Stai Monitorando le Metriche Sbagliate? Come l’IA Può Ridurre i Rischi nella Delivery

Leggi la Trascrizione:

Stiamo sperimentando la trascrizione dei nostri podcast tramite un programma software. Perdonate eventuali refusi, il bot non è sempre preciso al 100%.

Galen Low: Come può un'organizzazione o un team determinare se sta monitorando le metriche corrette e cosa può fare se scopre di aver misurato la cosa sbagliata per tutto il tempo?

Lior Gerson: Devi monitorare quello che ti aiuterà a raggiungere dove vuoi arrivare. Tutto il resto è rumore.

Galen Low: Raccontaci un esempio, magari di una metrica che era sbagliata, e il processo che li ha portati a misurare la cosa giusta.

Lior Gerson: Uno dei nostri clienti voleva migliorare il modo in cui prevedono cosa consegneranno ogni trimestre. È riuscito a utilizzare la nostra piattaforma e ad automatizzarlo in un giorno. Ora, ogni volta che vuole, ha tutto davanti a sé: cosa consegnerò questo mese?

Pensi che esista uno stadio in cui un agente IA diventa project manager o sostituisce completamente il project manager?

Galen Low: Penso che, secondo la definizione di alcuni di cosa fa un project manager, la risposta sia sì.

Benvenuto a Il Podcast del Digital Project Manager — il programma che aiuta i leader della delivery a lavorare in modo più smart, consegnare più velocemente e guidare meglio nell’era dell’IA. Sono Galen e ogni settimana esploriamo strategie reali, nuovi strumenti, framework consolidati e qualche racconto di guerra dalla prima linea dei progetti.

Che tu sia alla guida di progetti di trasformazione epocale, alle prese con flussi di lavoro IA, o semplicemente impegnato a tenere sotto controllo il caos, sei nel posto giusto. Iniziamo.

Oggi parliamo di come le visioni tradizionali del successo di progetto vengono messe in discussione e perché gli strumenti di gestione KPI potenziati dall’IA potrebbero essere l’unica vera possibilità di stare al passo con il crescente numero di variabili che possono determinare il successo o il fallimento dei risultati del tuo progetto.

Con me oggi c’è Lior Gerson, co-fondatore e CEO di TargetBoard.ai. Lior ha iniziato la sua carriera in mySupermarket, il più grande sito di comparazione prezzi nel Regno Unito con decine di milioni di utenti ogni mese. Lì era responsabile di progetti multimilionari collaborando con giganti come Walmart, WPP e Dentzu.

Successivamente, ha fondato Vroom.com come CTO, una concessionaria auto online quotata con un’IPO da 2,5 miliardi di dollari. Dopo ancora, ha guidato il prodotto per Placer.ai, una unicorn dell’analisi di localizzazione che processa petabyte di dati. E, ovviamente, oggi guida TargetBoard, uno strumento di gestione KPI potenziato dall’IA.

Lior, grazie mille per essere con noi oggi.

Lior Gerson: Grazie a te Galen, è un piacere essere qui.

Galen Low: Sono davvero entusiasta di parlare con te perché sei immerso nel mondo dei KPI e delle decisioni guidate dai dati verso il successo. In realtà, spero che questa conversazione ci porti dove non ho pianificato, ma ecco la mappa che mi sono immaginato. Per iniziare, volevo sgomberare il campo con una grande domanda: quella calda che tutti vogliono sapere.

Poi, vorrei allargare il discorso e parlare di tre cose: primo, la mancata corrispondenza culturale sui KPI e come tradurre le metriche fra diversi livelli organizzativi. Poi, come stanno cambiando i KPI di progetto e dove li vedi andare. Infine, pensavo di focalizzarci su alcune modalità pratiche per cui le aziende e i team di progetto possono iniziare a sfruttare il monitoraggio KPI migliorato dall’IA e il possibile impatto sui loro flussi di lavoro.

Ti suona?

