Il ruolo del project manager (PM) sta diventando sempre più strategico per l’implementazione di progetti di AI con alto impatto innovativo sui processi aziendali. Se da un lato continuano a proliferare nuovi tool di gestione, anche grazie all’AI generativa, dall’altro rimangono fondamentali l’esperienza e la competenza del PM nella scelta della metodologia più adeguata, che meglio si adatti agli obiettivi del progetto, per portare valore all’azienda e al cliente finale.
Metodologie di project management
Dietro ogni successo nell’implementazione di soluzioni AI si cela un’ardua sfida per i project manager: come gestire efficacemente questi progetti così complessi?
La modalità di gestione progettuale “a cascata”, nota anche come Waterfall, è stato il pilastro del project management per decenni. Caratterizzato da fasi sequenziali ben definite, sembra offrire un approccio lineare e strutturato alla gestione dei progetti. Tuttavia, quando si tratta di progetti di AI, la rigidità di questo modello può limitare la capacità di adattamento ai rapidi cambiamenti nei requisiti e nella tecnologia, compromettendo così il successo complessivo del progetto.
L’Agile, con la sua enfasi sulla flessibilità, sulla collaborazione e sulla capacità di adattarsi ai cambiamenti, sembrerebbe essere la risposta ideale alle sfide dei progetti di AI. Tuttavia, l’ambiguità dei requisiti e la complessità tecnica possono rendere difficile pianificare iterazioni precise e stimare tempi e costi in modo accurato, mettendo così in discussione l’efficacia dell’Agile in questo contesto.
Inoltre, c’è una tendenza crescente a “vendere” l’approccio Agile come la soluzione definitiva per i progetti di AI, spesso senza una comprensione adeguata delle sfide specifiche di questo ambito. Nel mondo sempre più complesso e dinamico dell’AI, non esiste una soluzione universale per il project management. Un approccio dinamico, che incorpori elementi sia del modello Waterfall che dell’Agile, può essere la chiave per affrontare con successo le sfide dei progetti di AI.
Questo richiede una comprensione approfondita del dominio dell’AI, delle tecnologie coinvolte e delle dinamiche del team, insieme a una mentalità aperta e flessibile che consenta di adattarsi ai cambiamenti in corso d’opera.
Un metodo alternativo: i tre pilastri da considerare
La realizzazione di un’applicazione di AI presenta caratteristiche e criticità peculiari che richiedono di essere gestite con una metodologia ben ritagliata per poter portare al successo del progetto.
Elevata variabilità da progetto a progetto in ambiti molto diversi fra loro, imprevedibilità legata alla qualità del dato e alla scelta del miglior modello per interpretarlo e timore degli utilizzatori che si apprestano al primo utilizzo di algoritmi di AI sono tra i principali fattori distintivi di un progetto di questo tipo.
Come se non bastasse, gli obiettivi da perseguire sono in contrasto fra loro:
- qualità del deliverable al fine di massimizzare il customer success
- fidelizzazione del cliente
- margini e tempistiche.
Un possibile approccio potrebbe essere quello di avere una visione olistica del project management che, partendo dal progetto stesso, metta al centro persone e relazioni, ponendo le basi per una cultura aziendale fatta di valori condivisi a tutti i livelli, dal singolo progetto, a tutte le aree di business.
I tre pilastri fondamentali da considerare sono:
- persone
- principi
- gestione progettuale
Persone
Senza le persone non esistono relazioni e senza relazioni non si possono creare le basi per un solido modello di management.
Le persone coinvolte in un progetto di AI sono sia interne all’azienda in cui lo strumento sarà sviluppato, sia esterne come ad esempio clienti o fornitori. Prima di agire a livello di struttura e introdurre un nuovo modello è fondamentale interagire con le persone responsabilizzandole e rendendole parte integrante del cambiamento.
Si deve creare quindi un’interazione biunivoca costante e continua in cui il cliente riceve il prodotto o il servizio richiesto con la massima qualità possibile e al tempo stesso il team, lavorandoci a stretto contatto, si arricchisce acquisendo nuove competenze attraverso sinergie e contaminazioni di ruoli.
Principi
I principi sono le linee guida da seguire per la creazione del valore in un progetto di AI. Durante le fasi del progetto le persone che ne fanno parte possono sempre rifarsi ai principi quando devono prendere delle decisioni che serviranno a guidare la realizzazione dei risultati.
Avere un set di principi chiari e condivisi dal team di progetto risulta quindi fondamentale. Tra i principi più importanti vi sono: coordinare e non gestire, massima qualità sulla delivery, il rispetto dei margini e delle tempistiche, la coltivazione di relazioni con gli stakeholder e continuous improvement, continuous learning.
