Sapere in quanti modi possiamo interagire con l'AI è un buon punto di partenza, ma non basta a ottenere risultati di qualità.

‍
Qualunque sia la modalità di ingaggio che scegliamo, quello che fa la differenza tra un output generico e un deliverable di cui possiamo prenderci la responsabilità sono quattro competenze precise.

‍
Un Consulente collabora bene con l'AI quando padroneggia le quattro competenze che il framework di Anthropic chiama le 4 D:

1. Delegation, per decidere come distribuire il lavoro tra noi e l'AI
2. Description, per comunicare bene cosa vogliamo
3. Discernment, per valutare in modo critico quello che otteniamo
4. Diligence, per prenderci la responsabilità del risultato

Sono le quattro competenze su cui si regge l'AI Fluency, cioè la capacità di interagire con i sistemi di AI in modo efficace, efficiente, sicuro e responsabile.

‍
In questo articolo le vediamo una per una e poi le caliamo, con un esempio per ciascuna, sui task reali di un Business Analyst (raccolta requisiti, user story, testlist dei SIT e matrice RTM) e di un Project Manager (kickoff, matrice RACI, slide di SAL e comunicazione di un ritardo).
‍

Alla fine trovi una piccola griglia di autovalutazione per capire quale delle quattro ti conviene allenare per prima.

‍

Guarda il video

‍
Questo articolo nasce da un video del canale YouTube di Augmented Consultant.
‍

Se preferisci la versione parlata, visita il canale.

1. Cos'è l'AI Fluency e perché non basta scegliere la modalità giusta?

‍
L'AI Fluency è la capacità di interagire con i sistemi di AI in modo efficace, efficiente, sicuro e responsabile, e si regge su quattro competenze interconnesse.

‍
Nella tappa precedente del percorso avevamo visto che l'AI non è soltanto uno strumento: può essere un partner di ragionamento o un collaboratore a cui delegare, e che esistono tre modi di interagire con lei:

1. Automation, in cui definiamo con precisione cosa va fatto e l'AI esegue
2. Augmentation, in cui collaboriamo con l'AI come con un partner di pensiero, in uno scambio in cui entrambi contribuiamo al risultato
3. Agency, in cui configuriamo l'AI perché lavori in autonomia per nostro conto, stabilendo cosa deve sapere e come deve comportarsi invece di darle istruzioni puntuali

‍
Se ti sei perso quel quadro, lo trovi in questo articolo del blog: Automation, Augmentation, Agency, le 3 modalità di utilizzo dell'AI.

‍
Oggi la domanda è un'altra: una volta scelta la modalità corretta per il contesto, quali competenze ci servono per ottenere risultati di qualità e non soltanto output generici?

‍
Perché possiamo usare l'Automation, l'Augmentation o l'Agency, ma dobbiamo anche sapere cosa delegare, come chiederlo, come valutare la risposta e come prenderci la responsabilità del risultato.

‍
Ed è esattamente qui che entra in gioco l'AI Fluency, con le quattro competenze su cui si fonda.

‍
Un'ultima premessa prima di entrare nel merito: le quattro D sono competenze di metodo, di ragionamento e di responsabilità professionale, non competenze tecniche.

‍
In quanto tali si applicano a qualsiasi soluzione di AI stiamo utilizzando, ed è il terreno su cui noi consulenti funzionali siamo già forti.

2. Quali sono le 4 D del framework di AI Fluency?

‍
Le 4 D sono Delegation, Description, Discernment e Diligence: quattro competenze interconnesse per decidere cosa affidare all'AI, come chiederlo, come valutarlo e come assumersene la responsabilità.

a. Delegation

‍
La Delegation è la competenza con cui decidiamo quale parte del lavoro è appropriato fare noi, quale conviene affidare all'AI e quale è meglio fare insieme, e poi come distribuire concretamente il lavoro tra le parti.

‍
Anthropic la scompone in tre aspetti:

• la consapevolezza del problema, cioè avere ben chiari l'obiettivo e la natura del lavoro prima ancora di coinvolgere l'AI
• la consapevolezza della piattaforma, cioè conoscere capacità e limiti dei diversi sistemi
• e la distribuzione del lavoro vera e propria, per sfruttare i punti di forza di ciascuno.

‍
Un punto di attenzione: il presupposto per delegare bene è la competenza di dominio, cioè proprio quello che noi, in quanto consulenti funzionali, portiamo sul progetto.

b. Description

‍
La Description è la capacità di descrivere bene all'AI cosa vogliamo, comunicando in modo da costruire una collaborazione produttiva.

