Da Frosinone a tutta Italia: cosa abbiamo imparato con AYS

Ho conosciuto AYS durante un corso organizzato nel mese di agosto. Mi aspettavo un’aula comprensibilmente distratta dal caldo e dalle ferie imminenti. Ho trovato, invece, persone motivate, partecipi e disponibili a portare casi reali su cui lavorare. Alla formazione ha assistito persino 9 persone non formalmente iscritte: un piccolo segnale, ma significativo, di interesse autentico.

Quell’esperienza mi ha ricordato che la qualità di un corso sull’Intelligenza Artificiale non dipende dal numero di slide proiettate. Dipende dalla capacità di collegare la tecnologia a un problema riconoscibile, con dati, decisioni e responsabilità concrete.

Un caso reale: organizzare un evento incentive

Uno degli esempi emersi riguardava la richiesta, ricevuta da AYS, di organizzare un evento incentive per una grande azienda del settore retail. Il punto di partenza non era un documento strutturato, ma una conversazione informale, ricca di idee e inevitabilmente un po’ caotica.

Abbiamo quindi simulato una call su Microsoft Teams e l’abbiamo registrata adottando le necessarie garanzie di privacy, riservatezza e protezione dei dati. Dalla registrazione è stato prodotto automaticamente un verbale, utilizzato come prima base informativa del progetto.

Questo passaggio mostra già un uso concreto dell’AI: non sostituire la conversazione, ma trasformarla in informazioni consultabili. Il verbale automatico permette di recuperare richieste, vincoli, ipotesi e decisioni che, altrimenti, rischierebbero di rimanere disperse tra appunti personali e memoria dei partecipanti.

Dal riepilogo all’analisi di ciò che manca

Il verbale, però, non era sufficiente. Abbiamo chiesto all’Intelligenza Artificiale di individuare anche gli aspetti non affrontati durante la call ma necessari per definire il progetto.

Questa è una distinzione decisiva: un riepilogo descrive ciò che è stato detto; un’analisi progettuale evidenzia anche ciò che manca. Per un evento, per esempio, possono servire chiarimenti su tempi, budget, responsabilità, fornitori, logistica, dipendenze e criteri di approvazione. Questi elementi sono esempi generici: devono sempre essere verificati dalle persone responsabili del progetto.

L’AI può quindi funzionare come strumento di controllo della completezza. Non decide autonomamente che cosa sia corretto, ma aiuta il gruppo a formulare domande che, durante una conversazione iniziale, potrebbero non emergere.

Dalla conversazione alla Work Breakdown Structure

Il passaggio successivo è stato chiedere all’AI di assumere la prospettiva metodologica di un project manager e suddividere il lavoro in work package. Abbiamo così impostato una Work Breakdown Structure, o WBS, cioè una scomposizione gerarchica del progetto in attività più piccole, assegnabili e controllabili.

Il criterio operativo è semplice: ogni attività dovrebbe avere almeno un risultato atteso, un responsabile, una scadenza e una relazione chiara con le altre attività. Se uno di questi elementi manca, il piano non è ancora sufficientemente definito.

L’Intelligenza Artificiale, in questo contesto, non è soltanto uno strumento che genera testo. Diventa un supporto alla governance del lavoro: aiuta a organizzare compiti, deleghe, dipendenze e controlli.

Gli agenti AI collegano analisi ed esecuzione

Durante il corso abbiamo introdotto anche il concetto di agente di Intelligenza Artificiale. Un agente AI è un sistema che riceve un obiettivo, utilizza le informazioni disponibili ed esegue una sequenza di operazioni entro regole e autorizzazioni definite.

Nel caso simulato, l’obiettivo era trasferire le attività individuate in un piano di Microsoft Planner, creando una base operativa per l’assegnazione e il monitoraggio del lavoro. Da quella struttura si possono poi ricavare rappresentazioni temporali come il diagramma di Gantt, controllare scadenze e verificare eventuali scostamenti rispetto al budget.

Qui emerge anche il limite dell’approccio. La qualità del piano dipende dalla qualità delle informazioni iniziali, mentre responsabilità, priorità e approvazioni devono restare sotto controllo umano. Inoltre, registrazioni e automazioni richiedono autorizzazioni, accessi coerenti con i ruoli e regole precise sulla conservazione dei dati.

Un uso quotidiano, non spettacolare

Questo caso non è spettacolare, ed è proprio questo il suo valore. Parte da una call normale e arriva a un piano di lavoro controllabile attraverso una sequenza comprensibile: registrare con consenso, sintetizzare, individuare le lacune, scomporre il progetto, assegnare le attività e monitorarne l’esecuzione.

L’Intelligenza Artificiale produce risultati utili quando entra in un processo ben governato. Non basta adottare un nuovo strumento: servono metodo, responsabilità, dati adeguati e verifiche umane.

La domanda utile, quindi, non è soltanto “che cosa può generare l’AI?”, ma “quale passaggio del nostro lavoro può diventare più chiaro, verificabile e organizzato grazie all’AI?”.