Lior Gerson: Va bene. Credo sarà una discussione affascinante.

Galen Low: Anche secondo me. Bene, partiamo con la domanda calda. Ultimamente si discute molto sul fatto che tanti progetti, o addirittura intere organizzazioni, potrebbero effettivamente monitorare la cosa sbagliata.

Nei progetti, vedo che spesso si mettono in discussione persino i “sacri” parametri dell’Iron Triangle: scopo, tempi e budget, fino ad arrivare alle metriche Agile come la velocity. A livello organizzativo vedo mettere in discussione cose come il ricavo per FDE, il margine lordo, la saturazione. Quello di cui si parla molto nel mio mondo, quello del project management, è che i leader di progetto non dovrebbero solo misurare la salute di progetto ma anche l’impatto del progetto.

Quindi, alla luce di tutto ciò, la mia domanda è: come può un’organizzazione o un team capire se sta monitorando le metriche corrette e che fare se scoprisse di aver sempre misurato la cosa sbagliata?

Lior Gerson: Domanda ottima. Le iniziative di progetto che stai usando dovrebbero essere allineate con la strategia di business, giusto? Con la strategia di prodotto.

Ovunque il business voglia andare. Ma quando lo riduci all’ambito del project management, tutto quel che vuoi ottenere è raggiungere i milestone in tempo, entro budget, con il minor attrito e con la massima precisione e prevedibilità possibile, giusto? Quindi, l’unica magia da monitorare sono le metriche che ti possono portare a quello stato.

Possono essere qualsiasi cosa: quanto velocemente si muovono le attività, dove ci sono blocchi, giorni di ferie, come le persone usano l’IA. Puoi monitorare qualsiasi cosa purché ti mantenga nella traiettoria di ciò che vuoi ottenere. Ma se non monitori le cose che ti aiutano ad arrivarci, stai monitorando le cose sbagliate.

Galen Low: Mi piace questa prospettiva perché tendiamo a focalizzarci su “cosa è giusto misurare”. L’ho detto anch’io: qual è la cosa giusta da misurare? Ma tu dici: in realtà, qualsiasi cosa ti aiuti ad avanzare è giusta, anche se diversa da quello che fa un altro team.

Anche se è molto diversa da ciò che hai fatto in un’altra organizzazione, purché sia allineata alla missione.

Lior Gerson: Devi monitorare quello che ti aiuterà a raggiungere i tuoi obiettivi. Tutto il resto è rumore.

Galen Low: Giusto. Per chi ora pensa “Lior, è vero, parli la mia lingua: non stiamo sicuramente monitorando le cose giuste”, da dove si parte? Come si fa a capire quali sono le cose giuste per avanzare? C’è una best practice?

Lior Gerson: Devi capire il tuo business. Devi capire il progetto. Devi capire cosa fa davvero la differenza. Quali sono i fattori trainanti? Cosa può generare impatto?

Sono le persone? Sono le risorse? La complessità? Come fai a scomporre tutto, dire “questi sono i componenti, questo deve accadere ora, come monitorarlo”? Capita spesso di avere gli strumenti sparsi ovunque, dati non aggiornati e trovarsi a dire “la gente non aggiorna i sistemi, quindi sono dati spazzatura, non portano risultati, e spreco tempo senza ritorno”. Ci sono milioni di motivi per cui non funzionerà, ma serve farlo funzionare, quindi dipende da te.

Galen Low: Ho capito. Puoi illustrarci un esempio, magari di una metrica sbagliata e come si è passati a misurare quella giusta, o anche qualche metrica non convenzionale che hai visto veramente portare un progresso verso gli obiettivi?

Lior Gerson: Parlo volentieri di un nostro cliente, si chiamano Versa. Un PTF che fa product operations, un vero talento. Lui voleva migliorare la previsione di ciò che avrebbero consegnato ogni trimestre, quindi volevano migliorare la precisione della pianificazione e la previsione.

