Perché le persone intelligenti ottengono risultati generici dall’IA

Galen Low: Ammettiamolo: siamo tutti stanchi di esaminare consegne, report e aggiornamenti di stato che hanno tutto il sapore dell’IA generica. Ma se è facile incolpare la tecnologia e chiuderla lì, c’è qualcosa di più profondo in gioco. La maggior parte delle persone ottiene risultati generici dall’IA perché fa domande generiche. E la maggior parte fa domande generiche perché non capisce come funziona la tecnologia, non ha la sicurezza di sfidare l’IA, si sente un impostore tra i colleghi — a volte tutte queste cose insieme.

Di conseguenza, molti stanno perdendo proprio le abilità di cui abbiamo più bisogno oggi: curiosità e pensiero critico. Per aiutarci a risolvere questo problema nei nostri team, ho invitato un esperto e formatore di IA, determinato a innalzare il livello di tutti, così che la sindrome dell’impostore, i prompt poco efficaci e i risultati generici dell’IA diventino solo un lontano ricordo. E affinché quello che gli esseri umani portano in tavola torni al centro. Spero che l'episodio vi piaccia.

Benvenuti al Podcast del Digital Project Manager—il programma che aiuta i responsabili della delivery a lavorare in modo più intelligente, consegnare con più fluidità e condurre i propri team con sicurezza nell’era dell’IA. Sono Galen, e ogni settimana esploriamo strategie concrete, nuove tendenze, framework collaudati e qualche “storia di guerra” dalle prime linee dei progetti. Se stai guidando grandi progetti di trasformazione, gestendo processi IA, o semplicemente provando a non perdere il controllo, sei nel posto giusto. Iniziamo.

Oggi parleremo di come la sindrome dell’impostore riguardo l’IA può frenare i nostri team in modi più o meno evidenti, e di quali passi concreti possiamo fare per aiutarli a trovare il giusto bilanciamento tra curiosità e capacità di interrogare in modo strategico i risultati dei loro strumenti IA.

Vedremo un framework pratico per portare i nostri team a fare domande migliori e valutare criticamente i risultati, e che impatto questo può avere sulla strategia IA globale dell’azienda. Parleremo poi di atrofia delle competenze e di come mantenere i team in crescita mentre il mondo cambia attorno a loro.

Oggi con me c’è Mashhood Ahmed, Consulting Project Director presso M1 Consultants. Mashhood aiuta le aziende a progettare e implementare programmi di abilitazione all’IA generativa capaci di creare un impatto reale. Grazie a un modello di adozione GenAI in quattro livelli — alfabetizzazione all’IA su scala aziendale, flussi di lavoro specifici per reparto, automazione agentica e programmi di formazione — Mashhood aiuta i team a progredire verso un’IA che valorizzi l’ingegno umano.

Per raggiungere questi risultati, Mashhood mette in campo oltre 20 anni di esperienza in gestione di programma, progetti e cambiamento. Per lui, l’IA è molto più che uno strumento: si tratta di integrare l’IA nel modo in cui il lavoro viene davvero svolto.

Mashhood, grazie davvero di essere qui con me oggi.

Mashhood Ahmed: Grazie mille. Grazie per avermi invitato.

Galen Low: Sono davvero entusiasta di entrare nel merito.

Ho ascoltato alcuni tuoi interventi su questo tema e penso che il tuo punto di vista sia molto equilibrato e risuoni subito con il mio modo di vedere l’implementazione dell’IA e la sua integrazione nel lavoro. Penso che sia estremamente pragmatico, quindi sono felice di parlarne oggi.

Hai, ovviamente, collaborato più volte con noi di The Digital Project Manager. Il tuo messaggio è sempre efficace. Quindi pensavo di partire con una domanda “grossa e pelosa”, ma poi vediamo dove ci porta la discussione. Nel frattempo, mi piacerebbe affrontare cosa significa avere una mentalità curiosa rispetto all’IA e perché conta, quali passi possiamo fare coi nostri team per bilanciare questa curiosità con un’interrogazione strategica dei risultati e anche cosa rischiamo nel futuro della tecnologia IA se i nostri team continueranno ad andare avanti, diciamo, lavorando in superficie e accettando tutto ciò che l’IA produce senza spirito critico.

So che è tanta roba, ma ti suona bene?

Mashhood Ahmed: Perfetto.

