Il sentiment generato dall’intelligenza artificiale nelle retrospettive: cosa potrebbe significare per il vostro team

Ogni team che organizza delle retrospettive tiene segretamente traccia delle proprie sensazioni. Ogni mese, alcune decine di appunti indicano cosa ha funzionato, cosa no e cosa occorre cambiare. Nel corso di un anno, ciò si traduce in centinaia di osservazioni sincere su come lavora il team e su come si è evoluto.

Ma in realtà, non tutti li rileggono. Il retro termina, le mosse vengono trascritte e la scacchiera viene archiviata. Gli schemi sono tutti lì, distribuiti su una dozzina di scacchiere. Semplicemente non si trovano in un unico posto dove poterli vedere tutti insieme.

È proprio in questo contesto che l’utilizzo dell’intelligenza artificiale per analizzare il sentiment del team durante le retrospettive può rivelarsi utile. In TeamRetro, l’intelligenza artificiale analizza in modo sicuro ciò che il team scrive in ogni retrospettiva nel corso del tempo e consente a voi e al team di approfondire l’analisi tramite:

• nuvole di parole con approfondimenti
• trAI, l’assistente di chat integrato
• linee di tendenza nella sezione “Insights” del Suo team.

Di seguito illustriamo come si presenta l’analisi del sentiment basata sull’intelligenza artificiale in TeamRetro, utilizzando come esempio uno dei nostri team.

Cosa rileva l’intelligenza artificiale in un’analisi retrospettiva e cosa no

L’intelligenza artificiale di TeamRetro opera sulla base di quanto scritto dal vostro team durante una retrospettiva. Nella sezione “Insights”, essa associa alla discussione un tema, un sentiment e delle parole chiave. I temi sono quelli su cui la retrospettiva torna ripetutamente: dinamiche di gruppo, pianificazione, persone, leadership, processi e ingegneria. I vostri dati sono al sicuro, non vengono utilizzati per addestrare modelli e non sono accessibili a persone che non dispongono delle autorizzazioni necessarie per accedere al vostro team.

L’elemento di output è l’argomento o il tema, non la persona. A nessuno viene assegnato un punteggio relativo all’umore. Non spetta all’IA esprimere un giudizio del genere. L’IA non legge i volti, il tono di voce, i calendari né le conversazioni al di fuori della riunione. Legge solo ciò che le persone hanno scelto di mettere per iscritto nel resoconto retrospettivo, pertanto l’affidabilità del segnale dipende esclusivamente dalla qualità del resoconto retrospettivo che lo ha generato.

L’analisi viene eseguita su AWS Bedrock utilizzando Claude Sonnet 5.x di Anthropic. È attiva per impostazione predefinita e può essere disattivata in qualsiasi momento. I Suoi dati vengono elaborati per un breve periodo e non vengono mai archiviati né utilizzati per addestrare l’IA. TeamRetro non sviluppa né addestra modelli propri. Quando l’IA suggerisce qualcosa su cui il team deve poi agire – ad esempio un riepilogo, un raggruppamento o un’azione – una persona provvede a esaminarlo e a decidere cosa mantenere. Tutti i dettagli, comprese le misure di controllo che monitorano e limitano l’uso dell’IA, sono disponibili nella pagina «Responsible AI».

Non viene effettuata alcuna analisi individuale. Ciò comprometterebbe semplicemente il senso di sicurezza psicologica. Ciò che desideriamo sapere è quali tematiche i team stiano attualmente proponendo per la discussione sulla base degli spunti forniti dalla retrospettiva.

In sintesi, l’intelligenza artificiale è in grado di indicare quali argomenti vengono sollevati e se questi vengono presentati in chiave più positiva o negativa, sulla base del contesto, dei titoli e del tema della retrospettiva.

Come abbiamo analizzato il sentiment nelle nostre retrospettive

Il nostro team di marketing ha rappresentato un ottimo banco di prova. È composto da quattro a sette persone, è stabile e lavora insieme da alcuni anni. Ultimamente, tuttavia, si è trovato ad affrontare un carico di lavoro maggiore: nuovi progetti, maggiori responsabilità e un flusso costante di nuove funzionalità da supportare. Questo tipo di pressione tende a manifestarsi durante una retrospettiva prima ancora che in qualsiasi altro contesto.

