Questa prospettiva emerge anche nella riflessione di Mario H. Trentim sul ruolo di un PMO moderno: l’ufficio deve collegare il lavoro dei progetti alle priorità aziendali e aiutare le persone a prendere decisioni migliori.

Che cosa fa un PMO e quali modelli esistono

Le responsabilità di un Project Management Office dipendono dal contesto aziendale. Alcuni PMO forniscono metodologie, modelli, formazione e consulenza ai team. Altri definiscono standard, verificano il rispetto della governance o gestiscono direttamente determinati progetti. L’articolo del PMI sull’evoluzione e sulle tipologie di PMO descrive modelli con diversi livelli di supporto e controllo: da un ufficio che affianca i team a uno che dirige direttamente i progetti.

Non esiste un modello valido per tutte le aziende. Un PMO aziendale che definisce standard per l’intera organizzazione ha esigenze diverse da un ufficio che supporta una singola funzione o un programma. La struttura deve rispondere agli obiettivi, al livello di regolamentazione, alla cultura e alla capacità di realizzazione dell’azienda. Il valore di un PMO strategico dipende dalla chiarezza del suo mandato e dalla capacità dei servizi offerti di rispondere alle esigenze reali di team e responsabili.

Quando si valutano le diverse tipologie di PMO, è utile chiedersi quali decisioni l’ufficio debba facilitare e quali problemi debba contribuire a risolvere. L’azienda ha bisogno di processi più coerenti, di maggiore visibilità sui rischi, di supporto nella prioritizzazione delle iniziative o di un collegamento più chiaro tra strategia ed esecuzione? Le risposte aiutano a definire le responsabilità del PMO e i servizi che può offrire, evitando di introdurre controlli che non portano benefici ai progetti.

Misurare il valore, non soltanto l’avanzamento

Molti PMO monitorano la percentuale di completamento, le milestone del cronoprogramma, il budget utilizzato e il numero di attività in ritardo. Queste informazioni restano importanti, ma mostrano soprattutto come procede il lavoro. Da sole non indicano se l’iniziativa è ancora rilevante, se il risultato atteso ha ancora senso o se i benefici pianificati stanno arrivando ai clienti, ai team e all’azienda.

Pensiamo a un progetto per l’introduzione di un nuovo sistema. Il cronoprogramma può rispettare le previsioni e il budget può essere sotto controllo, ma i team potrebbero non adottare la soluzione oppure il sistema potrebbe non ridurre i tempi di assistenza come previsto. Un PMO orientato al valore monitora le consegne e si chiede anche quale cambiamento dovrebbe produrre il progetto, come sarà misurato e chi dovrà percepirne i benefici.

L’IA può sostenere questo lavoro riunendo segnali che spesso restano separati: avanzamento, costi, rischi, dipendenze, modifiche all’ambito e indicatori dei risultati attesi. Con questi dati, il PMO può individuare per tempo situazioni in cui l’esecuzione sembra procedere bene, ma i benefici sono a rischio; per esempio, perché l’adozione è bassa, una dipendenza importante non è avanzata o un’ipotesi aziendale è cambiata. L’analisi può indicare dove approfondire; spetta alle persone verificare il contesto e decidere come intervenire.

In pratica, il PMO dovrebbe definire le misure di successo insieme agli sponsor e alle funzioni che riceveranno i risultati. A seconda dell’iniziativa, il valore può tradursi in una riduzione dei costi, un aumento dei ricavi, tempi di ciclo più brevi, una migliore esperienza del cliente, una riduzione dei rischi o la creazione di una capacità strategica. La misura va definita prima della dashboard: prima si stabilisce che cosa conta, poi si scelgono i dati che possono aiutare a monitorare il risultato.

La guida del PMI agli uffici di gestione dei progetti affronta l’allineamento agli obiettivi dell’organizzazione, la dimostrazione del valore e il miglioramento continuo come aspetti importanti per l’evoluzione di un PMO. Questo aiuta a spostare la conversazione da “quanti progetti sono nei tempi?” a “quali risultati stiamo contribuendo a raggiungere?”.