Galen Low: Bene! Partiamo. Inizio con una domanda un po’ generica, perché tu lavori con diverse organizzazioni aiutandole a diventare fluenti con l’IA in modo che possano integrarla nei loro processi.

Ma ti ho sentito raccontare di quanto spesso le persone usino interrogativi generici ottenendo poi risultati altrettanto generici e andando avanti così. Così volevo chiederti: secondo te, che percentuale di chi usa l’IA in ambito professionale ottiene solo risultati medi, generici, e pensa che sia il massimo che si può ottenere?

Mashhood Ahmed: Domanda molto interessante. Quante persone usano l’IA in modo generico ottenendo risposte generiche? Direi circa il 40–50%. Vi suggerisco un piccolo test per capire cosa intendo per risposta generica dall’IA. Quasi tutti abbiamo giocato a qualche gioco di dadi nella vita.

Ecco cosa vi propongo (e ho fatto questo esperimento con centinaia di persone, anche in stanze da venti persone, e ogni volta ho lo stesso risultato—con qualche piccola variazione): aprite Copilot in una scheda, in un’altra ChatGPT, in un’altra Gemini e magari un altro modello. Provate con quattro o cinque strumenti. Di solito in gruppo uso uno solo, ma provate: così farete esperienza diretta. E inserite un prompt semplice, cioè “Lancia un dado a sei facce per me.” Quando lo fate, quasi tutti i sistemi di IA generativa risponderanno con il numero quattro.

Come dicevo, l’ho testato con centinaia di persone: tra 85 e 90 percento riceve quattro. Qualcuno in rare occasioni riceve altro. Ho ricevuto feedback su ChatGPT, Gemini, Claude, Groq, Perplexity e altri: tutti commettono lo stesso errore.

Quando chiedete all’IA di lanciare un dado, non sa come farlo davvero. Matematici e statistici hanno insegnato al modello che se ti chiedono di lanciare un dado, tra le sei opzioni prendi la media e arrotondi. Ed ecco la risposta mediocre.

La media è 3,5. Arrotonda, fa 4. Ecco perché l’80–90% delle volte ricevi quattro. Ora provate altro: stessa finestra, prompt: “Lancia un dado a sei facce con pari probabilità per ogni faccia,” oppure aggiungete “voglio il valore più alto,” “più basso” ecc. Alcune persone inseriscono prompt bizzarri—li colleziono—e vedrete che ogni volta la risposta sarà più bilanciata, proprio perché avete chiesto un dado ben mescolato, ben scosso.

Questo ci insegna che se fai una domanda generica come “Lancia un dado a sei facce”, ottieni il numero quattro l’80–90% delle volte.

Perché? L’IA non capisce il contesto. Non conosce il vostro progetto, il vostro giudizio—il giudizio umano che noi applichiamo. Ecco perché servono prompt/agent ricchi di contesto, con più vincoli e limiti per arrivare a risposte davvero utili.

Galen Low: Bellissimo esempio. Ho appena aperto alcuni LLM, e hai ragione: su tre, due hanno risposto quattro, uno sei. Non ho ancora provato a fornire più contesto, ma è chiarissimo. E chiaramente, né io né te abbiamo fatto ricerca scientifica e non siamo statistici.

Ma quella percentuale, 40-50%, mi trova d’accordo: c’è tantissima gente che usa l’IA come Google, cioè prompt di 4–5 parole, che magari in alcuni casi va bene. Ma la complessità dei progetti e delle persone con cui lavoriamo, e tutto quel bagaglio di conoscenze non è già nelle basi dati degli LLM.

E se non lo specifichiamo noi, riceviamo risposte generiche. E la cosa che mi piace e mi irrita di più dell’IA generativa oggi è che è così convincente—la gente pubblica queste risposte, non è una novità—ma sembrano belle e convincenti e quasi ti dicono che sei bravissimo e ti fanno venir voglia di fidarti ciecamente.

Ti dici: “Ottimo, è fatta.” Sembra meglio di quanto avrei scritto io, quindi la prendo così com’è. E parleremo dei motivi per cui succede. Ma è proprio vero che è tutto troppo convincente, anche se in realtà mediocre.

Mashhood Ahmed: Sì. Io uso una tecnica chiamata cambio di persona. Consiste nel prendere il tuo report, il tuo project charter, la tua email, e inserire un prompt tipo: “Ora rileggi questo documento dal punto di vista di una persona (ad esempio, chi sostiene o chi osteggia il progetto), con un po’ di contesto su quella persona.”

