Ogni qualche mese arriva la demo che dovrebbe cambiare tutto. Un agente AI che apre un progetto vuoto, scompone gli obiettivi in task, assegna le risorse, aggiorna il piano quando qualcuno sfora una scadenza e manda i report agli stakeholder. Sembra magia. Poi spegni la registrazione, torni al tuo Gantt reale con tre fornitori in ritardo e uno sponsor che ha cambiato idea per la quarta volta, e ti chiedi dove sia finita quella magia.
L’autonomous project management è il sogno di un progetto che si gestisce da solo. La realtà, oggi, è molto più sobria. E i numeri lo dicono con chiarezza.
Cosa dicono davvero i dati
Partiamo dal punto che fa rumore. Secondo rilevazioni di settore sulle aziende che stanno adottando l’agentic AI, solo una minoranza l’ha portata realmente in produzione: si parla di un 11-14% delle organizzazioni con agenti autonomi che lavorano su processi veri, ogni giorno, con impatto misurabile. Tutto il resto è esplorazione e sperimentazione: circa il 30% è in fase di esplorazione iniziale e quasi il 38% sta facendo pilot, ossia prove circoscritte che non hanno ancora superato il confine del laboratorio.
Tradotto: per ogni azienda che usa davvero l’AI agentica nei progetti, ce ne sono sei o sette che ne parlano, la testano, fanno workshop e proof of concept. Niente di sbagliato in questo. Ma è molto diverso dal racconto del “tutti lo stanno già facendo”.
C’è poi una previsione che vale la pena tenere a mente, marcata come stima e non come certezza. Secondo Gartner, oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027. Le cause indicate sono sempre le stesse tre: costi che lievitano oltre il previsto, ROI che non si materializza, governance e rischi che diventano ingestibili. È una stima, quindi va presa per quello che è, ma il messaggio di fondo è solido. La maggior parte di questi progetti non muore per limiti tecnologici. Muore per ragioni organizzative.
Perché l’autonomia totale non regge (ancora)
Un progetto non è un dataset pulito da ottimizzare. È un campo di forze umane. E qui l’AI, per quanto brillante, inciampa per quattro motivi ricorrenti.
Il contesto organizzativo e politico
Buona parte delle decisioni di progetto non si spiega con la logica. Lo sponsor vuole anticipare il rilascio perché ha promesso una data al suo capo. Un team viene protetto perché è in fase delicata. Un fornitore si tiene anche se costa di più, perché tre anni fa ha salvato un’azienda da un disastro. Un agente AI legge i dati, non legge le alleanze, i debiti di riconoscenza e le paure di chi prende le decisioni. Quando ottimizza ignorando questo strato invisibile, propone scelte corrette sulla carta e impraticabili nella stanza.
I dati sporchi
L’autonomia ha senso solo se i dati sotto sono affidabili. Nella maggior parte delle organizzazioni non lo sono. Le stime ore sono ottimistiche per abitudine, gli stati delle attività vengono aggiornati a fine sprint in fretta, i task chiusi non sempre corrispondono a lavoro davvero finito. Un agente che pianifica su questi dati amplifica gli errori invece di correggerli. Garbage in, decisioni autonome sbagliate out.
Le allucinazioni
I modelli linguistici producono talvolta affermazioni plausibili e false. In una chat te ne accorgi e correggi. In un flusso autonomo che aggiorna piani, manda comunicazioni e prende micro-decisioni senza un umano nel mezzo, un’allucinazione diventa un’azione. Una dipendenza inventata, una scadenza spostata su un assunto sbagliato, un messaggio a uno stakeholder con un dato che non esiste. Il costo di un errore aumenta quando nessuno lo vede passare.
La mancanza di governance
Chi risponde se l’agente sbaglia una stima e il progetto slitta? Chi ha approvato quella decisione? Su quali dati? Nella maggior parte dei pilot questa parte semplicemente non esiste. Non ci sono log delle decisioni, non c’è un perimetro chiaro di cosa l’agente può e non può fare, non c’è una catena di responsabilità. È proprio questo vuoto che, secondo Gartner, fa naufragare tanti progetti: non il modello, ma l’assenza di regole intorno al modello.
