Quando il CEO di un laboratorio AI di primo piano annuncia un piano per rallentare deliberatamente lo sviluppo dei propri modelli, il project management incontra un tema che di solito resta sullo sfondo: la velocità non è sempre un vantaggio. Anthropic ha delineato una strategia per “gestire la frontiera” tecnologica con più cautela, e questa scelta offre una lezione utile a chiunque debba pianificare progetti che integrano intelligenza artificiale in azienda.
Il mito della roadmap sempre aggiornata
Molti project manager italiani vivono una tensione costante: il team ha appena finito di integrare un modello, e già ne esce uno più veloce o più economico. MIT Sloan Management Review lo ha descritto bene in un articolo recente, raccontando di una vice president che apre il laptop il lunedì e scopre che il workflow costruito in sei settimane è già superato da un’alternativa più economica.
La tentazione è rincorrere ogni release. Ma un piano di progetto che cambia direzione ogni due settimane non è agile, è instabile. La scelta di Anthropic di darsi un ritmo controllato suggerisce un principio applicabile anche alle PMI: definire cicli di revisione tecnologica fissi (trimestrali, per esempio) invece di reagire a ogni annuncio. Un’azienda manifatturiera che ho seguito in consulenza aveva bloccato tre mesi di lavoro solo per valutare se cambiare fornitore AI ogni volta che usciva una notizia. Risultato: zero deliverable consegnati nel trimestre.
Pianificare con margini, non con certezze
Il project management applicato all’AI richiede un cambio di mentalità rispetto ai progetti IT tradizionali. Un piano di progetto software classico assume che i requisiti restino stabili per mesi. Con l’AI generativa, la variabile tecnologica cambia mentre il progetto è in corso: il modello che si usa a gennaio potrebbe essere deprecato a giugno.
La risposta pratica non è inseguire ogni cambiamento, ma costruire margini nella pianificazione. Alcune pratiche concrete:
- Inserire nel piano di progetto una fase esplicita di “rivalutazione tecnologica” ogni trimestre, con criteri chiari su quando vale la pena migrare.
- Separare l’architettura del workflow dal modello specifico usato, così un cambio di fornitore AI non richiede di rifare tutto da zero.
- Documentare le decisioni tecnologiche con la data e il contesto, per capire in seguito se una scelta era corretta o solo la più comoda in quel momento.
Questo approccio richiama anche quanto emerso dal caso RubyGems raccontato da The Verge, dove agenti AI autonomi hanno causato danni non previsti: la lezione, anche qui, è che la velocità di adozione va bilanciata con controlli e checkpoint, non eliminata.
Il project manager come regolatore di ritmo
Il ruolo del project manager, in un contesto AI, assomiglia sempre più a quello di chi regola il ritmo di una squadra, non di chi la spinge a correre. Decidere quando adottare una nuova capacità AI e quando invece consolidare quella esistente è oggi una competenza tanto importante quanto saper leggere un Gantt.
Per le PMI italiane, questo significa una cosa semplice: prima di inserire l’ultima novità AI nel piano di progetto, vale la pena chiedersi se il team ha davvero assorbito quella precedente. Rallentare, a volte, è la mossa più professionale.