Andavano velocissimi e le priorità cambiavano di continuo, le persone passavano tra diversi team, diventava complesso. Ha creato quindi una formula basata sulla prestazione di ogni membro e team, sommata alla capacità attuale di team o gruppo.

E invece di elaborare tutti questi dati in Excel trascorrendo molto tempo a gestire ferie, attività, priorità e altro, ha deciso di usare e automatizzare tutto sulla nostra piattaforma.

Gli è bastata una giornata. Ora ogni volta ha la situazione aggiornata davanti. Così quando il CEO o il CPO viene a chiedergli uno spostamento di priorità, lui sa davvero cosa cambierà e come tutto questo impatta sulle varie iniziative.

L’ho trovato geniale: prendere i dati e inserirli nel giusto contesto per raccontare la storia necessaria.

Galen Low: Ero appena a una conferenza Agile, dove ho citato la velocity, spesso considerata una metrica poco significativa per l’impatto. Nei team Agile, si dovrebbe avere un team dedicato, ma questo succede raramente. Troppi vanno in ferie o sono assegnati ad altri progetti, la velocity allora fluttua senza senso.

Direi che molti non penserebbero nemmeno a metriche aggregate su dati dinamici, o non saprebbero costruirle. Ma trovo abbia molto senso: è una sorta di gestione delle risorse in tempo reale — sappiamo che se una persona è assente, ci sarà un calo nella metrica, e così via. Non si tratta di avere una super-metrica, ma una metrica aggregata. Molto interessante.

Lior Gerson: Interessante che tu lo abbia menzionato: bisogna pensare a come i dati si propagano nell’azienda. Una persona va via, ci vuole tempo prima che tutti se ne accorgano, il manager lo sa, ma il dato impiega giorni o settimane ad arrivare a chi serve davvero, ed è tempo che non recuperi più.

Aggiungendo risorse, semplicemente si allunga la timeline invece di accorciarla, a causa della curva di apprendimento. Più velocemente diffondi le informazioni, maggior impatto ottieni. È interesse composto.

Galen Low: Quel ritardo è reale. Si sente sempre “avrei voluto sapere prima che il mio lead dev sarebbe stato in ferie tre settimane”. E anche nella mia esperienza: la richiesta di ferie fa un lungo percorso prima che qualcuno sappia se sia stata approvata e per quali date. Mi piace che venga tutto tracciato in tempo reale.

Lior Gerson: La vacanza è facile. Pensa invece se lavori da remoto, su Zoom, e qualcuno non c’è più. È stato licenziato e nessuno l’ha comunicato.

Galen Low: Già. Capito.

Lior Gerson: Dopo due settimane che non risponde, scopri che non lavora più lì.

Galen Low: Eh sì. Questo succede spesso. Produzione che continua, ma senza comunicazione. Puoi illustrarmi a grandi linee come funziona l’integrazione?

Mi immagino di dover trasformare dati con Zapier o simili e incollarli su Excel, scrivere formule ecc. Succede ancora con TargetBoard o l’integrazione è più “senza mani”?

Lior Gerson: TargetBoard.ai funziona in modo diverso da qualsiasi altro sistema. Ci colleghiamo direttamente alle fonti dati e costruiamo automaticamente tutte le metriche e i KPI rilevanti per te.

Poi usiamo l’IA per generarli. Che tu stia monitorando metriche di capacità, velocity, qualità, che si tratti di un progetto o più progetti, non devi cambiare nulla nel tuo modo di lavorare.

Impariamo automaticamente i tuoi sistemi, che tu usi Monday, Jira o altro. Tutto viene generato e puoi personalizzare. Puoi farlo tu stesso o col tuo team.

Avrai le metriche e il sistema di tracciamento che desideri. È a sforzo zero, subito operativi e fiduciosi che i dati siano accurati, senza ricorrere agli Excel. Tra l’altro, se il tuo foglio Excel è la fonte, va bene: ci colleghiamo e lo importiamo. Ma non dovrai più aggiornare manualmente né spiegare da dove proviene ogni dato: tutto viene documentato nella piattaforma e puoi condividerlo col tuo management.

