Quando si parla di “livello di autonomia” di un’AI nei progetti si intende quanto un sistema può decidere e agire da solo, senza che un project manager confermi ogni passaggio. Non è una caratteristica binaria, del tipo “automatizzato sì o no”. È una scala: a un estremo l’AI ti suggerisce qualcosa e tu fai tutto il resto, all’estremo opposto l’AI prende una decisione e la esegue mentre tu la scopri dopo. In mezzo ci sono parecchie sfumature, ed è proprio lì che oggi si gioca la partita reale degli strumenti che usi ogni giorno.
La distinzione conta perché cambia chi è responsabile di cosa. Più sale l’autonomia, più sposti la decisione fuori dalle tue mani. Capire a che livello lavora davvero uno strumento ti serve a evitare due errori: fidarti troppo di un’AI che in realtà fa poco, oppure tenere il freno tirato su un’automazione che potrebbe farti risparmiare ore.
L’analogia con la guida autonoma
Il modo più rapido per inquadrare la scala è pensare alle automobili. L’industria dell’auto ha codificato sei livelli di guida autonoma, da 0 a 5. A un livello basso l’auto ti avvisa se esci dalla corsia ma guidi tu. A un livello intermedio tiene la corsia e la distanza, però devi stare con le mani sul volante e gli occhi sulla strada. Solo ai livelli più alti l’auto gestisce tutto in certe condizioni e tu diventi passeggero.
La cosa interessante è che quasi nessuna auto in commercio oggi supera davvero il livello intermedio, nonostante gli spot facciano sognare la macchina che si guida da sola. Lo stesso vale per gli AI agent nei progetti. Il marketing racconta l’auto che si guida da sola, la realtà del cruscotto è l’assistente che ti tiene in corsia. Tenendo a mente questo parallelo, vediamo i quattro livelli applicati al project management.
I quattro livelli di autonomia nel project management
Ho ridotto la scala a quattro gradini perché è la granularità che serve a un PM per decidere quanto fidarsi di uno strumento. Ecco la mappa completa, poi entriamo nel dettaglio di ciascun livello.
| Livello | Cosa fa l’AI | Dove resta il PM | Esempio di tool reale oggi |
|---|---|---|---|
| L1, Assistenza | Suggerisce, riassume, propone testi e stime. Non tocca nulla finché non confermi. | Decide tutto e applica ogni suggerimento a mano. | Butler di Trello per suggerimenti, scrittura assistita di descrizioni task. |
| L2, Automazione di task definiti | Esegue regole che hai impostato tu: sposta card, assegna, notifica, aggiorna campi. | Progetta le regole e le supervisiona. L’AI non esce dal recinto. | ClickUp Autopilot, automazioni di Asana, regole Butler avanzate. |
| L3, Workflow multi-step supervisionati | Concatena più azioni verso un obiettivo, prende micro-decisioni nel mezzo, poi chiede approvazione. | Approva o corregge prima che l’effetto diventi definitivo (human-in-the-loop). | Asana AI Teammates e Atlassian Rovo, in evoluzione verso questo livello. |
| L4, Agente autonomo | Decide cosa fare e lo fa, gestendo il progetto su obiettivi senza approvazione continua. | Definisce i confini e controlla a posteriori. Oggi più promessa che pratica. | Nessuno realmente operativo sul PM end-to-end. |
L1, Assistenza: l’AI suggerisce, tu decidi
Al primo livello l’AI è un copilota che parla ma non guida. Ti propone una bozza di descrizione per un task, riassume un thread di commenti lungo trenta messaggi, ti suggerisce una stima basata su attività simili. Niente di tutto questo entra nel progetto finché non sei tu a premere il pulsante.
Esempi concreti che probabilmente già usi:
- Generare la descrizione di una card a partire da due righe di brief.
- Riassumere lo stato di un’epica leggendo i commenti sparsi.
- Ricevere un suggerimento di scadenza o di assegnatario, da accettare o ignorare.
- Trasformare appunti grezzi di una riunione in una lista di azioni proposte.
Il PM qui resta al comando totale. L’AI riduce il lavoro noioso di scrittura e lettura, ma ogni decisione passa dalle tue mani. È il livello dove il rischio è minimo e il guadagno è già concreto.
L2, Automazione di task definiti: l’AI esegue le tue regole
Al secondo livello l’AI agisce, ma dentro un recinto che hai disegnato tu. Imposti una regola del tipo “quando una card passa in Done, spostala nell’elenco di archivio e notifica il cliente”, e da quel momento l’esecuzione è automatica. Non c’è alcuna decisione creativa: c’è una condizione e una conseguenza.
Casi tipici:
- Card che cambiano colonna in base allo stato di un campo.
- Assegnazione automatica in base al tipo di richiesta o al carico del team.
- Promemoria e notifiche che partono allo scattare di una scadenza.
- Aggiornamento di campi collegati quando ne cambi uno principale.
