Nono appuntamento con la serie di articoli dedicati all’approfondimento della PMBOK®Guide 8th Edition, curati dalla Dott.ssa Sabrina Scaroni, PMI® Authorized Training Partner Instructor.
La pubblicazione è scaricabile gratuitamente dai soci del PMI in formato PDF e in lingua inglese a questo link .
Buona lettura!
Intelligenza Artificiale e Project Management: Il PMI porta l’AI nel cuore della professione
Nel precedente articolo abbiamo iniziato l’analisi delle appendici della PMBOK® Guide 8th Edition, partendo da quella dedicata al Project Management Office (X2).
L’approfondimento odierno si concentra sul tema dell’Intelligenza Artificiale, tratta nell’Appendice X3.
Con il termine Artificial Intelligence si identifica un insieme molto ampio di tecnologie capaci di simulare alcune forme di comportamento umano attraverso sistemi informatici. Questi sistemi possono eseguire attività per le quali non sono stati programmati in maniera strettamente deterministica, apprendere dall’esperienza e adattarsi a nuove situazioni.
Le applicazioni sono già numerosissime: riconoscimento di pattern, individuazione delle frodi, robotica, analisi dei dati e persino ricerca farmaceutica. La velocità con cui queste tecnologie stanno evolvendo rende però indispensabile una capacità continua di adattamento, sia rispetto agli strumenti disponibili sia rispetto ai nuovi modi di lavorare che ne derivano.
L’intelligenza artificiale sta progressivamente entrando nelle pratiche quotidiane di gestione dei progetti, nei modelli di competenza richiesti ai professionisti e, soprattutto, nei riferimenti attraverso i quali la disciplina definisce la propria evoluzione.
Il Project Management Institute ha colto con grande tempestività questa evoluzione, prima con una serie di corsi introduttivi in e-learning (gratuiti per i soci) dedicati ai vari aspetti dell’AI e con lo sviluppo del tool PMI Infinity, poi con il lancio di una certificazione specifica CPMAI, infine l’introduzione di un’intera appendice dedicata all’Artificial Intelligence nella PMBOK® Guide – Eighth Edition.
L’inserimento dell’AI nel PMBOK® Guide va letto, come accennato sopra, all’interno di una strategia molto più ampia che il Project Management Institute sta sviluppando su questo tema.
Negli ultimi anni PMI ha infatti costruito un vero e proprio ecosistema dedicato all’intelligenza artificiale applicata al Project Management, che comprende strumenti operativi, formazione, standard, guide e una certificazione specialistica.
La ragione è facilmente comprensibile. L’intelligenza artificiale sta modificando il modo in cui le organizzazioni analizzano informazioni, prendono decisioni, pianificano attività e gestiscono conoscenza. Per i professionisti di progetto questo significa confrontarsi non soltanto con nuovi strumenti, ma con nuove modalità di lavoro e con problemi altrettanto nuovi di governance, affidabilità, privacy, accountability ed etica.
Lo stesso PMI presenta oggi l’AI come una delle aree sulle quali i project professional devono costruire nuove competenze, evidenziando la necessità di combinare la conoscenza del Project Management con AI literacy, data literacy, capacità di utilizzare efficacemente strumenti e prompt e principi di Responsible AI.
Questo orientamento emerge anche dalla crescente quantità di risorse che l’Istituto sta dedicando all’argomento.
Uno degli esempi più concreti è PMI Infinity™, lo strumento di intelligenza artificiale sviluppato specificamente per i professionisti di Project Management.
PMI lo definisce un AI-powered project coach: uno strumento basato su più modelli di intelligenza artificiale generativa e alimentato dal patrimonio di standard e conoscenze del PMI, progettato quindi per fornire risposte contestualizzate rispetto alla gestione dei progetti.
Infinity è oggi incluso tra i benefici della membership PMI e rappresenta un elemento interessante soprattutto perché sposta il discorso dall’apprendimento teorico dell’AI alla sua applicazione nell’attività professionale quotidiana.
Il professionista può utilizzarlo, ad esempio, per esplorare problemi progettuali, strutturare analisi, interrogare contenuti legati agli standard PMI o utilizzare prompt già predisposti attraverso la relativa Prompt Library.
La stessa Appendix X3 del PMBOK® Guide richiama proprio la possibilità di standardizzare prompt per attività ricorrenti e cita la PMI Prompt Library come risorsa utile.
Accanto agli strumenti, PMI ha progressivamente ampliato anche la propria offerta formativa.
Sono oggi disponibili diversi corsi dedicati all’AI applicata al Project Management. Il PMI indica attualmente sette corsi gratuiti sull’AI disponibili online, alcuni accessibili anche tramite account PMI.org gratuito, altri gratuiti per i soli soci.
Il PMI ha introdotto inoltre nel settembre 2025 la certificazione PMI Certified Professional in Managing AI (PMI-CPMAI)™, dedicata specificamente alla gestione di iniziative e progetti di intelligenza artificiale, con problematiche specifiche relative ai dati, ai modelli, alla validazione, alla governance e all’adozione organizzativa.
A giugno 2026 è stato infine pubblicato The Standard for Artificial Intelligence in Portfolio, Program and Project Management, approvato dall’ANSI (American National Standards Institute).
