Dal caos al flusso: note a margine della presentazione di un libro

Il 7 maggio scorso, con Paolo Cavicchioli e con Leonarda Vanicelli che ha moderato la conversazione, abbiamo presentato Dal caos al flusso alla Cascina Sant’Alberto di Milano. Quello che segue non è un resoconto dell’evento, ma un tentativo di mettere a fuoco alcune idee che la conversazione ha fatto emergere – idee che, in parte, non avevo articolato così chiaramente nemmeno nel libro.

Come nasce un libro che non pensavo nemmeno di scrivere

Il libro non nasce da un piano editoriale. Nasce da un blog: una serie di risposte scritte a problemi reali, con un filo narrativo implicito ma non evidente. Quando mi si è presentata l’occasione di utilizzare i contenuti del blog per guidare un’implementazione end-to-end del metodo Kanban in un contesto aziendale articolato, ho cercato una referenza sistematica da dare alle persone coinvolte. Quello che era un archivio di articoli è diventato un indice, e quell’indice è diventato un manoscritto.

La versione disponibile oggi comprende una presentazione di David J. Anderson, che ha visto nel libro un testo scritto a partire dall’esperienza diretta, con spunti pragmatici e attuabili.

Doxee: una fabbrica dell’immateriale

Uno dei casi di studio del libro – e quello centrale della conversazione del 7 maggio – è Doxee, azienda multinazionale con base a Modena che trasforma dati grezzi in documenti dinamici su volumi che Paolo Cavicchioli, suo CEO, ha quantificato in circa 9 miliardi di documenti l’anno. Un numero che, detto così, rischia di scivolare via. Vale la pena fermarcisi un momento: significa che il problema della variabilità, dei picchi di domanda, della sincronizzazione tra reparti con logiche diverse non è un problema marginale. È il problema centrale dell’organizzazione.

Doxee lavora su tre linee: tecnologia proprietaria, prodotti SaaS, e gestione di progetti su commessa. Quest’ultima era storicamente la parte più esposta alle inefficienze sistemiche, con il team di delivery compresso tra una forza commerciale che vende e una tecnologia che evolve, spesso senza che le due cose possano allinearsi con sufficiente anticipo. È in questo contesto che ciò che solo successivamente è stato inquadrato come metodo Kanban ha trovato un terreno non banale su cui misurarsi.

Oggi il team di delivery dialoga con gli altri reparti con pari dignità e gode del “privilegio” di poter affermare con autorevolezza quando qualcosa non è possibile, basandosi su dati oggettivi.

Il problema non era il metodo

Una delle cose che ho raccontato durante la presentazione, e che ribadisco sempre, è che ciò che è stato introdotto in Doxee non lo è stato perché qualcuno aveva letto un libro e voleva provare. È stato introdotto perché il team di delivery stava pagando un costo reale – in ore extra, in turnover, in qualità degradata. Vale anche la pena ricordare che quella implementazione è avvenuta prima che il metodo Kanban venisse codificato formalmente a livello internazionale: era, in senso proprio, un proto-Kanban, una risposta empirica a un problema reale che solo in seguito ha trovato corrispondenza in un metodo. Non è stato calato dall’alto su un’organizzazione. È cresciuto insieme a essa.

E lo strumento decisivo è stato un report all’interno del quale avevo inserito quella che avevo definito, un po’ provocatoriamente, “tolleranza di Marco Re”: una contingency del 15% nella pianificazione, con il mio nome esplicito come referente in caso di critiche. L’idea era semplice: fare da scudo al team mentre si stabilizzava il nuovo regime. Ma l’effetto non era scontato. Funziona solo se chi fa da scudo riesce ad avere credibilità sufficiente da rendere il gesto credibile, e se il team percepisce che lo scudo è reale e non simbolico.

La prevedibilità delle consegne, che nella fase iniziale era molto bassa, ha progressivamente raggiunto valori superiori al 90% dopo la piena implementazione del sistema. Non è un risultato che si ottiene facilmente: richiede disciplina nel limitare il lavoro in corso, l’abitudine di pianificare la capacità in anticipo di settimane, e soprattutto la volontà e il coraggio di dire di no quando la domanda supera la capacità disponibile.