Mai più la situazione in cui ti viene chiesta una risposta alla quale non puoi rispondere al momento e devi dire “ti saprò dire”. Il follow-up è già pronto in un click.

Galen Low: Mi piace anche il fattore errore umano. Io stesso monitoro molto su fogli di calcolo: una volta, su Google Analytics, per le visualizzazioni di pagina, c’era chi inseriva il dato “utenti”, provocando discordanze. Credevamo di misurare la stessa cosa, ma in realtà usavamo due fonti diverse.

Il fatto che ognuno possa interpretare diversamente il dato da cui ricavare la metrica crea differenze. Invece mi piace l’idea che venga pescato direttamente dalla fonte attendibile.

E il fatto che alcune metriche vengano suggerite dall’IA in base ai requisiti — spesso si fatica a decidere la metrica di successo anche perché non si sa cosa si può misurare.

Lior Gerson: Succede spessissimo. Ho lavorato in un’azienda data come big company e mi sono accorto che i visitatori monitorati erano molto meno di quelli dichiarati, il resto erano bot. Quando lo scopri, devi spiegare: il CMO deve tornare indietro e dire che tutti i suoi KPI erano sovrastimati del 90%.

Galen Low: Non proprio una bella conversazione! Ma vorrei ampliare: spesso tra team o reparti serve una traduzione delle metriche. Un team Scrum monitora la soddisfazione clienti, mentre il management guarda al revenue o churn. TargetBoard può aiutare a tradurre KPI per renderli comprensibili tra i vari livelli aziendali o è una cosa che nessun tool può risolvere?

Lior Gerson: Voglio fare un passo indietro: la classica BI significa dover creare ogni metrica con una sessione di progettazione. C’è un costo dietro ogni metrica. Con programmi top-down come OKR, ti focalizzi solo su ciò che ti viene detto, perdendo magari metriche davvero importanti che non hai risorse per monitorare.

Con TargetBoard monitoriamo tutto e ti semplifichiamo la scelta di dove focalizzarti. Ti consigliamo anche metriche e puoi ricevere alert, insight e notifiche.

Abbiamo anche funzioni che generano spiegazioni automatiche su come presentare la metrica a vari livelli, dal manager allo sviluppatore al commerciale, chiarendo perché è importante e che cosa rappresenta.

Riceviamo spessissimo richieste di “posso rinominare la mia metrica?”, ma non si può, perché qualcun altro già la usa. Se il nome non rispecchia ciò che monitori, non puoi cambiarlo. Le nostre funzioni servono a proteggere la correttezza delle metriche e delle spiegazioni.

Galen Low: Trovo geniale questa funzione perché dopo anni su vari software di dashboarding quello era sempre il problema: cosa mi sta dicendo questa dashboard? Come posso raccontarla? Non tutti sono storyteller di dati, ma l’IA può aiutare a educare sulle metriche, sulla loro provenienza e il significato dei cambiamenti anziché limitarsi a fornire un numero.

Lior Gerson: Di solito nessuno legge i report. Si vogliono i report, ma li si legge solo in casi particolari. Spesso inviamo report che vengono automaticamente riassunti da un agente IA in modo che l’utente riceva il succo di ciò che gli serve sapere.

Galen Low: Mi piace che sia integrato. In più c’è l’aspetto conversazionale: poter chiedere “quanti visitatori unici ho avuto la settimana scorsa?” in linguaggio naturale. Molte piattaforme ci stanno provando, ma non funziona proprio bene. Avete già sviluppato questa funzione conversazionale?

Lior Gerson: Molti ci stanno provando, ma gli LLM non sono bravi con i dati — migliorano, ma serve specificare tutto nei minimi dettagli. Noi pensiamo di aver risolto il problema: puoi fare domande e avere risposte affidabili, verificate dall’IA stessa. È una killer feature perché il modo di interagire con i dati sarà multimodale, non solo dashboard, e i diversi approcci si completano.

