Lo scorso 23 luglio ho tenuto un webinar, all’interno della nuova serie dedicata ai Kanban Basics, frutto di una collaborazione con Kanban+ e Kanban University. Ho esplorato come il metodo Kanban possa aiutare le organizzazioni a migliorare la prevedibilità e la qualità dei loro servizi, portando a migliori risultati di business. Ho cercato di portare nel webinar consigli pratici e approfondimenti basati sull’esperienza reale.
Qui di seguito riporto una sintesi in italiano dei contenuti, mentre è possibile rivedere la registrazione del webinar in inglese cliccando sull’immagine qui sotto.

La sfida della prevedibilità operativa
Molte organizzazioni, pur utilizzando pratiche e framework consolidati (come per esempio best practice ITSM), faticano a rispondere a domande fondamentali come “quanto tempo ci vuole per fare le cose?” o “cosa promettiamo ai nostri clienti?”. Questa difficoltà rivela una consapevolezza ridotta del rischio operativo, che può essere definito come il rischio che eventi interni o esterni possano causare un allungamento dei tempi di completamento del lavoro rispetto alle attese.
Le risposte comuni a queste domande sono spesso un numero singolo o un punto di domanda, raramente una metrica basata sulla distribuzione dei tempi. Per affrontare questa indeterminatezza, in Kanban viene introdotto il concetto di lead time, inteso come il tempo che intercorre tra l’inizio (colonna “to-do”) e la fine (colonna “done”) di un elemento di lavoro (un “work item”, cioè un elemento di lavoro richiesto da un cliente), se lo rappresentiamo su una board Kanban di base.
È cruciale capire che il lead time non è un valore singolo, ma una distribuzione di valori che mostra variabilità. La rappresentazione visiva di questa distribuzione (frequenza vs. unità di tempo) rivela che alcuni valori si ripetono più spesso, ma esiste sempre una variazione significativa.
L’insidia dei bias cognitivi nelle previsioni
Quando si chiede quale valore prendere come riferimento per una previsione, le risposte più comuni sono:
• La media: somma dei valori divisa per il numero di valori, che però viene confusa con la mediana.
• La mediana (50° percentile): il valore per cui metà delle volte il lavoro impiega meno tempo e metà delle volte impiega di più. Promettere la mediana implica un rischio del 50% di essere in ritardo, che i clienti solitamente non sono disposti ad accettare.
• La moda: il valore più frequente, ovvero il picco della curva di distribuzione. Tuttavia, nelle distribuzioni tipiche dei lead time, la moda è spesso a sinistra della mediana, il che significa che prometterla comporta un rischio di ritardo ancora maggiore del 50%.
Questi approcci intuitivi sono soggetti a bias cognitivi, portando a stime troppo ottimistiche e a rischi inaccettabili per le previsioni.
La soluzione di Kanban: rischio accettabile e qualità
L’approccio Kanban suggerisce di invertire la prospettiva: partire dalla probabilità di essere in ritardo che i clienti sono disposti ad accettare. Questo spesso mette in discussione la base su cui sono stati definiti gli attuali Service Level Agreements (SLA), che potrebbero essere stati stabiliti senza un’adeguata misurazione storica.
Una buona misura per la prevedibilità è l’85° percentile, che implica un rischio del 15% di essere in ritardo (una volta su sette). Questo è generalmente considerato un rischio accettabile per i servizi. Tuttavia, per servizi critici con implicazioni legali o di business, potrebbe essere necessario optare per percentili più alti, come il 95°, per ridurre ulteriormente il rischio (ad esempio, al 5%).
Il metodo Kanban offre una soluzione per aumentare la prevedibilità e, di conseguenza, migliorare la qualità del servizio. La qualità, infatti, è un “bonus” della prevedibilità: un sistema prevedibile consente una maggiore concentrazione e affidabilità, fattori che nel tempo porteranno a un miglioramento della qualità.
