Consulente con Decenni di Esperienza Spiega Perché l’IA Dovrebbe Essere un Partner di Pensiero Strategico, Non il Motore dei Progetti
Mike Hannan è il fondatore e consulente principale di Fortezza Consulting. Con decenni di esperienza nel coaching di leader di progetto a ogni livello, ha dedicato la sua carriera ad aiutare le organizzazioni a navigare nei complessi sistemi di delivery, ottimizzare i portafogli e mettere in discussione le convinzioni tradizionali.
Mike Hannan
Fondatore e Consulente Principale presso Fortezza Consulting
L’IA dovrebbe agire come partner di pensiero strategico, non come motore della delivery: Hannan sostiene che l’IA eccelle nella generazione di modelli, nella sintesi dei contenuti e nella valutazione di alternative di scenario, ma non comprende davvero la profonda complessità
Il giudizio umano resta essenziale nel lavoro complesso sui progetti: Sebbene l’IA possa gestire compiti di routine (come i verbali delle riunioni o la modellazione di base), gli esseri umani sono ancora necessari per il lavoro sociale, emotivo e strategico profondo.
Chi saprà orchestrare l’IA e pensare a livello di sistema sarà leader nel futuro: Secondo Hannan, il vero valore risiede in chi sa orchestrare intelligentemente l’IA, usando la comprensione ampia e sistemica per massimizzare il ROI del portafoglio e risolvere problemi complessi in modo più efficace rispetto a chi si concentra solo su specializzazioni tecniche ristrette.
Mike Hannan è il fondatore e consulente principale di Fortezza Consulting. Con decenni di esperienza nel coaching di leader di progetto a tutti i livelli, ha dedicato la sua carriera ad aiutare le organizzazioni a navigare sistemi di delivery complessi, ottimizzare i portafogli e mettere in discussione la saggezza convenzionale.
In questa conversazione, Mike condivide come stia utilizzando l’IA non per sostituire le pratiche di progetto, ma per spingere i team a porsi domande migliori, evitare false certezze e avvicinarsi ai veri fattori che influenzano le prestazioni.
Comprendere i Fattori di Prestazione a Livello di Sistema Conta di Più nell’Era dell’IA
Sono il fondatore e consulente principale di Fortezza Consulting, dove seguo leader a tutti i livelli per migliorare la performance dei portafogli di progetto. Significa aiutarli a pensare in modo più sistemico, specialmente in ambienti caratterizzati da vincoli, interdipendenze — e oggi, anche dall’IA.
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
Secondo me, in un mondo in cui l’IA viene prima di tutto, la necessità di comprendere davvero cosa guida le prestazioni a livello di sistema è più forte che mai. È ancora l’unica strada per navigare la complessità meglio della concorrenza.
L’IA non lo fa ancora. E non ci arriverà finché non sarà meglio addestrata a separare ciò che è inutile da ciò che è un valore.
Come Usare l’IA per Template di Progetto, Delivery e Ottimizzazione del Portafoglio
Detto ciò, la delivery dei progetti sta cambiando. Trovo che il fabbisogno della maggior parte dei template di progetto sia diminuito drasticamente. La maggior parte dei large language models può ormai generare template validi e persino aiutarci ad adattarli a situazioni specifiche.
Ad esempio, Claude fa un ottimo lavoro in questo. Potrei chiedergli:
- «Per favore, dammi un modello per un project charter adatto al settore cosmetico.»
- «Per favore, dammi un modello per un registro rischi dedicato al settore dell’energia nucleare.»
Da lì posso raffinare: «Concentrati su progetti IT nei cosmetici» oppure «Concentrati sui rischi relativi allo smaltimento delle scorie nucleari». Le risposte sono rapide, flessibili e sorprendentemente accurate.
Sono anche molto incoraggiato dalle nuove capacità di IA che permettono di valutare centinaia o persino migliaia di scenari per trovare la soluzione ottimale in presenza di veri vincoli — ad esempio, per identificare la baseline di progetto a maggior valore.
Un caso che mi piace è quello di Lightning Motorcycle, che ha usato gli strumenti CAD potenziati dall’IA di Autodesk per progettare componenti molto più ottimali di quelli che avrebbero potuto concepire gli ingegneri umani da soli.
Un altro esempio è TransparentChoice, che utilizza l’IA per aiutare i clienti a individuare il modello di flusso a intervalli che massimizza la produttività rispetto alle risorse disponibili. Semplifica una domanda complessa: «Quanti progetti possiamo gestire contemporaneamente e ottenere comunque il massimo tasso di completamento?»
