Esperto di AI ed Ex Product Manager Approfondisce l’Uso dei Flussi di Lavoro Agentici nella Consegna dei Progetti
Nate Jones è un ex product manager che ora costruisce i suoi prodotti — mentre educa le masse su come utilizzare i sistemi agentici a proprio vantaggio. È la persona giusta con cui parlare se vuoi conoscere tutti i dettagli sull'utilizzo delle pipeline agentiche per la consegna dei progetti. Ed è proprio per questo che ci siamo seduti a parlarne con lui.
Nate Jones
Head of Product presso Rockerbox
I flussi di lavoro agentici ridefiniscono la consegna dei progetti: Gli agenti AI ora possono gestire triage, pianificazione e documentazione su larga scala. Se abbinati a regole aziendali chiare, aumentano drasticamente velocità e coerenza tra i progetti.
Il nuovo PM è un gestore di agenti: I product e project manager devono passare dal creare artefatti al validare gli output degli agenti. Il lavoro ora si concentra su supervisione, controllo qualità e indirizzamento dei sistemi AI per imparare e migliorare.
Adottare l'AI richiede un cambiamento operativo profondo: Passare a flussi di lavoro guidati dall’AI non è un plug-and-play. Richiede nuove abitudini, una gestione pulita del contesto e una documentazione chiara affinché le persone possano concentrarsi sul 2% del lavoro strategico che guida il 98% eseguito dall’AI.
Ecco cosa ci ha detto.
Incontra “Il Mr. Rogers dell’IA” e la sua ossessione per l’IA
Sono Nate — conosciuto in rete come il tizio con il berretto che parla spesso di IA. Qualcuno mi ha definito di recente "Il Mr. Rogers dell’IA" e la cosa mi ha fatto molto piacere. Ho un background da product manager, quindi conosco bene le sfide della delivery e collaboro con aziende che stanno lavorando su sistemi di IA agentica.
Secondo me, la cosa più importante che puoi fare adesso è imparare l’IA. Ecco perché la insegno.
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
Ne sono ossessionato. E le persone che conosco che sono ossessionate ottengono i migliori risultati nelle loro carriere. Devi valutare la fluenza in accelerazione — ovvero quanto velocemente stai migliorando la tua capacità di utilizzare strumenti di IA — come una delle metriche chiave per la carriera.
Come aumentare di 10 volte la tua efficienza e velocità di delivery con l’IA in 24 mesi
L’IA ha cambiato tutto! Ha rivoluzionato completamente il mio ruolo. Ora parto sempre dall’IA come default.
In realtà, direi di aver decuplicato la mia capacità e velocità di delivery, migliorando la qualità, in soli 24 mesi. Ecco come puoi farlo anche tu:
- Cambia mentalità: Parti sempre dagli LLM. È l’unico modo per imparare.
- Pretendi risultati concreti, non solo consigli: l’IA è uno strumento potente che può produrre deliverable completi, soprattutto nel project management. Devi solo spingerla a consegnare. Pretendi sempre qualità elevata. Dillo chiaramente se il risultato non è soddisfacente. Poi, guarda a te stesso: quasi sempre il problema è che non hai comunicato chiaramente l’intento, e l’LLM sta deducendo da un prompt vago con risultati poco utili.
- Usa la costruzione di prompt assistita da LLM: Gli LLM possono aiutarti a costruire i tuoi prompt, risparmiando moltissimo tempo.
- Impara l’uso ottimale degli LLM: Impara a dividere gli input e a scrivere prompt puliti. E sii ossessionato dalla qualità degli input, dati e contesto chiaro che fornisci al modello.
Come automatizzare il triage dei ticket e la scomposizione dei task con sistemi agentici
Costruire triage e scomposizione dei ticket su larga scala usando sistemi agentici è stato fondamentale. In particolare per ottenere architetture di pianificazione dichiarative, pulite e tipizzate, e flussi di lavoro per gli agenti.