Ma non è banale: spesso le domande in linguaggio naturale non sono precise e servono molte iterazioni, laddove con una dashboard risolvi in due click.

Galen Low: Infatti può richiedere più tempo.

Lior Gerson: Anch’io trovo che i modelli generativi non sempre si comportino bene con i dati tabellari, mentre noi umani ne abbiamo la struttura mentale. Mi piace che la nostra IA verifichi l’accuratezza prima di rispondere, cosi da evitare errori grossolani. Questo processo è fondamentale quando si prendono decisioni su performance, metriche, impatti. Sapere che ciò che ti viene mostrato è giusto.

Lior Gerson: Ci affidiamo completamente alla verifica. Il nostro server MCP controlla l’attendibilità dei dati aggregando fonti diverse e garantendo che la risposta fornita sia corretta al 100%.

Galen Low: Il server MCP è dunque la colonna portante che valida tutto ciò che viene aggregato dalle varie fonti, non solo dal singolo player.

Molto interessante. Vorrei approfondire il futuro delle metriche. Quali metriche non convenzionali potrebbero emergere nei KPI aziendali nei prossimi anni?

Lior Gerson: A livello micro vediamo già emergere KPI anche sull’uso dell’IA: quanti agenti funzionano, quanto sono efficaci, ecc.

Ma a livello macro il business si concentrerà sempre sulle solite metriche: ARR, churn, tempi di delivery. Cosa succede sotto il cofano cambierà, ma i top metric resteranno gli stessi. Quando scendi di livello vai a misurare velocity, qualità, ecc., e sotto ancora scomponi ulteriormente: quali sono i blocchi, la revisione, gli scope variati, gli AIs che lavorano oppure no, ecc.

Galen Low: Mi piace questa idea di stratificazione: i KPI principali restano, ma i livelli sottostanti possono cambiare radicalmente per “nutrire” il livello superiore. È importante monitorare ciò che davvero ti porta al risultato. E magari a livelli bassi si dovrà anche monitorare l’indice di qualità dei prompt verso l’IA, visto che non basta “usare l’IA” ma bisogna usarla in modo efficace.

Non so come si misurerebbe ciò, ma mi piace che la metrica utile cambi e che ai livelli alti i KPI restino stabili. Ma tutto questo comporta over head operativo: ogni nuova metrica va collegata alla fonte, bisogna formar le persone ecc. C’è bisogno di risorse dedicate (data analyst) oggi come domani?

Lior Gerson: Succede già ora, ogni dipartimento ha i suoi analyst che fanno solo questo. E spesso si reinventa la ruota, monitorando sempre le stesse cose, o si cambia piattaforma complicando la gestione dei report.

Con il nostro sistema tutto questo diventa automatico, continui pure a cambiare sistema senza rifare i report e, se una metrica cambia, lo notifichiamo a chi di dovere in automatico. Meno uomini di mezzo: spesso non comprendono il business. Un chief strategy officer ci ha detto che in media ci vogliono sei mesi per risolvere domande nuove, anche se l’infrastruttura è pronta. Noi possiamo risponderti già oggi.

Galen Low: Confermo, specie in settori finanziari o customer experience: molti dati accumulati su cui spesso nessuno sa cosa fare. E si finisce per osservare solo la “scoreboard” senza mai ottenere miglioramenti reali, il che porta poi a scelte di replatforming.

Lior Gerson: Ad esempio nei costi cloud, oggi si monitora anche il costo dei prompt IA, ma ci sono tonnellate di dati di cui nessuno si occupa o di cui nessuno conosce la ragione. I dati costano, lo storage costa, eppure vengono solo accumulati. Le aziende diventano collezioniste seriali di dati senza usarli veramente.

Galen Low: Anche perché ci hanno insegnato che lo storage costa poco! Ma ora i costi crescono e la complessità pure. Ammetto di fare come col cloud: non cancello niente, anche se spesso non uso davvero quei dati. Mi conforta solo sapere che ci sono.