Iniziare dalle attività ripetitive

Un modo pratico per applicare l’IA alla gestione dei progetti è partire dalle attività che consumano tempo in modo ricorrente e seguono uno schema chiaro. Raccogliere gli aggiornamenti di più progetti, preparare una prima bozza del report direzionale, riassumere le decisioni prese nelle riunioni, organizzare i rischi descritti in testo libero e segnalare le informazioni mancanti sono attività che possono essere supportate dall’automazione o dall’IA.

Questo tipo di applicazione permette al PMO di verificare la qualità dei dati, comprendere come lavorano i team e capire dove l’automazione riduce davvero il carico di lavoro. Per esempio, se ogni project manager registra i rischi in modo diverso, un modello può aiutare a organizzare le descrizioni in campi comuni. Il team deve comunque controllare che ogni rischio sia stato interpretato correttamente, ma può dedicare meno tempo alla normalizzazione manuale dei dati.

Partire da un’attività circoscritta rende più semplice valutare se l’iniziativa funziona. Il PMO può confrontare il tempo richiesto prima dell’automazione, il numero di correzioni necessarie e il tempo che i professionisti riescono a dedicare all’analisi e al confronto con i team. Se lo strumento produce soltanto altro contenuto da verificare, senza migliorare la qualità o ridurre il lavoro, è il caso di rivedere il caso d’uso.

L’IA dovrebbe supportare l’analisi dei dati e la preparazione delle raccomandazioni, ma la responsabilità delle decisioni resta alle persone. Lo standard del PMI sull’intelligenza artificiale per portfolio, programmi e progetti include pratiche di supervisione umana, governance, gestione dei rischi e considerazioni legali ed etiche.

Preparare governance e persone prima di estendere l’uso

Automatizzare un’attività in un progetto pilota è diverso dall’utilizzare l’IA per decisioni che incidono su priorità, budget, capacità dei team o valutazione delle prestazioni. Prima di estenderne l’uso, l’azienda deve stabilire quali dati possono essere utilizzati, chi può accedervi, come verificare le raccomandazioni e quali decisioni richiedono sempre una revisione umana. Le regole non devono necessariamente partire da un manuale esteso, ma devono essere abbastanza chiare da permettere ai team di sapere come comportarsi.

Una governance pratica può iniziare con domande concrete: da quali sistemi provengono i dati? Chi è responsabile della loro qualità? Quali informazioni non possono essere condivise con strumenti esterni? Come si registra una raccomandazione generata dall’IA? Chi può approvare una modifica di priorità o di budget? Nei progetti che trattano informazioni sensibili, occorre considerare anche privacy, proprietà intellettuale, obblighi contrattuali e policy aziendali.

Le persone devono essere coinvolte già nella scelta dei casi d’uso. Project manager, team, sponsor e funzioni di supporto conoscono dettagli che non sempre emergono dai sistemi: perché una dipendenza è bloccata, perché una stima è cambiata o perché una consegna non è più prioritaria. Se l’IA viene introdotta come strumento di sorveglianza o di valutazione automatica delle persone, la fiducia può diminuire e i dati possono smettere di rappresentare il lavoro reale.

Per questo il PMO deve spiegare lo scopo di ogni applicazione, aiutare le persone a interpretarne i risultati e offrire un modo semplice per contestare una risposta errata. Lo standard del PMI sull’IA sottolinea l’importanza della supervisione umana e dell’adattamento delle pratiche al contesto dell’organizzazione. Implementare uno strumento è solo una parte del lavoro: occorre preparare anche le persone, i processi e le responsabilità che ne renderanno utile l’impiego.

Applicare criteri diversi ai diversi tipi di lavoro

Un’azienda può gestire progetti normativi, miglioramenti operativi, sviluppo di prodotti, iniziative di innovazione e programmi di trasformazione. Applicare gli stessi criteri e lo stesso ritmo di governance a tutti può creare distorsioni. Un’iniziativa con ambito definito e requisiti di conformità può richiedere controlli dettagliati; un esperimento di innovazione può invece aver bisogno di cicli di apprendimento brevi e criteri per decidere se proseguire.