L’Appendice X3 – Artificial Intelligence della PMBOK® Guide 8th Edition, proprio come il più esteso Standard di recente pubblicazione, affronta l’AI direttamente nel contesto dei progetti in generale (a prescindere dal settore), sviluppando quattro aree: il ruolo dell’intelligenza artificiale nel contesto del project, le strategie per la sua adozione, i principali use case applicabili al Project Management e, infine, gli aspetti relativi all’uso responsabile e alle implicazioni etiche.
In sostanza il PMI “ufficializza” un cambiamento già in atto: la capacità di comprendere, utilizzare e governare l’intelligenza artificiale sta diventando progressivamente parte delle competenze richieste a chi gestisce progetti.
Per la quantità di dati da elaborare, la necessità di coordinare persone e risorse e la continua pressione verso decisioni più rapide e informate, la gestione dei progetti rappresenta uno degli ambiti nei quali l’AI può trovare applicazioni particolarmente interessanti.
Il punto però è capire come utilizzarla, per quali attività e con quale livello di supervisione umana.
Uno degli aspetti più interessanti della PMBOK® Guide 8th Edition è il modello utilizzato per distinguere tre differenti strategie di adozione: Automation, Assistance e Augmentation.
La logica è semplice, ma estremamente utile: all’aumentare della complessità dell’attività aumenta il bisogno di intervento e giudizio umano.
È questa probabilmente la distinzione più importante per comprendere il rapporto tra AI e Project Management: non tutte le attività hanno la stessa complessità e, di conseguenza, non tutte possono essere affidate alla tecnologia nello stesso modo.
La scelta fra Automation, Assistance e Augmentation dipende appunto essenzialmente da due variabili: la complessità dell’attività e la quantità di intervento umano necessaria per ottenere un risultato affidabile.
Automation: automatizzare ciò che è ripetitivo e prevedibile
L’automazione è la modalità più immediata.
Quando un’attività presenta una complessità relativamente bassa e richiede un intervento umano limitato sul risultato finale, può essere in buona parte automatizzata.
Nel Project Management gli esempi sono numerosi: generazione di report, analisi documentale, sintesi delle riunioni, attività amministrative, monitoraggio dei dati o gestione di attività ricorrenti.
In questi casi è possibile anche standardizzare i prompt e riutilizzarli tra progetti o team diversi, trasformandoli progressivamente in veri e propri strumenti operativi.
L’obiettivo è liberare tempo professionale da attività ripetitive per destinarlo a ciò che richiede interpretazione, comunicazione, negoziazione e decisione.
Tra gli use case riportati troviamo, ad esempio, la generazione automatica di report e presentazioni, la process automation, il monitoraggio in tempo reale, la gestione delle attività, i chatbot e la generazione automatica di meeting minutes e sintesi delle riunioni.
Si tratta di attività nelle quali la macchina può raggiungere livelli di autonomia relativamente elevati perché il problema è generalmente circoscritto e le regole sono sufficientemente chiare.
Assistance: l’AI come supporto all’analisi
Nel livello Assistance, l’AI contribuisce alla costruzione dell’analisi, lasciando al Project Manager il compito di verificarla, contestualizzarla e completarla.
Può proporre alternative, individuare elementi da considerare, elaborare dati, generare una prima struttura di lavoro o aiutare a esplorare un problema.
Un esempio portato dalla Guida è la costruzione di un risk register oppure di un piano di schedulazione dotato di buffer. In questi casi, il primo output prodotto dalla tecnologia non deve essere considerato un risultato definitivo. Deve essere verificato, completato, contestualizzato e, se necessario, corretto dal professionista.
È una distinzione importante, perché consente di evitare uno degli errori più diffusi nell’utilizzo della Generative AI: confondere la capacità di produrre velocemente un risultato plausibile con la capacità di produrre automaticamente il risultato corretto.
Nel Project Management la qualità di una soluzione dipende quasi sempre dal contesto: organizzazione, stakeholder, vincoli, disponibilità delle risorse, cultura aziendale, dipendenze, priorità strategiche e livello di rischio. L’AI può contribuire all’analisi, ma non possiede automaticamente tutta questa conoscenza contestuale.
Esempi di Assistance AI sono anche l’analisi decisionale multicriterio, l’analisi predittiva per la pianificazione, l’analisi dell’impatto dei rischi, la schedulazione dinamica, la risoluzione dei conflitti di schedulazione e l’analisi dei rischi di pianificazione.
Augmentation: aumentare le capacità decisionali del professionista
Il terzo livello, l’Augmentation, riguarda le attività più complesse e a maggiore contenuto decisionale. Qui l’AI viene utilizzata per ampliare le capacità del professionista, soprattutto quando il problema presenta un elevato grado di complessità, per consentire a quella persona di prendere decisioni utilizzando una base informativa più ampia, confrontando scenari differenti o esplorando possibilità difficili da analizzare manualmente.
Un esempio proposto è quello del bilanciamento delle alternative all’interno di un portfolio per massimizzare il ritorno dell’investimento oppure il risk forecasting basato anche su variabili esterne.