Lior Gerson: Forse fra dieci anni potresti averne bisogno!

Galen Low: Esatto. Volevo chiederti di TargetBoard come strumento IA per i KPI: hai già raccontato varie funzioni basate su intelligenza artificiale. C’è qualcos’altro di cui vai fiero, o cosa ti ha portato a scegliere l’IA come cuore del prodotto?

Lior Gerson: Ci sono pro e contro a essere un’azienda “AI first”, ma per noi l’IA è centrale: ogni funzione nasce chiedendoci come migliorarla con l’IA. Esempio: su ogni metrica puoi creare notifiche, automazioni, avvisi. Ma pensare a che alert vogliamo è impegnativo; quindi ora l’IA ti suggerisce automazioni pronte per migliorare metriche specifiche. Bastano pochi click.

Questa capacità era difficilissima senza IA, oggi si lavora e innova molto più rapido.

Galen Low: E vale anche per molte altre aree: suggerimenti su cosa fare dopo, come Clippy! Taglia dubbi e incertezze, e l’automazione può innescare subito alert e aggiornamenti. È diverso da quanto si faceva coi classici data scientist, dove un progetto richiedeva mesi solo per ottimizzare una decisione: ora ogni feature si potenzia con l’IA, spesso in modo quasi plug & play.

Lior Gerson: Esatto. Oggi la velocità è pazzesca: costruire nuove funzioni è rapidissimo rispetto al passato.

Galen Low: È davvero impressionante. Visto quanto le cose stanno cambiando, ora ribalto la domanda: c’è una tendenza del project management che vedi particolarmente impattante oggi?

Lior Gerson: Ottima domanda! Direi che oggi il project manager viene valorizzato soprattutto per la sua capacità di contribuire strategicamente: non solo più Iron Triangle, ma vera responsabilità sul valore creato. Siamo chiamati a capire meglio il business e restare coinvolti anche dopo il delivery per assicurare l’impatto. Serve diventare più leader e partner strategici, e qui l’IA ci aiuta a liberarci dalle parti manuali per dedicarci alle decisioni di valore.

Lior Gerson: Ti faccio io ora una domanda su IA e project management: pensi che ci sarà un giorno in cui un agente IA potrà essere project manager completo?

Galen Low: Secondo alcune definizioni sì, almeno dove si tratta solo di amministrazione, note, gestione attività o confronto fra stime e tempi reali. Queste parti l’IA può sostituirle facilmente.

Ma la componente decisionale tra umani (strategie, rischi, negoziazioni) resterà per un po’ una competenza umana. Ed è qui che funzioni IA come la data-storytelling non danno solo la risposta ma aiutano chi ne è responsabile a raccontarla, generando coinvolgimento e motivazione nell’azienda.

Credo che l’IA sarà un prezioso assistente, ma solo l’umano potrà persuadere, trattare, portare innovazione e visione. Per ora è così.

Lior Gerson: Concordo. È ciò che fa la differenza tra un bravo project manager e uno meno capace. Per questo non si può improvvisare.

Galen Low: Già, magari non eliminerà tutti i project manager, ma sicuramente eliminerà quelli mediocri!

Lior Gerson: Vale per tutto!

Galen Low: Lior, grazie davvero di averci dedicato il tuo tempo oggi, è stato un vero piacere. Dove possiamo trovarti?

Lior Gerson: Su LinkedIn, rispondo sempre volentieri.

Galen Low: Complimenti! Il mio inbox su LinkedIn è un disastro… ancora grazie!

Lior Gerson: Ciao Galen, è stato un piacere.

Galen Low: E con questo è tutto per questa puntata del Podcast del Digital Project Manager. Se la chiacchierata ti è piaciuta, iscriviti dove ascolti i podcast. Vuoi altre strategie, case study e playbook? Vai su thedigitalprojectmanager.com.

Alla prossima, grazie dell’ascolto.