Sovraccarico di Strumenti AI? Una Guida per Gestire le Tue Opzioni
Sovraccarico di Strumenti: I lanci quotidiani di nuovi strumenti AI sovraccaricano i project manager, complicando le decisioni di acquisto intelligenti.
Casi d'Uso Prima: Dai priorità alla comprensione delle specifiche esigenze di AI prima di adottare strumenti per evitare soluzioni inefficienti.
Test Comparativi: Valuta gli strumenti AI confrontando i risultati su più piattaforme, non in isolamento.
Potenzia, Non Sostituire: Considera di migliorare gli strumenti esistenti con agenti AI invece di cambiare piattaforma con troppa fretta.
Adozione Strategica: Concentrati sull'allineamento dell'adozione degli strumenti AI con strategie organizzative di lungo termine e miglioramenti dei processi.
Attualmente vengono lanciati tra 500 e 1.000 nuovi strumenti di intelligenza artificiale ogni singolo giorno. Per i project manager e i leader del PMO, questo dato non è entusiasmante: è sfiancante. Ogni settimana appare una nuova piattaforma che promette di automatizzare i report di stato, prevedere i rischi e ottimizzare l'allocazione delle risorse. E ogni settimana, le organizzazioni prendono decisioni di acquisto da decine o centinaia di migliaia di dollari basandosi su video dimostrativi e presentazioni commerciali.
Emmanuels Magaya, fondatore di Project Managers Africa, ha testato oltre 100 strumenti di intelligenza artificiale e ha creato una consulenza per aiutare le organizzazioni a prendere decisioni più intelligenti sugli strumenti da adottare.
Recentemente è intervenuto nel podcast DPM, condotto da Galen Low, per condividere una prospettiva che va controcorrente rispetto al ciclo di entusiasmo attuale: rallentare, essere specifici e smettere di lasciare che sia lo strumento a guidare la strategia.
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
Ecco l'esatto framework che ha illustrato durante la trasmissione per aiutarti a fare altrettanto.
Inizia dai casi d'uso, non dagli strumenti
L'errore più comune che le organizzazioni commettono non è scegliere lo strumento sbagliato, ma sceglierne uno prima ancora di sapere cosa si vuole che faccia. Magaya è diretto su questo punto. "Il primo passo è capire esattamente cosa vuoi che l'intelligenza artificiale faccia per te", dice. "Non provare a usare l'AI per tutto. Guarda alcune delle cose semplici che fai nella quotidianità, quelle attività di routine, quelle attività mentali, che ti portano via tempo."
Non provare a usare l’AI per tutto. Guarda alcune delle cose semplici che fai nella quotidianità che sono routine.
Sembra semplice, ma la maggior parte dei team salta questo passaggio. Vedono un concorrente usare una nuova piattaforma, oppure qualcuno della dirigenza legge un articolo, e all'improvviso c'è pressione per adottare qualcosa in fretta. Il problema è che l'urgenza senza chiarezza porta esattamente alla situazione che Magaya si trova spesso a dover risolvere come consulente.
Il suo altro avvertimento è altrettanto importante: non dare per scontato che i tuoi processi siano pronti per l'AI solo perché lo è lo strumento. "Non correre subito allo strumento," afferma. "Prima chiediti: il mio processo supporta l'AI? Quello che abbiamo scoperto è che esistono processi già rotti dove inserire l'AI non farà altro che peggiorare la situazione." Se la pianificazione delle risorse è incoerente o i dati di progetto sono disordinati, uno strato di AI non risolverà il problema: renderà solo il caos più veloce.
Come valutare e confrontare gli strumenti di intelligenza artificiale
Una volta definiti i tuoi casi d'uso dell'AI, il passo successivo è la fase di test — e Magaya adotta una metodologia specifica. Il più grande errore che le persone commettono quando valutano gli strumenti è testarli in isolamento, giudicandoli rispetto a uno standard astratto invece che contro un diretto concorrente.
La sua soluzione è diretta: "Non usare mai un solo strumento per ottenere risultati con l'AI. Prova a inserire lo stesso prompt in Gemini, Claude, qualsiasi altro strumento a cui hai accesso, e poi confronta i due." Eseguire prompt identici su più strumenti e modelli AI mette in luce differenze in termini di qualità, profondità e pertinenza per il tuo caso d'uso specifico.
Questo articolo è adattato da un episodio del podcast DPM dal titolo, Non Hai Bisogno di un Nuovo Strumento AI per il PM – Devi Sistemare Quello che Hai. Scopri altri podcast DPM qui.