E vedrai la risposta. E magari poi decidi di modificare il documento, oppure di tenere la domanda e prepararti: “Se qualcuno mi chiede questo alla prossima riunione/presentazione, ho la risposta pronta.”

È importante perché nel lavoro di progetto veniamo travolti dal rumore, e possiamo usare l’IA per cambiare punto di vista. Per esempio, vedere tutto dal punto di vista del CFO, che non è convinto di spendere 1,4 milioni per salvare un progetto. Altro contesto.

E talvolta non pensiamo nemmeno a queste cose come project manager perché siamo troppo occupati. Se l’IA ci aiuta con tante altre attività, il PM si può concentrare sul pensiero critico e sulle domande vere. Ed è una competenza fondamentale. Io la chiamo mentalità curiosa. Ne parleremo oggi.

Galen Low: Fantastico! Parliamone, perché secondo me l’IA non fa il lavoro per te, ma ti aiuta a immedesimarti nei portatori di interesse così da non farti cogliere impreparato. Spesso quando resti spiazzato è perché non hai considerato il punto di vista di qualcun altro.

Arriviamo a questo, ma prima voglio allargare lo sguardo perché spesso usi il termine “sindrome dell’impostore” nei tuoi interventi e post; per chi non lo sapesse, è quel fenomeno per cui anche professionisti affermati pensano di aver imbrogliato tutti e di non meritare i loro successi.

Nel contesto IA secondo me è ancora diverso dal classico sentirsi immeritevoli. Lascio la parola a te: cosa c’è nell’IA che scatena la nostra sindrome dell’impostore e come impatta il nostro approccio?

Mashhood Ahmed: Ci sono vari aspetti che scatenano la sindrome dell’impostore: la sensazione di non essere all’altezza, non capire abbastanza, mentre tutti sembrano capire tutto. Numero uno, è invisibile. Siamo abituati a input, processo, output; capiamo il workflow. Qui, con l’IA, il processo cambia a seconda del contesto e dei dettagli del prompt.

Diventa una “scatola nera” e ci mette a disagio. A me capita: in alcune dimostrazioni dal vivo, mi succede che per tre volte il risultato non è quello che mi aspetto, anche se per dieci sì. E questa cosa ci mette a disagio.

L’altro punto: sui social sembra che tutti la sappiano usare, ma non è detto che lo facciano correttamente. Nemmeno io so tutto, imparo sempre. E da PM/PMO ci si allena ad avere tutto sotto controllo sul progetto. Sappiamo perché c’è un rischio, una criticità, un problema con un fornitore. Se qualcuno mi coinvolge in una riunione, so spiegare tutto perché conosco la storia.

Con l’IA invece tutto è invisibile. Ecco perché la sindrome dell’impostore: non siamo in controllo. Gli umani vogliono avere il controllo, siamo una specie di control freak! E quando il controllo è delle macchine, ci allarmiamo.

E qui nasce la sindrome dell’impostore, perché non sai cosa tirerà fuori la macchina, quindi devi ricontrollare tutto, con il rischio di dover gestire troppo rumore.

A volte l’IA crea più lavoro che valore, e qui entrano in gioco le domande e il rumore, temi di cui parleremo oggi.

Galen Low: Interessante: è su due fronti. Da un lato, la definizione popolare di sindrome dell’impostore è sentirsi fraudolenti perché tutti intorno a te sembrano più avanti. Il feed di LinkedIn è il peggiore per la fiducia in sé sull’IA secondo me, pieno di “I sette errori nei tuoi prompt”, o “Perché i tuoi agenti non funzionano”, e ti senti subito incapace.

Dall’altro lato, come dicevi prima, molte di queste risposte sembrano così completate che non ti viene voglia di criticarle. Da PM ricevo una consegna pronta al 98%, la deadline è domani, se do feedback rischiamo di perdere giorni nel rielaborare tutto.

Qui è ancora peggio: A, scatola nera; B, sembra finito; C, se non ti senti sicuro, pensi “l’IA sarà più intelligente di me, chi sono io rispetto a qualcosa addestrata su tutta internet e tutta la storia del genere umano?”