Ecco un flusso di lavoro agentico per il triage dei ticket, dall'inizio alla fine:
- Una chiamata di un cliente viene trascritta con Granola (app di presa appunti). La trascrizione entra poi in una pipeline agentica.
- Il primo agente utilizza GPT-5 Thinking per analizzare la trascrizione e identificare la voce del cliente. Fornisce richieste chiare.
- Il risultato passa a un altro agente, che utilizza Notion (software di project management) tramite MCP, registra le informazioni e le richieste del cliente e allega la trascrizione completa come riferimento.
- L’agente successivo invoca un LLM di analisi, nel mio caso Gemini 2.5 Pro, per scandagliare l’intero database di Notion usando un prompt personalizzato. Il risultato è una panoramica pesata della priorità di tutte le richieste note.
- Poi, un altro agente utilizza un LLM leggero (come GPT Turbo) per interrogare Linear via MCP. Confronta queste priorità con i ticket esistenti, individua sovrapposizioni e mette in evidenza eventuali lacune.
- Se ci sono lacune, il flusso torna a GPT-5 Thinking con un prompt per generare problemi di prodotto e requisiti di soluzione.
- A quel punto, un agente utilizza ChatPRD tramite MCP per redigere un documento con i requisiti di prodotto (PRD).
- Successivamente, GPT-5 Non-thinking si occupa di suddividere il PRD in singoli ticket — una fase molto lineare — e li invia su Linear tramite MCP.
- Infine, per andare oltre, un altro agente può estrarre l’elenco di sviluppatori umani e agentici (come Devin AI) e iniziare ad assegnare automaticamente i task su Slack.
Costruire la gestione e la scomposizione dei ticket su larga scala utilizzando sistemi agentici è stato molto importante. In particolare per ottenere architetture di pianificazione pulite, tipizzate e dichiarative e flussi di agenti ben definiti.
Cosa sono le pipeline agentiche e come costruirle per una delivery scalabile
Le pipeline agentiche meriterebbero una giornata intera di lezioni, ma ecco il succo: stai fornendo a un LLM gli strumenti, le indicazioni e l’ambito per risolvere un problema per te. Costruite tramite API, l’obiettivo è recuperare dati rilevanti — ad esempio tramite il server MCP da Atlassian o un sistema simile — e poi associare i ticket in arrivo alla corretta prompt per avviare un’azione autonoma.
Qui entra in gioco l'importanza di una prompt dichiarativa e pulita. Trovo che affidarsi meno al linguaggio del prompt funzioni bene, inserendo la struttura direttamente nel flusso di lavoro. Questo permette di scalare su diversi tipi di ticket. Arrivare a un’intelligenza deterministica — dove gli output sono consistenti e prevedibili — imponendo chiarezza e regole di business nei workflow, permette di gestire migliaia di ticket.
Guarda solo il flusso agentico che ho descritto sopra. Non riguarda il prompt perfetto. Ha uno o due prompt, ma si basa principalmente su regole di business, dati restituiti e compiti di ragionamento strutturati con cura in piccoli pezzi. Grandi prompt per i modelli di pensiero non sono affidabili quanto tante attività sequenziali per modelli semplici. Tuttavia è importante notare che con i modelli semplici bisogna sempre introdurre la verifica.
Perché adottare l’AI nei workflow di delivery richiede una vera gestione del cambiamento
In generale, sono rimasto sorpreso da quanto lavoro serva per adottare l’AI nei workflow! È uno sforzo di gestione del cambiamento enorme — probabilmente il più grande che abbiamo mai visto in ambito tech. Devi riorientare tutto il tuo workflow partendo dal presupposto che l’umano fornisca il 2% dell’attenzione, mentre il LLM il 98%.
L’intero processo di lavoro va ricostruito.