Dove l’IA Aggiunge Valore nella Delivery di Progetto — e Dove l’Essere Umano Resta Essenziale
Compiti ripetitivi come note di riunione, punti chiave e sintesi di grandi quantità di contenuti vengono gestiti molto efficacemente anche dall’IA. Solo questo mi fa risparmiare diverse ore alla settimana.
Per questi io uso principalmente Otter.ai, la mia preferita per registrare e riassumere discussioni. Ma anche strumenti come Copilot funzionano bene.
Le aree che invece richiedono ancora indispensabilmente la presenza umana sono diverse. Tutto ciò che rientra nel sociale o nei servizi alla persona—dove contano mentoring, empatia o relazioni di fiducia—dipende ancora molto dalle persone. Lo stesso vale per qualsiasi attività che richieda vero pensiero sistemico o giudizio critico.
Questi restano domini umani.
Come Integrare l’IA in Flussi di Lavoro Complessi Mantenendo il Giudizio Umano Centrale
A volte porto l’IA ancora oltre e imposto un modello che definisce tutto ciò che serve per sincronizzare il lavoro tra persone, funzioni e perfino partner nella supply chain.
Perché l’IA può essere inserita in quel modello ogni volta che ha senso. Gli umani devono poi adattarsi in base a come il mix tra IA e agenti umani sta funzionando.
Ecco una semplice analogia: immaginate che un’assistente di direzione vada in pensione, e il dirigente sia disperato per aver perso un supporto così calibrato. Invece di assumere una nuova persona, si costruisce un modello che codifica le preferenze:
- «Sempre 15 minuti tra un meeting e l’altro»
- «Preferire la compagnia aerea A, salvo che non sia disponibile un volo diretto»
- «Il tempo di concentrazione può essere interrotto solo se l’executive A o il cliente B insistono»
Col tempo, il modello si affina e copre bene il 95% degli scenari.
Ma c’è sempre un momento in cui il giudizio umano è indispensabile: cogliere segnali emotivi, sfumature culturali o priorità che cambiano. E se una visita di famiglia non fosse gradita? E se un cliente inizia a spingersi troppo oltre? E se l’urgenza di un capo aumenta in maniera sottile? È qui che l’unione tra umano e IA diventa preziosa.
Nei progetti, il modello è più complesso, ma il principio è lo stesso: costruirlo, affinarlo e orchestrare la combinazione di IA e agenti umani affinché ciascuno faccia ciò in cui è particolarmente efficace.
L’IA non Comprende Davvero la Complessità
Se da un lato l’IA mi aiuta a passare meno tempo a riassumere o sintetizzare informazioni, dall’altro crea una pericolosa illusione: che i modelli stessi “comprendano” la complessità profonda. Non è così.
Proprio per questa illusione, molti clienti cercano risultati più rapidi, sperando che l’IA fornisca ciò che percepiscono come "soluzioni rapide". Per aiutarli, mi concentro su tecniche di accelerazione del flusso basate sulla Teoria dei Vincoli e sul metodo Lean. Questi approcci fanno avanzare i progetti più velocemente, senza trascurare aspetti fondamentali.
E quando si parla di fissare le aspettative, di solito incoraggio i clienti ad alzare l’asticella—aspettarsi più accelerazione. Fissare obiettivi modesti tende infatti a produrre risultati modesti.
Oggi quindi il mio ruolo è meno quello di riassumere o fornire messaggi chiave, e più quello di aiutare i leader a fermarsi, fare un passo indietro e mettere in discussione le proprie convinzioni. È proprio qui che si ottengono i veri miglioramenti di performance.
Come Usare l’IA per Mettere in Discussione le Assunzioni e Migliorare il Pensiero Critico
Uso l’IA come bersaglio, non come soluzione. È lì per essere messa in discussione. È un partner di riflessione, non un pilota.
Uso l’IA come bersaglio, non come soluzione. È lì per essere messa in discussione. È un partner di riflessione, non un pilota.
Un buon esempio è prendere le risposte generiche e superficiali che gli LLM generano e usarle come bersaglio da criticare. Chiedo ai clienti di analizzare tali risposte:
- “Cosa dovrebbe essere vero perché questo sia falso?”
- “In quale contesto questo potrebbe essere totalmente sbagliato?”
