Le Maggiori Sfide della Leadership nelle Consegne del 2026
Integrazione dell’IA: L’IA è una pressione attuale per i project leader, con un’adozione spesso priva di una strategia e preparazione adeguate.
Sfide dei Dati: Dati non strutturati e pregiudizi compromettono l’efficacia dell’IA, richiedendo una migliore governance e alfabetizzazione dei dati.
Preoccupazioni Umane: L’attuazione dell’IA genera ansia nei team riguardo alla sicurezza del lavoro, richiedendo ai leader di gestire efficacemente la fiducia.
Paradosso degli Esperti: La profonda competenza rimane essenziale per un uso efficace dell’IA, poiché l’IA dipende dalla padronanza umana per generare valore.
Focus sull’Esecuzione: Il successo dei progetti spesso vacilla nell’esecuzione a causa del multitasking e del sovraccarico di lavoro, non per una pianificazione insufficiente.
Qualcosa è cambiato nella delivery nel 2026. Non si tratta solo del fatto che gli strumenti sono cambiati, o che il ritmo del cambiamento si è accelerato — è che ogni forza principale che sta sconvolgendo il modo in cui le organizzazioni operano sembra essere arrivata tutta insieme. L’intelligenza artificiale è passata da curiosità a aspettativa operativa nel giro di pochi anni. L’instabilità geopolitica sta rimodellando mercati e catene di approvvigionamento. La pressione sulla delivery è aumentata, anche se i team sono più snelli e dispersi che mai. E attraverso tutto ciò, le persone responsabili di far avvenire realmente i progetti vengono chiamate a navigare in un terreno che nessun playbook ha ancora completamente mappato.
Per capire cosa richiede davvero questo momento, abbiamo parlato con diversi responsabili della delivery in vari settori. Ecco le loro riflessioni.
La resa dei conti con l’intelligenza artificiale — Opportunità, ansia e domande irrisolte
L’intelligenza artificiale non è più una considerazione futura per i project manager — è una pressione al presente. Ma da tutte le nostre conversazioni è emersa una tensione costante: l’entusiasmo per l’IA ha superato di gran lunga la preparazione organizzativa all’uso efficace dell’IA. La domanda ormai non è più se adottare l’IA, ma piuttosto come farlo in modo responsabile, e cosa succede quando le organizzazioni saltano il lavoro di base necessario perché davvero funzioni.
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
La pressione di adottare senza basi solide
La richiesta di "usare l’IA" arriva dall’alto con urgenza, ma spesso senza una strategia che la supporti. Marcus Glowasz, Executive Coach & Advisory, Change and Project Communications, presso Projects & Data, descrive uno schema che vede ripetersi frequentemente: "Sento spesso dire, ‘Dobbiamo usare l’IA. Poiché la usano tutti, dobbiamo farlo anche noi.’ E allora tutti si buttano. Ma forse esiste una soluzione migliore dell’IA." La pressione esiste, ma spesso la direzione è prematura.
Sento spesso dire, ‘Dobbiamo usare l’IA. Poiché la usano tutti, dobbiamo farlo anche noi.’ E allora tutti si buttano. Ma forse esiste una soluzione migliore dell’IA.
Questa pressione dall’alto è aggravata dalla mancanza di confronto con chi effettivamente gestisce la delivery. Emmanuels Magaya, fondatore di Project Managers Africa, ha descritto una situazione che ha vissuto innumerevoli volte: “L’IA spesso arriva da un livello aziendale, ti dicono di iniziare tutti a usare questo strumento. Arriva dall’alto come un elicottero… Ma nessuno ha consultato il team PMO.” Il risultato è un’implementazione senza adattamento — e un’adozione fallita che genera scetticismo.
L’IA spesso arriva dall’alto come un elicottero… ma nessuno ha consultato il team PMO.
