Chi gestisce progetti dentro Notion conosce la fatica nascosta: il database degli sprint che resta indietro, il report settimanale assemblato a mano la sera prima della riunione, le note sparse su dieci pagine diverse che nessuno collega mai. Con la release 3.0 di settembre 2025, Notion ha introdotto gli AI Agents, e questa volta non si tratta dell’ennesimo assistente che suggerisce frasi. Si tratta di agent autonomi che eseguono sequenze di operazioni reali al posto tuo.
La differenza è sostanziale e vale la pena capirla prima di entusiasmarsi. Un suggerimento ti dice cosa potresti fare. Un agent lo fa. Lavora fino a circa venti minuti su un compito, attraversa più passaggi senza che tu intervenga a ogni step, e può toccare anche app esterne collegate al tuo workspace. Per un project manager che vive dentro Notion, questo cambia il tipo di lavoro che puoi delegare allo strumento.
Cosa sono davvero i Notion AI Agents
Un AI Agent in Notion è un esecutore multi-step. Gli dai un obiettivo in linguaggio naturale, lui scompone il lavoro in passaggi e li porta avanti uno dopo l’altro: legge pagine, interroga database, crea documenti, aggiorna proprietà, collega elementi tra loro. Non si ferma a produrre un blocco di testo da copiare. Agisce sulla struttura del tuo workspace.
Due dettagli tecnici contano per chi pianifica il lavoro. Il primo è il tempo: un agent può macinare un compito fino a circa venti minuti, quindi regge attività che un assistente conversazionale spezzerebbe in decine di richieste. Il secondo è la connessione: gli agent possono dialogare con app esterne agganciate al workspace, il che significa che il perimetro non è più solo Notion ma anche gli strumenti che ci ruotano attorno.
C’è poi la scelta del modello. Sul piano Business è disponibile la model selection: puoi indirizzare l’agent verso modelli della famiglia GPT o Claude a seconda del compito. È una leva utile quando un tipo di lavoro rende meglio con un modello rispetto a un altro, ad esempio scrittura strutturata contro analisi di documenti lunghi.
Cosa serve per partire
Qui arriva il primo filtro di realtà. Gli AI Agents nella loro forma autonoma e con la model selection vivono sul piano Business. Se il tuo team è su un piano inferiore, hai accesso alle funzioni AI ma non a tutto il ventaglio degli agent multi-step. Verifica il piano prima di promettere automazioni a chi gestisce con te.
Il secondo prerequisito non è contrattuale ma operativo, ed è quello che fa fallire la maggior parte dei primi tentativi: la struttura dati. Un agent lavora bene su database puliti, con proprietà coerenti, stati ben definiti, relazioni dichiarate. Se il tuo database di progetto è un campo di testo libero dove ognuno scrive lo stato come gli pare, l’agent non saprà cosa aggiornare. La qualità dell’automazione è figlia della qualità dei dati che le dai in pasto.
Quattro casi d’uso concreti, passo per passo
1. Aggiornare il database di progetto dopo una riunione
Scenario classico: esci da uno stand-up con dieci decisioni prese e nessuna voglia di trascriverle a mano nel board. Ecco come impostarlo.
- Prepara una pagina note con il verbale della riunione, scritto in modo discorsivo ma con i task chiari.
- Dai all’agent l’istruzione: leggi questa pagina, trova i task corrispondenti nel database Sprint, aggiorna lo stato di ognuno e assegna l’owner indicato.
- Lascialo lavorare e poi controlla riga per riga prima di considerare chiuso il giro.
L’agent attraversa il verbale, abbina i nomi dei task alle voci esistenti nel database e modifica le proprietà. Il passaggio di verifica non è opzionale: se un task non esisteva già o era scritto in modo ambiguo, l’agent potrebbe crearne uno nuovo invece di aggiornare quello giusto.
2. Generare e collegare la documentazione di una nuova feature
Quando parte un nuovo workstream serve sempre lo stesso impianto documentale: una pagina di brief, una di specifiche tecniche, una di test, tutte collegate alla card di progetto. Farlo a mano richiede venti minuti di copia-incolla e link.
- Indica all’agent il template documentale che usate di solito e la card di progetto a cui agganciare tutto.
- Chiedi di generare le tre pagine, popolarle con la struttura standard e creare le relazioni verso la card.
- Verifica che i collegamenti puntino agli elementi giusti e che nessuna pagina sia rimasta orfana.
Il valore non è la scrittura del testo, che resta da rifinire, ma l’impalcatura: l’agent costruisce lo scheletro collegato in modo coerente, e tu riempi i contenuti che richiedono giudizio umano.
