- L’articolo evidenzia una grande lacuna nell’ondata di IA aziendale: la leadership costruisce la strategia, gli ingegneri sono entusiasti di usare nuovi strumenti, ma sono gli engineering manager (EM) a dover trasformare tutto in processi operativi reali.
- L’autore Vignesh Durai racconta una conversazione con sei EM a una conferenza di sviluppatori. Tutti hanno riscontrato lo stesso problema: l’azienda dichiara di essere “AI-first”, ma non ci sono politiche, budget o linee guida specifiche per l’implementazione.
- Gli engineering manager devono rispondere da soli a domande cruciali: se il codice generato dall’IA debba essere messo in produzione, chi è responsabile della revisione e come misurare le prestazioni quando l’IA scrive codice velocemente ma i tempi di test si allungano.
- Secondo l’articolo, il middle management sta diventando il “traduttore della strategia IA” tra la leadership e i team di ingegneri, sebbene questo ruolo non sia mai stato progettato per tale responsabilità.
- Questa situazione è diffusa in settori come sanità, finanza e SaaS. Molti manager devono costruire da soli i processi di governance dell’IA perché i team legali o la leadership non hanno risposte chiare.
- Le nuove attività includono la stesura di linee guida interne per l’uso dell’IA, la riprogettazione dei processi di revisione del codice per le pull request generate dall’IA e il supporto psicologico agli ingegneri di fronte ai cambiamenti di carriera.
- Nonostante il forte aumento del carico di lavoro, vengono ancora valutati secondo i vecchi KPI come la velocità di rilascio dei prodotti, la retention del personale e la stabilità degli sprint.
- L’autore avverte del rischio strategico quando le aziende non supportano questo livello di “traduzione della strategia”: ogni team implementa l’IA in modo diverso, portando a un’incoerenza nella qualità e nella governance.
- L’articolo sottolinea anche il rischio di perdere talenti quando i bravi manager sentono che il loro lavoro si espande senza essere riconosciuto o supportato ufficialmente.
- Un altro rischio riguarda la responsabilità legale e la qualità del prodotto: se il codice generato dall’IA causa un errore in produzione, l’engineering manager è solitamente colui che “paga le conseguenze”, pur non avendo mai ricevuto una chiara autorità di approvazione.
- L’autore propone tre soluzioni urgenti: stabilire politiche di IA prima di acquistare strumenti, riconoscere ufficialmente il ruolo di “traduttore strategico” degli EM e creare una comunità per la condivisione delle esperienze di adozione dell’IA tra i manager.
- Viene citato l’esempio reale di un engineering manager che ha creato un gruppo di scambio interno sulla governance dell’IA nonostante l’assenza di budget o direttive dall’alto.
📌 Conclusione: Un problema diffuso nelle aziende che implementano l’IA: la strategia viene annunciata dalla leadership, ma la parte più difficile – trasformare l’IA in processi tecnici sicuri ed efficienti – viene scaricata sul management tecnico senza supporto. Gli engineering manager devono ora gestire contemporaneamente governance, revisione del codice, formazione del team e rischi operativi, mentre i KPI rimangono invariati. Se le aziende non formalizzano questo ruolo, l’adozione dell’IA potrebbe diventare incoerente, aumentare i rischi qualitativi e portare alla perdita dei migliori manager.