Lo stesso schema si presenta anche a livello di progetto. Derek Fredrickson, fondatore di the COO Solution, sostiene che la sequenza sia fondamentalmente invertita in molte organizzazioni: “Molto spesso cercano [i leader] di avviare l’IA come soluzione prima che una persona abbia effettivamente svolto il compito… Occorre chiarire molto bene cosa stanno facendo gli esseri umani per vedere dove l’IA possa aggiungere valore, invece di ‘non ho una funzione o non ho ancora una cosa ma voglio solo che l’IA la faccia’.” Prima di introdurre l’IA, afferma, è necessario comprendere e documentare il processo umano.
Spesso [i leader] cercano di avviare l’IA come soluzione prima che un essere umano abbia effettivamente svolto l’attività. Dobbiamo essere davvero chiari su cosa sta facendo la persona, prima di vedere dove l’IA può aggiungere valore.
Il problema dei dati alla base del problema dell’IA
Sotto la questione dell’adozione dell’IA si cela una domanda ancora più fondamentale: i dati sottostanti sono sufficientemente validi da rendere l’IA utile? Bruno Morgante, Fondatore & CEO di Mantegora, affronta il problema legato all’IA nel lavoro di portafoglio senza mezzi termini: "il problema più grande al momento è che i dati di partenza non sono così puliti. Abbiamo quindi dati non strutturati, sporchi, e con bias. E quando metti tutto ciò insieme e chiedi a uno strumento di IA di aiutarti nella previsione...il risultato non sarà così buono." Spazzatura in ingresso, spazzatura in uscita — la regola più antica dei dati vale ancora, anche nell’epoca dei grandi modelli linguistici.
Abbiamo dati non strutturati, sporchi, e con bias. E quando metti tutto ciò insieme e chiedi a uno strumento di IA di aiutarti nella previsione…il risultato non sarà così buono.
Per Laurel Sim, Managing Partner e President presso Taleo Project Services, Inc., l’assenza di limiti chiari su dove e come si possa usare l’IA è una delle sfide di leadership più rilevanti di questo momento. "La velocità dell’IA e come non abbiamo barriere che definiscano dove l’IA sia una pratica accettabile," afferma, è tra le sue principali preoccupazioni professionali — e a suo avviso, le organizzazioni senza una buona governance dei dati sono particolarmente esposte.
Marcus Glowasz osserva che esiste anche un problema di alfabetizzazione dei dati che deve essere affrontato prima di qualsiasi seria implementazione dell’IA: "Serve alfabetizzazione dei dati. Bisogna comprendere i concetti legati ai dati. Se hai dati che non capisci, allora...che utilità possono avere strumenti di IA davvero avanzati?" Una governance dei dati unita a una comprensione umana dei dati utilizzati è un prerequisito, non un optional, per utilizzare l’IA in modo efficace.
La dimensione umana: team, fiducia e paura per il lavoro
Anche quando l’IA viene integrata in modo ponderato, esiste una sfida gestionale sottovalutata dai leader: l’ansia che crea nei team. Pam Butkowski, SVP, Delivery presso Horizontal Digital, la identifica come la vera prova di leadership: "Non credo che capire o trovare il modo di integrare strumenti e metodi di IA nelle nostre modalità operative quotidiane sia davvero la sfida. Dal mio punto di vista di leader, la vera sfida è stata incoraggiare il mio team, o trovare dei modi per spingerlo a sviluppare altre competenze mentre introduciamo questi strumenti di IA... E spiegare, trasmettendo fiducia ai membri del team, che l’IA non ruberà il loro lavoro." L’integrazione tecnica, suggerisce, è forse la parte più semplice.
La sfida per me è stata quella di incoraggiare il mio team, o trovare modi per far sì che il mio team sviluppi altre competenze mentre integriamo questi strumenti di intelligenza artificiale… E spiegare e instillare fiducia nei membri del team che l’intelligenza artificiale non prenderà il loro posto di lavoro.
Bill Dow, Direttore dell’Enterprise PMO presso UW Medicine, collega questa ansia a una realtà ambientale più ampia che i leader non possono ignorare: "Penso che nel 2026 sia necessario essere consapevoli dell’ambiente in cui ci troviamo, di tutti i diversi licenziamenti dovuti all’IA, di tutto ciò che sta accadendo nel mondo, e poi fermarsi e chiedersi: come possiamo rimanere al passo? Come possiamo anticipare tutto ciò?" La domanda per i responsabili della delivery non è solo come utilizzare l’IA, ma anche come guidare team che temono cosa significhi per il loro futuro.
