L’intelligenza artificiale assorbe i compiti tecnici di pianificazione e controllo, ma sposta il baricentro del project management su empatia, pensiero critico e costruzione di senso. Tra prompt engineering, alfabetizzazione all’IA e rischio di affidamento acritico, il PM IT diventa auditor e mediatore: la responsabilità del giudizio non si delega

In questo articolo si parla di:

Il project manager IT non è più l’ingegnere che sorveglia il diagramma di Gantt. Negli ultimi anni il ruolo si è spostato da engineer manager a business developer, fino a diventare quello di un leader capace di tenere insieme prospettive diverse. Già oggi il PM organizza il team tecnico e adatta la comunicazione a ogni interlocutore (management, utenti, personale IT), mentre assicura i finanziamenti, analizza i processi e gestisce le aspettative di tutti. Con l’ingresso dell’IA nelle strategie di progettazione, la partita si sposta su un terreno nuovo: non si gioca più solo sulle competenze tecniche, ma sulla capacità di orchestrare persone, algoritmi e senso.

Cosa l’IA porta via, e cosa lascia

Un’indagine condotta su 8.000 tra manager e dirigenti delle risorse umane restituisce una percezione netta. I sistemi di IA vengono considerati più competenti degli umani nei compiti tecnici, come problem solving, gestione del budget e valutazione delle performance. I manager in carne e ossa restano invece in vantaggio dove servono soft skills: comprendere emozioni complesse, fare mentoring, costruire cultura del lavoro. Le rassegne di letteratura più recenti arrivano alla stessa conclusione: l’IA è un complemento del ruolo manageriale, non un sostituto delle capacità di leadership e di decisione. Strumenti come ChatGPT, l’assistente conversazionale di OpenAI, e Copilot, l’assistente integrato negli strumenti di Microsoft, snelliscono i processi, ma il ruolo continua a poggiare su pensiero critico e curiosità tecnologica.

Intelligenza emotiva: il confine che l’automazione fatica a varcare

Nonostante i progressi nel riconoscimento delle espressioni facciali e nell’analisi del testo, la tecnologia fatica a replicare empatia genuina, persuasione e capacità di negoziare, come abbiamo osservato in un precedente articolo di questo blog. In ambito IT significa che il supporto emotivo e la mentorship di un manager conteranno più della semplice capacità di portare a termine il lavoro. Le organizzazioni diventano “emotivamente intelligenti” quando affidano alla macchina esecuzione e organizzazione e riservano agli esseri umani le connessioni autentiche e le sfumature emotive da cui dipendono il coinvolgimento dei clienti e la coesione del team. Inserire la formazione sull’intelligenza emotiva nei percorsi di adozione dell’IA, tra l’altro, migliora i risultati dell’adozione stessa.

La ricerca conferma il quadro: adattabilità, ragionamento etico e fluidità interculturale sono oggi competenze centrali, non periferiche, negli ambienti integrati con l’IA. Nel lavoro ibrido l’intelligenza emotiva fa da contrappeso all’automazione: l’IA può offrire analisi dei sentimenti e supporto nella risoluzione dei conflitti, ma non il tocco umano della leadership. Il PM diventa così una figura di mediazione: tra team distribuiti, tra algoritmi e persone, tra efficienza e fiducia

Pensiero critico: il PM come auditor della tecnologia

Con l’aumentare dei contenuti generati dall’IA, il pensiero critico diventa una competenza di sopravvivenza. I professionisti IT devono agire come “auditor” della tecnologia: convalidare l’accuratezza dei risultati e affrontare bias algoritmici e implicazioni etiche. Le ricerche mostrano una correlazione diretta: più pesa la carenza di competenze digitali, più cresce l’importanza attribuita al pensiero critico e alla risoluzione di problemi complessi. L’IA eccelle nell’individuare modelli in vasti insiemi di dati, ma spetta al giudizio umano interpretarli nel contesto della strategia aziendale. In medicina, ad esempio, secondo i dati riportati, la combinazione tra diagnosi umana e analisi artificiale riduce il tasso di errore fino all’85%. È la prova che la forza dell’uno compensa i limiti dell’altra.

Il prompt engineering come soft skill

Qui entra in gioco una competenza che sembra tecnica ma ha un’anima relazionale. Per il project manager il prompt engineering è la capacità di articolare un problema, il suo contesto e i vincoli della soluzione desiderata a un assistente di IA. È la versione digitale di ciò che un PM fa da sempre con gli stakeholder (chiarire l’obiettivo, esplicitare i vincoli, negoziare le aspettative), con una differenza sostanziale: una delle controparti risponde alla lettera alla formulazione ricevuta.

