All’interno dell’audace spinta di questo CEO per utilizzare l’IA per dati più puliti, consegne più rapide e workflow PM più semplici
Marcel Petitpas, CEO di Parakeeto, utilizza l'IA come motore principale dell'eccellenza nella delivery—semplificando i flussi di lavoro, rafforzando la disciplina dei dati e permettendo a ogni membro del team (anche chi non è tecnico) di sfruttare l'IA nel lavoro quotidiano.
Marcel Petitpas
Fondatore e CEO di Parakeeto
Integrazione dell’IA: Parakeeto sfrutta l'IA per l'efficienza organizzativa, migliorando la consulenza sulla redditività tramite applicazioni innovative.
Efficienza del contesto: L'IA centralizza i materiali contestuali dei clienti, migliorando la preparazione alle riunioni e il processo decisionale con risparmi di tempo significativi.
Workflow semplificati: Parakeeto riduce la complessità della gestione progetti diminuendo i dettagli delle attività, semplificando la documentazione e adattando i processi.
Importanza dell’igiene dei dati: Dati strutturati restano essenziali; l’IA amplifica il bisogno di un’infrastruttura dati robusta e pulita.
Team potenziati: Il personale non tecnico utilizza l'IA per le attività sui dati, aumentando la produttività con strumenti come Notion per documentazione dinamica.
Marcel Petitpas è il fondatore e CEO di Parakeeto, una società di consulenza sulla redditività che sta puntando fortemente sull’IA nei suoi progetti e servizi.
Ecco cosa ha detto Marcel su come sta ridefinendo il settore della consulenza grazie all’IA.
Incoraggiare la Sperimentazione come CEO
Sono il fondatore e CEO di Parakeeto. Siamo una società di consulenza supportata dalla tecnologia che aiuta le agenzie — e altre società di consulenza — a misurare e migliorare la loro redditività.
L’IA rappresenta per noi una grande opportunità e ho dovuto essere molto diretto su questo tema con il mio team.
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
Sto cercando di incoraggiare tutti a sperimentare, utilizzarla e trovare modi per applicarla a ciò che facciamo per migliorarci o essere più efficienti.
Un ottimo esempio è che ogni settimana facciamo una demo show-and-tell e celebriamo qualcosa che viene sperimentato internamente con l’IA.
Efficienze nel Recupero di Contesto e nella Delivery
Il recupero di contesto è probabilmente l’efficienza più significativa che abbiamo ottenuto finora con l’IA.
Abbiamo lavorato per centralizzare il contesto dei nostri clienti — chiamate, note, aggiornamenti Asana, email, ecc. — per renderlo tutto interrogabile tramite l’IA. Ora è molto più facile mettere le persone al corrente di ciò che sta succedendo, prepararsi alle riunioni e prendere decisioni avendo il giusto contesto.
Questo fa risparmiare molto tempo in comunicazioni interne, briefing, revisione delle registrazioni delle chiamate e stesura degli aggiornamenti.
Riusciamo anche a risparmiare molto tempo nella delivery usando l’IA per interrogare la documentazione tecnica dei nostri sistemi e utilizzarla per aiutarci a scrivere regole di pulizia dei dati ed altri compiti tecnici.
Usando l’IA come nostra “memoria perfetta”, possiamo concentrarci e migliorare l’esperienza del cliente. Ogni cliente sembra ora essere il nostro unico cliente.
Rimuovere la Complessità dai Flussi di Lavoro del PM
Un altro grande cambiamento per noi è stato l’abbandono completo del resourcing bottom-up e della gestione progetto molto dettagliata e basata sui task. La possibilità di creare documentazione con cui interagire in modo conversazionale significa che possiamo davvero semplificare i template e rimuovere molto dettaglio e complessità dai nostri flussi di lavoro di project management, il che riduce drasticamente il tempo e lo sforzo necessari per avviare nuovi progetti e mantenere nel tempo i nostri strumenti di PM.
Riduce inoltre in modo significativo i rallentamenti quando avvengono cambi nei nostri processi.
Penso che in futuro questo potrebbe portare il PM dentro Notion. Ma per ora siamo piuttosto soddisfatti di Asana.