Ma la qualità del tuo output è solo buona quanto la qualità dell'input. "Se non sei bravo a scrivere prompt, potresti non ottenere un buon risultato nemmeno con lo strumento giusto," dice Magaya. "Quindi devi sviluppare la capacità di scrivere prompt." Questa è una variabile che la maggior parte dei framework di valutazione ignora completamente: i team testano uno strumento, ottengono un risultato mediocre e lo scartano, quando il vero problema è il prompt.
Lui mette anche in guardia dal giudicare uno strumento dalla prima impressione. "Sperimenta con i tuoi strumenti, prova le diverse funzionalità. Scoprirai che anche uno strumento che inizialmente ti sembrava non molto efficace potrebbe invece essere perfetto per uno specifico utilizzo."
La maggior parte delle piattaforme offre funzionalità integrate che gli utenti non scoprono mai perché si limitano all'interfaccia principale senza esplorare oltre.
Cosa fare quando il tuo strumento di IA non si adatta
Anche con un processo di valutazione approfondito, a volte le organizzazioni si ritrovano dopo sei mesi dall'implementazione a rendersi conto che lo strumento non sta offrendo ciò che era stato promesso. In questi casi, Magaya raccomanda una diagnosi strutturata prima di prendere qualsiasi decisione sui prossimi passi.
"Per prima cosa bisogna comprendere cosa ti aspettavi dallo strumento," dice. "Poi si fa quella che chiamiamo una analisi delle lacune. Fai un’analisi delle lacune tra aspettative — quello che mi aspetto che lo strumento faccia e quello che effettivamente sta fornendo." Quell’analisi delle lacune determina tutto: se il problema è risolvibile, se vale la pena rimanere e quanto costerebbe effettivamente cambiare.
E quel costo può essere significativo. "L'impatto di una scelta sbagliata può essere enorme. Può persino costare milioni, manifestandosi nella soddisfazione del cliente, nella consegna al cliente, nella qualità del prodotto, ecc.", afferma Magaya. Il danno economico di un contratto sbagliato è evidente, ma spesso sono le ripercussioni sulla qualità della consegna e sul morale del team a far più male.
L'impatto di una scelta sbagliata può essere enorme – manifestandosi nella soddisfazione del cliente, nella consegna al cliente, nella qualità del prodotto, ecc.
Un fattore che è facile sottovalutare, e che Magaya sottolinea come la considerazione più importante dopo aver identificato i punti di attrito, sono i dati di progetto. "Quanti dati abbiamo fornito a questo strumento? Questo probabilmente è il punto più importante dopo il punto di attrito," dice.
"Potresti nemmeno riuscire a recuperarli." A differenza di un foglio di calcolo che puoi esportare e importare altrove, ciò che uno strumento di IA ha appreso dal comportamento del tuo team, dalla cronologia dei progetti e dai modelli organizzativi non è trasferibile. Più sei avanti nell’utilizzo di uno strumento, più alto sarà il costo di tornare indietro.
Come potenziare il tuo strumento esistente con agenti IA
È proprio qui che la maggior parte delle discussioni sugli strumenti di IA si bloccano: la scelta viene presentata come rimanere o lasciare. Magaya propone una terza opzione che più organizzazioni dovrebbero prendere in considerazione — l’implementazione di integrazioni. Invece di sostituire uno strumento che presenta delle lacune, costruisci agenti e flussi di lavoro automatizzati che colmino quelle lacune mantenendo intatta la piattaforma esistente.
Pensa agli agenti come modulari, non monolitici
La natura modulare delle IA agentiche rende questa soluzione più pratica di quanto sembri. "Con l’IA agentica, il bello è che puoi eliminare gli agenti che non ti servono o che non funzionano bene, e aggiungerne di nuovi," spiega Magaya. "Se crei un PMO agentico, avrai un agente che si occupa della previsione dei rischi. Avrai un agente IA che cura la pianificazione della capacità. Ne avrai uno che si occupa solo della programmazione o della gestione del calendario." Ogni agente si occupa di una funzione separata, il che significa che puoi aggiungere o rimuovere caratteristiche senza dover rifare tutto il sistema e puoi assicurarti che ciascuno sia ottimizzato per quell’attività specifica.
Con l'IA agentica, il bello è che puoi eliminare gli agenti che non ti servono o che non funzionano bene, e aggiungerne di nuovi
Inizia in piccolo all’interno del tuo strumento esistente
Il punto di partenza non deve essere complicato. "Se hai già uno strumento, prima di tutto, supporta l’IA?" dice Magaya. "Se stai usando strumenti diffusi come Monday.com, Asana, Jira, in generale stanno lavorando bene per mantenersi aggiornati sull’abilitazione dell’IA. Puoi partire da lì. Quindi, inizi in piccolo. Forse è solo un agente IA che controlla le note dopo le riunioni — estraiamo il transcript, creiamo i punti d'azione e poi mandiamo un’email." Questo è un ingresso a basso rischio e alto valore che non richiede una revisione architettonica completa.
