Per anni l’intelligenza artificiale nel project management è stata terra di nessuno. Ogni team adottava strumenti diversi, ognuno con regole proprie, e nessuno aveva un riferimento condiviso per dire cosa fosse un uso responsabile dell’AI su un progetto. Nel 2026 qualcosa è cambiato: il Project Management Institute ha pubblicato il primo standard globale dedicato all’intelligenza artificiale nel lavoro su portfolio, programmi e progetti. Per un project manager italiano significa avere finalmente una bussola riconosciuta, non più solo opinioni e best practice sparse.
In questo articolo proviamo a spiegare in modo accessibile cosa propone questo standard, quali sono i suoi temi guida e perché il principio del controllo umano sulle decisioni resta il cuore di tutto. Una premessa di metodo: i temi che descriviamo derivano dallo standard PMI, ma per il testo esatto dei principi e per le definizioni ufficiali la fonte da consultare resta il documento pubblicato da PMI. Qui ti diamo la sostanza pratica, non una trascrizione letterale.
Perché PMI ha sentito il bisogno di uno standard sull’AI
L’AI è entrata nei progetti senza chiedere permesso. Strumenti che stimano la durata delle attività, assistenti che generano report di stato, modelli che segnalano i rischi prima che esplodano. Tutto utile, ma con una domanda di fondo rimasta scoperta: chi risponde quando l’algoritmo sbaglia? E come capiamo se ci stiamo fidando troppo di una previsione che nessuno sa spiegare?
Il PMI, che già governa standard di riferimento come il PMBOK, ha raccolto questa esigenza in un documento dedicato. L’obiettivo non è dire al PM quale software comprare. È molto più ambizioso: definire i principi che rendono l’adozione dell’AI difendibile davanti a uno stakeholder, a un auditor o a sé stessi. È la differenza tra “abbiamo usato un tool perché era di moda” e “abbiamo usato l’AI seguendo criteri riconosciuti a livello internazionale”.
I temi guida dello standard, spiegati a un PM
Lo standard organizza l’uso responsabile dell’AI attorno a una serie di principi. Per onestà intellettuale evitiamo di spacciare un elenco numerato come se fosse la citazione testuale ufficiale: ti presentiamo invece i temi chiave che lo standard mette al centro, quelli che ritroverai leggendo il documento. Sono temi che un buon project manager riconosce subito, perché parlano la lingua della governance e del rischio, non quella del marketing tecnologico.
Responsabilità umana
L’AI suggerisce, la persona decide e risponde. Questo è il filo conduttore. Nessuno strumento può assumersi la responsabilità di una scelta di progetto al posto del PM. Se un modello propone di tagliare una fase per recuperare tempo, la decisione e le sue conseguenze restano in capo a chi guida il progetto.
Trasparenza
Chi usa una raccomandazione dell’AI dovrebbe poter capire, almeno a grandi linee, da dove arriva. Una stima sputata fuori da una scatola nera, senza alcuna possibilità di spiegazione, vale poco in un contesto dove devi giustificare le scelte agli stakeholder.
Gestione del rischio
L’AI introduce rischi nuovi: previsioni sbagliate prese per oro colato, dipendenza eccessiva dallo strumento, errori che si propagano in fretta. Lo standard chiede di trattare questi rischi come tutti gli altri rischi di progetto, con identificazione, valutazione e piani di mitigazione.
Governance dei dati
Un modello vale quanto i dati che lo nutrono. Sapere da dove vengono quei dati, se sono accurati, se possiamo usarli senza violare privacy o contratti, diventa parte integrante del lavoro. Caricare i documenti riservati di un cliente in un tool senza pensarci è esattamente il tipo di scivolone che lo standard vuole prevenire.
Equità e attenzione ai bias
I modelli ereditano i pregiudizi dei dati su cui sono stati addestrati. In un progetto questo può tradursi in stime distorte o in valutazioni che penalizzano sistematicamente certe situazioni. Lo standard invita a tenere gli occhi aperti su questo punto, perché un bias non riconosciuto è un rischio che lavora in silenzio.
Valore reale
Adottare l’AI deve produrre valore, non solo apparenza di innovazione. La domanda da farsi non è “possiamo usare l’AI qui?” ma “questa applicazione migliora davvero l’esito del progetto?”. Tecnologia per la tecnologia è uno spreco travestito da progresso.
Competenze
Usare bene l’AI richiede di sapere cosa stai facendo. Un team che non capisce i limiti dello strumento finisce per fidarsi quando non dovrebbe e per diffidare quando invece avrebbe senso. Lo standard riconosce che la competenza, non solo lo strumento, fa la differenza.
Supervisione
L’uso dell’AI va monitorato nel tempo, non solo al momento dell’adozione. I modelli cambiano comportamento, i dati invecchiano, i contesti evolvono. Serve una supervisione continua per accorgersi quando lo strumento ha smesso di essere affidabile.
Il principio human-in-the-loop: perché conta più degli altri
Tra tutti i temi, quello del controllo umano sulla decisione merita un paragrafo a sé. In inglese si parla di human-in-the-loop, l’umano dentro il ciclo decisionale. Tradotto per un PM italiano: l’AI può fare metà del lavoro, ma il punto in cui si prende una decisione che ha conseguenze sul progetto deve passare da una persona.
