C’è un momento preciso in cui la maggior parte dei progetti di AI generativa si inceppa. Non è quando la tecnologia non funziona – quella, quasi sempre, funziona. È qualche settimana dopo il kick-off, quando l’entusiasmo iniziale lascia spazio alla domanda decisiva: come trasformare il potenziale dell’AI in un percorso concreto, condiviso e sostenibile?
È una domanda di metodo. E i numeri dicono quanto pesi. Secondo S&P Global Market Intelligence, che nel 2025 ha intervistato oltre 1.000 aziende tra Nord America ed Europa, il 42% delle organizzazioni ha abbandonato la maggior parte dei propri progetti AI nell’ultimo anno, più del doppio rispetto al 2024.
Non è un problema tecnologico. È un problema di approccio. E la risposta ha un nome preciso: Agile – la metodologia di gestione dei progetti nata nel 2001 con il Manifesto omonimo, che sostituisce la pianificazione rigida e sequenziale con cicli brevi e iterativi, feedback continuo e una collaborazione stretta dentro il team. E, come vedremo, è anche una questione di persone.
Quando l’incertezza è la regola, non l’eccezione
I progetti di AI generativa hanno una caratteristica che li distingue da quasi tutto il resto: non si sa esattamente dove si andrà a parare. Non perché manchino le competenze, ma perché la natura stessa di questi progetti è esplorativa. Si parte con un’ipotesi, si prova, si raccoglie un feedback, si aggiusta la rotta. Soprattutto, si aggiustano i dati di partenza.
Le metodologie tradizionali di project management – i Gantt, le milestone, le consegne programmate a sei mesi – funzionano bene quando sappiamo già cosa dobbiamo fare. Ma quando il punto di arrivo è ancora da scoprire, pianificare tutto dall’inizio significa costruire su sabbia. In questi contesti il problema non è la mancanza di un piano: è la fiducia eccessiva nel piano.
L’Agile è nato esattamente per colmare questo vuoto, e ne ribalta la logica: invece di pianificare tutto per poi eseguire, si esegue per imparare cosa pianificare.
Il minimum viable product come principio organizzativo
L’approccio agile lavora per incrementi brevi, iterativi e misurabili. Invece di progettare l’intero sistema e poi consegnarlo, si costruisce qualcosa di funzionante in poche settimane – il minimum viable product – lo si fa provare agli utenti reali, si raccolgono i feedback e si decide come andare avanti.
Questo cambia profondamente la logica dell’errore. In un progetto tradizionale, scoprire dopo sei mesi che la soluzione non funziona è un fallimento. In un progetto agile, scoprirlo dopo tre settimane è un’informazione. L’errore diventa parte del processo, non la fine del processo. Amazon e Spotify lo fanno da anni: rilasciano funzionalità, osservano i comportamenti, correggono. Non perché non sappiano fare altrimenti, ma perché è il modo più efficace per navigare l’incertezza ad alta velocità.
Agile significa team, prima ancora che processo
C’è però un aspetto dell’Agile che spesso si perde quando lo si riduce a sprint e board: l’Agile è, prima di tutto, un modo di costruire il team e il lavoro di gruppo. Non a caso il Manifesto Agile apre mettendo gli individui e le interazioni davanti ai processi e agli strumenti.
Le cerimonie che scandiscono ogni sprint – planning, daily, review, retrospettiva – non sono riti burocratici: sono confronto strutturato. Servono a mettere persone con prospettive diverse attorno allo stesso problema, a intervalli regolari, obbligandole a guardare ciò che è stato costruito e a dirsi cosa funziona e cosa no. È da questo confronto che nascono le idee migliori e si traggono le conclusioni più profonde. Il metodo non produce valore da solo: crea le condizioni perché le persone lo producano insieme.
L’AI dà il meglio di sé quando entra nel team
E qui arriva il punto che riguarda direttamente l’AI generativa. Un esperimento condotto da ricercatori di Harvard e Wharton insieme a Procter & Gamble – The Cybernetic Teammate, 2025 – ha coinvolto 776 professionisti su sfide reali di innovazione di prodotto, assegnati in modo casuale a lavorare da soli o in team, con o senza AI.
