15 ottobre 2026Aggiornato il Fathy Shalaby12 min di lettura
Cosa i product manager non dovrebbero mai delegare all'IA: 7 decisioni
L'IA può raccogliere evidenze, redigere opzioni e sostenere la tesi opposta. Sette decisioni di prodotto richiedono comunque un responsabile umano con nome e cognome. Ecco la lista, la regola di approvazione e una checklist.
Cosa non dovrebbero delegare i PM all'IA? Sette decisioni: quale problema merita attenzione, cosa intendono davvero i clienti, quale trade-off accetta la roadmap, cosa il team sceglie di non costruire, come si chiude un conflitto tra stakeholder, se un rischio è accettabile e se una scommessa deve continuare. L'IA può raccogliere evidenze, redigere opzioni e sostenere la tesi opposta. Una persona con nome e cognome prende comunque la decisione e ne porta la responsabilità.
Punti chiave
Gli sviluppatori si fidano meno di quanto diffidino dei risultati dell'IA: 46% contro 33%, e solo il 3% ci crede pienamente (Stack Overflow, 2025, oltre 33.000 intervistati).
Gli stessi ingegneri di Anthropic usano l'IA nel 59% del loro lavoro, ma la maggior parte dice di poterne delegare completamente solo dallo 0 al 20% (Anthropic, dicembre 2025).
L'AI Act dell'UE richiede che chi supervisiona un'IA ad alto rischio possa ignorarne o annullarne i risultati e tutelarsi dal bias di automazione (articolo 14).
La guida agli agenti di OpenAI indica due condizioni per restituire il controllo a una persona: i fallimenti ripetuti e le azioni sensibili, irreversibili o ad alto impatto.
La regola pratica: delega la preparazione, tieni la decisione. Più alto è il rischio e più difficile è tornare indietro, più l'approvazione umana deve stare vicino all'azione.
Perché il suggerimento di un'IA non equivale a una decisione?
L'IA produce una risposta sicura di sé a partire dal contesto che riceve. Una scrittura scorrevole nasconde le lacune: una raccomandazione può sembrare decisa mentre le evidenze sono incomplete, la richiesta del cliente non è rappresentativa, il trade-off non è dichiarato e nessuno è indicato come responsabile.
Chi usa di più l'IA è prudente nel fidarsene. Nella Developer Survey 2025 di Stack Overflow, l'84% degli intervistati usa o prevede di usare strumenti di IA, ma il 46% non si fida dell'accuratezza dei risultati e il 33% sì (Stack Overflow, 2025). La frustrazione più comune, citata dal 66%, sono risultati quasi giusti, ma non del tutto. La ricerca DORA 2025 di Google ha trovato lo stesso divario: il 90% di quasi 5.000 professionisti tech usa l'IA al lavoro, ma il 30% si fida dei risultati solo poco o per niente (Google, 2025).
Le decisioni di prodotto sono più difficili da verificare del codice. Un test che fallisce ti dice in pochi minuti che il codice è sbagliato. Una priorità sbagliata può sembrare a posto per due trimestri.
Cos'è il bias di automazione e perché dovrebbe interessare ai PM?
Il bias di automazione è l'abitudine di accettare un risultato solo perché lo ha prodotto un sistema. L'AI Act dell'UE lo nomina espressamente: chi supervisiona un'IA ad alto rischio deve restare consapevole della «possibile tendenza a fare automaticamente affidamento o a fare eccessivo affidamento sull'output» (EUR-Lex, Regolamento (UE) 2024/1689, articolo 14). Lo stesso articolo dice che il supervisore deve poter ignorare, annullare o ribaltare il risultato e arrestare il sistema in sicurezza.
La maggior parte degli strumenti per PM non è un sistema ad alto rischio ai sensi della norma, ma il principio vale lo stesso: un PM che non sa spiegare perché ha accettato una raccomandazione non ha preso una decisione. L'ha solo inoltrata.
Cosa non dovrebbero mai delegare all'IA i product manager?
Sette decisioni di prodotto devono restare in mani umane. L'IA può preparare il terreno per ognuna, ma la decisione poggia su contesto, relazioni o responsabilità che un modello non possiede.
1. Quale problema merita l'attenzione del team
L'IA può ordinare i segnali per frequenza o somiglianza. La frequenza non è importanza. Dieci richieste da utenti gratuiti possono contare meno di un solo rischio di abbandono sul tuo account più grande, e solo chi conosce la strategia, i tempi e il costo opportunità può pesarlo. Marty Cagan assegna al product manager il rischio di valore, cioè se i clienti compreranno o sceglieranno di usare il prodotto (SVPG, 2017).