In questo scenario l’AI diventa una sorta di partner di brainstorming del Project Manager, sviluppando progressivamente le idee attraverso più iterazioni e affinando il risultato attraverso il proprio giudizio professionale.
È forse qui che emerge con maggiore chiarezza il reale potenziale dell’intelligenza artificiale nel Project Management, come leva per estendere la capacità di analizzare la complessità.
Complessità e giudizio umano
L’aumento delle capacità dell’AI non elimina automaticamente l’intervento umano; al contrario, nei problemi più complessi può renderlo ancora più importante.
L’autonomia tecnologica è particolarmente efficace nelle attività semplici e ripetitive. Quando aumentano l’ambiguità, la complessità e le conseguenze delle decisioni, il ruolo del professionista si sposta verso interpretazione, valutazione e accountability.
Governance e decisioni data-driven
LA PMBOK Guide 8th. Edition presenta numerose possibili applicazioni dell’AI nei diversi ambiti del Project Management.
Nella governance, ad esempio, l’intelligenza artificiale può supportare processi di data-driven decision-making, analizzando dati storici dei progetti, trend di mercato, priorità organizzative, disponibilità delle risorse, rischi, allineamento strategico e potenziale ritorno dell’investimento.
Può inoltre contribuire alla multicriteria decision analysis, consentendo di confrontare contemporaneamente criteri differenti e costruire scenari alternativi.
Queste applicazioni diventano particolarmente rilevanti passando dal singolo progetto a programmi e portfolio, dove occorre anche decidere quali iniziative avviare, finanziare, accelerare, modificare o interrompere.
Risk Management: identificazione e previsione
Un altro ambito nel quale il potenziale dell’AI appare particolarmente significativo è il Risk Management.
L’AI può analizzare dati storici dei progetti e benchmark di settore per contribuire all’identificazione dei rischi; può utilizzare analisi predittive per stimarne probabilità e impatti; può supportare il Project Manager nella valutazione delle priorità di risposta. Può inoltre contribuire all’analisi dell’impatto dei rischi sugli obiettivi di tempo, costo e qualità oppure integrare il rischio nelle valutazioni del ritorno dell’investimento.
Nel Risk Management l’AI può analizzare dati storici dei progetti e benchmark di settore, contribuire all’identificazione dei rischi e utilizzare analisi predittive per stimarne probabilità e impatti. Può inoltre supportare il Project Manager nella definizione delle priorità di risposta e nell’analisi degli effetti su tempo, costo e qualit Alcune azioni di mitigazione possono perfino essere automatizzate quando esistono regole sufficientemente chiare e predeterminate.
Un’applicazione particolarmente interessante riguarda il rafforzamento della componente predittiva del Risk Management: utilizzare pattern e grandi quantità di dati per individuare segnali precoci di possibili deviazioni, come appunto l’early warning signaling, attraverso il quale l’AI può riconoscere configurazioni simili a quelle osservate in altri progetti e segnalare anticipatamente il rischio che alcune attività vadano fuori piano.
Stakeholder Management
Particolarmente interessante è anche l’applicazione dell’AI allo Stakeholder Management.
Gli strumenti basati sul Natural Language Processing possono analizzare comunicazioni, e-mail, chat, verbali delle riunioni o altri dati testuali per individuare elementi che contribuiscano a comprendere percezioni, atteggiamenti e preoccupazioni degli stakeholder.
L’AI può inoltre analizzare preferenze e interazioni precedenti per contribuire alla personalizzazione delle comunicazioni, suggerendo canali, frequenze o modalità potenzialmente più efficaci.
L’engagement rimane però un processo profondamente umano. Il valore dell’AI, in questo ambito, sta soprattutto nella possibilità di fornire al Project Manager informazioni aggiuntive utili a comprendere meglio la relazione con gli stakeholder.
Scheduling e controllo del progetto
Anche la pianificazione può beneficiare dell’AI, ad esempio con la schedulazione dinamica, l’identificazione e la risoluzione dei conflitti di pianificazione e la schedule risk impact analysis.
L’intelligenza artificiale può analizzare dipendenze, disponibilità delle risorse e milestone e proporre modifiche al piano quando intervengono cambiamenti interni o esterni.
Può inoltre riconoscere conflitti tra attività o risorse e suggerire possibili soluzioni.
Anche qui la differenza tra automazione e assistenza è fondamentale: aggiornare automaticamente dati o segnalare uno scostamento è un’attività relativamente semplice. La valutazione dei trade-off tra tempi, costi, risorse, rischi e valore atteso richiede invece un livello di giudizio professionale decisamente maggiore.
Affidabilità degli output
L’aumento delle possibilità offerte dall’AI introduce inevitabilmente anche nuovi rischi.
Uno dei più immediati riguarda l’affidabilità delle informazioni.
Un output prodotto dall’intelligenza artificiale può apparire convincente anche quando contiene errori, informazioni irrilevanti o distorsioni. Ecco perché è assolutamente necessario controllare e validare le informazioni ottenute dall’AI, perché il suo utilizzo non elimina la responsabilità professionale.
Al contrario, più le decisioni sono importanti, maggiore deve essere la capacità di verificare la qualità degli input, valutare la plausibilità dell’output e comprendere quando il risultato generato dalla tecnologia sia o meno adeguato al contesto.