E invece il punto debole resta il contesto: non sa cosa è stato detto a quella riunione, nemmeno chi osteggia il progetto o dove c’è rischio. C’è tanto nella nostra testa che l’IA ignora, ed è proprio da lì che nasce la partnership.

Mashhood Ahmed: C’è un vecchio detto: “Il diavolo sta nei dettagli”. Sembra tutto pronto, ma sono i dettagli che fanno la differenza. Un’altra cosa è che, come PM, puoi avere la trascrizione della riunione, ma sai benissimo che uno stakeholder può dire sì e intendere “forse”.

Sai che il direttore firma il project charter, il documento UAT o il go-live, ma magari non sarà lui/lei a seguirti davvero; sarà qualcun altro (magari l’analista) che ascolta in silenzio: quello è il vero stakeholder indiretto, quello di cui ti serve il buy-in, non il titolare. Tutto questo lo dà l’esperienza, il pensiero critico.

Parleremo dell’importanza del pensiero critico oggi: è ancora più fondamentale. Conosci la politica interna, le persone, la dinamica. Quello che vale in una organizzazione può non valere in un’altra. Abbiamo template, regole del PMI, ma nessun progetto che ho fatto ha mai seguito un unico metodo dall’inizio alla fine, perché ogni situazione è unica, e qui entra in gioco l’essere umano: “Sì, qui va bene, conosco i miei stakeholder, sponsor, il mio team, i rischi nascosti che possono emergere”. Queste cose sono insight umani.

Galen Low: È proprio così: è la parte che molti PM dovrebbero sentire. E per chi guida altre persone in ruolo da PM—che già è politico, complesso, pieno di sindrome dell’impostore e spesso ricoperto per caso—ci si sente fuori posto perché non si segue il manuale, e sembra tutto improvvisato. Ma come hai appena detto, questo è il tuo valore aggiunto. Quel contesto serve. È la tua specialità e l’IA è solo uno strumento per amplificare la tua conoscenza.

Anzi, approfondiamo: nella tua presentazione parlavi del rapporto yin e yang tra curiosità e interrogazione strategica (pensiero critico). È questa la chiave: saper usare l’IA efficacemente.

Partiamo dalla curiosità. Cosa significa per te adottare una “mentalità curiosa”? E perché è così importante con l’IA?

Mashhood Ahmed: Ricordate il vecchio detto “la conoscenza è potere, chi ha più dati è avanti”? Io oggi penso sia vero il contrario: più dati e più conoscenza hai, più rischi di esserne sopraffatto; serve la rilevanza.

Trovo tonnellate di dati online su qualunque cosa, e ora l’IA ha assimilato tutti quei dati. Se scrivo un prompt di tre-quattro righe, ricevo un documento di cinque pagine da leggere e sintetizzare. Quindi c’è un’enorme quantità di “rumore”—serve ricordare che il rumore è il vero input.

L’interrogazione strategica è chiedersi: “Qual è la domanda più rilevante da rivolgere all’IA per farmi aiutare?” Devo capire bene il perché di ogni domanda. Perché se non poni la domanda giusta, l’IA ti dirà solo sì, assecondandoti. Serve fare “persona switching”: prova a vedere lo scenario da altri punti di vista. Fai domande “E se…?”. Questo esercizio richiede molta energia cognitiva—dopo due o tre ore di IA cognitiva, sono stanchissimo, letteralmente.

Ma vale la pena continuare a fare domande. Perché, se non poni la domanda giusta, avrai sempre la risposta “sì”. Un’altra riflessione: da PM abbiamo a che fare con CIO, CFO, CEO, direttori, VP—tutti questi leader hanno una cosa in comune: quando vengono da me, mi fanno una o due domande che vanno dritte al punto, che scavano a fondo. Se rispondo bene, guadagno la loro stima; altrimenti non si rivolgeranno più a me. Salgono di carriera perché sanno fare le domande giuste, nel momento giusto.

Diventa sempre più critico fare la domanda giusta, perché l’IA può fare molto per te. Se configuri bene i tuoi agent, ti fanno da spalla. Ma resta la domanda: stai chiedendo quello che serve davvero, adesso, e cosa ci fai poi con quelle informazioni? Dopo aver letto il report cambierai qualcosa? Le domande vere sono quelle che scavano a fondo. Fermatevi e domandatevi: quali sono le domande profonde da porre alla prossima riunione, quelle che fanno la differenza? Se non le avete, meglio annullare la riunione: le persone odiano riunioni inutili.

