Venerdì pomeriggio. L'Audit interno scrive al PMO: serve la tracciabilità dei dati usati nel report di budget presentato al management due settimane prima. Il project manager che ha scritto quel report non ricorda più quali numeri venivano da Excel e quali da una sintesi generata con ChatGPT. Non è la prima volta che succede. È la prima volta che qualcuno lo chiede ad alta voce, in una stanza con il suo nome sul documento.
Molti trattano questo tipo di episodio come un problema di sicurezza informatica, da chiudere con un divieto esplicito sull'uso di AI consumer. In realtà è un sintomo di un gap nel processo di progetto: i sistemi ufficiali di reportistica non offrono sintesi rapide e tracciabili sui propri dati, e i PM cercano scorciatoie quando la pressione del management sale.
Il problema non è ChatGPT, è la velocità che i sistemi ufficiali non garantiscono
Il fenomeno non è marginale né isolato a qualche team indisciplinato. Secondo uno studio BlackFog citato da Forbes, il 49% dei lavoratori usa strumenti AI in modi non approvati dal proprio datore di lavoro (Forbes, 30 aprile 2026). Il dato non riguarda solo reparti IT o marketing: riguarda chiunque debba sintetizzare informazioni sotto scadenza stretta, PM inclusi.
Il rischio concreto è la condivisione di dati riservati fuori da qualsiasi controllo. Il Cloud Security Alliance riporta che il 38% dei dipendenti condivide informazioni sensibili con AI non approvate, su un campione di 7000 persone raccolto da CybSafe e National Cybersecurity Alliance (CSA, 4 marzo 2025). Quando tra quei dati ci sono cifre di budget o valutazioni di rischio di progetto, l'esposizione non è più teorica: diventa una domanda a cui rispondere in audit.
Perché il divieto secco sposta il problema invece di chiuderlo
Il divieto sembra la risposta più rapida: si blocca l'accesso a ChatGPT dalla rete aziendale e si dichiara il problema chiuso. Ma il bisogno che ha spinto il PM verso quello strumento resta lì, intatto, e la scadenza del report non si sposta. Secondo il McKinsey Global AI Survey 2025, l'88% delle organizzazioni usa già AI in almeno una funzione, contro il 78% dell'anno precedente (Silicon Canals, 21 giugno 2026). Solo il 6% di queste organizzazioni riesce a tradurre quell'uso in un impatto misurabile sull'EBIT: il resto naviga tra pilota e utilizzo informale, senza un processo che assorba la domanda di sintesi rapida.
Qui si nasconde lo spostamento controintuitivo: bloccare ChatGPT sul laptop aziendale non elimina il comportamento, lo sposta su un canale meno visibile. Il PM userà il telefono personale, un browser in incognito, un account privato non collegato all'identità aziendale. Il fenomeno non diventa più raro, diventa più difficile da rilevare, ed è esattamente l'opposto di quello che un PMO responsabile di audit trail dovrebbe ottenere.
Simulazione — non un caso reale — Scenario simulato
Un PM riceve dal management la richiesta di uno status report urgente su un progetto R&D in ritardo. Ha dieci minuti prima della call, non un'ora per rileggere tre settimane di aggiornamenti Slack. Incolla i messaggi del team e alcune cifre di budget in ChatGPT, chiede una sintesi in punti, la incolla nel documento e la manda. Il report convince il management: chiaro, sintetico, con numeri che tornano. Tre settimane dopo, in una revisione interna, qualcuno chiede da quali dati grezzi provenisse quella sintesi. Il PM non riesce a ricostruirlo con certezza, e nessuno può verificare se le cifre di budget riportate corrispondano ancora ai dati aggiornati del sistema ufficiale.
Trade-off
- Beneficio: Riduce nell'immediato la superficie di rischio visibile: meno dati sensibili incollati in chat non tracciate dall'IT aziendale.