Bias, privacy e accountability
Accanto all’affidabilità, entrano in gioco anche altri temi.
I sistemi di intelligenza artificiale possono essere influenzati dai bias presenti nei dati utilizzati per il loro addestramento oppure introdotti dagli stessi algoritmi.
Per questo è opportuno introdurre misure di mitigazione, come diversificare i dataset, effettuare verifiche periodiche specificamente rivolte all’individuazione dei bias e coinvolgere team differenti nello sviluppo dei sistemi.
Altro tema centrale è quello della privacy. I sistemi AI possono utilizzare quantità molto elevate di informazioni, alcune delle quali sensibili o soggette a specifiche normative. Proteggere i dati, definirne correttamente le condizioni di utilizzo e assicurarsi che la raccolta e il trattamento avvengano nel rispetto delle politiche applicabili diventa quindi un requisito essenziale.
Qui entra in gioco l’accountability: anche quando un sistema AI contribuisce in maniera significativa a una decisione, la responsabilità finale deve essere attribuita chiaramente a una persona.
Trasparenza, copyright e sostenibilità
L’utilizzo responsabile dell’AI coinvolge anche i temi di sicurezza, trasparenza, copyright e sostenibilità.
La trasparenza riguarda tanto il modo in cui vengono utilizzati i dati quanto il funzionamento degli algoritmi e i processi attraverso i quali vengono supportate o formulate le decisioni.
Il copyright apre invece interrogativi sulla proprietà dei contenuti generati dall’intelligenza artificiale e sull’origine dei dati utilizzati dai sistemi. Diventa quindi necessario conoscere le normative applicabili e valutare anche quale sia stato il contributo umano alla costruzione dell’output finale.
Infine, un tema destinato ad assumere crescente importanza è la sostenibilità. Ogni richiesta rivolta a un sistema di AI comporta un consumo di risorse, tra cui energia elettrica e acqua. Anche questo fattore dovrebbe quindi entrare, almeno nei casi più significativi, nelle valutazioni relative all’opportunità di utilizzare l’AI per determinate attività.
Le competenze del Project Manager
Dall’insieme di questi elementi emerge una riflessione particolarmente significativa per chi opera nella gestione dei progetti.
L’intelligenza artificiale può certamente automatizzare una parte del lavoro oggi svolto dai professionisti. Può generare report, sintetizzare riunioni, analizzare grandi quantità di dati, aggiornare informazioni e individuare pattern molto più rapidamente di quanto potrebbe fare una persona. Il ruolo del Project Manager tende quindi a spostarsi verso competenze a maggiore contenuto interpretativo e decisionale.
Se una parte crescente delle attività operative potrà essere automatizzata, aumenterà proporzionalmente il peso di ciò che l’AI non può semplicemente risolvere da sola: comprendere il contesto, gestire interessi contrapposti, assumersi responsabilità, interpretare informazioni incomplete, negoziare, costruire fiducia, formulare giudizi e prendere decisioni in condizioni di incertezza.
Il lavoro dei professionisti si sposta verso attività di livello più elevato e maggiormente creative, ma permane su di loro la responsabilità di valutare i rischi e decidere come utilizzare la tecnologia.
AI e cultura organizzativa
L’adozione dell’intelligenza artificiale richiede politiche, criteri condivisi e una cultura organizzativa capace di stabilire cosa sia opportuno automatizzare, quali informazioni possano essere utilizzate, quali verifiche siano necessarie, chi sia responsabile delle decisioni e dove debba necessariamente intervenire il giudizio umano.
Linee guida etiche e AI policy possono quindi costituire la base per costruire una comprensione comune dell’utilizzo dell’intelligenza artificiale all’interno dell’organizzazione.
L’AI entra anche nel nuovo esame PMP®
Il forte focus del Project Management Institute verso i temi legati all’AI trova spazio anche nella nuova versione dell’esame Project Management Professional (PMP)®, entrata in vigore a luglio 2026.
L’aggiornamento ha infatti introdotto l’AI – insieme alla sostenibilità e allo stakeholder engagement – all’interno degli scenari progettuali utilizzati nell’esame.
La conoscenza dell’AI non viene quindi trattata soltanto come una possibile specializzazione, ma inizia a entrare nel patrimonio di competenze attese anche dal Project Manager “generalista”.
A prescindere dal settore, diventa infatti sempre più necessario saper comprendere dove e come utilizzare l’AI, quali rischi introduce, quali risultati debbano essere verificati e quale debba rimanere la responsabilità del professionista.
Ed è esattamente questa la prospettiva adottata dall’Appendix X3 della nuova PMBOK® Guide.
Anche su questo tema, come per gli altri aspetti della PMBOK® Guide 8th Edition esaminati lungo questo percorso, emerge con forza la centralità delle scelte del Project Manager.
Proprio per questo nel prossimo appuntamento torneremo a parlare in maniera più approfondita e critica del tailoring.
Sabrina Scaroni
PMI®, PMBOK®, PMP®, PMI InfinityTM, CPMAITM sono marchi registrati o commerciali del Project Management Institute.
