Siamo Tutti Manager Adesso
Analisi e previsioni formulate da Dave Rensin nella Parte 3 del saggio sull'Elephant-Goldfish Model (aperta citando l'aforisma di Yogi Berra sulla difficoltà di fare previsioni, specie sul futuro): con l'evoluzione dei modelli tutti ci troveremo a gestire una squadra di agenti che lavorano per nostro conto, rendendo sempre più sfumata la distinzione tradizionale tra Individual Contributor (IC) e people manager. 1
Gli agenti non sono umani, ma fanno rima: il criterio del look away
Lo scopo del management è fare leva sul proprio giudizio e sulla propria competenza ben oltre il lavoro che si può compiere personalmente in una giornata (vedi anche Tirannia delle Metriche, Legge di Goodhart e Leadership e Programmazione Strategica, Osservabilità e Ruolo del Giardiniere). 1
- Cattivo manager vs buon manager: un cattivo manager dice ai collaboratori esattamente i passi da eseguire per ogni singolo compito (micromanagement, che non scala e raramente produce il risultato voluto); un buon manager comunica invece l'esito (outcome) cercato, fornisce guardrail e linee guida, spiega chiaramente lo scope di autorità e i gradi di libertà entro cui operare e stabilisce le condizioni in cui fermarsi e chiedere guida. 1
- La metrica del "distogliere lo sguardo" (look away): la prova che stai lavorando bene come manager è quanto a lungo puoi distogliere lo sguardo (look away) dal tuo collaboratore e, quando torni a guardare, trovare le cose in ordine. 1 Più si allunga la durata per cui puoi distogliere lo sguardo, più cala l'overhead personale per collaboratore e più persone (o agenti) puoi aggiungere senza essere divorato dagli interrupt e dal burnout. Al netto della pianificazione di carriera, gestire agenti AI segue esattamente gli stessi principi. 1
Consigli pratici per gli IC: corso di management e rampa a 3–5 agenti
Per gli Individual Contributor che non hanno mai gestito persone, Rensin raccomanda due azioni immediate: 1
- Seguire subito un corso base di people management: imparare a scalare il proprio giudizio attraverso entità indipendenti che agiscono per nostro conto richiede addestramento su delega, coordinamento e orchestrazione. Rensin suggerisce di iscriversi subito ai corsi interni aziendali per neo-manager o, in mancanza, di studiare libri o corsi online dedicati (come la specializzazione Google People Management Essentials su Coursera). 1
- Salire gradualmente fino a 3–5 agenti: quando si diventa people manager per la prima volta si riceve di solito un piccolo team di 3–5 persone, perché gestire implica imparare a fissare obiettivi, incentivi e regole del gioco senza farsi travolgere dagli interrupt. La stessa regola empirica (3–5 agenti contemporaneamente) è il primo traguardo a cui puntare: partire piano, fissare la forma corretta dell'esercizio e scalare da lì. 1
La concentrazione sostenuta è un muscolo da sviluppare
Man mano che l'AI assorbe il toil (status report, riunioni di aggiornamento), il tempo recuperato va investito nel lavoro per cui non abbiamo mai avuto abbastanza spazio: pensiero difficile (hard thinking), vero design e quel tipo di giudizio che non può essere delegato né a un collega né a un modello. 1
Poiché la società moderna interrompe di continuo la nostra attenzione, iniziare di colpo con due ore di concentrazione è come correre una 10 km il primo giorno. Rensin propone un protocollo di allenamento progressivo: 1
- Partire con 30–45 minuti ogni giorno lavorativo di concentrazione intensa su un problema. 1
- All'inizio di ogni settimana aggiungere altri 5–10 minuti, fino a costruire in pochi mesi la resistenza mentale per concentrarsi 2 ore o più di fila. 1
- Non occorre restare in silenzio monastico: quel tempo può essere usato anche per dibattere col proprio strumento AI sul problema su cui si sta lavorando, purché si arrivi a sentire vera fatica mentale ("un cervello stanco segnala crescita esattamente come un bicipite stanco"). 1
Paradosso di Jevons, giudizio e gusto ("difficile come una collina")
