha una prospettiva diversa: il cambio di persona aiuta molto.

Un’altra tecnica che uso è chiedere all’IA di intervistarmi, facendo domande di chiarimento una alla volta. Così evitiamo le allucinazioni, che si verificano quando non forniamo abbastanza contesto. Se obblighi l’IA a chiedere domande una ad una (invece che tutte insieme) migliori tantissimo la qualità delle risposte.

Altro fondamentale: impostare vincoli e limiti (“guardrails”). Noi umani sappiamo cosa fare, ma siamo meno bravi nell’individuare cosa non fare: una “non to-do list” è importante con l’IA. Ciò che non le dici di NON fare, tenderà a farlo. Meglio mettere per iscritto questi limiti, anche nei prompt. Ad esempio si può specificare: "Rispondi solo con tre punti elenco; dammi una tabella con 5 colonne; non superare le 100 parole."

Su Copilot posso anche consentire modifiche dirette sui documenti: "Aggiusta questa slide," ad esempio. Essere specifici e non dare mai all’IA “carta bianca.” A fine report, il nome è il tuo, non puoi dire "Generato da IA, verificare." La responsabilità è la tua.

Quindi: occorre sempre il controllo umano. Anche con IA agentica, l’uomo resta nel ciclo: a diversi livelli, per verificare che ogni agente lavori correttamente.

Galen Low: Parliamo ora della parte strategica nell’interrogazione. Mi piace molto questa idea che porre domande sia apprendere e che, con l’IA, non ci sia solo da fare ma anche da imparare. Spesso, soprattutto con Copilot e LLM, sentiamo la pressione di completare tutto in quindici minuti. Ma da come parli tu, lavorare con le IA richiede tempo: fai domande che magari inizialmente non consideravi; imposta limiti; cerca gli elementi mancanti. Queste sono competenze che i project professional coltivano. Dare feedback su ciò che manca, non solo su ciò che c’è, è fondamentale.

A volte ricevi sette pagine di output e perdi tutto il giorno a leggerle… meglio lavorare a piccoli pezzi. E poi, usare l’opportunità non tanto per correre, ma per imparare e valutare meglio il contesto. Prima di proseguire: condividi con i tuoi LLM queste sfumature e dettagli, tipo la vera persona decisiva dietro le quinte?

Mashhood Ahmed: Sì. Nella preparazione PMP ci insegnano a fare una “influence matrix.” Io suggerisco anche un vero e proprio profilo delle figure chiave. Si può impostare un agent che, leggendo tutte le trascrizioni delle riunioni, costruisce un profilo di ogni partecipante (“persona”). Si può poi correggere la memoria dell’IA confermando o negando queste informazioni.

Questa operazione aiuta tantissimo nel cambio di persona. Ad esempio: "Ecco il mio sponsor, leggi questa trascrizione e dimmi la tipologia comportamentale." Uno dei miei talk è proprio sul DISC profiling (John Maxwell), applicandolo agli stakeholder tramite IA generativa—più lo usi, più l’IA ci azzecca.

Galen Low: Davvero un’ottima idea. Noi dobbiamo fornire contesto per una valutazione corretta. Eppure… nessuno di noi si metterebbe a leggere tutte le trascrizioni manualmente per mappare i profili DISC: troppo lavoro. L’IA invece può occuparsene e aiutarci a fare scelte più informate. Questo ci porta al tema della “interrogazione strategica”.

Abbiamo già accennato che, come umani, la responsabilità è nostra. Non puoi presentarci dicendo "Scusate se il mio lavoro ha errori, ma pagatemi lo stesso"—non funziona. Cos’è per te l’interrogazione strategica degli output IA e come si bilancia con la curiosità?

Mashhood Ahmed: Si bilanciano perfettamente, perché strategico vuol dire “focalizzarsi su una cosa sola e togliere il rumore.” Se guardi un piano strategico, contiene al massimo tre-cinque punti chiave—tanto quanto la memoria umana può reggere. Bisogna capire cosa è davvero importante, cosa non lo è, cosa è solo rumore.

L’IA può sbrigare il lavoro di base, ma devi selezionare tu cosa va nel documento, nella knowledge base, nella scheda stakeholder, e così via. E soprattutto: cosa è meglio non mettere in una presentazione perché potrebbe portare la discussione fuori strada.

È questione di saper leggere la situazione, le persone in aula. L’IA non si presenta in board al posto tuo: ci sei tu al volante. Sapere quali domande fare, e quando, è fondamentale e una delle skill più importanti da coltivare. L’IA può fare quasi tutto, ma sei tu a doverle chiedere di fare la cosa giusta al momento giusto.