Galen Low: Mi piace molto. Potremmo, magari dopo un attimo di riflessione dei nostri ascoltatori, passare a uno scenario pratico? Perché questa faccenda del porre domande migliori mi piace davvero. Molti che si trovano in ruoli di leadership hanno l’istinto giusto per fare le domande chiave. Tu parlavi di sessioni anche lunghe con i tuoi LLM; magari non tutti usano così a fondo questi strumenti, ma anche con una conversazione di 30–45 minuti si possono fare grandi cose. Raccontaci uno scenario e le domande che faresti.

Mashhood Ahmed: Supponiamo di lavorare su un nuovo progetto. Do accesso ai miei documenti (spesso, molte aziende hanno Copilot ma lo usano male o poco, quindi sii il primo del team). Carico i documenti, limito l’accesso “solo a questi”, e inizio.

Domando: “Cosa manca? Dove ci sono incongruenze? Quali sono le falle che qualcuno potrebbe contestare?”—domande da cambio di persona. “Stiamo chiedendo più budget: che domande farebbe il CFO?” Al CFO non importa se il progetto è nei tempi, ma se rispetta il budget; il business owner invece si interessa alla data di rilascio; il CIO ai temi d’integrazione e sicurezza dei dati. Ognuno ha il suo punto di vista: il persona switching aiuta.

Se sto creando nuovi contenuti, chiedo all’IA: “Dove ci sono incoerenze? Quali parti sono ridondanti o ripetitive?” Va bene ripetere certi concetti, ma la ridondanza eccessiva va evitata.

Poi le chiedo di aiutarmi passo-passo. Un’altra tecnica che uso: chiedo all’IA di intervistarmi, di pormi domande una alla volta. Perché avvengono le “allucinazioni” dell’IA? Perché non diamo abbastanza contesto, così l’IA fa assunzioni: se sono corrette, otteniamo buone risposte, se no, fantasia e errori. Dobbiamo addestrare l’IA come faremmo con uno stagista: pensa all’IA come a un neoassunto con MBA o appena passato il PMP—preparato ma incline agli errori da principiante. Quindi, prompt: “Fammi domande di chiarimento, una per volta.” Così qualsiasi assunzione viene verificata con te, e la qualità delle risposte cresce notevolmente.

Poi c’è il tema dei vincoli e delle barriere: come umani siamo bravissimi a fare liste di cose da fare, meno a quelle da NON fare. Eppure ora servono anche i “not-to-do” nei prompt o negli agent, per aiutare l’IA a non travalicare. Se non specifichi, l’IA rischia di improvvisare.

Poi la cosiddetta “constraint stacking”: es. “Voglio la risposta in tre bullet point”, “fammi una tabella con cinque colonne”, “limita la risposta a 50/200/1000 parole”. Preferisco risposte brevi e poi le estendo. Copilot, ad esempio, permette l’editing diretto di documenti: in PowerPoint o Word posso chiedere “sistema questo layout”, e non devo più correggere tutto a mano. Ma devo essere specifico, non lasciare carta bianca, perché non so cosa cambierà. Ricorda: il tuo nome è sul report, e quando la risposta è dell’IA c’è scritto “generato da IA, controllare tutto”. Tu non puoi fare lo stesso disclaimer su un report con il tuo nome! Sono dettagli da non trascurare: serve sempre il fattore umano. Anche con IA agentiche serve sempre un controllo umano in vari step, per verificare e monitorare.

Galen Low: Perfetto. Passiamo alla parte dell’interrogazione strategica. Ma prima, mi piace come la curiosità e le “domande giuste” siano un modo per apprendere. Siamo bravi nel fare, cerchiamo sempre la soluzione più rapida perché crediamo che l’IA ormai debba permetterci di risolvere tutto in 15 minuti. Ma tu hai appena descritto un dialogo che richiede tempo, vincoli, domande su ciò che manca o che contraddice. Queste sono competenze che tanti PM sviluppano: dare feedback anche su quello che NON c’è.

L’essere umano di solito si limita a commentare ciò che esiste già, ma sarebbe meglio fermarsi e chiedere: cosa manca? Quindi, nei briefing, chiarire limiti e vincoli, costruire output a piccoli passi, più maneggevoli. Così sfruttiamo meglio anche il tempo, non solo per lavorare veloce ma anche per ragionare sul contesto. Una domanda: dai all’LLM anche tutte le sfumature (es. “questo stakeholder in apparenza dice sì, ma quello vero è un altro”)?