Cosa ha senso automatizzare ORA
Smontare il mito non significa rifiutare l’AI. Significa metterla dove rende davvero, oggi, senza fingere un’autonomia che non c’è. La regola pratica è semplice. Automatizza ciò che è ripetitivo, verificabile e a basso costo d’errore. Tieni in mano ciò che richiede giudizio, contesto e responsabilità.
| Da automatizzare ORA | Da NON delegare |
|---|---|
| Generazione bozza degli status report | Decisione di scope: cosa entra e cosa esce |
| Reminder su scadenze e task fermi | Gestione di un conflitto nel team |
| Riassunto di meeting e action item | Stima finale dei tempi consegnata allo sponsor |
| Aggregazione metriche da più tool | Negoziazione con un fornitore |
| Prima bozza di risk log e checklist | Priorità tra obiettivi in conflitto |
| Pulizia e normalizzazione dei dati di progetto | Comunicazione di una brutta notizia |
Nota il filo conduttore. A sinistra trovi attività dove l’AI prepara e tu rivedi. A destra trovi attività dove c’è in gioco una relazione, un rischio reputazionale o una responsabilità che resta tua, qualunque cosa suggerisca il modello. L’errore più comune è invertire le due colonne perché la demo era convincente.
Costruire fiducia per gradi
La fiducia in un sistema autonomo non si concede in blocco. Si conquista uno scalino alla volta, verificando a ogni livello che l’AI faccia bene la cosa prima di darle la successiva. Ecco una roadmap che funziona nella pratica.
- Grado 0, Osservazione. L’AI legge i dati di progetto e basta. Nessuna azione. Serve solo a verificare se interpreta bene lo stato reale. Se già qui sbaglia, hai un problema di dati, non di modello.
- Grado 1, Suggerimento. L’AI propone (bozze di report, alert su task a rischio, ipotesi di ripianificazione) ma non esegue nulla. Tu accetti o scarti. Misura quante proposte sono davvero utili.
- Grado 2, Esecuzione su approvazione. L’AI agisce solo dopo un tuo via libera esplicito. Manda il report dopo che lo hai validato, aggiorna il piano dopo che hai confermato. L’umano resta nel loop su ogni passo che lascia traccia all’esterno.
- Grado 3, Autonomia su perimetro chiuso. Solo per task ripetitivi e a basso rischio, e solo dopo settimane di Grado 2 senza errori, l’AI agisce da sola dentro confini netti. Reminder automatici, aggiornamento di stati interni, pulizia dati. Con log di ogni decisione e possibilità di fermare tutto in un clic.
Nessuno serio è oggi al Grado 3 sull’intero progetto. I pochi casi in produzione vivono al Grado 2 su attività ben circoscritte. Chi promette il salto diretto al progetto interamente autonomo sta vendendo una demo, non descrivendo un sistema che reggerà il lunedì mattina.
Sei pronto per l’autonomia? Un test rapido
Prima di lanciarti, una verifica onesta. Se ti riconosci nella colonna di destra, fermati: stai per finire nel 40% di progetti cancellati.
- Pronto: i tuoi dati di progetto sono aggiornati e affidabili. Non pronto: gli stati li sistemi a mano prima di ogni steering.
- Pronto: hai definito cosa l’AI può e non può fare, per iscritto. Non pronto: “vediamo strada facendo”.
- Pronto: esiste un umano responsabile di ogni decisione automatizzata. Non pronto: se sbaglia l’AI, non sai chi risponde.
- Pronto: parti da task ripetitivi e a basso rischio. Non pronto: vuoi automatizzare subito la pianificazione strategica.
- Pronto: puoi spegnere il sistema in un istante senza bloccare il progetto. Non pronto: il progetto ormai dipende da un agente che nessuno controlla.
Il verdetto per il project manager
L’autonomous project management non è una bufala. È una traiettoria reale, ma molto più lenta e parziale di come viene raccontata. Oggi siamo nella fase in cui l’AI è un ottimo assistente e un pessimo pilota automatico. La vera competenza, nel 2026, non è chiedersi se delegare tutto all’AI. È saper distinguere con precisione cosa delegare e cosa tenere in mano.
Il PM che vince non è quello che insegue la demo più spettacolare. È quello che usa l’AI per togliersi di dosso il lavoro ripetitivo, recuperare ore preziose e dedicarle alle persone, alle decisioni e alle relazioni, cioè esattamente alle cose che nessun agente sa ancora gestire. L’autonomia totale forse arriverà. Nel frattempo, il giudizio resta il tuo mestiere.
Vuoi gestire progetti digitali con metodo, AI compresa?
Capire dove finisce l’hype e dove inizia il valore reale dell’AI è una competenza da project manager digitale, e si costruisce con basi solide. Il Corso DPM Foundation di Management Academy offre 27 ore di contenuti video on demand e ti prepara alla certificazione Digital Project Management di livello Foundation, pensata per chi gestisce progetti in contesti digitali. Il corso prepara all’esame di certificazione, che si sostiene separatamente e non è incluso.
