Gli Esperti Rivelano i Peggiori Casi d’Uso dell’IA nella Gestione dei Progetti
Pensiero Critico: I piani di progetto automatizzati sembrano completi ma mancano di contesto essenziale, portando a potenziali problemi nel progetto.
Importanza della Revisione: Affidarsi agli output dell'IA senza revisione umana può causare errori e conseguenze significative.
Verifica della Realtà: L'IA ha difficoltà con compiti fattuali come i fogli presenze, rischiando l'accuratezza dei dati e l'integrità dei registri di progetto.
Coinvolgimento Umano: Usare l'IA per la gestione degli stakeholder può compromettere il coinvolgimento autentico necessario per una comunicazione produttiva.
Fondamenta del Processo: L'IA non dovrebbe sostituire la definizione delle basi dei processi umani, poiché non può stabilire flussi di lavoro efficaci.
L'adozione dell'IA nella gestione dei progetti è cresciuta rapidamente, accompagnata da un'ondata di entusiasmo che non sempre resiste a un'analisi approfondita. Gli strumenti che promettono di far risparmiare tempo, ridurre l'onere amministrativo e fornire approfondimenti sono ormai presenze fisse nei flussi di lavoro dei PM — ma non tutte le applicazioni di questi strumenti stanno dando i risultati sperati dai professionisti. In effetti, alcuni casi d'uso stanno silenziosamente causando più problemi di quanti ne risolvano. Gli esperti che lavorano ogni giorno in questo settore hanno riconosciuto certi schemi e parlano chiaramente di dove l'IA sta effettivamente creando difficoltà nella gestione dei progetti.
Generare piani di progetto senza pensiero critico
Poche applicazioni dell'IA nella gestione dei progetti sono tanto allettanti — o tanto rischiose — quanto il piano di progetto automatizzato. Inserisci una dichiarazione di lavoro e ricevi un cronoprogramma. Sembra una vittoria in termini di produttività, ma i professionisti esperti sostengono che i risultati tendono a sembrare migliori di quanto non siano in realtà, e che i PM che li accettano senza verificarli condannano i propri progetti a incontrare problemi.
Pam Butkowski, SVP di Horizontal Digital, lo dice senza mezzi termini: “anche se hai uno strumento che ti consente di inserire una SOW e gli chiedi di crearti un piano di progetto, ti garantisco che non sarà corretto. Semplicemente non lo sarà. È un ottimo punto di partenza. Ma poi dobbiamo usare il nostro pensiero critico.” Il piano potrà essere strutturato, potrà sembrare completo — ma non ha accesso alle vere dipendenze, alla reale capacità del team o al contesto organizzativo che rende un programma realizzabile.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Anche se hai uno strumento che ti consente di inserire una SOW e gli chiedi di crearti un piano di progetto, ti garantisco che non sarà corretto. Semplicemente non lo sarà.
Jeff Chamberlain, Manager dei Servizi Broadband e PMO presso il governo della Contea di Fredrick, è arrivato a una conclusione simile sulla base della sua esperienza: “Alcune persone si approcciano pensando che vogliano che l’IA crei piani di progetto. Io non ho ottenuto grandi risultati nella creazione di piani di progetto con essa. E di solito si finiscono per rifare comunque.” Quando il lavoro di revisione richiesto per rendere utilizzabile un piano generato dall’IA si avvicina al tempo necessario per crearlo da zero, il beneficio in termini di efficienza si annulla.
Alcune persone si approcciano pensando che vogliano che l’IA crei piani di progetto. Io non ho ottenuto grandi risultati nella creazione di piani di progetto con essa. E di solito si finiscono per rifare comunque.
Copiare e incollare i risultati dell’IA senza revisione
Se c’è un’abitudine che i professionisti segnalano come la più pericolosa nell’immediato, è questa: accettare l’output dell’IA come lavoro finito. L’attrattiva è comprensibile. Il risultato appare ben rifinito, il linguaggio è autorevole e la tentazione di passare oltre è forte. Ma questa rifinitura può mascherare errori gravi — e quando nessuno controlla il lavoro prima che venga consegnato, le conseguenze possono essere rilevanti.
Mike Clayton, CEO e fondatore di OnlinePMCourses.com, ha assistito a questo fenomeno nei servizi professionali con implicazioni finanziarie concrete: “Ci sono persone che semplicemente dicono, okay, mi hanno fatto una domanda. Faccio la domanda a ChatGPT, copio e incollo la risposta, e il mio lavoro è finito. E nessuno l’ha neanche rivista o corretta.” Il problema non è l’uso dell’IA in sé — è aver saltato completamente il passaggio umano della revisione e della correzione dei risultati.