2. Cosa intende davvero il cliente
L'IA può etichettare i temi su 200 trascrizioni in pochi minuti. Non può fare la domanda di approfondimento che separa una soluzione richiesta («aggiungi un pulsante di esportazione») dal lavoro di fondo («la mia responsabile finance ha bisogno di questo numero ogni lunedì»). Tieni ogni affermazione importante collegata alla citazione originale e leggi la fonte prima di agire su un tema. La nostra guida su come tenere separate evidenze e interpretazione nella sintesi di ricerca con l'IA mostra il metodo.
3. Quale trade-off accetta la roadmap
Un punteggio di prioritizzazione è un input, non un verdetto. Dare priorità significa decidere chi viene servito, cosa aspetta, quale rischio si accetta e cosa l'azienda sceglie di imparare. L'IA può eseguire dieci scenari. Una persona deve sceglierne uno e spiegare il costo a chi ci perde. La guida alla prioritizzazione RICE spiega come usare un punteggio senza lasciare che decida al posto tuo.
4. Cosa il team sceglie deliberatamente di non costruire
Dire di no richiede convinzione e una relazione con chi aveva chiesto, e conta di più ora che un prototipo può richiedere un pomeriggio. L'analisi di Pendo su 615 abbonamenti software ha rilevato che circa l'80% delle funzionalità è usato raramente o mai (Pendo, 2019). Costruire a costi più bassi rende più facile far crescere quella quota, non ridurla. Affrontiamo la conversazione vera e propria in come dire di no a «lo costruiamo in un'ora con l'IA».
5. Come si risolve un conflitto tra stakeholder
L'IA può mappare obiettivi in competizione e redigere tre opzioni di compromesso. Non può reggere la relazione tra prodotto, un cliente chiave, un responsabile vendite e l'ingegneria quando la risposta delude uno di loro. La lettera agli azionisti del 2016 di Jeff Bezos raccomanda che un leader con convinzione ma senza consenso esprima il disaccordo e poi si impegni comunque («disagree and commit») (Amazon, 2016). Funziona solo se a prendere l'impegno è una persona.
6. Se un rischio è accettabile
Privacy, sicurezza, safety, conformità, affidabilità e azioni irreversibili richiedono un responsabile umano che accetti il rischio. L'IA può descrivere il rischio. Non dovrebbe mai accettarlo in silenzio. Vale anche per ciò che l'IA costruisce: Veracode ha testato più di 100 modelli linguistici e ha rilevato che il 45% degli esempi di codice generati introduceva una vulnerabilità della OWASP Top 10, con prestazioni di sicurezza invariate al crescere delle dimensioni del modello (Veracode, 2025).
7. Se una scommessa di prodotto è ancora viva
L'IA può confrontare le metriche di lancio con l'ipotesi. Ma continuare, restringere, mettere in pausa o ritirare la scommessa chiama in causa costi irrecuperabili, morale del team, promesse ai clienti e la prossima opportunità. CB Insights ha rilevato che il 43% di 431 startup finanziate da venture capital chiuse dal 2023 ha citato uno scarso product-market fit (CB Insights, 2026). Chiudere presto la scommessa sbagliata fa parte del lavoro del PM, e serve un responsabile che lo dica ad alta voce.
Le sette decisioni a colpo d'occhio
Decisione
Cosa può fare l'IA
Di cosa risponde la persona
Di solito reversibile?
Scelta del problema
Raggruppare e contare i segnali
Pesare strategia, tempi e costo opportunità
In parte
Significato per il cliente
Etichettare temi, estrarre citazioni
Le domande di approfondimento e il lavoro dietro la richiesta
Sì
Trade-off della roadmap
Valutare e confrontare scenari
Scegliere chi aspetta e perché
In parte
Non costruire
Generare alternative
Dire di no e mantenere la fiducia
Sì
Conflitto tra stakeholder
Mappare le posizioni, redigere opzioni
La relazione e la decisione finale
In parte
Accettazione del rischio
Descrivere rischi e modalità di guasto
Accettare o rifiutare il rischio
Spesso no
Continuare la scommessa
Confrontare i risultati con l'ipotesi
Continuare, restringere, mettere in pausa o fermare
In parte
Cosa possono delegare senza problemi all'IA i product manager?