Gestire le code grasse (fat tail) di distribuzione
L’85° percentile potrebbe però non fornire un valore sufficientemente affidabile da utilizzare a scopo previsionale. Un problema comune nelle distribuzioni dei lead time infatti è la presenza di una coda grassa (fat tail), ovvero una porzione estesa a destra del grafico che indica che, se si è in ritardo, il ritardo può essere estremamente lungo (ad esempio, decine di giorni oltre il previsto). Tali ritardi, anche se rari, minano rapidamente la fiducia del cliente.
Per affrontare questo, Kanban promuove come prima cosa il taglio della coda (trimming the tail) per ottenere una distribuzione con una coda sottile (thin tail). Questo si ottiene in due modi:
1. Analisi delle occorrenze individuali: Le lunghe code sono spesso composte da pochi valori anomali. Analizzare questi casi specifici permette di comprendere le cause radice dei ritardi estremi e di affrontare i problemi sottostanti, riducendo la probabilità che si ripetano.
2. Limiti al lavoro in corso (WIP Limits): Una delle pratiche fondamentali di Kanban è limitare la quantità di lavoro in corso. Questo costringe il team a concentrarsi su pochi elementi di lavoro alla volta, promuovendo il completamento piuttosto che l’avvio di nuove attività. È un concetto controintuitivo: limitare la capacità fa sì che si vada più veloci e si completino più cose (aumentando il throughput, ovvero il tasso di consegna). Si riduce il “context switching” e si migliora la qualità complessiva.
Un esempio di successo reale: HR Onboarding
Ho condiviso un caso reale di successo con un processo di onboarding HR. Inizialmente, il processo era totalmente inaffidabile, con tempi di completamento che variavano da 1 a 96 giorni. Attraverso l’applicazione delle pratiche Kanban (senza nemmeno implementare una nuova board, ma utilizzando il sistema di workflow esistente), l’azienda ha raggiunto un livello di prevedibilità del 97% di onboarding completati entro 6 giorni, riducendo il rischio a solo il 3%. Questo è stato cruciale, data la natura critica e le implicazioni legali del servizio di onboarding. Il progetto ha anche portato a standardizzazione, scalabilità e capacità di prevedere i carichi di lavoro futuri, il tutto con un investimento contenuto.
E’ possibile leggere il caso di studio completo in inglese cliccando qui.
Domande e risposte
Durante la sessione di Q&A, sono emersi ulteriori elementi:
• Lead Time vs. Cycle Time: Il lead time è la misura che interessa il cliente (dal momento della richiesta alla consegna finale), mentre il cycle time misura il tempo in cui il lavoro è attivamente in corso (escludendo il tempo di attesa in coda). Spesso, i problemi di efficienza risiedono nella coda piuttosto che nell’esecuzione del lavoro. Concentrarsi sulla distribuzione del tempo in coda e definire classi di servizio basate sul costo del ritardo (cost of delay) può essere molto efficace.
• Kanban vs. overhead di Scrum: Kanban mira a ridurre l’overhead inutile, come il grooming del backlog, che può essere uno spreco di effort. In Kanban, si assegna una classe di servizio e si procede. Le cadenze (riunioni periodiche) in Kanban sono minimizzate per essere pragmatiche e orientate all’azione, pur mantenendo la sincronizzazione del lavoro. A differenza degli sprint di Scrum (che possono essere troppo lunghi o troppo corti), Kanban promuove un flusso continuo e stabile, riducendo lo stress di fine sprint e il “context switching”, portando a un passo sostenibile e a una maggiore efficienza. L’implementazione Kanban è altamente personalizzabile e non prescrittiva, per cui le cadenze possono essere adattate o combinate. È anche possibile applicare principi e pratiche Kanban all’interno di uno sprint Scrum per migliorarne l’efficacia.
Per maggiori informazioni sull’implementazione di Kanban insieme a Scrum potete cliccare qui.
Sintesi
In sintesi, il metodo Kanban offre un percorso pragmatico ed evolutivo per migliorare la prevedibilità e la qualità dei servizi professionali, aiutando le aziende a gestire meglio i rischi e a costruire la fiducia dei clienti attraverso consegne più affidabili.