Il PMO può definire criteri di valutazione diversi in base al tipo di lavoro, mantenendo il collegamento con la strategia. Per un’iniziativa operativa può essere utile monitorare costi, cronoprogramma, qualità e riduzione degli errori. Nelle fasi iniziali di un progetto di innovazione, invece, si possono valutare le ipotesi verificate, le evidenze raccolte e il costo dell’apprendimento. Se la soluzione dimostra di avere potenziale, l’azienda può passare a valutare scalabilità, adozione e ritorno atteso.

L’IA può aiutare ad applicare questi criteri in modo coerente, organizzare le evidenze, confrontare iniziative simili e richiamare l’attenzione sulle ipotesi che sono cambiate. Può anche supportare la gestione del portafoglio progetti, mostrando conflitti nell’allocazione delle risorse, concentrazioni di rischio o iniziative che continuano ad assorbire capacità senza dimostrare progressi nei risultati attesi. La raccomandazione non deve sostituire il giudizio del comitato: deve rendere più visibili le informazioni su cui si basa la discussione.

Come avviare un PMO con l’IA in azienda

Il primo passo è capire come funziona oggi l’ufficio di gestione dei progetti e che cosa l’azienda si aspetta da esso. Parla con sponsor, responsabili di funzione e team per individuare quali decisioni richiedono troppo tempo, quali report comportano attività manuali, quali dati sono affidabili e quali risultati i progetti dovrebbero produrre. Questa analisi evita di scegliere uno strumento prima di aver capito quale problema il PMO deve risolvere.

Poi scegli un caso d’uso circoscritto, frequente e rilevante per le decisioni. Può consistere nel consolidare gli aggiornamenti dei progetti, individuare rischi che non ricevono risposta da tempo o segnalare iniziative i cui benefici sono a rischio. Definisci come valutare il progetto pilota: tempo risparmiato, qualità delle informazioni, anticipo nell’individuazione dei problemi o miglioramento delle decisioni. L’indicatore deve rappresentare un beneficio per il PMO e per chi dipende dal suo lavoro.

In seguito, verifica che i dati necessari siano disponibili e sufficientemente affidabili. Se le date non vengono aggiornate o ogni progetto registra i rischi in modo diverso, l’IA può produrre risposte convincenti partendo da informazioni incoerenti. Il progetto pilota dovrebbe includere anche chi è responsabile della verifica dei risultati, i limiti di utilizzo e un processo per correggere gli errori. Sulla base di questa esperienza, il PMO può adeguare la governance prima di estendere l’applicazione ad altre aree.

Questo approccio graduale segue le indicazioni del PMI: allineare il lavoro del PMO agli obiettivi aziendali, dimostrare il valore prodotto e migliorare nel tempo. Un PMO intelligente non deve iniziare con una piattaforma complessa né automatizzare tutti i processi; può partire da un’esigenza concreta e imparare dall’esperienza.

Il ruolo di Saint Jude in questa evoluzione

Nelle aziende che utilizzano già Jira, Azure DevOps, ClickUp, Monday.com o Asana, sviluppare intelligence per il PMO non significa necessariamente sostituire questi strumenti. La difficoltà spesso consiste nell’interpretare insieme i dati che già raccolgono e collegarli alle domande di gestione: quali progetti si stanno allontanando dal loro andamento storico? Dove compaiono rischi ricorrenti? Quali segnali meritano una discussione prima della prossima riunione direzionale?

Saint Jude AI opera come livello di Project Intelligence per supportare l’analisi dei dati di progetto. Per un PMO, questo approccio può aumentare la visibilità su rischi, dipendenze, capacità e prevedibilità, lasciando al team la responsabilità di verificare il contesto e decidere come intervenire. Il valore non sta nel generare più alert, ma nell’individuare i segnali che meritano attenzione e collegarli alle decisioni sul portafoglio.

Se la tua azienda sta valutando l’uso dell’IA nel PMO, inizia individuando una decisione che oggi dipende da attività manuali di consolidamento o da informazioni disperse. Da lì sarà più semplice capire quali dati servono, quali persone coinvolgere e come verificare se la soluzione aiuta il PMO a generare valore.

Quale decisione del tuo PMO vorresti prendere con maggiore chiarezza grazie ai dati che la tua azienda possiede già?

A presto!

Erik Scaranello