I dati di mercato raccontano una storia di espansione. Il mercato globale delle certificazioni Scrum valeva 1,42 miliardi di dollari nel 2024, con un tasso di crescita annuo composito atteso del 18,4% fino al 2033. I servizi di trasformazione agile aziendale sono proiettati a crescere da 41,2 miliardi di dollari nel 2024 a 96,3 miliardi nel 2029. Scrum rimane, secondo il 17° rapporto annuale State of Agile pubblicato da Digital.ai, il framework più adottato a livello di team, con il 63% degli utenti agile che lo dichiara come metodologia primaria. Questi numeri, presi isolatamente, descrivono un settore in salute.
Eppure lo stesso rapporto registra qualcosa di diverso quando si sposta l'osservazione dalla diffusione quantitativa alla qualità dell'adozione: le organizzazioni di dimensioni medie e grandi si dichiarano meno soddisfatte di Scrum rispetto alle piccole, individuano ostacoli sostanziali all'adozione su scala aziendale, e si orientano verso modelli ibridi che combinano più framework. Il divario tra la penetrazione dichiarata di Scrum e la sua efficacia percepita a livello organizzativo è un indicatore che merita attenzione. Un framework che cresce in termini di certificazioni e di ricavi, ma che fatica a dimostrare valore scalabile oltre il team, è un framework che ha costruito un'economia intorno a se stesso più solida della propria capacità trasformativa.
La consulenza agile italiana si inserisce in questo scenario come suo amplificatore fedele. Laddove il modello internazionale ha almeno prodotto una letteratura critica interna, le obiezioni di Ron Jeffries, la categoria di "Dark Scrum", il dibattito aperto da Martin Fowler sull'"Agile Industrial Complex", il discorso agile prevalente in Italia ha importato il prodotto senza importare le sue contraddizioni. Ciò che altrove è diventato oggetto di revisione critica è rimasto qui patrimonio consolidato da vendere, con certificazioni a cadenza mensile e workshop esperienziali in cui si impara ad agire Scrum senza avere gli strumenti per valutarne criticamente i limiti di applicabilità.
Il segnale più recente di questa crisi di pertinenza è il tentativo di riposizionamento verso i temi dell'intelligenza artificiale e, in alcuni casi, dell'epistemologia organizzativa. Il consulente che ieri spiegava la velocity chart oggi annuncia insight sull'intelligenza artificiale generale. Il meccanismo è strutturalmente identico: prendere un corpo di conoscenza radicato in decenni di ricerca seria, semplificarlo fino alla deformazione, e proporlo come soluzione universale con la fiducia che il mercato, abituato a comprare semplicità confezionate, non chieda l'onere della prova.
Questo saggio nasce da quella osservazione, applicata al caso più illustre. L'articolo di Jeff Sutherland del 10 marzo 2026 non è un episodio isolato: rappresenta il modello da cui quel meccanismo discende. Analizzarlo con rigore significa quindi offrire, a chi lo riconosce applicato in scala ridotta nel proprio contesto professionale quotidiano, gli strumenti per nominarlo con precisione.
L'articolo si apre con la seguente dichiarazione: "By February 2, 2026, the long-standing problem of creating Artificial General Intelligence has been solved." Sutherland tratta come fatto accertato, datato con precisione al giorno, ciò che la comunità scientifica internazionale, alla stessa data, non riconosce come tale in nessuna sede verificabile.
La questione epistemica è preliminare a qualsiasi valutazione di contenuto. In filosofia della scienza, il principio enunciato da Carl Sagan, secondo cui affermazioni straordinarie richiedono prove straordinarie, impone che una dichiarazione di questa portata, il superamento di uno dei problemi aperti più dibattuti dell'informatica teorica e delle scienze cognitive, sia accompagnata da riferimenti verificabili: un paper peer-reviewed, una dimostrazione pubblica, un consenso anche solo parziale nella letteratura specialistica. Sutherland non fornisce nulla di tutto ciò. Non indica quale laboratorio, quale pubblicazione, quale benchmark abbia attestato questa "soluzione".
La questione non è marginale. Le definizioni operative di AGI restano oggetto di disputa aperta. François Chollet ha proposto nel 2019 il benchmark ARC, Abstract and Reasoning Corpus, precisamente perché i benchmark tradizionali non misurano la generalizzazione cognitiva autentica, e la proposta stessa è contestata (Chollet, 2019, arXiv:1911.01547). I modelli linguistici di grandi dimensioni, inclusi i più avanzati disponibili nel 2026, dimostrano capacità eccezionali in domini specifici ma continuano a fallire su classi di problemi che richiedono ragionamento analogico situato, comprensione causale robusta, e trasferimento di conoscenza fuori distribuzione. Presentare la risoluzione dell'AGI come un fatto di cronaca, con data precisa e senza fonte, è un errore epistemico di primo ordine. E costruire l'intera argomentazione successiva su questa premessa significa erigere un edificio su fondamenta che non esistono.
L'articolo afferma che il costo della "cognizione esperta" starebbe scendendo "tenfold per year". Il libro Leanpub collegato proietta che i team integrati con Scrum@Scale e AI diventeranno "30 to 100 times more productive by 2030". Queste cifre non sono accompagnate da alcuna fonte, alcuna metodologia di misurazione, alcuna definizione operativa delle variabili in gioco.
