01 — Contesto

Come l'AI sta cambiando
il nostro lavoro

  • L'AI impatta già il lavoro quotidiano
  • Non è più sperimentazione — è operatività
  • Alcuni team hanno già definito best practice
  • Serve allineamento su tutto il team allargato
Dalla sperimentazione all'esecuzione
Stato attuale del team
Sperimentazione
Alta
Operatività
Media
Allineamento team
Bassa
Il gap tra sperimentazione e allineamento è il problema da risolvere
02 — Cosa abbiamo costruito

Cosa abbiamo già costruito
con l'AI

  • Best practice AI end-to-end già disponibili
  • Tool a supporto lungo tutto il ciclo di sviluppo
↓
Effort
Riduzione stimata
↑
Velocità
Cicli più rapidi
↑
Qualità
Supporto attivo
Abbiamo già una base concreta
Tool attivi per area
✎
Sviluppo
Code generation, review, refactoring
✓
Testing
Test case generation, coverage analysis
☰
Documentazione
Auto-doc, changelog, specifiche
★
Best Practice AI end-to-end
Framework condiviso già disponibile
03 — Difficoltà attuali

Dove siamo in difficoltà oggi

  • Stime non allineate al nuovo effort
  • Allocazioni non ottimizzate
  • Progetti in corso non rivisti
Rischio A
Sovrastima
Meno competitivi sul mercato
Rischio B
Sottostima
Rischio delivery sui progetti
Il tema non è usare l'AI — è integrarla nei processi
1
Stime attuali
Basate su effort pre-AI
Gap non gestito
2
AI introdotta
Impatto non misurato
Obiettivo
3
Integrazione
Processi rivisti con AI
04 — AI e stime

AI e stime: meno effort,
più incertezza

  • Impatto variabile per task, persona, progetto
  • Curva di apprendimento ancora in corso
  • Dati non ancora consolidati internamente
  • Alta incertezza nelle stime attuali
Non possiamo essere precisi — dobbiamo essere strategici
Effort stimato vs reale — al crescere della maturità AI
Effort reale Stima attuale Oggi Maturità Effort
05 — Strategia di stima

Definire una strategia
di stima condivisa

01 Conservativa
  • Riduzione effort limitata
  • Maggiore sicurezza sulla delivery
  • Minore competitività
02 Aggressiva
Input attuale da management
  • Riduzione effort più spinta
  • Maggiore competitività
  • Maggior rischio
03 Ibrida — Proposta
Conservativi su
  • Progetti complessi
  • Contesti nuovi
Aggressivi su
  • Task ripetitivi
  • Team maturi sull'AI
Serve una scelta condivisa
06 — Gestione risorse

Come gestiamo effort
e risorse con l'AI

  • AI non ancora considerata nei progetti attivi
  • Possibile recupero di effort già in corso
Decisioni da prendere
⇄
Riallocazione risorse
Spostare effort liberato su altri progetti
+
Estensione dello scope
Usare il saving per ampliare le deliverable
▼
Ottimizzazione effort
Ridurre i costi mantenendo la qualità
Il saving va gestito attivamente
AI Saving
PM
TL
People Manager
Allineamento necessario tra tutti i ruoli
07 — Obiettivi di oggi

Cosa vogliamo portarci
a casa oggi

01
Allineamento su impatto AI
Visione condivisa su come l'AI cambia il lavoro del team
02
Approccio alle stime
Definire se adottare strategia conservativa, aggressiva o ibrida
03
Linee guida su allocazioni
Come gestire il saving di effort nei progetti attivi
04
Input da tutti i ruoli
Raccogliere prospettive da PM, TL e People Manager
05
Definizione next step
Uscire con azioni concrete e responsabilità assegnate
Uscire con una direzione concreta
1 / 7