Delega il lavoro il cui risultato una persona può verificare rispetto alla fonte prima che cambi una roadmap, una promessa a un cliente o un sistema in produzione. Buoni candidati:
Riassunti di riunioni e chiamate con link alla registrazione o alla trascrizione
Raggruppamento e deduplicazione del feedback
Prime bozze di report di ricerca, PRD e release note
Possibili domande per interviste e ipotesi alternative
Bozze di criteri di accettazione da rivedere
Aggiornamenti del decision log e preparazione dei report di stato
Controlli su campi mancanti, evidenze obsolete o terminologia incoerente
La caratteristica comune è la verificabilità. Lo studio di Anthropic sul proprio personale è un buon punto di riferimento: ingegneri e ricercatori usavano Claude nel 59% del loro lavoro, contro il 28% di un anno prima, e hanno riferito un guadagno di produttività del 50%, ma più della metà ha detto di poter delegare completamente solo dallo 0 al 20% del proprio lavoro (Anthropic, 2025). Uso intenso e delega ridotta convivono senza problemi. Il metodo completo per classificare le attività è in cosa dovrebbero automatizzare con l'IA i product manager.
Come decidi quando un umano deve approvare un output dell'IA?
Usa una sola regola: più sono alti rischio, irreversibilità, ambiguità e impatto sulle relazioni, più l'approvazione umana deve stare vicino all'azione.
La guida di OpenAI alla creazione di agenti indica due condizioni per passare il controllo a una persona: il superamento di una soglia di errori, come fraintendere più volte una richiesta, e le azioni ad alto rischio, sensibili, irreversibili o ad alto impatto, come annullare ordini o autorizzare rimborsi consistenti (OpenAI, 2025). Raccomanda inoltre di classificare ogni strumento che un agente può usare come a rischio basso, medio o alto, in base ad accesso in lettura o scrittura, reversibilità, permessi e impatto economico.
L'idea di Bezos delle porte a doppio senso completa il quadro. Molte decisioni sono reversibili e meritano un processo leggero, e la maggior parte si può prendere con circa il 70% delle informazioni che vorresti avere. Riserva la revisione approfondita alle porte a senso unico. Il nostro framework di reversibilità per le decisioni di prodotto mostra come distinguerle.
Un punteggio di approvazione a quattro fattori
Assegna a ogni output preparato dall'IA un punteggio da 1 (basso) a 3 (alto) per quattro fattori, poi somma.
Fattore
1
2
3
Rischio se sbagliato
Estetico
Infastidisce gli utenti o fa sprecare uno sprint
Esposizione economica, sui dati, sulla sicurezza o legale
Reversibilità
Annullabile in minuti
Annullabile in giorni
Non annullabile
Ambiguità
Fonte e regola chiare
Un po' di interpretazione
Evidenze o strategia contestate
Impatto sulle relazioni
Solo interno
Un cliente o un team
Molti clienti o un impegno pubblico
4–6: automatizza e controlla a campione ogni settimana.
7–9: l'IA redige e il PM rivede prima che qualcosa vada live.
10–12: l'IA prepara solo evidenze e opzioni. Un responsabile con nome decide e registra il ragionamento.
Le fasce sono un punto di partenza, non uno standard.
Esempio svolto (illustrativo)
Supponi che un team di sei persone usi l'IA per smistare 140 feedback al mese. Etichettatura e deduplicazione ottengono 5: rischio basso, reversibile in minuti, regole chiare, solo interno. Gira in automatico e il PM controlla a campione 10 elementi ogni venerdì.
La stessa IA poi consiglia di ritirare una funzionalità di reportistica usata dal 12% degli account. Ottiene 11: gli utenti perdono dati, la modifica è difficile da annullare, le evidenze d'uso sono contestate e sono coinvolti molti clienti. L'IA prepara il dossier di evidenze. Il PM intervista tre clienti coinvolti, prende la decisione e registra il perché.
Checklist: prima di accettare una raccomandazione dell'IA
Copiala nel tuo modello di decisione.
So indicare le fonti su cui poggia questa raccomandazione e ne ho aperta almeno una.
So da quali assunzioni dipende e quali evidenze la contraddicono.
Ho chiesto all'IA l'argomento più forte contro la sua stessa risposta.
Le citazioni dei clienti sono vere e collegate, non parafrasate fino a diventare altro.
L'ho valutata per rischio, reversibilità, ambiguità e impatto sulle relazioni.
