Questi flussi di lavoro necessitano urgentemente di un aggiornamento AI, afferma il Leader Globale di Prodotto
Scopri quali flussi di gestione prodotto traggono maggiore beneficio dall’AI e come i team leader la utilizzano per accelerare la scoperta, migliorare le decisioni e aumentare la velocità di apprendimento.
Tony Pagliocco
Direttore Associato della Gestione Globale del Prodotto presso Aldar
Integrazione dell’AI: L’AI viene integrata nei flussi di lavoro del prodotto presso Aldar, trasformando i processi decisionali e di sviluppo.
Fondamenti dei Dati: Un’applicazione efficace dell’AI richiede solide basi di dati; infrastrutture carenti rivelano difetti e limitano l’impatto dell’AI.
Ripensamento della Discovery: L’AI sta velocizzando la scoperta del prodotto sintetizzando rapidamente grandi quantità di dati, rivoluzionando i metodi tradizionali e manuali.
Giudizio Umano: L’AI supporta le attività di prodotto, ma l’intuizione umana resta fondamentale per interpretare il contesto e prendere decisioni chiave.
Sfida dell’Adozione: Integrare l’AI nelle operazioni quotidiane migliora l’adozione, spostando il mindset del team dalla resistenza all’utilizzo pratico.
Tony Pagliocco è il Associate Director of Global Product Management presso Aldar, dove è responsabile della strategia di prodotto, dei framework operativi e dei modi di lavorare attraverso 24 pod guidati dal prodotto.
Lui e il suo team sono concentrati sull'integrare l'IA direttamente nei loro flussi di lavoro di prodotto. Quindi, ci siamo seduti con lui per scoprire quali workflow sta attualmente ottimizzando e come sta garantendo l'adozione su tutta l'organizzazione. Ecco cosa ci ha detto.
Problemi complessi su larga scala
Negli ultimi 20 anni ho costruito e scalato prodotti digitali in diversi settori, dai media e gaming fino all’aviazione, logistica e ora real estate qui negli Emirati Arabi Uniti. Ho sempre risolto problemi complessi su larga scala e costruito team che portano risultati concreti.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
All’inizio della mia carriera ero molto operativo — lanciavo prodotti e imparavo a eseguire. Poi ho guidato organizzazioni di prodotto più grandi e gestito trasformazioni a livello aziendale. Uno dei capitoli più formativi è stato in Boeing, dove ho guidato il prodotto per le piattaforme digitali smart factory a supporto dei programmi 777 e 787. Lavoravamo in ambienti di dati multi-petabyte, applicando NLP e computer vision ai flussi produttivi e della supply chain. Abbiamo costruito sistemi per prevedere problematiche, ottimizzare le operazioni e operare su scala globale. Quell’esperienza ha plasmato il mio modo di pensare ai dati, alle piattaforme e ora all’IA.
Questo è un momento di svolta. Stiamo passando dal costruire software al costruire sistemi intelligenti — e il ruolo della leadership di prodotto sta passando dalla gestione di roadmap all’orchestrazione di dati, IA e risultati reali su larga scala.
Associate Director of Global Product Management at Aldar
In Aldar, l’IA è profondamente integrata in ciò che costruiamo, dalle piattaforme per smart city e digital twins agli strumenti di master planning e feasibility. Usiamo l’IA per simulare, prevedere e ottimizzare le decisioni ben prima che qualcosa venga costruito fisicamente, cambiando radicalmente il modo di operare dell’azienda.
Questo è un momento di svolta. Stiamo passando dal costruire software al costruire sistemi intelligenti — e il ruolo della leadership di prodotto sta passando dalla gestione delle roadmap all'orchestrazione di dati, IA e risultati reali su larga scala.
Oggi ricopro il ruolo di Associate Director of Global Product Management presso Aldar, riportando al nostro Chief Digital Officer, dove guido strategia di prodotto, framework operativi e modalità di lavoro su 24 pod guidati dal prodotto.