Nono appuntamento con la serie di articoli dedicati all’approfondimento della PMBOK®Guide 8th Edition, curati dalla Dott.ssa Sabrina Scaroni, PMI® Authorized Training Partner Instructor.
La pubblicazione è scaricabile gratuitamente dai soci del PMI in formato PDF e in lingua inglese a questo link .
Buona lettura!
Intelligenza Artificiale e Project Management: Il PMI porta l’AI nel cuore della professione
Nel precedente articolo abbiamo iniziato l’analisi delle appendici della PMBOK® Guide 8th Edition, partendo da quella dedicata al Project Management Office (X2).
L’approfondimento odierno si concentra sul tema dell’Intelligenza Artificiale, tratta nell’Appendice X3.
Con il termine Artificial Intelligence si identifica un insieme molto ampio di tecnologie capaci di simulare alcune forme di comportamento umano attraverso sistemi informatici. Questi sistemi possono eseguire attività per le quali non sono stati programmati in maniera strettamente deterministica, apprendere dall’esperienza e adattarsi a nuove situazioni.
Le applicazioni sono già numerosissime: riconoscimento di pattern, individuazione delle frodi, robotica, analisi dei dati e persino ricerca farmaceutica. La velocità con cui queste tecnologie stanno evolvendo rende però indispensabile una capacità continua di adattamento, sia rispetto agli strumenti disponibili sia rispetto ai nuovi modi di lavorare che ne derivano.
L’intelligenza artificiale sta progressivamente entrando nelle pratiche quotidiane di gestione dei progetti, nei modelli di competenza richiesti ai professionisti e, soprattutto, nei riferimenti attraverso i quali la disciplina definisce la propria evoluzione.
Il Project Management Institute ha colto con grande tempestività questa evoluzione, prima con una serie di corsi introduttivi in e-learning (gratuiti per i soci) dedicati ai vari aspetti dell’AI e con lo sviluppo del tool PMI Infinity, poi con il lancio di una certificazione specifica CPMAI, infine l’introduzione di un’intera appendice dedicata all’Artificial Intelligence nella PMBOK® Guide – Eighth Edition.
L’inserimento dell’AI nel PMBOK® Guide va letto, come accennato sopra, all’interno di una strategia molto più ampia che il Project Management Institute sta sviluppando su questo tema.
Negli ultimi anni PMI ha infatti costruito un vero e proprio ecosistema dedicato all’intelligenza artificiale applicata al Project Management, che comprende strumenti operativi, formazione, standard, guide e una certificazione specialistica.
La ragione è facilmente comprensibile. L’intelligenza artificiale sta modificando il modo in cui le organizzazioni analizzano informazioni, prendono decisioni, pianificano attività e gestiscono conoscenza. Per i professionisti di progetto questo significa confrontarsi non soltanto con nuovi strumenti, ma con nuove modalità di lavoro e con problemi altrettanto nuovi di governance, affidabilità, privacy, accountability ed etica.
Lo stesso PMI presenta oggi l’AI come una delle aree sulle quali i project professional devono costruire nuove competenze, evidenziando la necessità di combinare la conoscenza del Project Management con AI literacy, data literacy, capacità di utilizzare efficacemente strumenti e prompt e principi di Responsible AI.
Questo orientamento emerge anche dalla crescente quantità di risorse che l’Istituto sta dedicando all’argomento.
Uno degli esempi più concreti è PMI Infinity™, lo strumento di intelligenza artificiale sviluppato specificamente per i professionisti di Project Management.
PMI lo definisce un AI-powered project coach: uno strumento basato su più modelli di intelligenza artificiale generativa e alimentato dal patrimonio di standard e conoscenze del PMI, progettato quindi per fornire risposte contestualizzate rispetto alla gestione dei progetti.
Infinity è oggi incluso tra i benefici della membership PMI e rappresenta un elemento interessante soprattutto perché sposta il discorso dall’apprendimento teorico dell’AI alla sua applicazione nell’attività professionale quotidiana.
Il professionista può utilizzarlo, ad esempio, per esplorare problemi progettuali, strutturare analisi, interrogare contenuti legati agli standard PMI o utilizzare prompt già predisposti attraverso la relativa Prompt Library.
La stessa Appendix X3 del PMBOK® Guide richiama proprio la possibilità di standardizzare prompt per attività ricorrenti e cita la PMI Prompt Library come risorsa utile.
Accanto agli strumenti, PMI ha progressivamente ampliato anche la propria offerta formativa.
Sono oggi disponibili diversi corsi dedicati all’AI applicata al Project Management. Il PMI indica attualmente sette corsi gratuiti sull’AI disponibili online, alcuni accessibili anche tramite account PMI.org gratuito, altri gratuiti per i soli soci.
Il PMI ha introdotto inoltre nel settembre 2025 la certificazione PMI Certified Professional in Managing AI (PMI-CPMAI)™, dedicata specificamente alla gestione di iniziative e progetti di intelligenza artificiale, con problematiche specifiche relative ai dati, ai modelli, alla validazione, alla governance e all’adozione organizzativa.
A giugno 2026 è stato infine pubblicato The Standard for Artificial Intelligence in Portfolio, Program and Project Management, approvato dall’ANSI (American National Standards Institute).
