Arriva una mail. “Piccola aggiunta al portale, niente di complicato immagino.” La conoscete. Sembra un’ora di lavoro e ne nasconde dieci, e arriva sempre il lunedì mattina a sei settimane dal lancio. È da qui che parte il corso che sto per lanciare, perché è esattamente il punto in cui chi gestisce progetti oggi è tentato di girare la domanda a un’AI e accettare la prima risposta che torna indietro.
La maggior parte dei corsi su AI e project management promette di farvi delegare di più: prompt migliori, qualche scorciatoia, tempo risparmiato. Qui l’obiettivo è diverso. Si costruisce la macchina con le proprie mani, se ne capisce ogni strato, e si finisce la giornata mettendo in dubbio proprio l’output di cui si va più fieri.
Lavoriamo su un solo caso, quella mail, e ci saliamo sopra per strati. Si parte dal prompt, l’atomo che riscrivete da capo ogni volta. Lo si fissa in istruzioni persistenti, un file che il modello legge sempre, così il comportamento smette di cambiare a ogni messaggio. Gli si aggiunge una skill, una capacità modulare nel formato standard SKILL.md, che impacchetta il vostro metodo di triage e si rifiuta, per esempio, di dire “piccolo” quando dalla mail non si può sapere quanto è grande. A quel punto ci si ferma e si dà un nome a ciò che è emerso, perché era lì sotto i nostri occhi dall’inizio: un agente. Poi lo si collega al mondo reale con l’MCP, il protocollo che gli permette di consultare lo storico vero dei progetti invece di tirare a indovinare. E si chiude la scala con i subagent, più agenti specializzati che si coordinano quando i domini in gioco sono davvero diversi.
Il momento che conta di più, alla fine, è anche il meno appariscente. Si prende l’output più convincente del proprio agente, quello che cita i dati e propone una decisione netta, e gli si fanno le obiezioni più dure che si riesce a immaginare. È la verifica avversariale: la disciplina di interrogare una risposta brillante prima di firmarla. Perché un output che suona impeccabile è proprio il momento in cui si rischia di pensare meno, non di più, e di scambiare un riflesso del proprio ragionamento per una conferma.
È la stessa postura che ho provato a mettere nero su bianco in Pensare con gli LLM, the Right Way: usare questi strumenti per pensare con loro, tenendo per sé intento e giudizio, invece di affidargli la decisione. Questo corso è la versione pratica di quell’idea. Si costruisce molto, e lo si fa apposta, per arrivare attrezzati al punto in cui bisogna sapere quando non fidarsi di ciò che si è costruito.
In pratica sono tre ore, quasi tutte con le mani sulla tastiera. Il formato è ispirato al metodo Training from the Back of the Room, quello in cui a lavorare sono i partecipanti e non chi conduce: io do la cornice e poi mi tolgo di mezzo. È pensato per project manager con un metodo già solido alle spalle, Agile, OKR, gestione di scope, rischio e stakeholder, e funziona con seniority mista. Non serve un background tecnico, basta aver già usato un assistente conversazionale per porre domande. Per la parte hands-on è comodo un account Claude Pro, ma chi non lo ha lavora comunque in coppia su materiali già pronti, senza restare indietro.
Se gestite progetti e l’AI vi è entrata in casa più in fretta di quanto aveste deciso, questa è la mezza giornata per riprendere il controllo della parte che conta, che è il pensiero, e lasciare alla macchina l’esecuzione.