- Costo: Non riduce il tempo di pressione sul PM: la richiesta di sintesi rapida da parte del management resta, e qualcuno dovrà comunque produrla in tempi stretti.
- Rischio: L'uso si sposta su canali privati e meno visibili, come telefoni personali o browser in incognito, rendendo il fenomeno più difficile da rilevare per il PMO.
- Prerequisito: Perché un divieto funzioni davvero, serve un sistema alternativo che offra sintesi altrettanto rapide, ma ancorate a dati tracciabili e verificabili in audit.
- Limite: Senza quel sistema alternativo, il divieto resta una misura di facciata: risolve l'esposizione formale del PMO, non il gap di processo che genera il comportamento.
Il mio punto di vista
Ho visto PMO reagire allo shadow AI con la stessa logica usata per un antivirus: bloccare, notificare, chiudere il ticket. Non funziona, perché il comportamento nasce da una pressione reale, non da negligenza. Se il sistema ufficiale non produce una sintesi leggibile in dieci minuti, qualcuno la cercherà altrove, con o senza policy. La domanda giusta non è "come lo vietiamo", ma "dove nel nostro processo la sintesi rapida dovrebbe già esistere, tracciata, e perché non c'è".
- Mappa dove i PM già usano AI consumer oggi: senza questo dato, la policy si scrive su un problema immaginato, non su quello reale — il costo è tempo di analisi, il rischio è policy scollegata dai comportamenti effettivi.
- Chiedi al team quali dati vengono incollati più spesso (Slack, budget, rischi): capirlo riduce l'esposizione, ma richiede un'ammissione onesta che alcuni PM potrebbero evitare per timore di conseguenze.
- Verifica se esiste già un canale interno per sintesi rapide su dati di progetto tracciati: se non esiste, il divieto puro sposterà l'uso su canali privati invece di eliminarlo.
- Definisci quali categorie di dati non devono mai uscire da sistemi tracciati (budget, valutazioni di rischio, dati cliente): questo limita l'esposizione, ma non risolve il bisogno di velocità che resta scoperto.
- Testa un'alternativa governata su un progetto pilota prima di estenderla: costa tempo di adozione e un minimo di resistenza al cambiamento, ma permette di misurare se riduce davvero l'uso di canali non tracciati.
Domande frequenti
Vietare ChatGPT nei team di progetto è comunque una misura sbagliata?
No, ma è insufficiente da sola. Riduce l'esposizione visibile nel breve periodo, come mostra il trade-off descritto sopra, ma senza un'alternativa governata il bisogno di sintesi rapida resta e si sposta su canali meno controllabili.
Come si stabilisce se il fenomeno è già presente nel proprio team?
Il dato Forbes-BlackFog (49% dei lavoratori, 30 aprile 2026) e quello CSA-CybSafe (38% condivide dati sensibili, 4 marzo 2025) suggeriscono che è più probabile presumere una diffusione già in corso che l'assenza totale del fenomeno. Una mappatura interna, anche informale, resta il modo più diretto per verificarlo nel proprio contesto.
Un layer AI interno al sistema di progetto elimina il rischio di audit trail incompleto?
Riduce il rischio se ancora i dati sorgente a calcoli deterministici già tracciati, come EVM o budget, invece di generare numeri nuovi. Non lo elimina del tutto: resta comunque necessario definire chi verifica le sintesi prodotte e con quale frequenza.
Il punto non è se i PM useranno AI generativa per sintetizzare dati di progetto: la useranno comunque, con o senza policy. Il punto è se quella sintesi nascerà dentro un processo tracciabile, ancorato a dati verificabili, o fuori da esso, in una chat che nessuno potrà ricostruire in audit.
Prima di scrivere una policy o cambiare strumento, confronta come il tuo team produce oggi le sintesi di status report e budget rispetto a un processo che collega l'AI direttamente ai dati tracciati di progetto. Guarda un caso d'uso concreto di ControlRoom per capire dove si colloca il tuo processo attuale.