L’Appendice X3 – Artificial Intelligence della PMBOK® Guide 8th Edition, proprio come il più esteso Standard di recente pubblicazione, affronta l’AI direttamente nel contesto dei progetti in generale (a prescindere dal settore), sviluppando quattro aree: il ruolo dell’intelligenza artificiale nel contesto del project, le strategie per la sua adozione, i principali use case applicabili al Project Management e, infine, gli aspetti relativi all’uso responsabile e alle implicazioni etiche.
In sostanza il PMI “ufficializza” un cambiamento già in atto: la capacità di comprendere, utilizzare e governare l’intelligenza artificiale sta diventando progressivamente parte delle competenze richieste a chi gestisce progetti.
Per la quantità di dati da elaborare, la necessità di coordinare persone e risorse e la continua pressione verso decisioni più rapide e informate, la gestione dei progetti rappresenta uno degli ambiti nei quali l’AI può trovare applicazioni particolarmente interessanti.
Il punto però è capire come utilizzarla, per quali attività e con quale livello di supervisione umana.
Uno degli aspetti più interessanti della PMBOK® Guide 8th Edition è il modello utilizzato per distinguere tre differenti strategie di adozione: Automation, Assistance e Augmentation.
La logica è semplice, ma estremamente utile: all’aumentare della complessità dell’attività aumenta il bisogno di intervento e giudizio umano.
È questa probabilmente la distinzione più importante per comprendere il rapporto tra AI e Project Management: non tutte le attività hanno la stessa complessità e, di conseguenza, non tutte possono essere affidate alla tecnologia nello stesso modo.
La scelta fra Automation, Assistance e Augmentation dipende appunto essenzialmente da due variabili: la complessità dell’attività e la quantità di intervento umano necessaria per ottenere un risultato affidabile.
Automation: automatizzare ciò che è ripetitivo e prevedibile
L’automazione è la modalità più immediata.
Quando un’attività presenta una complessità relativamente bassa e richiede un intervento umano limitato sul risultato finale, può essere in buona parte automatizzata.
Nel Project Management gli esempi sono numerosi: generazione di report, analisi documentale, sintesi delle riunioni, attività amministrative, monitoraggio dei dati o gestione di attività ricorrenti.
In questi casi è possibile anche standardizzare i prompt e riutilizzarli tra progetti o team diversi, trasformandoli progressivamente in veri e propri strumenti operativi.
L’obiettivo è liberare tempo professionale da attività ripetitive per destinarlo a ciò che richiede interpretazione, comunicazione, negoziazione e decisione.
Tra gli use case riportati troviamo, ad esempio, la generazione automatica di report e presentazioni, la process automation, il monitoraggio in tempo reale, la gestione delle attività, i chatbot e la generazione automatica di meeting minutes e sintesi delle riunioni.
Si tratta di attività nelle quali la macchina può raggiungere livelli di autonomia relativamente elevati perché il problema è generalmente circoscritto e le regole sono sufficientemente chiare.
Assistance: l’AI come supporto all’analisi
Nel livello Assistance, l’AI contribuisce alla costruzione dell’analisi, lasciando al Project Manager il compito di verificarla, contestualizzarla e completarla.
Può proporre alternative, individuare elementi da considerare, elaborare dati, generare una prima struttura di lavoro o aiutare a esplorare un problema.
Un esempio portato dalla Guida è la costruzione di un risk register oppure di un piano di schedulazione dotato di buffer. In questi casi, il primo output prodotto dalla tecnologia non deve essere considerato un risultato definitivo. Deve essere verificato, completato, contestualizzato e, se necessario, corretto dal professionista.
È una distinzione importante, perché consente di evitare uno degli errori più diffusi nell’utilizzo della Generative AI: confondere la capacità di produrre velocemente un risultato plausibile con la capacità di produrre automaticamente il risultato corretto.
Nel Project Management la qualità di una soluzione dipende quasi sempre dal contesto: organizzazione, stakeholder, vincoli, disponibilità delle risorse, cultura aziendale, dipendenze, priorità strategiche e livello di rischio. L’AI può contribuire all’analisi, ma non possiede automaticamente tutta questa conoscenza contestuale.
Esempi di Assistance AI sono anche l’analisi decisionale multicriterio, l’analisi predittiva per la pianificazione, l’analisi dell’impatto dei rischi, la schedulazione dinamica, la risoluzione dei conflitti di schedulazione e l’analisi dei rischi di pianificazione.
Augmentation: aumentare le capacità decisionali del professionista
Il terzo livello, l’Augmentation, riguarda le attività più complesse e a maggiore contenuto decisionale. Qui l’AI viene utilizzata per ampliare le capacità del professionista, soprattutto quando il problema presenta un elevato grado di complessità, per consentire a quella persona di prendere decisioni utilizzando una base informativa più ampia, confrontando scenari differenti o esplorando possibilità difficili da analizzare manualmente.
Un esempio proposto è quello del bilanciamento delle alternative all’interno di un portfolio per massimizzare il ritorno dell’investimento oppure il risk forecasting basato anche su variabili esterne.