Abbiamo quindi seguito un unico filo conduttore, partendo da un dato storico e analizzandolo da cinque diverse prospettive, ciascuna delle quali rappresentava un modo diverso di interpretare lo stesso dato storico: trAI durante la riunione, la nuvola di parole e il grafico delle tendenze di sentiment in Insights, la cronologia del team stessa tramite Claude su MCP e, infine, le azioni intraprese dal team al riguardo.

I dati riguardano 11 retrospettive mensili e 436 punti emersi dalle retrospettive; abbiamo verificato ogni risultato confrontandolo con quanto effettivamente scritto dal team. I nomi e i commenti individuali rimangono riservati, pertanto quanto segue è un riepilogo aggregato. Si tratta di un team di piccole dimensioni, pertanto la si consideri come un esempio pratico e non come un punto di riferimento.

Prospettiva 1: durante la riunione, con trAI

Ogni mese modifichiamo il nostro formato retrospettivo per approfondire un tema diverso. A luglio, ad esempio, abbiamo incentrato il tutto su successi, sfide, insegnamenti e prossimi passi:

Durante la nostra ultima retrospettiva, anziché affidarci alla memoria, abbiamo chiesto a trAI di ripercorrere le due retrospettive precedenti:

Ha esaminato entrambi i documenti, ne ha individuato i punti critici principali e li ha classificati in base ai voti del team. Due di essi erano emersi sia a luglio che ad agosto: le lacune nel modo in cui diamo seguito alle questioni e la questione relativa a chi si occupi dei flussi di lavoro dei nostri agenti di intelligenza artificiale. Vedendoli affiancati, li abbiamo inseriti immediatamente nell’ordine del giorno di quella riunione retrospettiva.

Tuttavia, due casi retrospettivi non costituiscono una tendenza. Si è trattato di un episodio isolato o di qualcosa di più significativo?

Vista 2: la nuvola di parole in Team Insights

Pertanto, al termine della riunione, abbiamo fatto un passo indietro e abbiamo aperto la nuvola di parole in Team Insights relativa all’ultimo trimestre.

Organizzata per tema, la nuvola di parole assegna a ciascun termine una dimensione proporzionale alla frequenza con cui è apparso e un colore in base al sentiment. La nostra nuvola relativa a “Cerimonie e riunioni” era prevalentemente grande e verde, con termini quali “Cadenza delle riunioni”, “Riunioni di marketing”, “Standup” e “Retrospettive” tutti in evidenza, segno che il team attribuisce grande importanza ai propri rituali.

Due termini minori risultavano tuttavia in rosso: Pianificazione delle riunioni e Chiarezza nella comunicazione.

Un’analisi più approfondita ha messo in luce conflitti di calendario e una certa incertezza su come gestire la bacheca Kanban del team, dalla classificazione delle schede alla verifica della loro completezza.

Pertanto, i rituali del team erano validi, ma la pianificazione e la comunicazione relative a essi necessitavano di miglioramenti. Per capire se ciò facesse parte di un cambiamento più ampio, era necessario adottare una prospettiva a più lungo termine.

Vista 3: il grafico dell’andamento del sentiment del team

Ciò significava allargare la prospettiva all’intero anno. Il grafico delle tendenze in Insights traccia l’andamento del sentiment nel tempo, affiancato da una sintesi dei temi principali redatta dall’intelligenza artificiale.

Abbiamo utilizzato la visualizzazione dettagliata, che mostra ogni tipo di sentiment come percentuale del totale delle risposte: verde per il positivo, grigio per il neutro, rosso per il negativo. Passando il cursore su un punto si visualizza la ripartizione relativa all’ultima retrospettiva nota, e il mese di agosto ha attirato la nostra attenzione:

]

Ad agosto, i nostri dati retrospettivi erano diventati sensibilmente più negativi. Le risposte negative erano passate da meno del 7% all’inizio dell’anno al 31%.

Sembra allarmante, ma un grafico più rosso non è automaticamente una cattiva notizia; a volte significa che una squadra sta finalmente ammettendo ciò che deve cambiare. Ciò che il grafico non è riuscito a dirci è il motivo.