Questo non è un freno all’efficienza, è una garanzia. Pensa a un assistente AI che genera automaticamente l’aggiornamento di stato per il committente. Comodissimo. Ma se quel testo contiene un numero sbagliato e finisce allo stakeholder senza che nessuno lo abbia letto, il danno reputazionale è tuo, non del software. Il principio human-in-the-loop dice esattamente questo: l’automazione arriva fino alla soglia della decisione, poi entra il giudizio umano.
Per un project manager è una rassicurazione e insieme una responsabilità. Rassicurazione, perché lo standard conferma che il tuo ruolo non viene sostituito dall’algoritmo. Responsabilità, perché non puoi più nasconderti dietro “lo ha detto il tool”. La firma resta tua.
Tabella pratica: dai principi all’azione
| Tema dello standard | Cosa significa per il PM | Esempio pratico |
|---|---|---|
| Responsabilità umana | La decisione finale e le sue conseguenze restano tue, anche se l’AI ha proposto la soluzione | Il tool suggerisce di anticipare una milestone; tu valuti l’impatto sul team prima di confermare |
| Trasparenza | Devi poter spiegare a uno stakeholder da dove arriva una raccomandazione | Quando presenti una stima generata dall’AI, dichiari su quali dati si basa |
| Gestione del rischio | Tratti i rischi legati all’AI come voci del registro rischi di progetto | Aggiungi “dipendenza eccessiva da stime automatiche” tra i rischi monitorati |
| Governance dei dati | Verifichi origine, qualità e liceità dei dati prima di darli in pasto a un modello | Non carichi documenti riservati del cliente in un tool senza autorizzazione |
| Equità e bias | Controlli che le valutazioni automatiche non siano sistematicamente distorte | Confronti le previsioni dell’AI con dati storici reali per scovare anomalie ricorrenti |
| Valore reale | Adotti l’AI solo dove migliora l’esito, non per moda | Rinunci a un assistente AI in un’attività dove non porta benefici misurabili |
| Competenze | Ti assicuri che il team capisca limiti e funzionamento degli strumenti | Organizzi un breve allineamento sul corretto uso del tool prima di introdurlo |
| Supervisione | Monitori nel tempo se lo strumento resta affidabile | Rivedi periodicamente l’accuratezza delle previsioni rispetto ai risultati reali |
I performance domain: dove l’AI tocca il lavoro
Oltre ai principi guida, lo standard ragiona anche in termini di aree di performance, gli ambiti concreti del lavoro di progetto dove l’AI entra in gioco. È un modo per dire: questi principi non sono filosofia astratta, si applicano a pezzi precisi del tuo mestiere. Pianificazione, gestione degli stakeholder, controllo dei rischi, monitoraggio dell’avanzamento, gestione del team. In ognuna di queste aree l’AI può dare una mano, e in ognuna i principi di responsabilità e supervisione vanno calati sulla situazione specifica.
Il valore di questo approccio è che ti permette di non trattare l’AI come un blocco unico da accettare o rifiutare. Puoi decidere di usarla in modo spinto sul monitoraggio dei dati e in modo molto più cauto sulle decisioni che toccano le persone. Lo standard ti dà il vocabolario per fare queste distinzioni in modo strutturato, invece che a istinto.
Da dove partire domani
- Mappa dove usi già l’AI. Fai un inventario onesto degli strumenti che il tuo team utilizza oggi, anche quelli arrivati di nascosto. Non puoi governare ciò che non vedi.
- Individua i punti decisione. Per ogni strumento, segna dove finisce il suggerimento dell’AI e dove inizia la scelta umana. Quel confine è il tuo human-in-the-loop.
- Aggiungi i rischi AI al registro. Inserisci almeno una voce sul rischio di dipendenza eccessiva o di stime distorte, e definisci come la monitori.
- Verifica i dati sensibili. Controlla che nessuno stia caricando dati riservati in tool non autorizzati. È la falla più frequente e più costosa.
- Leggi la fonte ufficiale. Procurati il documento PMI per il testo esatto dei principi e usalo come riferimento quando devi giustificare una scelta.
Una bussola, non una gabbia
Il valore di questo standard per il project manager italiano non è normativo nel senso burocratico. È pratico. Avere un riferimento riconosciuto significa poter dire, davanti a un cliente o a un capo, che l’adozione dell’AI sul progetto segue criteri internazionali e non l’improvvisazione del momento. Significa difendere le proprie scelte con un linguaggio condiviso.
L’AI nel project management non si ferma. Lo standard PMI non prova a fermarla: prova a renderla governabile, mantenendo la persona al centro delle decisioni che contano. Per chi guida progetti, è la conferma che la competenza umana resta il vero asset, anche e soprattutto nell’epoca degli algoritmi.
Vuoi una preparazione completa sul project management digitale?
Capire come governare l’AI sui progetti parte da solide basi di project management, sia in approccio waterfall sia agile. Il Corso DPM Executive di Management Academy è il percorso più completo per chi gestisce progetti digitali: 118 ore di formazione on demand che coprono la gestione di progetto in modalità waterfall e agile, la creazione e gestione di un prodotto digitale e l’uso degli OKR.
Il corso prepara a quattro certificazioni di riferimento: CAPM (PMI), Scrum (Scrum Alliance), Product Management (ACS) e include moduli dedicati agli OKR. Importante: il corso prepara agli esami ma non rilascia le certificazioni. Gli esami si sostengono presso gli enti esterni, in italiano, e non sono inclusi nel costo del corso. Per accedere è richiesto il diploma.