In questo scenario l’AI diventa una sorta di partner di brainstorming del Project Manager, sviluppando progressivamente le idee attraverso più iterazioni e affinando il risultato attraverso il proprio giudizio professionale.
È forse qui che emerge con maggiore chiarezza il reale potenziale dell’intelligenza artificiale nel Project Management, come leva per estendere la capacità di analizzare la complessità.
Complessità e giudizio umano
L’aumento delle capacità dell’AI non elimina automaticamente l’intervento umano; al contrario, nei problemi più complessi può renderlo ancora più importante.
L’autonomia tecnologica è particolarmente efficace nelle attività semplici e ripetitive. Quando aumentano l’ambiguità, la complessità e le conseguenze delle decisioni, il ruolo del professionista si sposta verso interpretazione, valutazione e accountability.
Governance e decisioni data-driven
LA PMBOK Guide 8th. Edition presenta numerose possibili applicazioni dell’AI nei diversi ambiti del Project Management.
Nella governance, ad esempio, l’intelligenza artificiale può supportare processi di data-driven decision-making, analizzando dati storici dei progetti, trend di mercato, priorità organizzative, disponibilità delle risorse, rischi, allineamento strategico e potenziale ritorno dell’investimento.
Può inoltre contribuire alla multicriteria decision analysis, consentendo di confrontare contemporaneamente criteri differenti e costruire scenari alternativi.
Queste applicazioni diventano particolarmente rilevanti passando dal singolo progetto a programmi e portfolio, dove occorre anche decidere quali iniziative avviare, finanziare, accelerare, modificare o interrompere.
Risk Management: identificazione e previsione
Un altro ambito nel quale il potenziale dell’AI appare particolarmente significativo è il Risk Management.
L’AI può analizzare dati storici dei progetti e benchmark di settore per contribuire all’identificazione dei rischi; può utilizzare analisi predittive per stimarne probabilità e impatti; può supportare il Project Manager nella valutazione delle priorità di risposta. Può inoltre contribuire all’analisi dell’impatto dei rischi sugli obiettivi di tempo, costo e qualità oppure integrare il rischio nelle valutazioni del ritorno dell’investimento.
Nel Risk Management l’AI può analizzare dati storici dei progetti e benchmark di settore, contribuire all’identificazione dei rischi e utilizzare analisi predittive per stimarne probabilità e impatti. Può inoltre supportare il Project Manager nella definizione delle priorità di risposta e nell’analisi degli effetti su tempo, costo e qualit Alcune azioni di mitigazione possono perfino essere automatizzate quando esistono regole sufficientemente chiare e predeterminate.
Un’applicazione particolarmente interessante riguarda il rafforzamento della componente predittiva del Risk Management: utilizzare pattern e grandi quantità di dati per individuare segnali precoci di possibili deviazioni, come appunto l’early warning signaling, attraverso il quale l’AI può riconoscere configurazioni simili a quelle osservate in altri progetti e segnalare anticipatamente il rischio che alcune attività vadano fuori piano.
Stakeholder Management
Particolarmente interessante è anche l’applicazione dell’AI allo Stakeholder Management.
Gli strumenti basati sul Natural Language Processing possono analizzare comunicazioni, e-mail, chat, verbali delle riunioni o altri dati testuali per individuare elementi che contribuiscano a comprendere percezioni, atteggiamenti e preoccupazioni degli stakeholder.
L’AI può inoltre analizzare preferenze e interazioni precedenti per contribuire alla personalizzazione delle comunicazioni, suggerendo canali, frequenze o modalità potenzialmente più efficaci.
L’engagement rimane però un processo profondamente umano. Il valore dell’AI, in questo ambito, sta soprattutto nella possibilità di fornire al Project Manager informazioni aggiuntive utili a comprendere meglio la relazione con gli stakeholder.
Scheduling e controllo del progetto
Anche la pianificazione può beneficiare dell’AI, ad esempio con la schedulazione dinamica, l’identificazione e la risoluzione dei conflitti di pianificazione e la schedule risk impact analysis.
L’intelligenza artificiale può analizzare dipendenze, disponibilità delle risorse e milestone e proporre modifiche al piano quando intervengono cambiamenti interni o esterni.
Può inoltre riconoscere conflitti tra attività o risorse e suggerire possibili soluzioni.
Anche qui la differenza tra automazione e assistenza è fondamentale: aggiornare automaticamente dati o segnalare uno scostamento è un’attività relativamente semplice. La valutazione dei trade-off tra tempi, costi, risorse, rischi e valore atteso richiede invece un livello di giudizio professionale decisamente maggiore.
Affidabilità degli output
L’aumento delle possibilità offerte dall’AI introduce inevitabilmente anche nuovi rischi.
Uno dei più immediati riguarda l’affidabilità delle informazioni.
Un output prodotto dall’intelligenza artificiale può apparire convincente anche quando contiene errori, informazioni irrilevanti o distorsioni. Ecco perché è assolutamente necessario controllare e validare le informazioni ottenute dall’AI, perché il suo utilizzo non elimina la responsabilità professionale.
Al contrario, più le decisioni sono importanti, maggiore deve essere la capacità di verificare la qualità degli input, valutare la plausibilità dell’output e comprendere quando il risultato generato dalla tecnologia sia o meno adeguato al contesto.
Bias, privacy e accountability
Accanto all’affidabilità, entrano in gioco anche altri temi.
I sistemi di intelligenza artificiale possono essere influenzati dai bias presenti nei dati utilizzati per il loro addestramento oppure introdotti dagli stessi algoritmi.
Per questo è opportuno introdurre misure di mitigazione, come diversificare i dataset, effettuare verifiche periodiche specificamente rivolte all’individuazione dei bias e coinvolgere team differenti nello sviluppo dei sistemi.
Altro tema centrale è quello della privacy. I sistemi AI possono utilizzare quantità molto elevate di informazioni, alcune delle quali sensibili o soggette a specifiche normative. Proteggere i dati, definirne correttamente le condizioni di utilizzo e assicurarsi che la raccolta e il trattamento avvengano nel rispetto delle politiche applicabili diventa quindi un requisito essenziale.
Qui entra in gioco l’accountability: anche quando un sistema AI contribuisce in maniera significativa a una decisione, la responsabilità finale deve essere attribuita chiaramente a una persona.
Trasparenza, copyright e sostenibilità
L’utilizzo responsabile dell’AI coinvolge anche i temi di sicurezza, trasparenza, copyright e sostenibilità.
La trasparenza riguarda tanto il modo in cui vengono utilizzati i dati quanto il funzionamento degli algoritmi e i processi attraverso i quali vengono supportate o formulate le decisioni.
Il copyright apre invece interrogativi sulla proprietà dei contenuti generati dall’intelligenza artificiale e sull’origine dei dati utilizzati dai sistemi. Diventa quindi necessario conoscere le normative applicabili e valutare anche quale sia stato il contributo umano alla costruzione dell’output finale.
Infine, un tema destinato ad assumere crescente importanza è la sostenibilità. Ogni richiesta rivolta a un sistema di AI comporta un consumo di risorse, tra cui energia elettrica e acqua. Anche questo fattore dovrebbe quindi entrare, almeno nei casi più significativi, nelle valutazioni relative all’opportunità di utilizzare l’AI per determinate attività.
Le competenze del Project Manager
Dall’insieme di questi elementi emerge una riflessione particolarmente significativa per chi opera nella gestione dei progetti.
L’intelligenza artificiale può certamente automatizzare una parte del lavoro oggi svolto dai professionisti. Può generare report, sintetizzare riunioni, analizzare grandi quantità di dati, aggiornare informazioni e individuare pattern molto più rapidamente di quanto potrebbe fare una persona. Il ruolo del Project Manager tende quindi a spostarsi verso competenze a maggiore contenuto interpretativo e decisionale.
Se una parte crescente delle attività operative potrà essere automatizzata, aumenterà proporzionalmente il peso di ciò che l’AI non può semplicemente risolvere da sola: comprendere il contesto, gestire interessi contrapposti, assumersi responsabilità, interpretare informazioni incomplete, negoziare, costruire fiducia, formulare giudizi e prendere decisioni in condizioni di incertezza.
Il lavoro dei professionisti si sposta verso attività di livello più elevato e maggiormente creative, ma permane su di loro la responsabilità di valutare i rischi e decidere come utilizzare la tecnologia.
AI e cultura organizzativa
L’adozione dell’intelligenza artificiale richiede politiche, criteri condivisi e una cultura organizzativa capace di stabilire cosa sia opportuno automatizzare, quali informazioni possano essere utilizzate, quali verifiche siano necessarie, chi sia responsabile delle decisioni e dove debba necessariamente intervenire il giudizio umano.
Linee guida etiche e AI policy possono quindi costituire la base per costruire una comprensione comune dell’utilizzo dell’intelligenza artificiale all’interno dell’organizzazione.
L’AI entra anche nel nuovo esame PMP®
Il forte focus del Project Management Institute verso i temi legati all’AI trova spazio anche nella nuova versione dell’esame Project Management Professional (PMP)®, entrata in vigore a luglio 2026.
L’aggiornamento ha infatti introdotto l’AI – insieme alla sostenibilità e allo stakeholder engagement – all’interno degli scenari progettuali utilizzati nell’esame.
La conoscenza dell’AI non viene quindi trattata soltanto come una possibile specializzazione, ma inizia a entrare nel patrimonio di competenze attese anche dal Project Manager “generalista”.
A prescindere dal settore, diventa infatti sempre più necessario saper comprendere dove e come utilizzare l’AI, quali rischi introduce, quali risultati debbano essere verificati e quale debba rimanere la responsabilità del professionista.
Ed è esattamente questa la prospettiva adottata dall’Appendix X3 della nuova PMBOK® Guide.
Anche su questo tema, come per gli altri aspetti della PMBOK® Guide 8th Edition esaminati lungo questo percorso, emerge con forza la centralità delle scelte del Project Manager.
Proprio per questo nel prossimo appuntamento torneremo a parlare in maniera più approfondita e critica del tailoring.
Sabrina Scaroni
PMI®, PMBOK®, PMP®, PMI InfinityTM, CPMAITM sono marchi registrati o commerciali del Project Management Institute.