Il riassunto generato dall’intelligenza artificiale: dove abbiamo cercato per primo

Proprio sotto il grafico, un riassunto redatto dall’intelligenza artificiale sintetizza in un unico paragrafo tutto ciò che il team ha scritto nel corso del periodo. Il nostro riassunto era ottimista riguardo al quadro generale, affermando che gli strumenti di intelligenza artificiale “generano un forte slancio positivo”. Inoltre, indicava tre aspetti che il team continuava a sottolineare:

• “Il sovraccarico di riunioni e le sovrapposizioni di orari creano attrito”
• “I processi di follow-up e la chiarezza nella comunicazione sono stati segnalati come punti critici”
• “La chiarezza in merito alla titolarità e ai ruoli genera tensioni, in particolare per quanto riguarda la responsabilità e le decisioni relative alla supervisione dell’intelligenza artificiale”

Eccoli di nuovo: le lacune nel follow-up e le sviste nell’IA segnalate da trAI, oltre alle tensioni emerse durante le riunioni evidenziate dalla nuvola di parole. Nessuno ha dovuto rileggere un anno di post-it per individuarle. Utilizzate il riepilogo per sapere dove cercare; utilizzate i temi per verificare.

Analisi per tema: verifica del riepilogo

Per verificarlo, abbiamo esaminato le righe sottostanti al riepilogo. Ogni tema ricorrente è rappresentato da una banda: più la banda è spessa, più il team ha scritto su quel tema, mentre il colore ne indica il tono. Prestare attenzione allo spessore prima che al colore. Una fascia rossa spessa indica un aspetto sollevato dall’intero team, spesso nell’ambito di argomenti quali «Cosa non funziona?» o «Cosa non è andato bene?».

Intorno al mese di agosto, tre temi hanno rappresentato la maggior parte delle perdite:

• Frequenza delle riunioni e ottimizzazione: il tema ha assunto sempre maggiore rilevanza nei mesi di giugno e luglio, con una nota di allarme che lo ha caratterizzato.
• Chiarezza e canali di comunicazione hanno continuato a essere un tema centrale fino a metà anno.
• La voce Strumenti di sviluppo e automazione era scritta in grassetto, con il testo sottolineato in rosso, mentre il team cercava di stabilire chi dovesse occuparsi dei flussi di lavoro automatizzati che aveva realizzato.

]

Alla base dell’aumento della cadenza delle riunioni vi è ciò che il team ha effettivamente scritto, come in questo esempio tratto da una singola retrospettiva:

• “Troppe riunioni in un solo giorno: occorre ridurne il numero”
• “Le riunioni operative sono importanti per fare il punto della situazione, ma non è necessario che durino l’intera ora prevista se non è necessario”
• “È possibile inserire delle pause di 5–10 minuti tra una riunione e l’altra?”
• “Riunioni kanban individuali – integratele invece nella riunione settimanale di marketing”

Inquadratura 4: lo specchietto retrovisore, con Claude sopra l’MCP

A quel punto sapevamo già quale fosse l’obiettivo di raccolta fondi del team, ma non da quanto tempo fosse in fase di sviluppo, quindi siamo tornati a esaminare la storia del team stesso.

Abbiamo collegato Claude a TeamRetro tramite MCP, il che gli consente di leggere direttamente i resoconti delle retrospettive (le schede, i voti e le azioni), e gli abbiamo chiesto di risalire all’origine di ciascuna questione nel corso dell’anno.

Ogni tema principale ha avuto un inizio modesto. Il tema “Carico di riunioni” è apparso per la prima volta a febbraio sotto forma di una singola scheda che chiedeva un numero minore di riunioni e, già a giugno, era diventato il gruppo più votato. Anche il “Follow-up e delega” ha avuto un esordio simile, con una singola scheda relativa ai promemoria ripetuti. Quelle prime schede erano semplici righe nella vista dei temi, facili da ignorare scorrendo la pagina, e sono diventate priorità evidenti solo quando il team ha iniziato a votarle e a segnalarle come aspetti da risolvere.

