AI nel project management: hype o realtà?
Risposta breve, senza giri di parole: entrambe le cose, ma non nelle proporzioni che il marketing vorrebbe farti credere. Nel 2026 l’intelligenza artificiale aiuta concretamente i project manager su un insieme ristretto e ben definito di compiti, soprattutto la produzione di testi e la sintesi di informazioni. Tutto il resto, in particolare l’idea di “agenti” che gestiscono progetti in autonomia, è in gran parte ancora una promessa. Funziona nei demo, molto meno nei portafogli reali.
Il problema non è che l’AI non serva. Il problema è il divario tra quello che viene venduto e quello che gira davvero in produzione. Capire dove passa quella linea è la differenza tra usare lo strumento con profitto e bruciare budget inseguendo un’autonomia che oggi non esiste.
I numeri raccontano una storia diversa dagli slogan
Partiamo dai dati, perché è qui che l’hype si sgonfia. Secondo diverse rilevazioni di settore citate nel 2025 e 2026, solo l’11-14% delle organizzazioni dichiara di avere agenti AI realmente in produzione. Una quota più ampia, intorno al 30%, è in fase di esplorazione, e circa il 38% sta conducendo progetti pilota. Tradotto: la stragrande maggioranza delle aziende sta ancora provando, non usando.
C’è di più. Gartner stima che oltre il 40% dei progetti di agentic AI verrà cancellato entro la fine del 2027. Le ragioni sono prosaiche e familiari a chiunque abbia gestito un progetto IT: costi che salgono più del previsto, ritorno sull’investimento difficile da dimostrare, governance e rischi che nessuno aveva messo a budget. Va detto con onestà che si tratta di una stima, non di un fatto compiuto, e le previsioni a due anni vanno prese con le pinze. Ma il segnale è coerente con quello che si vede sul campo.
Il punto più sottile, e forse il più importante, riguarda i livelli di autonomia. La maggior parte di ciò che è effettivamente in produzione si colloca a un livello L1-L2: lo strumento suggerisce, propone una bozza, segnala. È l’essere umano a decidere e ad agire. Il marketing, invece, parla quasi sempre come se fossimo già a L3-L4, dove il sistema pianifica ed esegue da solo. Quella distanza tra il livello promesso e il livello reale è il cuore dell’equivoco.
Promessa del marketing vs realtà 2026
| Quello che ti vendono | Quello che trovi davvero |
|---|---|
| Agenti AI che pianificano e gestiscono il progetto in autonomia. | Sistemi a livello L1-L2 che suggeriscono e producono bozze; la decisione resta umana. |
| Adozione ormai diffusa, “tutti lo stanno già facendo”. | Solo l’11-14% delle organizzazioni ha agenti in produzione; il resto esplora o pilota. |
| ROI immediato e misurabile fin dal primo mese. | ROI incerto: Gartner stima oltre il 40% dei progetti agentic cancellati entro fine 2027. |
| Setup plug and play, integrazione senza attriti. | Costi nascosti di integrazione, dati da ripulire, governance da costruire da zero. |
| L’AI sostituisce il project manager. | L’AI toglie lavoro ripetitivo al PM, che resta responsabile di decisioni e relazioni. |
Cosa funziona davvero oggi
Sgombrato il campo dall’hype, resta una verità incoraggiante: alcune cose funzionano bene, qui e ora, e cambiano in meglio la giornata di un project manager. Non sono fantascienza, sono attività in cui l’AI è uno strumento maturo perché lavora su testo e sintesi, terreno dove i modelli linguistici eccellono.
Le note delle riunioni
Trascrizione automatica, riassunto dei punti chiave, estrazione delle azioni con i relativi responsabili. È forse l’uso più solido in assoluto. Recuperi i venti minuti che prima dedicavi a scrivere il verbale e li reinvesti nel lavoro vero. L’output va riletto, certo, ma parte da una bozza già buona.
I report di stato
Aggregare dati da più fonti e trasformarli in uno status report leggibile è ripetitivo e a basso valore aggiunto, esattamente il tipo di compito in cui l’AI dà il meglio. Il PM passa dal “compilare” al “rivedere e commentare”, che è un uso del tempo molto più sensato.
La segnalazione dei rischi
Qui l’AI non decide, segnala. Incrocia ritardi, dipendenze e anomalie nei dati di progetto e mette un punto interrogativo dove qualcosa non torna. Il risk flagging come campanello d’allarme funziona; l’analisi e la mitigazione restano in mano a chi conosce il contesto.