3. Preparare il report settimanale da pagine sparse
Il report di avanzamento è il compito che più si presta a un agent, perché è ripetitivo e attinge a fonti dislocate. Lo stato è nel database task, i rischi in una pagina note, le metriche in un altro database.
- Descrivi all’agent la struttura del report: avanzamento per area, rischi aperti, prossimi passi.
- Indica esplicitamente da quali database e pagine prendere i dati.
- Fagli produrre la bozza in una pagina dedicata, poi leggila criticamente prima di condividerla.
Qui l’orizzonte dei venti minuti torna utile: raccogliere dati da più fonti e comporli è esattamente il tipo di lavoro multi-step che un assistente conversazionale non reggerebbe in una sola passata. Resta da controllare che l’agent non abbia interpretato male un numero o saltato una fonte che non gli avevi nominato.
4. Automatizzare una routine di triage
Le richieste in ingresso che arrivano in un database di intake possono essere smistate secondo regole fisse: priorità in base a una proprietà, assegnazione in base all’area, etichette in base al tipo.
- Definisci le regole di smistamento in modo netto, senza zone grigie.
- Chiedi all’agent di scorrere le richieste non ancora lavorate e applicare le regole.
- Controlla a campione che le decisioni rispettino le regole, soprattutto sui casi limite.
Più le regole sono esplicite, meno margine ha l’agent di sbagliare. Se una regola dipende dal contesto o dal buon senso, è probabile che vada gestita a mano.
Tabella operativa: cosa automatizzare, cosa serve, cosa verificare
| Cosa puoi automatizzare | Cosa serve | Cosa verificare |
|---|---|---|
| Aggiornare stati e owner nel database di progetto | Database con proprietà coerenti e task già esistenti | Che abbia aggiornato i task giusti e non creato duplicati |
| Generare e collegare documenti di una feature | Template documentale e card di progetto di riferimento | Che i link puntino agli elementi corretti, nessuna pagina orfana |
| Comporre il report settimanale da fonti sparse | Fonti nominate esplicitamente (database, pagine note) | Numeri corretti e nessuna fonte saltata |
| Triage e smistamento richieste in ingresso | Regole di assegnazione nette, senza ambiguità | Coerenza sui casi limite e sulle eccezioni |
Notion fa automazione vera, non solo suggerimenti
Vale la pena fissare il punto che distingue gli AI Agents da buona parte degli assistenti AI integrati negli altri strumenti di project management. Molti tool si fermano al suggerimento: ti propongono una stima, ti scrivono una bozza di descrizione, ti segnalano un task in ritardo. Resta poi tutto sulle tue spalle, perché l’azione concreta la devi compiere tu.
Gli agent di Notion compiono l’azione. Aggiornano il record, creano il documento, applicano l’etichetta. È automazione multi-step reale, non assistenza testuale. Per un project manager questa è la differenza tra uno strumento che ti fa risparmiare qualche minuto di scrittura e uno che ti toglie dal piatto un intero giro di lavoro manuale.
I limiti, detti senza giri di parole
L’agent esegue ciò che gli dici, non legge nel pensiero. Se l’istruzione è vaga, il risultato sarà vago o sbagliato. Imparare a istruirlo bene, indicando fonti precise, regole esplicite e formati attesi, è metà del lavoro. L’altra metà è la verifica: un agent che opera per venti minuti su più database può anche sbagliare in modo non ovvio, e l’unico modo per accorgersene è controllare l’output prima di fidarsi.
E torna il prerequisito di partenza: senza una struttura dati pulita l’automazione non decolla. L’agent amplifica l’ordine che già hai e amplifica anche il disordine. Investire mezza giornata a sistemare proprietà e relazioni dei database rende ogni successiva automazione più affidabile. Non è il passaggio glamour, ma è quello che separa chi ottiene risultati da chi resta deluso dopo il primo tentativo.
Costruire le competenze per gestire progetti digitali
Saper orchestrare strumenti come i Notion AI Agents è una competenza tattica preziosa, ma poggia su basi metodologiche più solide: come si struttura un progetto digitale, come si governano stati e flussi, come si misura l’avanzamento in modo che l’automazione abbia dati sensati da lavorare. Senza quel metodo, anche l’agent più capace lavora nel vuoto.
Il Corso DPM Foundation di Management Academy offre 27 ore di contenuti video on demand e ti porta dentro la gestione di progetti in contesti digitali al livello Foundation. È pensato come certificazione Digital Project Management livello Foundation: il corso prepara alla certificazione ma non la rilascia, perché l’esame si sostiene a parte e non è incluso nel costo del corso.