Mashhood Ahmed: Certo. Nel materiale PMP ci insegnano la matrice delle influenze. Consiglio a tutti di farsi una “scheda persona” per ogni stakeholder. Puoi anche programmare un agent che legga le trascrizioni delle riunioni e raccolga info su tutti i partecipanti, poi tu approvi, correggi e l’IA memorizza. Così, quando fai il cambio di persona, puoi chiedere: “Questo è il mio sponsor. Rileggi la trascrizione e dimmi il tipo di personalità.” Vorrei proporre una presentazione sulla profilazione DISC (di John Maxwell) tramite IA applicata agli stakeholder, e col tempo l’IA impara sempre meglio a interpretarli.

Galen Low: Mi piace molto. Davvero: dobbiamo fornire il contesto all’IA per avere valutazioni efficaci. E se non hai mai avuto il tempo di profilare tutti i tuoi stakeholder, l’IA può aiutare. Questo potrebbe essere un ottimo modo per parlare di “interrogazione strategica”: come interpreteresti la bilancia con la mentalità curiosa?

Mashhood Ahmed: Si bilancia perfettamente. Strategia significa: qual è la cosa più importante da curare ora? Nella strategia vera spesso ci sono 3–5 punti focali, la soglia della memoria umana. Bisogna identificare ciò che conta veramente adesso—e ciò che invece è solo rumore.

L'IA può fare la fatica per te, ma sei tu a scegliere cosa mettere nei documenti, quali info far salire nella knowledge base, quali nelle schede persona, quali slide evitare (“se dico questo la presentazione prende una brutta piega”), ma sapere che in riunione qualcuno ti farà comunque quella domanda, quindi ti prepari. Ecco l’interrogazione strategica: cosa porre, cosa no, cosa mostrare al board e cosa omettere (perché conosci il pubblico). L’IA non potrà mai stare davanti al direttivo a rispondere: lì tocca a te.

Le domande cambiano di progetto in progetto; anche molteplici, ma trovare la domanda giusta nel momento giusto è una delle competenze chiave da sviluppare oggi, perché l’IA può tutto ma sta a te chiederle la cosa giusta.

Galen Low: In effetti si potrebbe rilegger tutta questa intervista sostituendo “IA” con “collaboratore” e avrebbe comunque senso: stiamo imparando a dare contesto, sfidare gli output e dare feedback a una macchina molto più di quanto facciamo coi nostri umani! Spesso i prompt che diamo a un LLM sono più dettagliati di quelli che daremmo a una persona—che diamo per scontato si arrangi. Quindi, dovremmo forse educare meglio le nostre persone su contesto, politica interna, parti strategiche e no, come facciamo con l’IA.

Tu aiuti tante organizzazioni a sviluppare questo approccio, bilanciando curiosità e interrogazione critica. E, come dicevi, a prescindere dalla sorgente—umana o IA—l’ultima decisione su cosa presentare sta a te. La domanda è: dai sempre feedback all’LLM su cosa includi/escludi nelle slide? Oppure lasci perdere? E poi, come porti le persone dalla generica abitudine al fare domande giuste e sfidare le risposte?

Mashhood Ahmed: Sul primo punto: fornire feedback all’IA è fondamentale. A chi ascolta il podcast: andate a vedere cosa sono il “system prompt”, le “istruzioni personalizzate” e la “memoria” nei vari strumenti IA. Aggiornateli su Outlook, Copilot, ChatGPT, Claude. Così impostate le regole: “se succede X, rispondi Y”. Ma anche così l’IA sbaglierà comunque, quindi serve sempre un occhio umano. Sviluppare questo “occhio” è una skill nuova: va allenata.

Poi, per chi è in bilico: succede sempre, come succedeva 25–30 anni fa con l’arrivo di internet (“io conosco tutto a memoria!” ... Sì, ma se vai in ferie blocchi tutti gli altri), quindi serve una base dati online. Oggi è la normalità.

C’è anche la paura per il lavoro (“rischio il posto?”). La risposta è sì e no: dipende dal contesto. Ma dalla storia sappiamo che le professioni cambiano sempre; ne sorgono di nuove con le nuove tecnologie. 25 anni fa non esistevano “cloud engineer” o “virtualization engineer”. Quindici anni fa ho seguito progetti per costruire data center fisici: oggi in poche ore puoi crearti server su AWS, Azure, Google Cloud.