Galen Low: Interessante che potrei rileggere questa conversazione e togliere “IA”, sostituendo con “colleghi”, e funzionerebbe lo stesso. Fa pensare che investiamo più tempo a dare contesto alle macchine di quanto ne dedichiamo spesso alle persone. Forse dovremmo educare i team con la stessa cura che riserviamo agli LLM.

Tu aiuti molte organizzazioni a fare questo salto: usare il proprio spirito critico e interrogare gli output. Dicevi che, comunque, la selezione di cosa portare davanti agli stakeholder e cosa presentare rimane tua. Fornisci questo feedback all’LLM, spiegando cosa non includi e perché, o semplicemente decidi tu e vai avanti?

E soprattutto: come sviluppi la mentalità inquisitiva e interrogativa nei team? Come riconosci i “sintomi” di chi ancora non la possiede e come li aiuti ad acquisirla?

Mashhood Ahmed: Sul primo punto: è importantissimo dare feedback all’IA riguardo alle sue risposte. Un consiglio per tutti: informatevi su system prompt, custom instruction e memory. Non vi spiego tutto qui, ma cercate queste tre nozioni su qualsiasi IA e capite come funzionano. Aggiornate memorie e istruzioni personalizzate su Outlook, Copilot, ChatGPT o Claude. Così imposterete limiti e comportamenti, ma comunque l’IA sbaglierà, quindi serve sempre l’occhio critico umano.

La seconda domanda: che fare con chi è ancora insicuro o bloccato? È sempre successo: successe con l’arrivo di internet. Alcuni pensavano di sapere già tutto, ma se ti assenti l’azienda si ferma. Solo con un database online si supera il problema. Un’altra grande paura è: il mio lavoro è a rischio? Risposta: sì e no. Le professioni cambiano sempre con l’avanzare della tecnologia. 25 anni fa nessuno aveva mai sentito parlare di “cloud engineer.”

Ad esempio: 15 anni fa aprivo datacenter, oggi affitto server sul cloud in ore invece che mesi. Dobbiamo prendere atto che i progetti di oggi non saranno quelli di domani. L’unica cosa logica è continuare a imparare gli strumenti nuovi e restare consapevoli dei propri “blind spot”—e di quelli dell’IA. I modelli IA continueranno a cambiare; serve un occhio sempre allenato al controllo qualità perché i prompt si “spostano”, driftano.

C’è tanto rumore—un prompt di cinque righe, sette pagine di risposta! Serve attenzione: da leggere e sistemare ci metti 30 minuti se va bene, una giornata se va male. Quindi il giudizio umano resta centrale: siamo noi che andiamo davanti al board, che gestiamo persone, che comprendiamo le complessità del rapporto umano, anche in diverse culture.

È un cambio di mentalità fondamentale.

Galen Low: Mi piacerebbe chiederti un esempio completo: quando lavori con team che usano l’IA in modo generico, come ti accorgi che sono al punto di dover “fare il salto” verso una mentalità più inquisitiva e strategica e quali risultati vedi dopo?

Mashhood Ahmed: Di solito, mostro qualcosa di molto semplice. Come detto all’inizio: provate l’esperimento del dado e capirete che input generici danno output generici. Ho visto persone dirmi, "È magia! Hai hackerato l’IA!"—quando in realtà è semplice statistica e matematica.

Per far crescere il livello del team serve coinvolgere i “champion” interni, chi già usa l’IA con sicurezza. Fategli tenere workshop, Tech Tuesdays o Lunch&Learn su piccoli temi, senza strafare. In una mia recente consulenza in una università americana su GenAI, abbiamo iniziato solo con le basi, e dopo una singola sessione di due ore la fiducia media era salita dal 19% a oltre il 70%. Il 90% consiglierebbe la formazione ad altri.

È fondamentale rapportarsi a tutti: Susy in HR che non è “tech,” Dan in procurement che non è “tech” ma conosce i fornitori. Bisogna tenere esempi semplici, lasciarli sperimentare, riprendere feedback e monitorare i progressi. Se siete admin IT potete controllare l’utilizzo di Copilot e la quantità di token consumati, ma fate attenzione ai costi—c’è il rischio di superare i limiti se lo usano troppo.

Galen Low: Giusto.

Mashhood Ahmed: Quindi bisogna pensare a governance, policy e, come dicevo, alle cose da NON fare con l’IA. Sono tante le storie di incidenti causati dall’assenza di regole: uno dei casi che ricordo sempre è quello di Air Canada, in cui un chatbot aveva promesso sconti per lutto che in realtà non esistevano, scatenando una causa persa e danni all’immagine ancora oggi.

Quindi, pensate bene prima di aprire la porta all’IA, partite con calma, monitorate le persone. Ogni team, ogni business ha esigenze diverse: iniziate in piccolo!