I nostri team coprono un vasto ecosistema, che include vendite immobiliari, retail, commerciale, residenziale, loyalty e marketing, e-commerce, hospitality e IoT per smart city — e la nostra piattaforma di punta, Live Aldar, è alla base di tutto. Supportiamo sia le esperienze rivolte al cliente che le piattaforme interne, con un forte focus sull’integrazione di tutto in un percorso end-to-end senza soluzione di continuità.
Per la delivery, operiamo tramite pod cross-funzionali allineati agli obiettivi di business, mentre investiamo in piattaforme condivise come identità, pagamenti, dati e IA per scalare nell’ecosistema. Il mio ruolo è garantire coerenza nel modo in cui costruiamo, assicurando al contempo che ogni dominio possa muoversi rapidamente e portare impatto.
Perché l’IA richiede delle buone fondamenta
Le opinioni di Tony
I team che faticano con l’IA di solito cercano di inserirla su basi già fragili.
Ecco la prima cosa da chiarire: l’IA non è una funzionalità. È una capacità che cambia il modo in cui tutto il tuo prodotto e la tua organizzazione operano.
Molti team affrontano l’IA come qualunque altro miglioramento — aggiungendo un chatbot, automatizzando un workflow o migliorando una funzionalità. Questo atteggiamento limita l’impatto. Il vero cambiamento sta nel fatto che l’IA modifica il modo in cui vengono prese le decisioni, come vengono costruiti i prodotti e come viene generato valore.
Mette inoltre in luce le fondamenta. Se i dati sono frammentati, i flussi non sono chiari, o il pensiero di prodotto è debole, l’IA accentuerà questi problemi. I team che faticano con l’IA di solito cercano di inserirla su basi già fragili.
Il vero lavoro sta nell’assicurarsi che abbia gli input giusti, la struttura adeguata e i corretti paletti. Senza questi, gli output possono sembrare validi in superficie ma mancare di affidabilità per un uso reale in prodotto. Se lo avessi saputo all’inizio, avrei investito prima sul miglioramento dei dati, su una definizione più chiara dello spazio-problema e su confini più forti per l’uso dell’IA nel prodotto.
Solo questo avrebbe fatto risparmiare tempo evitando aspettative irrealistiche. Spesso c’è pressione ad agire rapidamente e mostrare l’IA, ma senza le fondamenta giuste si rischia di iterare più del necessario — o peggio, perdere la fiducia degli utenti.
Quindi, prima di lanciarsi, i leader devono chiedersi: "Abbiamo i dati, il modello operativo e la disciplina di prodotto per trarre vantaggio da tutto ciò?"
Come l’IA sta trasformando il processo di sviluppo prodotto
Uno dei cambiamenti più grandi che abbiamo adottato nell’ultimo anno è stato il passaggio da uno sviluppo prodotto statico e ricco di documenti pesanti a una scoperta e consegna continua assistita dall’IA.
Tradizionalmente, il nostro processo si basava su artefatti strutturati — PRD, business case, documenti di ricerca — che richiedevano tempo per essere prodotti e spesso diventavano rapidamente obsoleti. Abbiamo introdotto l’IA direttamente in quel flusso di lavoro per sintetizzare il feedback dei clienti, analizzare i ticket di supporto, generare requisiti iniziali di prodotto e persino mettere in discussione le ipotesi durante la fase di discovery.
Questo ha cambiato la velocità e la qualità del processo decisionale. I product manager non partono più da zero; partono dall’insight. Stiamo assistendo a cicli più rapidi dall’idea alla validazione, maggiore allineamento tra gli stakeholder e una prioritizzazione più informata dai dati.
Ha anche cambiato il modo in cui operano i nostri team. Invece di essere uno strumento separato, l’IA è ora integrata nei flussi di lavoro quotidiani, che si tratti di generare ipotesi, riassumere dati o accelerare la consegna. Il ruolo del PM si è leggermente spostato, da creatore a curatore e decisore.