Quindi, chiave è: come mi preparo ai progetti di domani? Imparando gli strumenti nuovi, colmando i miei same blind spot e quelli delle IA. I modelli cambieranno e saranno più smart in certe aree, meno in altre. C’è anche la “drift” del modello, quindi serve l’occhio da QA più di prima—perché il rumore abbonda: in pochi prompt puoi generare sette pagine da verificare in mezz’ora (o tutto il giorno, se va sistemato). Quindi, affronta consapevole questi aspetti: serve sempre l’insight umano. Gestire persone manterrà sempre una valenza specifica, ogni cultura ha le sue caratteristiche, quindi serve anche un mindset speciale.

Galen Low: Ottimo spunto. Ti chiedo un esempio pratico, una “storia” completa: partiamo dal team che usa IA in modo generico, incolla e basta, poi affronta gli ostacoli, poi passa alla mentalità curiosa e all’interrogazione strategica—come si nota la differenza?

Mashhood Ahmed: Nella mia esperienza, basta mostrare qualcosa di semplice: come all’inizio dicevo del lancio del dado, far capire che input generico porta a output generico.

Una volta una persona disse: “È magia, hai hackerato il sistema!” Ma non ho hackerato nulla, è solo statistica e matematica: l’IA segue i pattern.

Come far crescere il team? Alcuni sono avanti: rendili campioni interni, fagli tenere workshop, “Tech Tuesday” o “Lunch and Learn”, mostra piccole cose, non casi complessi subito. In una consulenza recente su IA generativa per una università USA, abbiamo iniziato dalle basi: solo prompt semplici. Ho ricevuto risposte ottime: +70% si sente più sicuro, siamo saliti dal 19% di inizio a oltre il 70% con appena una sessione di 2 ore! Il 90% raccomanderebbe il corso. Serve incontrare le persone dove si trovano—pensa a Suzy delle risorse umane, poco tecnologica, pensa a Dan degli acquisti, che conosce i fornitori ma non l’IA. Offri esempi semplici, lascia il tempo di sperimentare, ogni mese qualcosa in più, raccogli feedback.

Per i responsabili IT: guarda il pattern d’uso di Copilot, il consumo di token e verifica l’andamento (sono costi da monitorare!).

Galen Low: Giusto.

Mashhood Ahmed: Attento: se tutti iniziano a usarlo troppo, finirai i limiti a disposizione. Quindi pensa a governance, policy e strategia. Attenzione alla lista “not-to-do”: se non metti limiti puoi andare incontro a danni. Ricordo un esempio di due anni fa, ma ancora attuale, Air Canada: un cliente chiede allo chatbot lo sconto lutto, l’IA lo promette, ma la policy non esiste, e dopo schermate e tribunale la compagnia deve pagare. Poca cosa—ma storia che fa il giro per due anni, solo perché mancavano policy e barriere.

Quindi, prima di partire, valuta cosa può andare storto. Vai piano: ogni team è diverso, ogni bisogno aziendale è unico. Parti in piccolo.

Galen Low: Mi piace molto la ricerca dell’equilibrio. E anche quello che stai facendo nell’università: all’inizio la sindrome dell’impostore nasce dal confronto con il feed LinkedIn (“questi sono più avanti…”). Ma se impari tutti insieme, il clima migliora; nessuno si sente più indietro, tutti si aggiornano passo dopo passo.

E la mentalità curiosa e l’interrogazione strategica servono anche a imparare: serve tempo ma fa crescere davvero la fiducia, e migliora la qualità dei risultati invece di accettare in blocco la risposta lucidata dall’IA. Mi piace molto ciò che hai detto: le persone scambiano per magia una semplice regola, mentre altri pensano che l’IA possa tutto. Invece, ognuno ha il suo: l’IA è brava in alcune cose, in altre no; lo stesso per noi umani—bisogna trovare l’equilibrio.

Mashhood Ahmed: Mi hai fatto venire in mente una cosa che cito spesso nei miei interventi sull’IA: la skill più importante è disimparare e reimparare.