Il primo risultato ha fatto notizia: gli individui che usavano l’AI hanno raggiunto la performance dei team che lavoravano senza. Da qui la tentazione, pericolosa, di concludere che l’AI renda il team superfluo. Ma il dato più interessante è l’altro: le soluzioni davvero eccellenti – quelle nel dieci per cento migliore – arrivavano con la frequenza più alta dai team che lavoravano con l’AI. Non dagli individui potenziati, dai gruppi.
La spiegazione è coerente con tutto ciò che l’Agile ci ha insegnato: l’AI usata in solitudine tende a portare tutti verso una buona media; il confronto tra persone, amplificato dall’AI, porta oltre. Lo studio ha osservato anche un secondo effetto: l’AI abbatte i silos funzionali. Con l’AI, i profili tecnici producevano proposte più attente al mercato e i profili commerciali proposte più solide tecnicamente – un linguaggio comune che rende il confronto nel team più ricco, non più povero.
C’è, in questo, anche una risposta a una delle paure più diffuse sull’AI. Usata come scorciatoia individuale, l’AI rischia di isolare e appiattire. Usata dentro un team – come un collega in più attorno al tavolo – fa l’opposto: alimenta esattamente ciò che di più umano c’è nel lavoro, il dialogo, il dissenso, la costruzione condivisa delle idee. È un modo di adottare l’AI che non mette ai margini le persone, ma le rimette al centro.
Un percorso in due fasi
Guardando a come le organizzazioni si muovono sui progetti di AI generativa, emerge un pattern costante: il percorso si articola in due momenti distinti, che raramente funzionano con lo stesso approccio.
Il primo è quello dell’esplorazione strategica: capire cosa si vuole davvero dall’AI, quali processi ha senso trasformare, quali obiettivi di business perseguire. In questa fase le idee non sono ancora chiare, ed è corretto che non lo siano. È il momento del Design Thinking e dell’esplorazione delle possibilità. Le organizzazioni che bruciano questa fase si ritrovano spesso a sviluppare soluzioni tecnicamente corrette per problemi che nessuno aveva davvero prioritizzato.
Il secondo momento è quello dell’esecuzione: mettere a terra qualcosa di concreto, osservare come viene usato davvero e farlo evolvere. Ed è qui che la metodologia Agile esprime tutta la sua forza. Non solo perché i cicli brevi e i feedback continui trasformano il cambiamento da interruzione del piano a informazione utile, ma perché tiene insieme le persone mentre lo fanno: ogni iterazione insegna al team qualcosa che la precedente non poteva ancora sapere.
Il vero rischio non è sbagliare, è non imparare
La diffusione dell’Agile, del resto, è ormai vastissima: la quasi totalità delle organizzazioni dichiara di adottarne le pratiche in qualche forma. Ma dichiararlo e padroneggiarlo sono due cose diverse, e la grande maggioranza non raggiunge un livello di maturità sufficiente a generarne valore reale. Il divario non è tra chi conosce Agile e chi non lo conosce. È tra chi lo usa come etichetta e chi lo usa come metodo – e come cultura di team.
Per i progetti di AI generativa questo divario ha un costo preciso: investire nella tecnologia senza costruire il contenitore metodologico e umano giusto significa moltiplicare le probabilità di finire nella statistica dei progetti abbandonati.
In un contesto in cui le tecnologie evolvono più velocemente dei piani e delle competenze, il vantaggio competitivo non sta nella tecnologia che si adotta. Sta nella velocità con cui un’organizzazione – fatta di persone che si confrontano – impara a usarla insieme.
Venticinque secoli fa, nell’Alcibiade Primo, Platone faceva dire a Socrate che l’anima conosce se stessa solo rispecchiandosi in qualcosa di simile a sé: un’altra anima, contenuta in un altro individuo vivente.
Non pensiamo mai così bene come quando ci confrontiamo con qualcuno che ci somiglia abbastanza da capirci e differisce abbastanza da sorprenderci. L’Agile ha trasformato questa intuizione in metodo. E l’AI, se scegliamo di usarla dentro il team e non al posto del team, aggiunge uno specchio in più attorno al tavolo – a patto di ricordare che il riflesso più profondo resta quello che troviamo nello sguardo di un’altra persona.