Come Stanno Usando l’IA i Clienti per la Delivery Creativa?
Per quanto riguarda i nostri clienti, vediamo l’IA in tutti gli ambiti che ci si aspetta.
- Recuperare contesto dal processo di onboarding e dal processo di vendita per informare strategia e briefing.
- Processo di ideazione/brainstorming e stesura di primi concept e brief per il team interno.
- Produzione rapida di bozze di concept, specialmente nella fase iniziale delle presentazioni (questo vale per testo, UI/UX, graphic design, video, generazione di immagini).
- Generazione di immagini
- Nell’ambito del digital marketing si applica molta IA all’analisi dei dati e delle campagne, aiutando a monitorare gli account e a suggerire modifiche.
- Creazione di varianti di creatività e testi.
- Generare molto valore su ambiti come l’ottimizzazione SEO — soprattutto per le attività di base come meta-tag, descrizioni, ecc.
L’Importanza Sottovalutata della Data Hygiene con l’IA
Sono rimasto davvero sorpreso da quanto siano importanti la pulizia e la struttura dei dati nell’adottare l’IA nei flussi di lavoro di delivery.
Penso che ci sia un errore di valutazione diffuso, ossia che l’AI ridurrà la necessità di investimenti nelle infrastrutture dati, ma dalla nostra esperienza sta solo rendendo quegli investimenti ancora più importanti.
Penso che ci sia un errore di valutazione diffuso, ossia che l'AI ridurrà la necessità di investimenti nelle infrastrutture dati, ma dalla nostra esperienza sta solo rendendo quegli investimenti ancora più importanti.
La maggior parte delle aziende sarà limitata nella capacità di sfruttare l'AI dalla qualità dei propri sistemi di dati sottostanti.
Ecco alcune delle operazioni che utilizziamo l'AI per pulire:
- Correzione di nomi di dipendenti o progetti incoerenti (ad esempio, soprannomi, errori di ortografia, prefissi/suffissi come [ARCHIVED]).
- Rimozione di rumore inutile come spazi extra, righe di intestazione/piè di pagina o colonne inutilizzate.
- Standardizzazione dei formati di date, numeri e testi per allinearli alle strutture di reporting interno nel nostro software di gestione delle risorse digitali.
- Mappatura delle voci di tempo alle corrette categorie di ruolo nella Griglia Paghe o ai progetti della Griglia Progetto, anche quando i nomi grezzi non corrispondono esattamente.
- Gestione dei cambi di ambito dei retainer suddividendo i progetti in più versioni in base alle date di inizio e fine.
- Riassegnazione di dati più vecchi o incompleti a progetti "storici" placeholder per preservare l'accuratezza dei report senza generare confusione.
- Estrazione di codici, tag o ID incorporati nei campi di testo tramite regex o ricerca per pattern.
- Applicazione di aggiustamenti matematici al tempo registrato (ad es., arrotondando le ore dei collaboratori, riassegnando frazioni di tempo).
- Rinomina o rimappatura delle colonne in modo che le esportazioni da diversi strumenti adottino uno schema coerente.
- Unione o suddivisione di campi (ad esempio, unendo colonne di nome/cognome in un'unica colonna nome dipendente).
E questo è solo un esempio.
Creando una documentazione davvero ben fatta su come scrivere e configurare queste regole di pulizia dati, abbiamo reso possibile anche ai dipendenti non tecnici occuparsi in autonomia di buona parte delle attività di base, in alcuni casi implementando queste pipeline senza dover coinvolgere risorse tecniche.
Documentazione Dettagliata con Notion AI
Il punto cruciale è stato scrivere una documentazione dettagliata da fornire al modello di AI.
Poi, dobbiamo tenerla aggiornata. Ma siccome la documentazione vive su Notion e usiamo Notion AI per interrogarla, si tratta di un documento quasi autosufficiente. E quando serve aggiungere novità, spesso possiamo far redigere la bozza all'AI e incollarla direttamente.
E la cosa positiva di Notion è che è piuttosto facile portare il contesto anche su strumenti come Gemini, Notebook LM o ChatGPT. La funzionalità agent di ChatGPT funziona anche con Notion.