Pianifica prima di costruire
Per i team che hanno bisogno di andare oltre — collegando strumenti come n8n, Make, o Zapier per creare flussi di lavoro più sofisticati — Magaya sottolinea che la tecnologia è la parte semplice. La parte difficile è sapere cosa si vuole costruire prima di iniziare a costruirlo. "Non puoi iniziare a costruire una casa senza un progetto, ed è proprio questo l’errore che molti commettono con l’IA," afferma.
"Quando le persone sentono parlare di n8n, Make, Zapier, corrono subito a creare workflow. Ma di cosa tratta davvero il tuo workflow? Crea prima una mappa mentale in strumenti come NotebookLLM." La fase di pianificazione non è opzionale — è ciò che determina se il workflow che costruisci risolve veramente il problema e comprende il flusso di informazioni oppure aggiunge solo complessità.
Non puoi iniziare a costruire una casa senza un progetto, ed è qui che molti sbagliano con l’AI.
Una volta che l'architettura è chiara, l'implementazione diventa notevolmente più gestibile. "Puoi mantenere il tuo strumento, ma assicurati che sia qualcuno che comprende i processi di automazione a creare i workflow. Solo così saranno integrati correttamente."
Tratta gli agenti AI come membri del tuo team
L'adozione dell'AI non è solo una decisione tecnica — richiede un cambiamento nella percezione della composizione del team. Magaya sostiene che i responsabili del PMO debbano iniziare a includere gli agenti AI nell'organico. "Qui entra in gioco anche un elemento di gestione del cambiamento", afferma.
"Il team deve imparare ad accogliere l'AI come parte integrante del gruppo. Andando avanti, come PMO, quando dovrai fare il conteggio delle risorse, mettiamo che il tuo team sia di 50 persone — ora dovrai contare anche gli agenti AI. Quindi, se hai, ad esempio, 10 agenti AI, sei effettivamente un team di 60 membri, perché abbiamo quello che chiamiamo RACI chart AI, dove nella RACI chart — chi è responsabile, chi è incaricato, chi è consultato e chi è informato — c'è una sezione in cui l'AI svolge determinate funzioni."
Andando avanti, come PMO, quando dovrai fare il conteggio delle risorse, ora dovrai contare anche gli agenti AI come parte del team.
Questo tipo di inquadramento è importante perché favorisce la chiarezza. Quando un agente ha un ruolo definito nella RACI, il team sa esattamente di cosa è responsabile, quale sorveglianza è prevista e dove avviene il passaggio di consegne alle persone. Inoltre, aiuta a capire rapidamente quali agenti abbiano performance insufficienti in alcune parti del workflow.
Da reattivo a predittivo
Trattare gli agenti come membri del team sblocca una capacità che Magaya considera tra i vantaggi più sottovalutati dell’AI nella gestione dei progetti. "Quando hai un PMO supportato dall’AI con agenti e assistenti che collaborano in modo armonioso, questi agenti possono davvero informarti sui rischi basandosi sui dati raccolti in posti come email e Microsoft Teams", afferma.
Questo modello operativo è fondamentalmente diverso da quello a cui la maggior parte dei PMO è abituata. "Prima, i PMO tradizionali gestivano i rischi in modo reattivo — oh, sta per succedere qualcosa, ok, sistemiamo," spiega Magaya. "Ma con l’AI, l’AI può dirti tra 12 mesi cosa potrebbe accadere solo sulla base dei dati." I team che fanno bene questo non usano l’AI solo per risparmiare tempo sulla gestione amministrativa, ma per avere una visione molto più ampia rispetto a prima.
L’AI può dirti cosa potrebbe accadere tra 12 mesi semplicemente analizzando i dati.
Lascia che sia la strategia a guidare, non gli strumenti
Le organizzazioni che otterranno il massimo dall’AI non sono quelle che adottano più strumenti — sono quelle più deliberate nel modo e nel motivo per cui li adottano. Questa intenzionalità nasce prima ancora che si acquisti uno strumento, e parte da una chiara visione di come sono i tuoi processi e dove sta andando la tua organizzazione.
Come afferma Magaya: "Immagina di usare l’AI in modo efficace tra 12 mesi. Come sarà la tua organizzazione? Quali saranno le sensazioni dei tuoi clienti? È così che bisogna ragionare." Parti da lì, procedi a ritroso, e lascia che gli strumenti seguano la strategia — non il contrario.
Vuoi ancora più approfondimenti come questi? Iscriviti a un account DPM gratuito per seguire altri esperti come questi.