I product manager non partono più da zero; partono dall’insight.
Associate Director of Global Product Management at Aldar
Come la discovery di prodotto può essere riprogettata con l’IA
Tuttavia, su tutto il ciclo di vita del prodotto, è proprio l’attività di discovery che richiede la maggiore riprogettazione.
Storicamente, la discovery era lenta, manuale e dipendeva molto da piccoli campioni — interviste, sondaggi, analisi dati limitata. Con l’IA, questo modello non regge più. Ora possiamo processare enormi quantità di feedback dei clienti, dati comportamentali e segnali quasi in tempo reale.
Ma la maggior parte dei team svolge la discovery come se fossimo ancora nel 2015.
Abbiamo iniziato integrando Jira Product Discovery nei nostri flussi di lavoro per strutturare meglio idee, insight e prioritizzazione. Questo ci ha dato una solida base, ma la vera accelerazione è arrivata quando abbiamo sovrapposto gli agenti IA di Rovo e li abbiamo collegati al nostro ecosistema più ampio — documentazione, progetti tecnici, Figma e altri strumenti di delivery.
Inoltre, abbiamo integrato flussi di dati continui — risultati di sondaggi, loop di feedback dei clienti, dati dei contact center e analytics di prodotto — convogliando tutto in un unico flusso di discovery.
Ora, invece di unire manualmente i diversi input, i team possono sintetizzare velocemente i segnali, generare requisiti iniziali e collegare direttamente la discovery all’esecuzione. Il divario tra “insight” e “delivery” si è significativamente ridotto.
Questo porta a cicli più rapidi e maggiore qualità. I team partono da una base più informata, con un allineamento più forte tra prodotto, design e ingegneria.
Perché l’IA informa le attività di prodotto, ma sono gli umani a decidere
Utilizziamo l’IA in modo deciso per garantire scala, velocità e riconoscimento di pattern — discovery, analisi dati e ideazione iniziale. Ormai è il nostro punto di partenza predefinito, non solo un “nice to have”.
L’IA sintetizza feedback dei clienti, ticket di supporto e dati comportamentali in pochi minuti, modellando ipotesi e persino generando la prima bozza di requisiti. Nel nostro lavoro su smart city e digital twin, la usiamo anche per simulare scenari, aiutando i team a esplorare decisioni di pianificazione e fattibilità prima di costruire qualsiasi cosa.
Ma siamo molto chiari su dove si ferma il contributo dell’IA.
Prioritizzazione, decisioni di roadmap, sfumature della UX e trade-off restano in mano agli umani, perché lì contano contesto, esperienza e responsabilità. L’IA non comprende realmente strategia, politica o rischio. Può informare le decisioni, ma non dovrebbe prenderle.
Ad esempio, abbiamo usato l’IA per analizzare feedback dei clienti e ticket di supporto al fine di guidare la prioritizzazione. Il modello ha identificato pattern e ha evidenziato in modo efficace i problemi menzionati più spesso, ma non riusciva a distinguere tra ciò che era rumoroso e ciò che era importante. I problemi a basso impatto erano sovrarappresentati solo perché segnalati più frequentemente dai clienti, mentre criticità più rilevanti ma meno ricorrenti venivano sottovalutate.
Mancava anche il contesto riguardante il percorso del cliente — non solo il cosa stava accadendo, ma il perché stava succedendo. Il giudizio umano era fondamentale per interpretare correttamente il segnale.
Dal punto di vista della fiducia, se l’IA metteva in evidenza qualcosa che non era in linea con l’intuizione degli stakeholder, questi ultimi la scartavano rapidamente. Quindi la sola accuratezza non era sufficiente — doveva essere spiegabile e coerente con il contesto reale.