Come Abilitare i Dipendenti Non Tecnici con l'AI
Ho menzionato l'abilitazione dei dipendenti non tecnici con l'AI: questa è stata la svolta più grande di tutte. Finché una persona è in grado di esprimere cosa vuole ottenere in una logica, può scrivere Python/SQL ed elaborare pipeline dati funzionanti.
Finché una persona è in grado di esprimere cosa vuole ottenere in una logica, può scrivere Python/SQL ed elaborare pipeline dati funzionanti.
Certo, ci sono dei limiti, e questi tendono a presentarsi soprattutto all'inizio e alla fine di queste attività tecniche.
Ad esempio, prendere buone decisioni su quali tecnologie utilizzare, come strutturare le cose e quali tipi di casi limite e requisiti devono essere considerati è tipicamente un ambito in cui una risorsa tecnica può aggiungere molto valore — anche solo rivedendo o aggiungendo ulteriori dettagli al ragionamento che un modello di AI ha già sviluppato.
Da lì, ciò che è molto difficile da realizzare per un utente non tecnico è configurare l'infrastruttura e i flussi di lavoro iniziali per un processo completamente nuovo e trasformare un'idea in un lancio effettivo. In alcuni rari casi possono farlo dall'inizio alla fine, ma avere un utente tecnico che imposti le basi è ancora generalmente una necessità, o comunque qualcosa che risulterà molto più efficiente e porterà a un sistema e a un risultato migliori.
Un altro ambito in cui è ancora richiesta talvolta l'intervento tecnico è la risoluzione dei casi limite. Ma mentre documentiamo le soluzioni a questi problemi, l'assistenza dell'AI consente agli utenti non tecnici di sbloccarsi sempre di più.
E una volta che i binari e il processo sono stati messi a punto, gli utenti non tecnici possono ottenere molto più di quanto fosse possibile un anno fa.
L’AI Non Sta Solo Cambiando i Processi; Sta Cambiando Come Vengono Creati i Processi
Per certi versi, penso che l'AI ci stia aiutando a sviluppare un processo attorno alle cose senza dover creare un processo nel senso tradizionale.
Prima di avere agenti e strumenti AI che aiutassero a portare a termine queste attività, qualcuno doveva sedersi e creare una serie molto dettagliata e spesso molto deterministica di passaggi per completare un compito.
I problemi di questo approccio sono:
- Richiede molto tempo
- Richiede che qualcuno abbia una comprensione accurata di quali passaggi intraprendere
- Tipicamente non funziona bene per attività molto complesse, sfumate o dinamiche
- È spesso difficile o costoso da fare quando un processo è nuovo, poco maturo o soggetto a cambiamenti
- Può rallentare il progresso creando attrito operativo
Con l'AI, qualcuno può semplicemente creare una nuova chat, agente o GPT personalizzato e iniziare a lavorare mentre costruisce il processo, la conoscenza e il contesto lungo la strada. È simile a lavorare con un essere umano, ma con una memoria perfetta, e può condividere ciò che ha imparato con la persona successiva, istantaneamente.
Penso che questa sia una delle cose più potenti dell'AI — per certe vie, sta cambiando completamente il modo in cui i processi vengono creati e mantenuti.
Il Mio Stack AI per la Consegna dei Progetti
Il nostro stack principale è:
- Asana - Come nostro software di gestione progetti
- Harvest - Software per il monitoraggio del tempo
- QBO - Come nostro software di contabilità
- Parakeeto - Per accounting gestionale, previsione, utilizzo, ABR / performance dei progetti
Utilizziamo anche:
- Google Suite (Drive, Sheets, Docs, Calendar, Mail) - Software di collaborazione in cloud
- Notion - software di collaborazione sui documenti
- Miro - software di creazione di diagrammi di flusso
- Loom - Software per la collaborazione asincrona
- Fathom - Software per prendere appunti
- Zapier - software per l'automazione dei processi
Due strumenti che ogni PM dovrebbe avere
Notion e Zapier, in particolare, hanno rappresentato per noi una vera svolta.