‍
Anche qui ci sono tre livelli:

• la descrizione del prodotto, cioè cosa vogliamo in termini di output, formato, destinatario e stile
• la descrizione del processo, cioè come vogliamo che l'AI affronti la richiesta, per esempio chiedendole di procedere passo passo
• e la descrizione della performance, cioè come vogliamo che si comporti durante lo scambio, se essere sintetica o dettagliata, se assecondarci o mettere in discussione le nostre ipotesi.

c. Discernment

‍
Il Discernment è la capacità di valutare in modo critico tre cose: la qualità di quello che l'AI produce, il modo in cui ci è arrivata e come si comporta durante l'interazione:

• Valutare il prodotto significa controllarne accuratezza, pertinenza e coerenza
• Valutare il processo significa accorgersi se nel ragionamento ci sono errori logici, salti o passaggi inventati
• Valutare la performance significa chiedersi se lo stile della collaborazione è funzionale per noi.

‍
Un punto importante da assimilare: quando lavoriamo con l'AI su un progetto conviene adottare cicli brevi e iterativi che alternano Description e Discernment.

‍
Più affiniamo la descrizione, migliore è l'output; più valutiamo bene l'output, meglio sappiamo correggere la descrizione.

d. Diligence

‍
La Diligence è la competenza con cui ci prendiamo la responsabilità di cosa facciamo con l'AI e di come lo facciamo.

‍
Si declina in tre forme:

• la diligenza nella scelta, cioè essere accorti su quali sistemi usiamo e su come ci interagiamo
• la diligenza nella trasparenza, cioè essere onesti sul ruolo che ha avuto l'AI nel nostro lavoro
• e la diligenza nel rilascio, cioè essere accountable per la verifica degli output che produciamo, usiamo o condividiamo.

‍
Per stabilire quali declinazioni applicare occorre fare tailoring, cioè adattare l'approccio a necessità, regole e obiettivi dello specifico contesto.

‍
Contesti diversi, personale, accademico e professionale, e anche organizzazioni diverse, la nostra azienda, il cliente, il singolo progetto, hanno aspettative differenti, che dobbiamo conoscere e rispettare.

3. Come si applicano le 4 D al lavoro del Business Analyst?

‍
Restando sulle attività di progetto di sempre, le quattro competenze guidano il BA dalla raccolta requisiti alla matrice RTM: cosa delegare, come descrivere, cosa verificare, di cosa rispondere.

a. Delegation applicata alla raccolta dei requisiti

‍
Immagina di avere appena svolto un workshop con il cliente: hai la videoregistrazione del meeting e degli appunti grezzi.

‍
Invece di ingaggiare l'AI indistintamente su tutti i task, o invece di non usarla affatto, applichi la competenza di delega per stabilire come distribuire il lavoro di follow-up tra te e l'AI.

‍
Affidi all'AI la sintesi degli appunti e la traduzione in user story, cioè la messa in forma di informazioni che già hai.

‍
Il ragionamento sui requisiti ambigui e sui casi limite che rischiano di restare impliciti è invece un'attività che decidi di fare insieme all'AI, ingaggiandola in modalità Augmentation.

‍
La lettura della stanza e degli stakeholder, il cogliere il non detto, la sensibilità per capire le tensioni tra le funzioni del cliente, resta in carico a te.

b. Description applicata alle user story

‍
Restiamo sullo stesso caso d'uso, la generazione delle user story dopo il workshop, perché la differenza tra un risultato mediocre e un ottimo risultato sta quasi tutta in come descriviamo la richiesta.

‍
A livello di prodotto non diciamo solo "scrivimi le user story", ma specifichiamo il formato desiderato, dando all'AI un esempio del template da utilizzare e i campi che ci servono, come identificativo, priorità e criteri di accettazione.

‍
A livello di processo possiamo chiedere di procedere per gruppi funzionali, una user story alla volta, segnalando dove le informazioni del workshop sono insufficienti.

‍
A livello di performance possiamo chiedere di essere sintetica e, soprattutto, di non aggiungere requisiti non emersi esplicitamente, ma di elencare i punti ambigui dove servirebbe una conferma.

c. Discernment applicato alla testlist dei SIT

‍
Supponiamo di esserci fatti generare dall'AI una prima lista di casi di test a partire da una user story con i suoi criteri di accettazione.