Nel 2026 bisogna essere consapevoli dell’ambiente in cui ci troviamo, di tutti i diversi licenziamenti dovuti all’IA, di tutto ciò che accade nel mondo, e fermarsi a chiedersi: come facciamo a restare al passo?
Il paradosso dell’esperto — L’IA ha bisogno della padronanza umana per generare valore
C’è un paradosso al centro dell’adozione dell’IA, che Markus Kopko, CPMAI Lead Coach di ALVISSION, illustra così: "Quello che la maggior parte delle persone non ha ancora compreso è che bisogna essere esperti nel proprio dominio per ottenere buoni risultati dall’IA." L’implicazione è importante. L’intelligenza artificiale non riduce l’esigenza di una profonda competenza: ne dipende.
Kopko va oltre e solleva una preoccupazione generazionale: "Il problema che dovremo affrontare in un futuro non troppo lontano, credo, è che se i giovani non acquisiranno più quella conoscenza e non diventeranno esperti nel tempo, come potranno valutare e revisionare i risultati forniti dall’IA?"
L’IA non riduce il bisogno di una profonda competenza. Ne dipende.
Restare al passo — Il ritmo del cambiamento supera quello delle persone
L’intelligenza artificiale è l’acceleratore più evidente, ma non è l’unico. Gli esperti che abbiamo consultato si trovano di fronte a un problema di velocità molto più ampio: il cambiamento tecnologico si muove più rapidamente di quanto la maggior parte delle persone e delle organizzazioni riesca ad assorbire, le forze macro generano nuove incertezze e l’aspettativa di una delivery più rapida si scontra con la realtà dei limiti umani. La sfida del restare al passo non riguarda solo l’apprendimento di nuovi strumenti: si tratta di guidare le persone attraverso un disorientamento costante e prolungato.
Velocità della tecnologia e debito di apprendimento
Kopko descrive il ritmo come qualcosa di relativamente nuovo: "[la sfida più grande] è stare al passo e integrare lo sviluppo rapido delle tecnologie. L’ambito dell’IA era relativamente nuovo per molte persone solo pochi anni fa. E ora lo usiamo praticamente ogni giorno. Ora, dobbiamo integrare la alfabetizzazione sull’IA, la alfabetizzazione sui dati e imparare molto più velocemente rispetto al passato."
La professione non fatica a comprendere l’IA in teoria — sta lottando per tenere il passo con la velocità a cui l’IA stessa si evolve. Quella che era pratica corrente sei mesi fa potrebbe già essere obsoleta, e le organizzazioni sono costantemente in uno stato di inseguimento continuo.
L'ambiente macro: politica, mercati e incertezza
La sfida della velocità si estende ben oltre la tecnologia. Laurel Sim individua l’ambiente macro come una delle sue due preoccupazioni più pressanti per la professione: "la mia maggiore preoccupazione è l’ambiente politico del paese, del continente e del mondo e come tutti noi dobbiamo evolverci rispetto a dove si trovano i nostri mercati." L’instabilità geopolitica, le dinamiche commerciali in cambiamento e l’incertezza economica non sono preoccupazioni astratte per chi guida la delivery — si traducono direttamente in priorità mutevoli, catene di fornitura interrotte e progetti che iniziano sotto un determinato set di assunzioni e devono essere completati sotto condizioni completamente diverse.
La mia maggiore preoccupazione è l’ambiente politico del paese, del continente e del mondo e come tutti noi dobbiamo evolverci rispetto a dove si trovano i nostri mercati
La crisi delle competenze umane — Pensiero critico, esecuzione e dinamiche di team
In mezzo a tutto il clamore sulla tecnologia, gli esperti con cui abbiamo parlato hanno più volte riportato l’attenzione su una crisi più silenziosa e lenta: l’erosione delle competenze umane fondamentali che nessuna IA può replicare.