Ci rifilano da anni che “è sempre stato così”, ma oggi abbiamo strumenti nuovi. Il vero nodo del change management è proprio la capacità di disimparare e reimparare. Ciò che mi aiutava dieci anni fa ora non basta più. Ogni tanto va stilato un piano: cosa devo abbandonare? E bisogna essere aperti al cambiamento: alcuni lo sono, altri no, e va bene così. Mio padre era architetto e quando arrivò AutoCAD si rifiutò di usarlo: assunse un assistente per occuparsene. All’epoca poteva funzionare. Succederà anche qui: alcuni vorranno provare, altri no, tutto ok. Ma importante è capire cosa serve disimparare e cosa apprendere: è difficile, come cambiare abitudini. Bisogna leggere qualche libro apposta! Disimparare e reimparare sono temi profondi.

Galen Low: Mi piace molto. In questa chiacchierata c’è un continuo rimando agli “spazi negativi”, cioè quello che non c’è, le ipotesi implicite e anche non solo ciò che si impara, ma cosa bisogna disimparare. Ci hai dato ottimi spunti: pensiero critico, la vera vittima quando si parla di “atrofia delle competenze” nell’era della IA. Se sembra che basti l’IA per avere tutte le risposte, osiamo meno, impariamo meno. Invece, questo è il momento per imparare ancora di più e diventare come i senior leader (o come tuo padre) che hanno “l’occhio critico”—quello che serve per firmare, prendersi responsabilità. Questo fa la differenza nel lavoro con le persone e con le IA.

Mashhood Ahmed: Esatto, aggiungo che nella risk management dell’IA, il rischio di “sovra-affidarsi” agli strumenti danneggia la nostra capacità di ragionamento: problem solving, pensiero critico—cose che nessun MBA ti insegna, perché sono competenze alla base da tramandare prima ancora che i figli vadano a scuola. Nulla a che vedere con la tecnologia, ma tutto con il coinvolgimento umano.

Ed è un rischio attuale: si pubblicano report o post generati da IA e capita anche a me di scordarmi di togliere due righe auto-generate…

Galen Low: Certo!

Mashhood Ahmed: Succede. L’importante è accorgersene e correggere. La vera reputazione è a rischio all’accumularsi degli errori: il mio compito è portare valore al tavolo, in modo che nessuna IA possa sostituirlo.

Galen Low: Ottimo. Una domanda un po’ spinosa: qual è una cosa che hai disimparato?

Mashhood Ahmed: Accettare che l’IA può fare meglio di me, in tante cose. L’inglese non è la mia prima lingua: facevo tanti errori, avevo l’abbonamento a Grammarly, l’ho cancellato. Accettare i propri limiti senza rincorrere la perfezione. Posso chiedere all’IA “scrivi con il mio stile, metti/non mettere la virgola Oxford”. Ma bisogna essere presenti, sempre. Quindi, accettare l’imperfezione, progredire un passo alla volta, imparare, disimparare, reimparare, porre domande critiche e pertinenti—questi sono i punti chiave e i takeaway di questa conversazione.

Galen Low: Molto interessante. Imparare che non devi sempre essere tu l’umano migliore in tutto.

Mashhood Ahmed: Verissimo.

Galen Low: Grazie di cuore, Mashhood, per aver dedicato tempo a questa conversazione: è stato un vero piacere. Per chi vuole saperne di più su di te, dove può trovarti?

Mashhood Ahmed: Basta cercare il mio nome su LinkedIn.

Mi trovate, potete connettervi con me e guardare i miei post su LinkedIn. Oppure visitare il mio sito web mashhood.net. LinkedIn è il modo migliore. Se siete su TikTok, ogni tanto pubblico qualcosa anche lì—seguitemi se volete. Sul sito pubblico anche brevi video o clip da eventi e conferenze: trovate spunti rapidi e concreti.

Galen Low: Perfetto, aggiungerò i tuoi link LinkedIn, TikTok e sito alle note della puntata, così chi vorrà potrà approfondire.

Ancora grazie, è stata una conversazione bellissima.

Mashhood Ahmed: Grazie infinite, attendo con entusiasmo l’uscita di questo episodio!

Galen Low: Eccoci alla fine dell’episodio di oggi su Digital Project Manager Podcast. Se ti è piaciuta la conversazione, iscriviti dove preferisci ascoltare i podcast. Se vuoi altre idee pratiche, casi di studio e playbook, crea un account gratuito su thedigitalprojectmanager.com.

Alla prossima e grazie per l’ascolto.