‍
La competenza di discernimento, qui, è non prendere automaticamente quel primo output per buono.

‍
A livello di prodotto verifichiamo se i casi di test coprono davvero tutti i criteri di accettazione o se ne manca qualcuno.

‍
A livello di processo verifichiamo se l'AI ha ragionato su un requisito esistente o se ne ha dato per scontato uno che nessuno ha mai chiesto, cioè se ci sono occorrenze di allucinazione.

‍
A livello di performance ci chiediamo se si sia limitata a produrre casi banali e tutti positivi, o se sta pensando anche ai casi negativi, agli scenari di errore e ai diversi attori del sistema.

‍
È qui che emerge l'esigenza di applicare in tandem Discernment e Description: ogni volta che troviamo una lacuna, un errore o un'imprecisione, torniamo a raffinare la richiesta.

d. Diligence applicata alla matrice RTM

‍
Prendiamo la Matrice di Tracciabilità dei Requisiti, che è un deliverable molto spesso condiviso con il cliente.

‍
La diligenza nella scelta significa fare attenzione a quali strumenti usiamo e a quali dati del cliente ci mettiamo dentro: alcuni dati di requisitazione possono essere informazioni riservate, e tutti i dati del cliente vanno trattati secondo le regole di confidenzialità del progetto.

‍
La diligenza nella trasparenza significa essere chiari con il Project Manager e con il team sul fatto che la bozza di RTM è stata costruita con il supporto dell'AI.

‍
La diligenza nel rilascio significa che prima di consegnare l'RTM la verifichiamo puntualmente e ce ne assumiamo la responsabilità in prima persona.

4. Come si applicano le 4 D al lavoro del Project Manager?

‍
Le stesse quattro competenze guidano il PM dal kickoff al SAL: decidere la ripartizione del lavoro, descrivere bene le richieste, verificare i numeri e firmare le comunicazioni sensibili.

a. Delegation applicata al kickoff di progetto

‍
L'impaginazione delle slide a partire da scope, team, timeline e governance già definiti è un'attività che possiamo affidare all'AI.

‍
La costruzione della narrativa, cioè come strutturare il messaggio per allineare stakeholder con interessi diversi e come anticipare le obiezioni del cliente, è un'attività da fare insieme all'AI, in confronto, in modalità Augmentation.

‍
La gestione politica della relazione con lo sponsor, la sensibilità su chi va coinvolto e come, resta interamente nostra.

b. Description applicata alla matrice RACI

‍
Prendiamo la compilazione della RACI, la matrice che assegna le responsabilità indicando, per ogni attività, chi è Responsible, Accountable, Consulted e Informed.

‍
A livello di prodotto descriviamo il formato della matrice e le regole di assegnazione che vogliamo siano rispettate.

‍
A livello di processo possiamo chiedere all'AI di segnalare attivamente le sovrapposizioni di responsabilità e i buchi di copertura, anziché limitarsi a riempire le caselle.

‍
A livello di performance possiamo chiederle di comportarsi come un revisore di PMO esigente, che mette in discussione le assegnazioni poco chiare invece di darci ragione su tutto.

‍
Nota lo stratagemma: abbiamo chiesto all'AI di agire e di comunicare assumendo un ruolo ben definito, che siamo noi a descrivere.

c. Discernment applicato alle slide di SAL

‍
Immaginiamo le slide di Stato Avanzamento Lavori prodotte in bozza dall'AI a partire dai dati di progetto.

‍
Il discernimento del PM è non fidarsi a scatola chiusa.

‍
Sul prodotto: gli scostamenti rispetto al piano sono calcolati correttamente, i numeri tornano?

‍
Sul processo: l'AI ha applicato bene la regola con cui evidenziamo i rischi che superano una certa soglia, o ha incluso o escluso qualcosa in modo arbitrario?

‍
Sulla performance: la bozza sta addolcendo troppo un ritardo che invece va comunicato con chiarezza?

‍
Anche qui il Discernment va di pari passo con la Description: ogni output verificato con discernimento si può migliorare con un ciclo iterativo di descrizione.

d. Diligence applicata alla comunicazione di un ritardo

‍
Chiudiamo con l'esempio più delicato, comunicare un ritardo durante il SAL.

‍
La diligenza nella scelta riguarda quali strumenti usiamo e quali dati affidiamo a questi strumenti: i dati di avanzamento e gli aspetti contrattuali di un progetto non vanno incollati in un tool qualsiasi, ma trattati secondo le policy di riservatezza del progetto.