Ci sono persone che semplicemente pensano: ok, mi è stata fatta una domanda. La rivolgono a ChatGPT, copiano e incollano la risposta e il lavoro è fatto.
Megan Cotterman, Project Manager Fractional e Consulente Operativo, lo ha sperimentato in prima persona: "Stavo usando l'IA per aiutarmi con questo progetto di progettazione didattica... in realtà l'IA ha confuso le informazioni e avevo i dati sbagliati. Quindi penso che sia importante assicurarsi che i team comprendano che non è la soluzione definitiva... e non semplicemente, sapete, copia e incolla, invia al cliente e via." Anche quando l'IA viene usata in modo oculato, può comunque produrre informazioni errate — il che significa che la revisione umana non è facoltativa; è il lavoro vero e proprio.
Uso dell'IA per i timesheet e il monitoraggio dei fatti
Esiste una categoria di documentazione di progetto che dipende totalmente dalla realtà: cosa è realmente successo, chi ha fatto cosa, e quando. I timesheet rientrano perfettamente in questa categoria. Ed è proprio qui, dove l'accuratezza è imprescindibile, che l'IA è meno adatta ad aiutare.
Oliver F. Lehmann, Project Business Trainer presso Oliver F. Lehmann Project Business Training, inquadra il problema con chiarezza: "L'IA non può compilare un timesheet. Può inventarsene uno, ma non può compilarlo davvero. Quindi si porta della fantasia nella documentazione che dovrebbe essere reale." L'IA può generare qualcosa che somiglia a un timesheet completato — voci plausibili, ore che tornano — ma niente di tutto ciò riflette ciò che è davvero accaduto. Inserire dati inventati nelle registrazioni di progetto non fa risparmiare tempo; lo compromette.
L’IA non può compilare un timesheet. Può inventarsene uno, ma non può compilarlo!
Automatizzare la gestione degli stakeholder e la comunicazione
La gestione degli stakeholder è una delle componenti più umane del lavoro di progetto, e per una buona ragione. Le conversazioni che fanno avanzare i progetti — quelle difficili, quelle che richiedono fiducia e ascolto attento — dipendono da un coinvolgimento umano autentico. Cercare di automatizzare o delegare all'IA questo coinvolgimento tende a minare proprio ciò che rende produttive queste conversazioni. Gli stakeholder che affrontano decisioni complesse o controverse non vogliono un processo di comunicazione ottimizzato — vogliono sentirsi ascoltati veramente da un'altra persona.
Il problema si estende anche alla comunicazione scritta quotidiana. Lehmann osserva: "Vedo molto spesso che i project manager usano l'IA per scrivere le email al posto loro. Spesso il tono è troppo morbido quando, invece, sarebbe necessario essere più diretti. L'IA tende ad ammorbidire troppo i messaggi." Quando un progetto richiede un messaggio diretto e deciso verso uno stakeholder, il linguaggio generato dall'IA tende a smussare gli angoli — spesso lasciando la questione reale senza risposta.
Yonelly Gutierrez, Senior Program Manager presso Palo Alto Networks, nota questa caratteristica anche nella comunicazione scritta dall'IA: "A volte, leggendo il testo, penso: 'sembri proprio un robot AI. Parla come una persona normale, per favore.'" La tipica rigidità del linguaggio generato dall'IA non è solo un problema estetico — comunica ai destinatari che il messaggio non è stato scritto pensando davvero a loro.
Implementare l'IA prima di stabilire una base umana
Uno degli approcci più fallaci nell'adozione dell'IA è implementarla prima che qualcuno abbia capito come dovrebbe funzionare davvero il compito sottostante. Quando le organizzazioni saltano il passaggio di definire un processo funzionale guidato dall'uomo e passano direttamente all'automazione, non stanno accelerando il progresso — stanno accelerando la confusione.
Derek Fredrickson, Fondatore & CEO di The COO Solution, vede spesso questo schema: "Spesso tentano di introdurre l'IA come soluzione prima che un essere umano abbia effettivamente svolto il compito. Credo sempre che prima debba essere una persona a fare ciò che vuoi far automatizzare all'IA, invece di inserire l'IA solo per il gusto di farlo." L'IA è utile per scalare e sistematizzare processi già compresi. Non ha alcuna capacità di definire cosa sia un buon risultato in un processo che non sia mai stato gestito prima da una persona.