Qui entrano strumenti come ClickUp Autopilot o le automazioni di Asana e Trello. È importante notare una cosa: molti di questi prodotti vengono presentati con la parola “AI”, ma sotto c’è una logica a regole, deterministica. Funziona benissimo, però non sta decidendo nulla. Il PM progetta le regole e poi tiene d’occhio che continuino ad avere senso quando il progetto cambia.
L3, Workflow multi-step supervisionati: l’AI orchestra, tu approvi
Il terzo livello è il salto vero. L’AI non esegue una sola regola, ma concatena più passaggi verso un obiettivo, e nel mezzo prende piccole decisioni: quale task creare, a chi assegnarlo, con che priorità, leggendo il contesto del progetto invece di seguire una condizione fissa. Alla fine, però, si ferma e chiede la tua approvazione prima che l’effetto diventi reale.
Immagina di scrivere “prepara lo sprint della prossima settimana”: un agente L3 leggerebbe il backlog, proporrebbe quali storie includere in base alla capacità del team, abbozzerebbe l’assegnazione e ti presenterebbe il piano da confermare. Più passaggi, qualche decisione, ma un cancello umano prima dell’esecuzione.
È qui che si collocano, in evoluzione, prodotti come Asana AI Teammates e Atlassian Rovo. Vanno verso questo livello, ma è onesto dire che oggi operano in modo parziale e ancora molto guidato. La parola chiave resta human-in-the-loop: tu sei il punto di controllo prima che qualcosa di irreversibile accada. Togliere quel cancello significa passare al livello successivo, e nessuno serio lo fa ancora sul project management.
L4, Agente autonomo: l’AI decide e agisce
Al quarto livello l’agente gestisce il progetto su obiettivi che gli hai dato, decide cosa fare e lo fa, senza chiederti conferma a ogni passo. Tu definisci i confini e controlli i risultati a posteriori, come faresti con un collaboratore di fiducia a cui deleghi un’area intera.
Questo è il livello che il marketing ama raccontare e che, sul project management end-to-end, oggi non esiste in forma affidabile. Ci sono dimostrazioni, prototipi, agenti che funzionano in ambienti ristretti e controllati. Ma un agente che pianifichi, riassegni, negozi le priorità e gestisca un progetto reale per settimane senza supervisione non è la realtà operativa di nessun team che conosca. Le poste in gioco di un errore non sorvegliato sono troppo alte.
La tesi anti-hype: “autonomo” spesso vuol dire L2
Ecco il punto che conta di più. Se metti insieme quello che gli strumenti fanno davvero, oggi la realtà operativa vive tra L1 e L2. L’assistenza che suggerisce e l’automazione a regole sono mature, diffuse, affidabili. L3 è in costruzione e parzialmente disponibile. L4 è, per il project management, sostanzialmente marketing.
Il problema è il vocabolario. Quando un prodotto si vende come “agente autonomo” o “AI che gestisce i tuoi progetti”, molto spesso sotto il cofano c’è un’automazione L2: esegue regole che hai impostato tu. È utilissima, ma chiamarla autonoma è un abuso di linguaggio. Vale la pena fare qualche domanda secca prima di credere allo slogan:
- Lo strumento prende decisioni che non ho codificato io, oppure esegue solo regole che ho scritto?
- Se cambia il contesto del progetto, adatta il comportamento o continua a fare la stessa cosa?
- C’è un cancello di approvazione umano, e dove si trova nel flusso?
- Cosa succede quando sbaglia: me ne accorgo prima o dopo che l’effetto è diventato reale?
Rispondendo a queste domande capisci in due minuti a che livello lavora davvero un tool, al di là di come si descrive. E quasi sempre scopri che “autonomo” significava L2.
Cosa farne, da project manager
La conclusione pratica non è diffidare dell’AI, ma calibrare la fiducia sul livello reale. Su L1 e L2 puoi appoggiarti con tranquillità: ti tolgono lavoro ripetitivo e raramente combinano guai, perché non escono dal recinto. Su L3, quando lo strumento te lo permette, tieni sempre la mano sul cancello di approvazione e leggi cosa propone prima di confermare. Su L4 mantieni lo scetticismo finché non vedi prove operative, non demo.
Il valore di una scala come questa è che ti dà un linguaggio per parlare con i vendor, con il team e con te stesso. La prossima volta che senti “AI autonoma per i progetti”, non chiederti se è vero o falso. Chiediti: è L2 travestito da L4? Nove volte su dieci la risposta ti farà risparmiare una delusione.
Vuoi gestire progetti digitali con metodo
Capire l’autonomia degli strumenti è solo un pezzo del lavoro: serve una base solida di Digital Project Management per sapere quali decisioni delegare e quali tenere strette. Il Corso DPM Foundation di Management Academy offre 27 ore di contenuti video on demand ed è la certificazione in Digital Project Management di livello Foundation, pensata per chi gestisce progetti in contesti digitali. Il corso prepara alla certificazione ma non la rilascia: l’esame si sostiene a parte e non è incluso nel costo del corso.