Perché i product manager devono stare attenti a non affidarsi troppo all’IA
La velocità e la produttività sono i maggiori vantaggi dell’IA. I product manager passano dall’idea a una direzione validata molto più rapidamente; ciò che prima richiedeva giorni di sintesi e redazione ora avviene in poche ore. Tra i vari team, stimerei un incremento del 30–50% nella velocità delle fasi iniziali di discovery e nei cicli di documentazione.
Anche la qualità è migliorata. L’IA aiuta i team a partire da una base più informata, raccogliendo segnali dei clienti, evidenziando schemi ricorrenti e riducendo i punti ciechi. Questo porta a formulare ipotesi iniziali migliori e a discussioni più informate con gli stakeholder.
D’altra parte, l’affidamento eccessivo è il rischio più grande che ho osservato. Alcuni team inizialmente hanno trattato gli output dell’IA come “risposte” e non come input, il che ha portato a ragionamenti superficiali o soluzioni generiche. Abbiamo dovuto formare attivamente i team a mettere in discussione e perfezionare ciò che l’IA produce invece di accettarlo senza riserve.
Esiste anche un divario di coerenza. L’IA è valida solo quanto il contesto che le fornisci. I product manager più esperti ottengono molto più valore perché sanno come indirizzarla. Quelli meno esperti possono faticare o produrre risultati confusi.
Tutto sommato, il vantaggio è reale. Cicli più rapidi, punti di partenza migliori – ma solo con un forte pensiero di prodotto. Altrimenti, si arriva semplicemente più velocemente alla risposta sbagliata.
Perché l’automazione end-to-end delude i PM
All’inizio pensavo che l’IA potesse guidare in modo significativo le decisioni di roadmap o produrre soluzioni di alta qualità pronte per la consegna. In realtà, ciò che genera è spesso utile come direzione ma rimane comunque generico. Manca del contesto aziendale, delle sfumature del cliente e dei compromessi che i team esperti affrontano quotidianamente.
L’automazione end-to-end è un’altra area in cui non si è ancora affermata del tutto. Gli agenti IA promettono molto nella gestione dei workflow o nella sostituzione di parti della delivery, ma nella pratica richiedono ancora un notevole controllo umano per essere affidabili su larga scala.
Il divario, quindi, sta tra aspettativa e realtà. L’IA è eccezionale come acceleratore, ma non può sostituire il giudizio di prodotto – e i team che la trattano diversamente finiscono per restare delusi piuttosto rapidamente.
Pensieri di Tony
L’IA è incredibilmente potente come acceleratore, ma non è un sostituto del giudizio di prodotto — e i team che la trattano così tendono a restare delusi molto rapidamente.
Perché i PM devono passare dal controllo alla fiducia nell’IA
La qualità del prodotto non deriva più da esperienze rigidamente controllate e deterministiche. Dobbiamo abbandonare questa concezione.
Tradizionalmente, progettiamo prodotti per comportarsi in modo prevedibile — flussi chiari, output definiti, casi limite mappati. Con l’IA, soprattutto quella generativa, si introduce automaticamente una certa variabilità. Lo stesso input potrebbe non produrre sempre lo stesso output, e questo cambia il modo in cui si valuta la qualità.
Costringe a un passaggio da “È tutto perfettamente definito?” a “È affidabile, utile e rientra in limiti accettabili?”
È un grande cambiamento di mentalità. Non si progettano più tutti gli esiti, ma si progettano sistemi con barriere protettive, cicli di feedback e modalità di miglioramento continuo. Significa anche accettare un certo livello di imperfezione, purché il valore sia presente e i rischi siano sotto controllo.
Così sono passato dal controllo alla fiducia—affidandomi al sistema che operi entro i limiti, invece di tentare di definire ogni possibile risultato in anticipo.
Come l’IA modifica le dinamiche dei team di prodotto
L’IA non ha modificato tanto la struttura del team quanto il modo in cui il team lavora.