Galen Low: Mi piace molto questa “ricerca dell’equilibrio”. E anche il lavoro fatto con quell’università: all’inizio parlavamo di sindrome dell’impostore, la contrapposizione con ciò che vediamo su LinkedIn, dove tutti sembrano più avanti. Invece, imparare insieme, sperimentare, condividere, dà sicurezza. Si riduce la sindrome dell’impostore e si cresce dove realmente serve.

Come dicevi tu, spirito curioso e interrogazione strategica sono anche un apprendimento continuo: serve tempo, ma così costruiamo fiducia. Solo così si va oltre il chiedere domande generiche o accettare output “polished” solo perché sembrano ben fatti. Si ottengono risultati di qualità e si difende il proprio valore. Alcuni pensano sia magia, altri che l’IA risolva tutto. La verità è che umani e IA hanno punti forti e deboli diversi—occorre equilibrio.

Mashhood Ahmed: Una cosa che ripeto spesso è che la skill fondamentale oggi è saper disimparare e re-imparare. Ne parlano anche il Lean Six Sigma e il change management: non basta dire "abbiamo sempre fatto così". Serve disimparare vecchie abitudini e imparare cose nuove. C’è chi è aperto e chi meno, come mio padre che da architetto si rifiutava di usare AutoCAD: preferiva assumere qualcuno che lo facesse. Oggi non funziona più sempre così, ma ognuno ha un suo percorso. L’importante è sapere cosa disimparare e imparare realmente: è difficilissimo cambiare abitudini.

Galen Low: Mi piace questa idea dello “spazio negativo”: non solo ciò che c’è ma anche ciò che manca, non solo la conoscenza ma anche le assunzioni non dette, non solo ciò che impariamo ma anche ciò che dobbiamo disimparare. Oggi sentiamo tante preoccupazioni sull’atrofia delle competenze: l’IA ridurrebbe la necessità di pensiero critico. Ma in realtà questa è l’occasione per imparare di più, pensare in modo critico, sviluppare quell’occhio da leader che permette di firmare un documento con sicurezza. Bisogna essere consapevoli delle proprie responsabilità invece che imparare l’IA solo per evitare di imparare altro.

Mashhood Ahmed: Hai ragione: l’eccessiva fiducia nell’IA può “danneggiare” la nostra capacità di pensiero e problem solving. Fondamentali che nessun MBA può insegnare, che vanno insegnati ai bambini. E sono questioni più umane che tecnologiche: insegnare l’autonomia, la capacità di osservare, risolvere problemi, essere consapevoli. L’eccessiva automatizzazione mette in gioco la nostra reputazione se non prestiamo attenzione agli output. Serve sempre pensare a quale valore portiamo che nessuna IA può offrire.

Galen Low: Splendido. Ti metto in difficoltà con una domanda secca: cos’è che hai dovuto disimparare?

Mashhood Ahmed: Accettare che l’IA possa fare cose che facevo io stesso, anche meglio di me. L’inglese non è la mia lingua madre: commettevo molti errori, ero abbonato a Grammarly, adesso non più. Accettare i propri limiti e non volerli forzare. Puoi anche chiedere all’IA di seguire il tuo stile di scrittura, inclusa la questione della virgola di Oxford. Ma serve sempre monitorare.

Quindi bisogna essere pronti a lasciarsi andare, imparare, disimparare, ri-imparare, chiedersi sempre cosa serve davvero per sé stessi. Queste sono le competenze fondamentali da sviluppare.

Galen Low: Quindi imparare che non dobbiamo essere i migliori in tutto, come umani.

Mashhood Ahmed: Decisamente.

Galen Low: Grazie Mashhood, è stato un vero piacere parlare con te oggi. Per chi vuole seguirti, dove può trovarti?

Mashhood Ahmed: Cercate il mio nome su LinkedIn, troverete il mio profilo e miei post. Il sito è mashhood.net. LinkedIn è il modo migliore per seguirmi. Se siete su TikTok pubblico qualche contenuto anche lì, ma non regolarmente. Trovate anche video con clip da podcast e conferenze: contenuti “bite-size” per fare la differenza.

Galen Low: Perfetto, inseriremo i link a LinkedIn, TikTok e al sito nelle note per chi è interessato.

Ancora grazie, è stata una conversazione preziosa.

Mashhood Ahmed: Grazie davvero, non vedo l’ora di ascoltare quando uscirà questo podcast.

Galen Low: Bene, è tutto per questa puntata di Digital Project Manager Podcast. Se ti è piaciuta la conversazione, iscriviti dove stai ascoltando. Vuoi ancora più insight tattici, casi studio e playbook? Crea un account gratuito su thedigitalprojectmanager.com.

Alla prossima, grazie per l’ascolto.