Non è un’abilità neutra. La qualità delle competenze di prompting incide sulla qualità dell’output, e l’alfabetizzazione all’IA sulla capacità di indirizzare il sistema. Anche i ruoli si differenziano: uno studio basato su interviste a 17 esperti di IA individua quattro archetipi (LLM Developer, GPT Developer, Subject Matter Expert e Prompt User), distinti per conoscenza del dominio, alfabetizzazione all’IA, competenze linguistiche e abilità metacognitive. Lo stesso studio segnala però un rischio speculare: rendere i sistemi più semplici abbassa le barriere per i non esperti, ma alimenta l’affidamento acritico. Il prompt engineering non sostituisce l’auditor, ma ne è lo strumento quotidiano.

Sul piano pratico le tecniche sono ormai codificate: esempi inseriti nel prompt (few-shot) e concatenazione di più prompt in sequenza (prompt chaining). Ma ciò che conta per il PM non è memorizzare trucchi. Conta scomporre un problema complesso in istruzioni chiare, verificarne l’esito e mantenere la responsabilità del giudizio.

Il paradosso dell’alfabetizzazione all’IA

C’è però una contraddizione da raccontare: tutti dicono che l’alfabetizzazione all’IA è cruciale, ma i project manager sembrano non crederci ancora del tutto. Uno studio con metodologia Q (un metodo che fa ordinare ai partecipanti una serie di affermazioni per far emergere i diversi punti di vista) su 35 professionisti del project management ha identificato quattro prospettive sulle priorità di competenza: orientata alla performance, centrata sulle persone, focalizzata sulla strategia, orientata all’AI literacy e ai dati. Quest’ultima è risultata la meno saliente: la scarsa esposizione all’IA e la complessità percepita frenano l’adozione. Non basta ripetere che le competenze cambiano, bisogna rendere visibile il vantaggio quotidiano.

Collaborazione uomo-macchina e adattabilità

Il futuro del lavoro IT, sostiene il blog, non è una gara con la macchina ma una collaborazione per formare “superminds”, espressione legata agli studi di Thomas Malone, ricercatore del MIT, per indicare gruppi di persone e computer capaci di risultati irraggiungibili da soli. Servono nuove forme di comunicazione, prompt engineering compreso, e una flessibilità cognitiva senza precedenti. Le soft skills permettono di adattarsi in modo proattivo ai cambiamenti del mercato, e l’adattabilità pesa tanto più quanto più le descrizioni delle mansioni vengono ridefinite di continuo. Le aziende che investono nel reskilling, concentrandosi non solo sul “saper fare” ma sul “saper essere” in un ambiente digitalizzato, registrano miglioramenti in produttività e prestazioni organizzative.

Per le competenze si delinea un doppio binario: pianificazione, misurazione, gestione del rischio, automazione e analisi predittiva guadagnano in accuratezza, mentre la leadership si affina grazie agli insight guidati dall’IA. Gli scenari al 2030 propongono modelli come l’AI-Augmented Ethics-Centric Model e il Predictive Model for AI Adoption and Human Trust, dove la domanda non è chi comanda, ma che cosa resti essenziale: creatività, giudizio etico, intelligenza emotiva.

Dal problem solving al sensemaking

Per chi guida progetti di design il cambiamento è ancora più marcato. L’IA porta dati e algoritmi al centro dei processi di innovazione: il problem solving creativo viene svolto sempre più dagli algoritmi, mentre il design umano diventa un’attività di sensemaking, cioè di comprensione di quali problemi valga la pena affrontare. È la tesi di Roberto Verganti, studioso di innovazione e design, che avvicina il design alla leadership, attività di costruzione di senso per definizione. La ricerca sistematica conferma che l’IA può eliminare processi noiosi, rafforzare la centralità dell’utente e stimolare la creatività, a patto di affrontare bias algoritmici e tutela dei dati. Resta un limite operativo: i sistemi di supporto al design basati su IA sono usati soprattutto nelle fasi finali, per generare soluzioni, e pochissimi intervengono nella scoperta e nella definizione del problema. È proprio lì che il PM può fare la differenza.

L’IA non svaluta il professionista IT, ma ne ridisegna il valore. La sintassi del codice e delle parole passa alla macchina; la sintassi del pensiero e delle relazioni resta umana. Le soft skills non sono più un accessorio del curriculum: sono la condizione per trasformare il potenziale tecnico dell’IA in innovazione reale, e richiedono programmi di sviluppo basati sulle competenze e una cultura aperta al cambiamento. Il PM che sa leggere i dati ma anche le persone è quello che continuerà a contare.

Altri argomenti che ti potrebbero interessare

Advanced Intelligence Digital Innovation Industry & Tech Job_post newsletter Skills Availability The Science Lapse

Author: Claudia Sistelli

© Riproduzione Riservata