Non abbiamo sostituito i ruoli, ma le aspettative su quei ruoli sono cambiate. I product manager dedicano meno tempo a sintesi e documentazione manuali, e più tempo al giudizio, alle priorità e a guidare i risultati. Si è alzato l’asticella del pensiero richiesto.
Ha anche sfumato alcune delle linee tra i ruoli. I PM sono più vicini ai dati, i designer usano l’IA per iterare più velocemente e gli ingegneri la sfruttano per accelerare lo sviluppo. I cicli di collaborazione sono più stretti perché tutti possono andare avanti più rapidamente individualmente.
Allo stesso tempo, vediamo emergere una chiara differenza: persone che sanno lavorare con l’IA rispetto a chi non la sa utilizzare. I team che la abbracciano sono significativamente più produttivi.
Come integrare l’IA nei flussi di lavoro migliora l’adozione
L’adozione è stata una sfida. Non tutti si muovono allo stesso ritmo. Alcuni si buttano, sperimentano e si adattano rapidamente. Altri esitano, la mettono in dubbio o aspettano che sia perfetta prima di coinvolgersi – ed è qui che si evidenzia il divario.
Abbiamo reso visibile e atteso – non opzionale – l’uso dell’IA.
Invece di presentarla come “ecco un nuovo strumento”, l’abbiamo integrata direttamente nelle operazioni del team. Per esempio, abbiamo aggiornato i nostri flussi di lavoro di prodotto affinché ogni ciclo di discovery o PRD includesse una prima bozza supportata dall’IA – che si trattasse di sintetizzare il feedback dei clienti, generare requisiti iniziali o delineare ipotesi. È diventata parte del processo, non un aggiunta.
Abbiamo anche fissato un’aspettativa semplice: Non venire a una revisione o discussione con una pagina bianca. Inizia con qualcosa supportato dall’IA, poi mostra come lo hai raffinato. Questo ha spostato velocemente la mentalità dalla resistenza all’uso pratico.
Allo stesso tempo, abbiamo messo in luce i successi — mostrando come un team abbia dimezzato i tempi di discovery o migliorato la qualità del pensiero iniziale grazie all’IA. Questa visibilità tra pari ha creato slancio.
Non si trattava di imporre l’adozione; si trattava di normalizzarla nel flusso di lavoro e renderne evidenti i benefici con esempi reali.
Non venire a una revisione o a una discussione con una pagina bianca. Inizia con qualcosa supportato dall’IA, poi mostra come lo hai raffinato.
Associate Director of Global Product Management at Aldar
Perché i leader di prodotto devono puntare sull’IA — ora
Ecco il mio consiglio: Non aspettare chiarezza — buttati e inizia ora.
Questo è un momento in cui chi si muove per primo definirà ciò che accadrà dopo. Puoi scegliere se restare a guardare e analizzare, oppure sporcarti le mani e imparare direttamente nei flussi di lavoro reali. Si sta già creando un divario tra chi usa l’IA ogni giorno e chi ancora ne parla soltanto.
Sii un evangelista. Se credi che questo sia il futuro, allora comportati di conseguenza. Metti in pratica le tue convinzioni—usala nel tuo lavoro, sfida i tuoi team a farne uso e integrala nel funzionamento dell’organizzazione. Non si tratta di fare progetti pilota a margine, ma cambiare il modo in cui si sviluppano i prodotti.
Allo stesso tempo, resta con i piedi per terra. L’IA non sostituisce il pensiero. È un moltiplicatore. I leader vincenti abbineranno un solido giudizio sul prodotto a una volontà di apprendere rapidamente.
Alla fine, tutto si riduce all’apprendimento. Se non stai imparando attivamente, sperimentando ed evolvendo in questo momento, rimarrai indietro. È semplice così.
Quindi buttati, mantieni la curiosità e guida dando l’esempio.
Segui l’evoluzione
Puoi approfondire il lavoro di Tony Pagliocco su tonypag.com o connetterti con lui su LinkedIn.
Prossimamente altre interviste con esperti su The CPO Club!