Credo sempre che un essere umano dovrebbe prima svolgere ciò che si desidera automatizzare con l’AI, invece di introdurre l’AI solo per il gusto di farlo.
Reportistica con AI su dati sporchi o senza un obiettivo chiaro
La reportistica automatizzata è uno dei benefici più frequentemente citati dell’AI nella gestione dei progetti. La promessa è reale — ma si accompagna a condizioni che le organizzazioni spesso ignorano. Se i dati di base non sono affidabili, oppure se l'obiettivo del report non è chiaramente definito, l’AI non genera report migliori. Produce invece report formattati con sicurezza che però non offrono le informazioni di cui si ha realmente bisogno.
Emmanuels Magaya, fondatore di Project Managers Africa, individua entrambe le modalità di fallimento: "Se vuoi che l’AI automatizzi i tuoi report, ciò che scoprirai spesso è che se i dati non sono corretti, il tuo report non restituirà ciò che cerchi. Inoltre, devi sapere cosa cerchi nel report." Dati puliti e un obiettivo chiaro, specifico per gli stakeholder, sono prerequisiti — non optional — affinché la reportistica assistita dall’AI apporti valore.
Se vuoi che l’AI automatizzi i tuoi report, ciò che scoprirai spesso è che se i dati non sono corretti, il tuo report non restituirà ciò che cerchi.
Sovrapporre l’AI a processi fallimentari
L’AI è un fattore moltiplicativo. Proprio per questo applicarla a un flusso di lavoro disfunzionale risulta così controproducente — moltiplica la disfunzione. Le organizzazioni che credono che l’AI possa risolvere un processo rotto finiscono, nella quasi totalità dei casi, per peggiorarlo e renderlo ancora più difficile da diagnosticare.
Markus Kopko, Lead Coach CPMAI, spiega chiaramente la dinamica: "Buttare AI e soluzioni AI su processi scadenti non rende il processo migliore. I risultati sono persino peggiori che se non avessi cambiato i tuoi processi." Il miglioramento dei processi deve avvenire prima. Applicare l’AI a un flusso di lavoro inefficiente o mai rivisto non mostra i problemi di fondo, li nasconde producendo risultati più rapidi e numerosi.
Sostituire il giudizio umano nelle dinamiche di squadra e nei conflitti
I dati possono raccontare molto a un project manager. Ma non possono dirgli che due membri del team hanno smesso di fidarsi l’uno dell’altro, quando la sicurezza psicologica in team è assente, o che ciò che sembra un problema di pianificazione nasconde in realtà un conflitto più profondo. Questi aspetti richiedono presenza, osservazione e giudizio umano — nessuno dei quali l’AI può fornire.
Jeremiah Hammon, formatore di leadership e project manager presso Project Revolution, traccia un confine netto: "Quello che non farà è vedere i veri problemi. Non ci dirà che abbiamo tre membri del team con problemi personali in corso oppure quando le questioni di gruppo richiedono una risoluzione del conflitto. Non lo farà." La complessità interpersonale di un team di progetto — chi è in difficoltà, chi è disimpegnato, che cosa non viene detto — è invisibile all’AI. E in molti progetti, proprio questa componente determina se il lavoro verrà portato a termine o meno.
Quello che [l’AI] non farà è vedere i veri problemi. Non ci dirà che abbiamo tre membri del team con problemi personali in corso oppure quando le questioni di gruppo richiedono una risoluzione del conflitto. Non lo farà.
La ricorrenza dietro il problema
In tutti questi casi d'uso, c’è un filo conduttore che attraversa i fallimenti: si chiede all’IA di svolgere compiti per cui non è mai stata progettata o la si implementa in modi che eliminano il giudizio umano che avrebbe potuto individuare il problema. Il problema non è l’IA in sé — è l’assunzione che, siccome l’IA può produrre un risultato, quel risultato sia affidabile, appropriato o sufficiente. I professionisti che utilizzano l’IA in modo più efficace non sono quelli con l’elenco più lungo di applicazioni. Sono quelli che hanno più chiaro dove finisce l’IA e inizia il giudizio umano — e che trattano questo confine non come un limite, ma come un principio di progettazione.
Vuoi altri approfondimenti come questi? Registrati per un account DPM gratuito per ascoltare altri esperti come questi.