Queste domande li allenano a formulare prompt di approfondimento più intelligenti, che spesso portano a vere intuizioni.
E le domande affinano anche il loro pensiero critico, cosa particolarmente importante oggi. Sorprende quanto siamo vulnerabili al bias di conferma. Quando l’IA fornisce risposte che rafforzano ciò che già crediamo, tendiamo a sentirci validati—e quindi spegniamo il pensiero critico.
Questo non è solo sorprendente; è inquietante.
Modernizzare la Delivery dei Progetti Massimizzando il ROI
Per me qualunque tecnica o approccio che aiuti a massimizzare il ROI di un portfolio di progetti—invece di limitarsi a gestire i baseline senza cercare alternative a maggior valore—è puro oro colato. Non sempre sono soluzioni “snelle”, ma alleggeriscono il carico sulle persone e alzano l’impatto generale.
Alcuni esempi che uso con i clienti—tutti compariranno nella futura ottava edizione del PMBOK (di cui sono coautore)—includono Value Breakdown Structures, Critical Path Drag e Critical Path Drag Cost.
Queste estendono il concetto tradizionale di critical path al lato del valore dell’equazione. Ad esempio, se riesco ad accelerare il critical path di un mese ma il costo è di $200K, il valore aggiunto compenserà il costo?
Altri approcci efficaci includono:
- Critical Chain Project Management (CCPM) sia a livello di progetto che di portfolio—per massimizzare throughput e rispetto delle scadenze.
- Analytic Hierarchy Process (AHP)—per selezionare progetti a maggior valore.
Ciascuna di queste tecniche è pensata per massimizzare il ROI, non solo gestire la delivery.
I flussi di lavoro agentici non valgono lo sforzo — per ora
Se l'IA potesse essere addestrata a individuare proattivamente alternative di maggior valore appena si presentano—senza essere sollecitata—sarebbe davvero una svolta. È a quel punto che l'IA smetterebbe di essere solo uno strumento e inizierebbe ad agire come un vero membro contributivo del team.
Ho iniziato a sperimentare questo concetto a livello teorico. Stanno emergendo alcuni modelli promettenti che potrebbero rendere i flussi di lavoro agentici più intuitivi e accessibili, ma richiedono ancora molto impegno iniziale per essere formati sul contesto unico di ogni organizzazione.
Anche qualcosa di semplice—come insegnare a un agente a capire le mie preferenze di viaggio e suggerire itinerari completi—ha richiesto più tempo per essere addestrato di quanto ne abbia risparmiato finora. Ma una volta che avrà veramente appreso, sono fiducioso che il ritorno si invertirà e lo stesso principio si applicherà anche alla delivery di progetti.
Perché chi padroneggia l’IA cambierà la delivery dei progetti
In definitiva, non credo che l’IA cambierà la delivery dei progetti. Penso che saranno le persone che imparano a padroneggiare e orchestrare l’IA a trasformarla.
In definitiva, non credo che l’IA cambierà la delivery dei progetti. Penso che saranno le persone che imparano a padroneggiare e orchestrare l’IA a trasformarla.
E problemi molto complessi—persino “wicked”—inizieranno a generare soluzioni più semplici e più eleganti, prodotte più rapidamente che mai dalla forza bruta computazionale dell’IA agentica.
Perché il pensiero breadth-first definirà la prossima generazione di leader nella delivery
Il mio consiglio è semplice: prima l’ampiezza.
La maggior parte di noi ha imparato che specialisti ed esperti tecnici di alto livello vengono ricompensati finanziariamente più dei generalisti, e questo è stato vero per molti decenni. Ma quanto più l’IA può affrontare problemi tecnici complessi più velocemente e in modo più efficace rispetto agli esseri umani, tanto più acquisterà valore una comprensione end-to-end, breadth-first e a livello di sistema.
Quanto più l’IA può affrontare problemi tecnici complessi più velocemente e in modo più efficace rispetto agli esseri umani, tanto più acquisterà valore una comprensione end-to-end, breadth-first e a livello di sistema.
Dopotutto, se non conosci abbastanza l'intero ambito del problema da orchestrare una rete di agenti IA che ti aiutino a risolverlo, il tuo valore nel mercato del lavoro si ridurrà.
Seguici
Puoi seguire il lavoro di Mike su LinkedIn e saperne di più sulla sua consulenza presso Fortezza Consulting.
Altre interviste con esperti arriveranno su The Digital Project Manager.