Prospettiva 5: le azioni della squadra (probabilmente la prospettiva più importante)

Individuare lo schema rappresentava solo metà del lavoro. L’altra metà consisteva nel verificare se avessimo intrapreso delle azioni al riguardo. Abbiamo chiesto a Claude quali azioni fossero scaturite da ciascun tema e se fossero state effettivamente messe in atto. La maggior parte lo era stata:

• Riunioni. Il team ha eliminato due riunioni ricorrenti, integrandone gli argomenti nella riunione settimanale di marketing, e ha spostato la revisione dei ticket al pomeriggio per mantenere libere le mattinate. In una retrospettiva successiva è stato osservato: «Le riunioni in piedi sono migliorate e la rapida condivisione degli obiettivi giornalieri ha contribuito a rispettare i tempi.» Il prossimo passo è tutelare il tempo dedicato alla concentrazione; a tal fine, è ora in corso l’implementazione di un sistema condiviso di prenotazione delle fasce orarie dedicate alla concentrazione.
• Follow-up. Il team ha modificato la retrospettiva stessa, aggiungendo una colonna iniziale in cui si chiede: “Su quali aspetti avete riflettuto, apportato modifiche e miglioramenti rispetto all’ultima retrospettiva?”, in modo che il follow-up venga verificato direttamente durante la riunione.
• Flussi di lavoro basati sull’intelligenza artificiale. Il team ha organizzato sessioni di condivisione dei prompt, ha coinvolto un numero maggiore di persone nell’utilizzo degli stessi strumenti di intelligenza artificiale e ha istituito una sessione mensile per illustrare il funzionamento dei flussi di lavoro di ciascuno.

Alcuni di questi sono stati completati rapidamente; altri sono ancora in corso. Ciò ci ha riportato al punto di partenza: il retro. Le attività ancora in sospeso, come la tutela del tempo dedicato alla concentrazione, vengono riportate alla fase successiva, e il grafico indicherà se il rosso passerà alla prossima area da migliorare.

Le lezioni che abbiamo imparato lungo il percorso

Un grafico neutro può trarre in inganno

Intorno ad aprile, il nostro grafico è diventato quasi interamente grigio, con l’84% delle risposte neutre. Sembrava che il team avesse perso slancio.

]

Non era così. La riunione retrospettiva di quel mese era stata strutturata come un ordine del giorno, con argomenti denominati “Da discutere”, “In corso” e “Discusso”, oltre a brevi voci quali “Presentazione R&S”. Gli aggiornamenti sullo stato di avanzamento non rivelano le sensazioni dei partecipanti, pertanto il grafico offriva ben poco da leggere.

Solo un atteggiamento positivo può garantire il successo di una squadra o, al contrario, renderla disfunzionale

Se il clima all’interno del Suo team è sempre e solo positivo, ciò potrebbe significare che le persone non si sentono libere di esprimere ciò che pensano realmente. Oppure il team potrebbe stare ottenendo risultati così positivi da non dover affrontare molte sfide, e sarebbe quindi il momento di rivedere la frequenza o lo scopo delle riunioni, oppure di provare un formato diverso. In ogni caso, spetta allo Scrum Master decidere come procedere.

Un sentimento negativo in una retrospettiva non è sempre un segnale negativo

Il sentimento suscitato da un singolo momento retrò è per lo più rumore di fondo. Uno sprint, un lancio, una fuga sono sufficienti a caratterizzare un intero pomeriggio. È lo schema che conta, e il nostro ha mostrato una squadra alla quale è stato chiesto cosa dovesse cambiare, che ha risposto in modo preciso e ha agito di conseguenza.

Nessuno degli strumenti ha deciso questo al posto nostro. È stato il team a stabilire il significato e come agire di conseguenza, in quella stanza, insieme alle persone che hanno scritto il testo. Il ruolo dell’intelligenza artificiale è stato quello di offrire suggerimenti e spunti, nonché di evidenziare le tendenze.