Management
Infine, ma non meno importante, la buona riuscita di un progetto non può prescindere da buone pratiche di gestione del progetto. I punti fondamentali per gestire al meglio un progetto di AI sono:
- assegnazione chiara dei ruoli (project manager come responsabile di progetto e tech lead come referente tecnico)
- incontri periodici di revisione con gli stakeholder
- avanzamento graduale delle fasi progettuali
- interazioni frequenti tra il team operativo
- follow-up costante con incontri tecnici specifici per affrontare le questioni in corso.
L’uso di strumenti come la Kanban board e l’adozione di principi DevOps e MLOps contribuiscono a garantire il successo del progetto. Infine, l’importanza di retrospettive durante e al termine del progetto consente di trarre insegnamenti preziosi per migliorare le future iterazioni.
È quindi fondamentale definire un insieme di tool a supporto definendo quindi il toolkit con strumenti e modalità operative a cui attingere in funzione del progetto.
Monday
Ad esempio, Monday è un possibile tool che il project manager può utilizzare per gestire al meglio i progetti. Può creare board dedicate inserendo le attività progettuali e le relative scadenze, può visualizzare in modo automatico il gantt di progetto con le diverse milestone da condividere con il cliente, può monitorare i margini di progetto giornalmente e definire quali sono i progetti più critici e prioritari da attenzionare settimana per settimana; inoltre, può gestire i carichi del team così da prevenire possibili overload.
Jira
Un altro tool a supporto del project manager è Jira. Questo permette al project manager di tracciare i problemi, gestire i bug e pianificare sprint soprattutto per metodologie di tipo Agile. Permette, inoltre, la collaborazione del team attraverso flussi di lavoro personalizzabili.
Utilizzando questi strumenti in modo strategico, il project manager rimane una figura chiave all’interno di ogni progetto: può ottimizzare la pianificazione, la collaborazione del team e il monitoraggio del progresso e dei costi, garantendo così una maggiore efficacia complessiva nella gestione dei progetti.
L’AI nel project management
In che modo l’intelligenza artificiale può supportare le attività di project management all’interno delle aziende?
Come riportato in un articolo della rivista Harvard Business Review, ogni anno circa 48 trilioni di dollari vengono investiti in progetti. Tuttavia, secondo lo Standish Group, solo il 35% dei progetti viene considerato un successo. Le risorse sprecate e i benefici non realizzati del restante 65% sono sconvolgenti.
La ricerca di Gartner indica che presto ci saranno cambiamenti, prevedendo che entro il 2030 l’80% delle attività di gestione dei progetti sarà gestito dall’AI, alimentata dai big data, dal machine learning (ML) e dall’elaborazione del linguaggio naturale.
Ad esempio, alcuni processi in cui l’intelligenza artificiale può già supportare il project manager sono:
- Automazione e ottimizzazione dei compiti, come l’assegnazione dei compiti, la programmazione e l’allocazione delle risorse (consigliamo il recente tool Tactiq)
- Gestione e mitigazione dei rischi, come l’identificazione dei rischi analizzando le tendenze e i dati storici ed il suggerimento di strategie di mitigazione dei rischi
- Allocazione e ottimizzazione delle risorse, come l’analisi di competenze, disponibilità e carichi di lavoro dei membri del team assicurando che le persone giuste siano assegnate ai compiti corrispettivi e che nessuno abbia troppo carico di lavoro
- Assistenza alla scrittura e alla lettura di documenti, e-mail, appunti, come la scrittura di documenti ed e-mail, per supportare attività di comunicazione generali e specifiche o per riassumere gli appunti delle riunioni o le lezioni apprese dai progetti passati (es. Copilot, ChatGPT)
L’AI offre un enorme potenziale per migliorare la gestione dei processi aziendali. Investire nell’adozione di strumenti basati sull’AI, come quelli menzionati, può portare a una gestione più efficiente ed efficace dei progetti, consentendo alla figura del project manager di concentrarsi maggiormente su attività più a valore, quali: negoziazione strategica, leadership, supporto al team, formazione, gestione delle crisi e comunicazione continua con gli stakeholder.
Conclusioni
In un mondo in rapida evoluzione, gestire progetti di intelligenza artificiale richiede un approccio bilanciato tra tradizione e innovazione. Mentre il modello Waterfall offre struttura, l’Agile porta flessibilità. Tuttavia, entrambi possono presentare punti di forza e di debolezza nella gestione di progetti di AI. L’essenza del successo risiede nel trovare il modello di gestione più idoneo alle specifiche esigenze del progetto in questione. Un approccio olistico che integri persone, principi e una efficace comunicazione è fondamentale per superare con successo le sfide che i progetti di intelligenza artificiale presentano.