Che aspetto ha questo cambiamento? Qual è il 2% di attenzione giusto da lasciare all’umano affinché ottenga davvero leva da quel focus? Come puoi ampliare davvero di 10 volte l’ambito grazie all’attenzione aggiuntiva data dal LLM? Come puoi ricostruire template, aspettative contestuali, aspettative di documentazione e processi?
Pensala così — ora il tuo lavoro di product non è produrre artefatti. È:
- Pensare alla direzione futura
- Validare sistemi agentici che iniziano ad ascoltare, costruire PRD per te e passarli in sviluppo.
- E intervenire attivamente con le mani in pasta quando vedi opzioni migliori.
Quindi costruisci sistemi che ti permettano di revisionare un flusso di idee che l’AI sta iniziando a generare.
Allo stesso modo, nei progetti, il lavoro di tenere i "treni sui binari" non riguarda gli artefatti o le riunioni. Non è dare aggiornamenti agli stakeholder. È osservare un flusso automatizzato come quello che ho descritto sopra e dire: “No, secondo me qui c’è una stima di base errata”, e poi intervenire e mettere le mani sul lavoro per garantirne la correttezza — e assicurare che il sistema impari da quell’intervento.
Sei ora un manager di agenti.
Uno sguardo allo stack tecnologico AI di Nate Jones per costruire e gestire progetti
Ecco uno sguardo al mio stack come spunto di ispirazione:
- Linear è un’ottima scelta per la gestione dei progetti — creata per l’IA
- Le funzionalità di IA di Superhuman (software di produttività) per la ricerca, la composizione e il calendario semplificano la corrispondenza
- Granola per la trascrizione delle riunioni
- Perplexity per la ricerca
- ChatGPT Deep Research per una prima analisi di argomenti complessi
- GPT-5 Pro per ragionamenti e risoluzione di problemi molto complessi
- Codex per la risoluzione guidata di problemi di programmazione
- Claude per lavorare su editing e composizione
- Claude Code come agente generico con accesso ai file locali
- Claude su mobile come assistente personale
- Riverside per registrazioni potenziate dall'IA
- Comet Browser per navigare il web in modo intelligente grazie all’IA
E aggiungo questo: Le persone sottovalutano l’utilizzo degli strumenti di Claude. Può creare da zero file Excel e PowerPoint. E puoi usare Claude Code per molto più che il coding. In realtà ci ho scritto un intero articolo su questo.
Perché l’IA sta eliminando le riunioni e rende possibile la collaborazione completamente asincrona
Oggi puoi lavorare molto più in modalità asincrona grazie all’IA. Ho creato interi prodotti senza una sola riunione con i miei collaboratori. Basta avere degli ottimi sistemi di documentazione e gestire le decisioni su Slack.
L’IA rende possibile tutto ciò con la documentazione guidata dall’IA, lo sviluppo guidato dall’IA e molto altro.
Ma soprattutto, si tratta di un cambiamento di mentalità.
Perché la gestione tradizionale dei progetti sta scomparendo nell’era dell’IA
Il gusto non sparirà. Nemmeno la presa di responsabilità. O la gestione degli stakeholder e delle relazioni. O i compiti non deterministici in contesti ambigui. Servono gli esseri umani per queste cose.
Ma la gestione dei progetti, come pratica di coordinamento e avanzamento, scomparirà. Tutte le attività ripetitive e di controllo saranno gestite dall’IA.
Quindi il mio consiglio è di appassionarti agli aspetti ambigui e umani del lavoro. E inizia davvero a dedicarti alla creazione e alla gestione di sistemi di agenti IA — puoi iniziare con OpenAI agent builder e n8n.
Quindi il mio consiglio è di appassionarti agli aspetti ambigui e umani del lavoro. E inizia davvero a dedicarti alla creazione e alla gestione di sistemi di agenti IA — puoi iniziare con OpenAI agent builder e n8n.
Seguimi
Puoi seguire e imparare da Nate tramite la sua newsletter e YouTube.
Altre interviste con esperti arriveranno su The Digital Project Manager.