‍
La diligenza nella trasparenza riguarda l'onestà interna, con il team e con i nostri referenti di progetto, sul ruolo che ha avuto l'AI nella preparazione della comunicazione.

‍
La diligenza nel rilascio, in questo caso, è dirimente: una comunicazione sensibile come un ritardo la facciamo nostra, la verifichiamo e ce ne assumiamo la responsabilità.

‍
L'AI ci può aiutare a prepararla al meglio, ma la firma e la relazione con il cliente restano in capo a noi.

5. Griglia di autovalutazione: da quale D conviene partire?

‍
Ripensa all'ultima volta che hai usato l'AI su un task di progetto e chiediti, in modo onesto, quale di queste quattro competenze hai messo in campo e quale invece hai saltato del tutto, o magari trascurato.

‍
Spesso siamo già bravi nella Delegation e abbastanza bravi nel Discernment, ma diamo per scontata la Description e siamo sbrigativi sulla Diligence.

‍
Individuare la propria D più debole è il modo più concreto per capire da dove ripartire.

‍
E se la tua è la Description, la tappa successiva del percorso è dedicata proprio a quella, con le sei best practice di prompting di Anthropic applicate ai deliverable dei due ruoli: Prompt Engineering per Business Analyst e Prompt Engineering per Project Manager.

6. Domande frequenti

a. Cosa sono le 4 D dell'AI Fluency?

‍
Sono le quattro competenze su cui si fonda l'AI Fluency nel framework di Anthropic: Delegation, per decidere come distribuire il lavoro tra noi e l'AI, Description, per comunicare bene cosa vogliamo, Discernment, per valutare in modo critico l'output, e Diligence, per assumersi la responsabilità del risultato.

b. Serve saper programmare per applicare le 4 D?

‍
No.

‍
Le quattro D sono competenze di metodo, di ragionamento e di responsabilità professionale, non competenze tecniche, e proprio per questo si applicano a qualsiasi soluzione di AI stiamo utilizzando.

c. Che differenza c'è tra Description e Discernment?

‍
La Description è il modo in cui descriviamo all'AI cosa vogliamo, prima di ottenere l'output.

‍
Il Discernment è la valutazione critica di quello che l'AI ci restituisce.

‍
Lavorano in cicli brevi e iterativi: più affiniamo la descrizione, migliore è l'output, e più valutiamo bene l'output, meglio correggiamo la descrizione.

d. Cos'è il tailoring della Diligence?

‍
È l'adattamento dell'approccio a necessità, regole e obiettivi dello specifico contesto.

‍
Ambiti diversi, personale, accademico e professionale, e organizzazioni diverse, la nostra azienda, il cliente, il singolo progetto, hanno aspettative differenti su quanto dichiarare e quanto verificare, e sta a noi conoscerle e rispettarle.

e. Le 4 D valgono per tutte e tre le modalità di utilizzo dell'AI?

‍
Sì.

‍
Le quattro competenze sono trasversali ad Automation, Augmentation e Agency: sono quello che ci permette di lavorare bene qualunque sia la modalità di ingaggio scelta, ed è per questo che vengono prima della scelta dello strumento.

f. Da quale delle 4 D conviene partire?

‍
Da quella che tendiamo a saltare.

‍
Per molti consulenti la Delegation e il Discernment sono già abbastanza presenti, mentre la Description viene data per scontata e la Diligence è trattata con troppa fretta.

Continua il percorso

‍
Su Augmented Consultant condivido, partendo dal mio lavoro reale, strumenti, demo, e risorse per evolvere la professionalità consulenziale con l'AI, per Consulenti, Business Analyst e Project Manager.

‍
Se è un percorso che ti interessa, iscriviti al canale YouTube di Augmented Consultant per non perdere la prossima tappa.

Fonti

- Rick Dakan, Joseph Feller e Anthropic, AI Fluency: Framework & Foundations (2025), licenza CC BY-NC-SA 4.0. Definizione di AI Fluency e delle 4 competenze (Delegation, Description, Discernment, Diligence) con i rispettivi sotto-aspetti
- Augmented Consultant, Automation, Augmentation, Agency: le 3 modalità di utilizzo dell'AI
- Augmented Consultant, Prompt Engineering per Business Analyst
- Augmented Consultant, Prompt Engineering per Project Manager

‍