Pensiero critico e competenze comunicative stanno emergendo come competenze imprescindibili
Alla domanda su quali siano le capacità più importanti per la prossima generazione di leader di progetto, Laurel Sim non ha esitato: "Il pensiero critico," afferma. "Affinché pensiamo e siamo creativi...se non cerchiamo di incoraggiare questa forza, ci perdiamo qualcosa." La preoccupazione non è solo che il pensiero critico sia poco sviluppato — è che stiamo attivamente fallendo nel coltivare questa competenza, proprio mentre diventa sempre più importante nell’era dell’IA.
Michael Gold, Founder & Fractional Head of Delivery, collega direttamente questo cambiamento a come l’IA sta ridefinendo il ruolo stesso del PM: "dire di essere orientato ai processi come project manager non significa nulla, perché chi non lo è, con l’IA? Con l’IA c’è ancora più attenzione sull’aspetto umano, la gestione delle relazioni, la gestione degli stakeholder, la capacità di persuasione, le competenze comunicative… L’IA non può sostituire quell’interazione umana uno-a-uno." Poiché l’IA assorbe le parti più procedurali del ruolo, ciò che rimane — e conta di più — è irriducibilmente umano.
Con l’IA c’è ancora più attenzione sull’aspetto umano, la gestione delle relazioni, la gestione degli stakeholder, la capacità di persuasione, le competenze comunicative.
Multitasking, sovraccarico e ambiente di lavoro disumano
Uno dei temi più ricorrenti emersi dalle nostre interviste è il danno provocato dal sovraccarico organizzativo — la pratica di assegnare alle persone più lavoro di quanto possano ragionevolmente assorbire. Bill Dow lo descrive senza mezzi termini: "i manager assegnano 10 progetti alle persone... E quello che succede è che si entra in un continuo spostamento da un progetto all’altro, giusto? E nessun corpo umano può sopportarlo." Il risultato non è produttività — è l’illusione della produttività, che maschera problemi organizzativi più profondi.
Johanna Rothman, proprietaria della Rothman Consulting Group, porta la critica ancora oltre, inquadrando il multitasking non solo come un problema pratico ma anche etico: "Il motivo per cui sono così offesa dal multitasking è perché toglie l’umanità dal lavoro. Invece, abbiamo pezzi e frammenti di persone in un foglio di calcolo. Il multitasking nasce dalla convinzione che possiamo dividere e conquistare, creando così un ambiente di lavoro disumano." In altre parole, quando trattiamo le persone come risorse frazionate distribuite su diversi flussi di lavoro paralleli, non stiamo solo riducendo l’efficienza. Stiamo creando le condizioni che rendono più difficile realizzare un lavoro significativo e di alta qualità.
Johanna Rothman mette anche in discussione il modo in cui le organizzazioni pianificano il lavoro. Molti team costruiscono lunghi backlog e roadmap che promettono consegne ogni due settimane, ma sostiene che tale livello di certezza sia irrealistico: “Non so quanto tempo ci vorrà e ho molta esperienza con i miei risultati. E se io, dopo 30 anni di esperienza basata sui risultati, non riesco a prevedere cosa farò la prossima settimana, come può riuscirci un qualsiasi team?”
Il suo punto è che il sovraccarico e l’eccessivo impegno sono spesso incorporati nel sistema stesso, lasciando ai responsabili della consegna il compito di gestirne le conseguenze.
Se io, dopo 30 anni di esperienza basata sui risultati, non riesco a prevedere cosa farò la prossima settimana, come può riuscirci un qualsiasi team?
La strada da percorrere
Le sfide descritte da questi leader non sono isolate. Sono interconnesse. L’intelligenza artificiale sta trasformando il modo in cui i progetti vengono pianificati e consegnati, ma i quadri di governance, l’infrastruttura dati e le pipeline di sviluppo umano necessarie a supportare questa trasformazione sono in ritardo. I leader che sapranno navigare con successo il 2026 saranno coloro che capiscono che i problemi più difficili sono ancora, nella loro essenza, umani.
Vuoi altri approfondimenti da esperti come quelli presentati in questo articolo? Crea un account gratuito per ottenere accesso a numerosi contenuti e risorse guidati da esperti.