WIP limits, capacità, traffico cognitivo

Tre strumenti hanno fatto la differenza pratica.

Il primo sono stati i limiti al lavoro in corso. Ho usato durante la presentazione l’analogia delle autostrade svizzere, che regolano l’accesso al traffico per evitare gli ingorghi: meno veicoli in ingresso significa velocità più sostenuta per chi è già in carreggiata, maggiore numero di veicoli a destinazione per unità di tempo. Lo stesso principio vale per i team: ridurre il numero di attività in corso aumenta la quantità di attività completate.

Il secondo è stato il capacity planning su orizzonte lungo – fino a dodici mesi – con slot di disponibilità aggiornati regolarmente. La conversazione tra chi vende e chi produce cambia registro quando entrambe le parti guardano lo stesso dato.

Il terzo è stato la strutturazione delle riunioni come momenti di sincronizzazione deliberata, non di escalation improvvisata. Bloccare la pianificazione per periodi di quindici giorni – nessuna nuova priorità inserita senza accordo esplicito e una solida ragione per farlo – ha ridotto il traffico cognitivo asincrono che logora i team più di qualsiasi carico di lavoro.

Un elemento trasversale a tutti e tre è il passaggio dalle stime analitiche al forecast statistico. Invece di cercare di stimare analiticamente ogni attività – esercizio costoso e spesso illusorio nel software – si identificano pattern ricorrenti nel lavoro e si usano distribuzioni storiche per prevedere i tempi. Non è una rinuncia alla precisione: è una forma di precisione più onesta, che riconosce la variabilità invece di ignorarla.

T-shape e contaminazione disciplinare

Paolo Cavicchioli ha portato all’evento una riflessione che merita di essere riportata, perché tocca un tema più ampio della gestione di progetto. La sua esperienza in Doxee con i cosiddetti profili T-shape – persone con una competenza verticale profonda e una capacità orizzontale di collaborare con discipline diverse dalla propria – lo ha convinto che la contaminazione tra culture diverse non è un esercizio di inclusività aziendale, ma un vantaggio competitivo concreto.

L’esempio che ha citato è quello di un laureato in storia, diventato un elemento chiave del team tecnico proprio per la capacità di costruire metafore comprensibili, di semplificare senza banalizzare, di tenere presente la prospettiva dell’utente finale in un contesto dominato da logiche ingegneristiche. Lo stesso ragionamento vale per la gestione di team internazionali: le differenze culturali tra contesti lavorativi italiani, tedeschi e austriaci non si governano ignorandole, ma riconoscendone le logiche e trovando un terreno comune su cui il flusso possa continuare a scorrere.

Nel tempo, Doxee è diventata anche un luogo dove i giovani talenti crescono, sviluppano competenze, e in alcuni casi maturano abbastanza da avviare percorsi imprenditoriali autonomi. È un indicatore di salute organizzativa che non compare in nessun report, ma che dice qualcosa di preciso sulla qualità dell’ambiente di lavoro che si è costruito.

Una nota finale sul miglioramento continuo

C’è un rischio che ho imparato a riconoscere nel tempo e che nel libro chiamo “plateau della presunta eccellenza”: la tendenza delle organizzazioni a fermarsi non appena i risultati diventano accettabili. I miglioramenti iniziali sono spesso rapidi e visibili, il che può essere paradossalmente un problema, perché crea l’illusione che il sistema sia “a posto”.

Il caso Doxee lo conferma: il miglioramento continuo non è uno stato che si raggiunge. È un’abitudine, e come tutte le abitudini, si coltiva con costanza o si perde per inerzia. La differenza tra le organizzazioni che sostengono i risultati nel tempo e quelle che dopo un po’ regrediscono non sta nella qualità degli strumenti adottati, ma nella capacità di continuare a fare domande scomode anche quando le cose vanno bene. È più facile interrogarsi sui propri processi in una fase di crisi che in una fase di successo. Eppure è proprio nel successo che si creano le condizioni per la crisi successiva, se si smette di interrogarsi.

Controllare la prevedibilità e la qualità per migliorare i risultati aziendali

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.

Ho raccontato il medesimo caso di studio in un precedente webinar in italiano che può essere rivisto 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.