Ne ho parlato in precedenza, ma Notion è una piattaforma su cui ci siamo davvero concentrati molto. Sta diventando il luogo dove possiamo riversare automaticamente ogni tipo di contesto e informazione sui nostri clienti, e poi interrogarli o utilizzarli come dati nei modelli AI.
Sta anche iniziando a implementare molti strumenti che rendono tutto questo molto più semplice (Mail, Calendario, Note delle riunioni) e potremmo finire per spostare sempre più funzioni in Notion col tempo — magari, in futuro, anche la nostra gestione dei progetti e il nostro CRM.
Zapier ha davvero fatto un ottimo lavoro nell’integrare agenti AI nel suo strumento. Mentre tutti si concentrano su Gumloop e N8N, io sostengo che Zapier sia superiore a entrambi, considerando l'ampiezza delle sue integrazioni.
Abbiamo alcune automazioni — principalmente sul lato Sales & Marketing — che ci fanno risparmiare molto tempo ogni mese nell’automatizzare il marketing e nell’assicurare che i dati vengano spostati nei posti giusti, con il giusto livello di arricchimento.
Un'Automazione Zapier Reale
Una delle automazioni Zapier più sostanziose che abbiamo in funzione in questo momento consiste nel prendere i nuovi lead che scaricano il nostro toolkit e fare una serie di cose con loro:
- Valutare se stanno usando una email lavorativa o personale.
- Filtrare chi utilizza una email aziendale.
- Estrarre il nome dell’azienda dall’email e separare nome e cognome.
- Utilizzare un servizio di arricchimento per cercare informazioni di base sull’azienda e sulla persona.
- Applicare ulteriori filtri per determinare se il lead è "qualificato" in base a un insieme di criteri — settore specifico, certo numero di dipendenti, ecc.
- Effettuare ulteriore arricchimento sui lead che sono adatti.
- Riassumere e ripulire alcune informazioni su di loro, come le descrizioni delle aziende.
- Aggiungere questi lead al nostro CRM e applicare i tag/filtri appropriati.
- Aggiungere questi lead ad altre automazioni che, ad esempio, li iscrivono al lead magnet che hanno scaricato e li inseriscono in una campagna di email drip associata a quel lead magnet.
Un Futuro Più Semplice per i PM
Penso (e spero) che la gestione dei progetti diventerà molto più semplice tra cinque anni.
Allo stesso modo in cui un agente AI può consentire a un’organizzazione di sviluppare e iterare un “processo” senza doverne formalizzare uno vero e proprio, spero che l’AI permetta ai project manager di fare il loro lavoro senza dover continuamente gestire centinaia di oggetti dettagliati in uno strumento di project management.
Sembra che la maggior parte del tempo di un PM sia speso a riposizionare compiti, scadenze, stime di tempo, sotto-attività, milestone, dipendenze, assegnazioni, ecc., ecc., ecc.
In un certo senso, questi oggetti sono come il linguaggio di programmazione del PM, e vengono usati per tentare di "codificare" una rappresentazione di ciò che sta accadendo in un dato momento. In alcuni casi, per aiutare loro stessi a capire meglio la situazione e in molti altri, per mantenere informati gli altri stakeholder.
Quel sistema sembra incredibilmente inefficiente e ad alto attrito. Come correre nella sabbia.
Penso che l’AI inizierà a ridurre la quantità di precisione e dettaglio con cui i PM dovranno interagire per comunicare e gestire i loro progetti.
Concentrati sui Fondamenti dell’AI
Potrebbe sembrare che le cose stiano andando veloci — e sotto alcuni aspetti è vero — ma ricordate che siamo solo a pochi anni dall’inizio di una rivoluzione tecnologica che continuerà almeno per un decennio o due.
Concentratevi sui fondamenti: quelli non passeranno mai di moda. E cercate sempre modi per usare l’AI per migliorare la vostra velocità e capacità.
Rimani Aggiornato
Puoi seguire Marcel su LinkedIn. 👉 Iscriviti a Digital Project Manager e resta aggiornato su tutto ciò che sta plasmando l’AI nella delivery.