Come utilizzare l’analisi del sentiment basata sull’intelligenza artificiale nelle vostre retrospettive

1. Consideratelo uno spunto di riflessione, non un giudizio definitivo. Avviate la prossima retrospettiva sul tema per cui la linea ha subito una variazione: «Sono ormai tre retrospettive consecutive in cui si sono verificati incontri. Cosa potrebbe essere d’aiuto?»
2. Osservate innanzitutto le linee in movimento. Un tema che sta assumendo una connotazione negativa e che viene sollevato con maggiore frequenza è proprio quello che caratterizzerà il prossimo periodo di retrogradazione, indipendentemente dal fatto che lo abbiate previsto o meno.
3. Limitatevi al livello di squadra. Le opinioni riguardano argomenti e temi specifici. Non cercate di risalire a chi ha scritto cosa; le impostazioni di anonimato della retrospettiva sono state previste proprio per consentire alle persone di esprimersi con sincerità.
4. Abbinatelo ai vostri controlli di stato. Un controllo di stato chiede al team di esprimere, su una scala, come si sente rispetto a determinati aspetti da voi scelti in anticipo. L’analisi del sentiment rileva ciò che il team ha scelto di sollevare. Quando i due risultati coincidono, si individua uno schema. Quando invece non coincidono, avete individuato l’argomento da trattare nella vostra prossima retrospettiva.
5. Non sostituite la rubrica “Retro” con la classifica. Eliminate la rubrica “Retro”, oppure pubblicatela in modo tale che nessuno possa esprimere la propria opinione, e la classifica resterà in silenzio proprio nel momento in cui la squadra avrebbe più cose da dire.

Domande che vale la pena porre. Questi sono gli spunti che abbiamo utilizzato, oppure quelli per cui gli strumenti sono stati progettati:

• “Quali domande sono state poste durante le nostre ultime due retrospettive e quali preoccupazioni sono emerse?” (trAI)
• “Quali preoccupazioni si sono manifestate come piccoli segnali prima di diventare temi di grande rilevanza?” (Claude o un altro assistente tramite MCP)
• “Quali azioni sono state intraprese sulla base dei riscontri relativi alla nostra riunione, e sono state portate a termine?” (tramite MCP)
• “Riassumete la nostra ultima retrospettiva.” (trAI o tramite MCP)

Introduzione all’analisi del sentiment in TeamRetro

Apra Insights per qualsiasi team che abbia già condotto alcune retrospettive su TeamRetro e osservi innanzitutto il grafico che illustra l’andamento del tema e del sentiment. L’articolo del Centro assistenza dedicato al sentiment per argomento illustra le cinque opzioni disponibili per l’etichetta di un argomento e spiega come l’intelligenza artificiale sia in grado di analizzare i commenti. Se il vostro team non utilizza ancora TeamRetro, avviate una prova gratuita, conducete tre retrospettive e osservate cosa indica la linea di tendenza riguardo alla quarta.

Domande frequenti

Cosa analizza effettivamente l’analisi del sentiment basata sull’intelligenza artificiale in un’analisi retrospettiva?

L’analisi del sentiment basata sull’intelligenza artificiale in una sessione retrospettiva analizza ciò che il vostro team scrive durante la riunione. In TeamRetro Insights, l’intelligenza artificiale associa alla discussione un tema, un sentiment e delle parole chiave, mentre il grafico di tendenza mostra il sentiment positivo, neutro e negativo per ciascun tema ricorrente nel corso del tempo, con nuvole di parole, esempi reali e un riassunto redatto dall’intelligenza artificiale a corredo.

È possibile individuare chi ha scritto un commento negativo?

Il sentiment viene attribuito ad argomenti e temi, non alle persone; pertanto non esiste un punteggio relativo all’umore individuale. La presenza o meno di nomi nei commenti dipende dall’impostazione di anonimato che avete scelto per la retrospettiva, la quale rimane sotto il vostro controllo.

Quali piani di TeamRetro includono l’analisi del sentiment tramite intelligenza artificiale?

Le analisi relative al sentiment e agli argomenti a livello di team sono incluse in tutti i piani, da un singolo team fino a una grande organizzazione. Le analisi e i report trasversali ai team, che mettono a confronto il sentiment tra più team all’interno di un unico account, fanno parte del piano Enterprise.

I nostri dati retrospettivi vengono utilizzati per addestrare l’intelligenza artificiale?

No. L’analisi viene eseguita tramite AWS Bedrock, è attiva per impostazione predefinita e può essere disattivata in qualsiasi momento. I dati vengono elaborati per un breve periodo e non vengono mai archiviati né utilizzati per addestrare l’IA; inoltre, TeamRetro non sviluppa né addestra modelli propri.