Una persona con nome risponde della conseguenza, e quella persona non è «l'IA».
La decisione e il suo motivo sono messi per iscritto.
C'è una data per verificare se la decisione era giusta.
Se la riga sulla responsabilità è vuota, la decisione non è pronta. Un modello di decision log di prodotto rende le ultime due caselle un lavoro di due minuti.
Quali sono gli errori più comuni?
Trattare un riassunto come la fonte. Il riassunto di 40 interviste è un'affermazione su quelle interviste. Controlla a campione le citazioni prima che arrivino in una roadmap.
Delegare per vaghezza. «Dai priorità alla nostra roadmap» non è un compito che l'IA può svolgere bene. È una decisione con input mancanti. Dai all'IA compiti circoscritti il cui output puoi verificare.
Lasciare che sia il volume a dettare l'agenda. L'IA rende economiche idee, spec e prototipi. L'indagine 2026 di Product Institute su 309 responsabili di prodotto ha rilevato che solo il 17% ha indicato pianificazione strategica e roadmapping come area in cui l'IA ha avuto un impatto alto, contro il 50% per ingegneria e sviluppo (Product Institute, 2026). La produzione è cresciuta più in fretta del pensiero che la sostiene.
Nessun responsabile dopo il lancio. La decisione di continuare o fermarsi è quella saltata più spesso, perché nessuna riunione la impone. Metti la data di revisione in calendario quando rilasci.
Correggere troppo. Rifiutarsi di delegare qualsiasi cosa spreca tempo che l'IA può restituirti. La nota di Martin Fowler sull'agentic engineering trova l'equilibrio: «Humans are still responsible for what the software does and how it works» (Fowler, 2026).
Dove si inserisce Specky
Specky si occupa del lato di preparazione di queste decisioni. Legge chiamate con i clienti, feedback, Slack, Jira e analytics in un Product Graph, così un PRD o una raccomandazione redatti dall'IA arrivano con citazioni in linea alle conversazioni che li sostengono. Le bozze arrivano nel PM Inbox per la revisione umana invece di partire direttamente, e il Decision Log registra chi ha deciso cosa e perché. L'IA fa il recupero e la prima bozza. Tu tieni la decisione.
Domande frequenti
Cosa non dovrebbero mai delegare all'IA i product manager?
Scelta del problema, interpretazione dei clienti, trade-off della roadmap, la decisione di non costruire, conflitti tra stakeholder, accettazione del rischio e la scelta di continuare o fermare una scommessa. L'IA può preparare evidenze e opzioni per ognuna, ma queste decisioni dipendono da strategia, relazioni e responsabilità che un modello non possiede. Indica un responsabile umano per ciascuna.
L'IA può dare priorità a una roadmap di prodotto?
L'IA può valutare gli elementi, eseguire scenari e mostrare quali evidenze sostengono ogni opzione. Non dovrebbe fissare l'ordine finale. Dare priorità significa decidere chi aspetta e quale rischio accetta l'azienda, e qualcuno deve spiegarlo alle persone coinvolte. Tratta i punteggi dell'IA come un input accanto a evidenze dei clienti, strategia e costo di ingegneria.
I PM possono fidarsi dei riassunti del feedback dei clienti fatti dall'IA?
Fidati come punto di partenza, non come evidenza. I riassunti possono fondere lamentele diverse o perdere contesto. Tieni ogni affermazione importante collegata alla trascrizione, al ticket o alla metrica originale e controlla un campione prima che un riassunto influenzi una decisione sulla roadmap.
Cosa significa human-in-the-loop nel product management?
Significa che una persona con nome rivede e accetta una decisione o un'azione preparata dall'IA prima che crei un impegno verso clienti, strategia, finanze o produzione. Chi rivede deve poter capire l'output, rifiutarlo o annullarlo e fermare il processo. Rispecchia ciò che l'articolo 14 dell'AI Act dell'UE richiede per i sistemi di IA ad alto rischio.
Quanto del lavoro di un PM può fare l'IA?
Molto della preparazione e poco del decidere. Gli ingegneri di Anthropic nel 2025 hanno usato l'IA nel 59% del loro lavoro, ma la maggior parte ha detto di poterne delegare completamente solo dallo 0 al 20%. Per i PM, sintesi di ricerca, bozze e lavoro di stato passano all'IA, mentre scelta del problema, trade-off e responsabilità restano umani. La nostra analisi dei dati si chiede se l'IA possa sostituire i product manager.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing