Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
Questa revisione sistematica amplia l'elenco noto delle cattive pratiche di gestione dei progetti a venti fallimenti sistemici suddivisi in quattro cluster chiave e sostiene che, sebbene l'intelligenza artificiale offra potenzialità di miglioramento, la sua adozione acritica rischia di esacerbare i problemi esistenti, rendendo necessaria la sua integrazione come complemento piuttosto che come sostituto del sano giudizio umano e della governance.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per decenni, il mondo della costruzione di cose si è affidato a un insieme di regole progettate per impedire che sforzi complessi cadano a pezzi. Che si tratti di costruire un ponte, lanciare un satellite o implementare un nuovo software, i team seguono una disciplina chiamata project management. Questo campo si basa sull'idea che se si pianifica con cura, si assegnano le persone giuste e si controlla il budget, si avrà successo. Eppure, nonostante l'invenzione di software sofisticati e la formazione di milioni di professionisti, i progetti falliscono ancora con un tasso sorprendentemente alto. Esauriscono i fondi, mancano le scadenze o consegnano un prodotto che nessuno voleva. Le ragioni di questi fallimenti raramente risiedono nella mancanza di strumenti o di conoscenza; al contrario, derivano spesso da abitudini umane profondamente radicate. Tendiamo a essere eccessivamente ottimisti su quanto tempo le cose richiederanno, facciamo fatica a dire "no" a nuove richieste e cerchiamo di fare troppe cose contemporaneamente. Questi schemi sono così comuni che sono stati studiati per anni, formando un catalogo di errori che sembrano impossibili da evitare.
Ora, una nuova domanda è entrata nella conversazione. Poiché l'intelligenza artificiale — sistemi informatici capaci di apprendere dai dati e fare previsioni — sta diventando più potente, molti sperano che possa finalmente risolvere questi vecchi problemi. L'idea è che una macchina, libera dall'ottimismo o dalla stanchezza umana, potrebbe calcolare la linea temporale perfetta, individuare rischi nascosti e gestire le risorse senza errori. Ma una recente revisione delle ultime ricerche suggerisce che la risposta non è così semplice. La tecnologia offre una reale promessa, ma porta anche il rischio di peggiorare i nostri vecchi errori se non stiamo attenti.
Un team di ricercatori del Parco Tecnologico di Holguín e dell'Università di Holguín, in Cuba, si è posto l'obiettivo di investigare esattamente questa tensione. Hanno condotto una revisione sistematica della letteratura scientifica pubblicata tra il 2021 e il 2026 in cinque database specifici: Scopus, Web of Science, DOAJ, OpenAlex e Google Scholar, cercando studi sul perché i progetti falliscono e su come l'intelligenza artificiale venga utilizzata per risolverli. Hanno anche esaminato i report dei professionisti del settore che affrontano questi fallimenti ogni giorno. Il loro obiettivo non era testare una singola teoria, ma mappare il panorama di venti specifiche cattive pratiche che continuano a tormentare il campo. Hanno organizzato questi errori in quattro gruppi principali: fallimenti nella pianificazione e nella stima dei tempi; fallimenti nella gestione delle persone e dell'ambito del lavoro; fallimenti nella comunicazione del team e nel processo decisionale; e fallimenti nel completare effettivamente il lavoro.
I ricercatori hanno scoperto che queste venti cattive pratiche non sono nuove. Sono gli stessi schemi descritti in studi più vecchi, a dimostrazione del fatto che il divario tra ciò che sappiamo di dover fare e ciò che effettivamente facciamo rimane ampio. Uno degli errori più persistenti è la "fallacia della pianificazione", un'abitudine per cui le persone si convincono che il loro progetto sarà diverso e migliore di quello degli altri, ignorando i dati storici che suggeriscono il contrario. Un altro problema comune è l'incapacità di dire "no" ai cambiamenti dei requisiti, che porta alla "deriva dell'ambito" (scope creep), dove un progetto cresce lentamente oltre i suoi limiti originali fino a crollare sotto il proprio peso. La revisione ha inoltre evidenziato la natura distruttiva del multitasking, in cui i membri del team vengono trascinati in troppe direzioni, causando loro burnout e rallentando il lavoro.
Quando i ricercatori hanno osservato come l'intelligenza artificiale interagisce con questi problemi, hanno scoperto un'arma a doppio taglio. Sul lato positivo, la tecnologia mostra un potenziale genuino per migliorare compiti specifici. Ad esempio, modelli informatici avanzati possono analizzare enormi quantità di dati storici per creare stime più accurate di quanto tempo richiederà un progetto, superando spesso i metodi tradizionali. Questi strumenti possono anche monitorare le risorse per garantire che nessuno sia sovraccarico di lavoro e possono segnalare automaticamente quando un progetto sta andando fuori rotta. In alcuni casi, questi sistemi hanno dimostrato di poter ridurre gli errori di previsione in modo significativo, offrendo un livello di precisione che i pianificatori umani faticano a eguagliare.
Tuttavia, la revisione avverte che accendere semplicemente un computer non risolve i problemi umani sottostanti. Se i dati forniti a un sistema di intelligenza artificiale sono errati, distorti o incompleti, la macchina si limiterà a ripetere quegli errori, forse con ancora più sicurezza rispetto a un essere umano. I ricercatori hanno notato che se un'azienda ha una storia di sottostima dei costi, un'intelligenza artificiale addestrata sui dati passati di quell'azienda imparerà anch'essa a sottostimare i costi. Inoltre, esiste il rischio che i team diventino troppo dipendenti da questi strumenti, fidandosi dell'output della macchina senza metterlo in discussione. Ciò potrebbe portare a una situazione in cui decisioni errate vengono prese più velocemente e con più autorità perché sostenute da un computer. La revisione ha anche sottolineato che molti progetti di intelligenza artificiale stessi non raggiungono mai la fase di implementazione perché troppo complessi, perché risolvono il problema sbagliato o perché mancano di spiegazioni chiare su come siano giunti alle proprie conclusioni.
Il nucleo centrale dello studio è che questi fallimenti sono fondamentalmente organizzativi e comportamentali, non solo tecnici. I problemi di ottimismo, scarsa comunicazione e incapacità di dare priorità sono radicati nella psicologia umana e nella cultura aziendale. L'intelligenza artificiale è uno strumento potente, ma non è una bacchetta magica che può riparare una cultura malata. I ricercatori sostengono che la tecnologia debba essere utilizzata per supportare il giudizio umano, non per sostituirlo. Può gestire il lavoro pesante dell'analisi dei dati e del riconoscimento di schemi, liberando le persone affinché possano concentrarsi sulle cose che le macchine non possono fare: navigare in complesse relazioni politiche, percepire il morale di un team e prendere le difficili scelte etiche che spesso sorgono in situazioni ad alto rischio.
In definitiva, la strada da seguire richiede un approccio equilibrato. Le organizzazioni che vogliono avere successo devono investire nel miglioramento della qualità dei propri dati e nell'addestramento delle proprie persone all'uso consapevole di questi nuovi strumenti. Devono costruire strutture di governance che garantiscano che l'intelligenza artificiale sia trasparente e che gli esseri umani rimangano coinvolti nelle decisioni finali. La revisione conclude che, sebbene la tecnologia possa aiutarci a vedere meglio le insidie, spetta a noi evitarle. I progetti più efficaci saranno quelli che combineranno la velocità e l'accuratezza dell'intelligenza artificiale con la saggezza, l'empatia e il pensiero critico di leader umani esperti.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.