Le bozze di documenti
Brief, email difficili, prime versioni di un piano di comunicazione, struttura di un documento di progetto. La pagina bianca è il nemico, e l’AI la riempie in pochi secondi con qualcosa da cui partire. Non è il documento finale, è il punto di partenza che ti fa risparmiare l’avvio.
| Cosa funziona oggi | Cosa non ancora |
|---|---|
| Note e riassunti delle riunioni con estrazione delle azioni. | Pianificazione autonoma del progetto dall’inizio alla fine. |
| Generazione e aggregazione di report di stato. | Riallocazione automatica di risorse e budget senza supervisione. |
| Segnalazione di rischi e anomalie nei dati. | Decisioni di mitigazione del rischio prese in autonomia. |
| Bozze di documenti, brief ed email. | Gestione autonoma degli stakeholder e delle relazioni di team. |
Perché tanti progetti AI deludono
Vale la pena capire perché la previsione di Gartner sulle cancellazioni è così plausibile. Non è colpa della tecnologia in sé, ma di come viene adottata.
- Si parte dalla soluzione, non dal problema. Molte aziende comprano “l’agente AI” e poi cercano un problema da dargli in pasto. È l’ordine inverso rispetto a quello giusto.
- I dati non sono pronti. Un agente è bravo quanto i dati su cui lavora. Se i task non sono aggiornati, le stime sono fantasiose e i progetti mal strutturati, l’AI amplifica il disordine invece di risolverlo.
- La governance arriva dopo. Chi è responsabile se l’agente sbaglia? Chi controlla cosa fa? Domande rimandate fino a quando non scoppia il primo problema.
- Il ROI viene promesso, non misurato. Senza una metrica di partenza, è impossibile dimostrare che lo strumento abbia fatto la differenza. E ciò che non si dimostra, prima o poi si taglia.
Come adottare l’AI senza farti male
C’è una via di mezzo tra l’entusiasmo ingenuo e il rifiuto a priori, ed è l’approccio che oggi paga. Si parte piccoli, si misura, si allarga solo ciò che ha dato risultati. Ecco una sequenza concreta da seguire.
- Scegli un solo compito noioso e ripetitivo. Le note delle riunioni sono il candidato ideale: rischio basso, beneficio immediato, output facile da verificare. Non partire dal progetto più critico.
- Definisci una metrica prima di iniziare. Quanti minuti dedichi oggi a quel compito? Misuralo per una settimana. Senza un numero di partenza non saprai mai se l’AI ha davvero aiutato.
- Tieni l’essere umano nel ciclo. Ogni output dell’AI passa da una persona prima di diventare ufficiale. Non è burocrazia, è il modo in cui resti a un livello L1-L2 controllato invece di delegare alla cieca.
- Allarga solo dopo il primo successo dimostrato. Se le note funzionano, passa ai report. Un compito alla volta. La fretta di “agentizzare tutto” è esattamente ciò che porta alle cancellazioni stimate da Gartner.
Questo metodo ha un vantaggio politico oltre che operativo: produce piccole vittorie misurabili che puoi mostrare a chi controlla il budget. È molto più solido che chiedere fiducia per un progetto agentic ambizioso il cui ritorno arriverà, forse, tra due anni.
Le domande da fare a ogni fornitore
Quando un vendor ti presenta la sua soluzione, tre domande tagliano l’hype in pochi secondi. A che livello di autonomia opera davvero, L1-L2 o L3-L4? Quanti clienti la usano in produzione, non in pilota? Su quali dati gira e chi è responsabile quando sbaglia? Se le risposte sono vaghe, hai capito che tipo di prodotto è.
Il verdetto onesto per il PM italiano
Se gestisci progetti in Italia nel 2026, ecco la sintesi pratica. Non aspettare l’agente autonomo che ti toglie il lavoro: non è dietro l’angolo e i numeri lo confermano. Adotta invece, da subito, gli usi che funzionano: note delle riunioni, report, segnalazione rischi, bozze di documenti. Sono guadagni piccoli ma reali, che si sommano ogni settimana e ti restituiscono tempo per le cose che contano davvero, cioè le persone e le decisioni.
Tratta ogni claim di “autonomia totale” con sano scetticismo e chiediti sempre a quale livello L1-L4 si riferisce davvero la demo che stai guardando. La maggior parte delle volte la risposta onesta è L1-L2, e va benissimo così. Il valore non sta nel sostituire il giudizio del project manager, ma nel liberarlo dal lavoro a basso valore.
La competenza che fa la differenza, allora, non è “sapere usare l’AI” in astratto. È saper governare un progetto digitale con metodo, sapere dove l’automazione aiuta e dove invece serve la testa di una persona. Lo strumento cambia ogni sei mesi; il metodo resta.
Costruire il metodo prima degli strumenti
Se vuoi presidiare la gestione di progetti in contesti digitali con basi solide, e non a colpi di hype, può aiutarti un percorso strutturato. 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 ambienti digitali. Il corso prepara alla certificazione ma non la rilascia: l’esame si sostiene a parte e non è incluso nel costo.
Scopri il corso DPM Foundation e parti dal metodo, poi scegli gli strumenti.