L'idea che l'AI ci farà lavorare solo poche ore al giorno è smentita dalla storia: per il paradosso di Jevons (William Jevons), quando uno strumento rende il lavoro più facile e abbassa il costo dello sforzo non lavoriamo meno, ma finiamo semplicemente per fare molto di più perché il costo di quell'impegno è sceso. 1
Alle preoccupazioni di studenti e colleghi più giovani sul futuro delle proprie carriere (vedi anche Lavoro intellettuale nell'era AI e Pensare in Grande con l'AI), Rensin risponde che i compiti quotidiani cambieranno, ma il valore umano risiede nel giudizio acquisito e applicato con successo: più si sviluppa un buon gusto (taste) nel proprio dominio specifico e più si impara a scalarlo usando le AI come un artigiano (craftsperson), più si sarà richiesti sul mercato — "sarà difficile? Certo, ma sarà difficile come una collina, non come una montagna; quindi inizia a camminare". 1
Il manager operativo: dal singolo agente alla flotta (2026)
L'esperienza pratica raccontata dal canale DevOps & AI Toolkit nella gestione di 45 agenti su tre macchine (vedi Flotta di Agenti) traduce questa tesi nella pratica operativa quotidiana: il lavoro dello sviluppatore è ormai quello di un manager e si riassume in tre compiti — delegare il lavoro, risolvere i conflitti e rimuovere gli ostacoli perché la squadra possa continuare a procedere — sostenuti da un team capace di lavorare in autonomia per la maggior parte del tempo e da un modo per vedere cosa sta facendo quando non ci riesce. 2
- Dalla supervisione alla delega (la scala della fiducia): finché non ci si fida e si approva ogni singolo comando di un agente, l'intera attenzione umana finisce nell'accudimento (babysitting) di un solo elemento e il team non può crescere oltre uno; quando però istruzioni e skill diventano affidabili e dire sì diventa un riflesso, non si tratta più di supervisione ma solo del manager che rallenta gli agenti. 2 Passare in auto mode — lasciando che l'agente operi nel proprio work tree e che la pipeline con test multi-piattaforma, controlli di sicurezza e due bot di review intercetti ciò che sfugge — segna il passaggio dalla supervisione alla delega, riducendo il compito umano a delegare e giudicare il risultato. 2
- Dal compito singolo alle code con dispatcher: un manager che distribuisce un compito alla volta e poi sparisce si ritrova con una squadra che passa gran parte della giornata ferma ad aspettare; per mantenere gli agenti sempre al lavoro su macchine dedicate senza saturarle, la delega passa attraverso agenti dispatcher dentro Agent Deck alimentati da code di 20 issue con slot paralleli fissi (3 sul mini PC, 6 sul server InMotion Cloud), che decidono se assegnare ogni elemento a un singolo agente o a un team multi-ruolo e lanciano il compito successivo appena il precedente termina. 2
- Visibilità e limite dell'attenzione umana: poiché gli agenti scalano molto meglio del loro manager, il primo collo di bottiglia diventa la Visibilità della Flotta (non si può delegare, sbloccare o revisionare ciò che è nascosto in tab separate su macchine diverse, distinguendo chi ha finito e aspetta revisione da chi è fermo in attesa di una risposta). 2 Una volta riunita la vista della flotta in un solo posto, il collo di bottiglia successivo diventa il manager stesso: con una o due settimane di lavoro prodotte in poche ore sotto forma di 18 pull request, ogni merge genera conflitti nelle altre PR che invalidano le approvazioni; per non bloccare il flusso, l'umano smette di rileggere ogni riga (già revisionata da altri agenti) e concentra il proprio giudizio su ciò che conta per gli utenti, come UX e documentazione, mentre resta da colmare l'isolamento tra i dispatcher su macchine diverse (per il ruolo della review rigorosa, del ciclo di apprendimento e del mentoring dei junior nell'era AI, vedi anche Martin Fowler e Slice Sottili e Ciclo di Feedback). 2
Vedi anche: Dave Rensin, Elephant-Goldfish Model, Flotta di Agenti, Visibilità della Flotta, Agent Deck, Tirannia delle Metriche, Legge di Goodhart e Leadership, Programmazione Strategica, Osservabilità e Ruolo del Giardiniere, Design come Nuovo Codice, Lavoro intellettuale nell'era AI, Pensare in Grande con l'AI