Si osservi la struttura retorica di questa scelta. Un numero preciso, in assenza di qualsiasi riferimento, produce nel lettore un effetto di autorità inversamente proporzionale alla sua verificabilità. La precisione numerica funziona come segnale di rigore, anche quando il numero è arbitrario. In letteratura di management, questa tecnica è documentata: Pfeffer e Sutton l'hanno descritta nel loro lavoro sulla diffusione di credenze non fondate nelle organizzazioni (Pfeffer & Sutton, 2006). Citare un numero senza fonte è, sotto il profilo epistemico, più fuorviante che non citarlo affatto, perché genera un'apparenza di rigore che sostituisce la prova invece di anticiparla.
Le conclusioni strutturali più rilevanti dell'articolo derivano dall'osservazione di un solo team, denominato "Agent Security Framework team". Da questa osservazione singola Sutherland ricava un modello di ridisegno universale dei ruoli Scrum: il Product Owner si biforca in "Strategic (Human)" e "Tactical (AI)", lo Scrum Master in "Organizational (Human)" e "Operational (AI)".
Dal punto di vista della metodologia della ricerca, un campione di dimensione uno non consente alcuna inferenza generalizzabile. Questa operazione si chiama, nel lessico della ricerca sociale, overgeneralization da caso aneddotico, ed è una delle fallacie metodologiche più documentate nello studio delle organizzazioni. La letteratura sull'apprendimento organizzativo, da Karl Weick in poi, ha stabilito che la generalizzazione in contesti ad alta complessità richiede triangolazione metodologica, pluralità di casi, controllo delle variabili contestuali, e attenzione alla varianza tra organizzazioni (Weick, 1995). Nessuna di queste condizioni è soddisfatta. Sutherland propone un modello universale sulla base di un'esperienza non replicata, non controllata, non confrontata.
Si noti inoltre che il termine "collectively incoherent", riferito agli agenti AI privi di Sprint Goal, compare tra virgolette nell'articolo come se fosse un termine tecnico consolidato o una citazione. Non viene attribuito ad alcuna fonte. Questa prassi produce l'impressione di un fondamento teorico inesistente.
Sutherland paragona Scrum a una "shaped charge", una carica esplosiva sagomata di derivazione militare, che avrebbe la funzione di focalizzare la potenza dell'AI su un obiettivo preciso. La metafora è evocativa. Non è, tuttavia, un argomento.
Nella retorica classica, l'argomento per similitudine ha valore persuasivo ma non dimostrativo. Il fatto che una metafora sia internamente coerente non prova che la corrispondenza funzionale che essa evoca esista nella realtà. Sutherland non dimostra, attraverso dati o un modello causale verificabile, per quale ragione uno Sprint Goal abbia effettivamente la proprietà di "focalizzare" agenti AI che operano in parallelo su obiettivi multipli. Lo afferma per analogia, e tratta l'analogia come se fosse una spiegazione. Si tratta esattamente del difetto argomentativo, la metafora spacciata per prova, che qualsiasi analisi critica di questo tipo di letteratura manageriale è tenuta a rilevare.
L'articolo pone una partizione netta: "AI Generates Output. Humans Define Intent." Questa dicotomia viene presentata come una legge funzionale, non come un'ipotesi provvisoria.
La partizione è filosoficamente problematica per almeno due ragioni distinte. La prima: la definizione dell'intento umano non è un atto puro e immediato di volontà razionale, ma un processo mediato da strutture cognitive, modelli mentali, vincoli istituzionali, e bias sistematici documentati dalla letteratura sul ragionamento e sulla decisione (Kahneman, 2011; Tversky & Kahneman, 1974). Trattare l'"intent" umano come una variabile pulita e non problematica è una semplificazione che la ricerca sulle organizzazioni non può sostenere. La seconda: i sistemi a ragionamento avanzato disponibili nel 2026 compiono già operazioni che, nella tassonomia di Sutherland, rientrerebbero nell'"intent", ovvero pianificazione, decomposizione di obiettivi, valutazione di percorsi alternativi, generazione di sub-obiettivi. La dicotomia collassa appena viene messa alla prova con gli strumenti concettuali minimi che il problema richiede.
La critica più rilevante a questa visione di Scrum non proviene dai suoi oppositori esterni, ma dai co-firmatari del Manifesto Agile del 2001. Martin Fowler, nel 2018, ha identificato quello che ha chiamato "Agile Industrial Complex", individuando in esso la tendenza sistematica a imporre processi ai team in nome dell'agilità, capovolgendo il primo dei valori fondativi del manifesto stesso: "Individuals and Interactions over Processes and Tools" (Fowler, 2018). Ron Jeffries, co-fondatore di Extreme Programming e co-firmatario del manifesto, ha coniato le categorie di "Dark Scrum" e "Faux Agile" per descrivere le implementazioni che peggiorano la vita dei developer, aumentano la pressione manageriale, riducono l'autonomia, e trasformano un framework pensato per l'auto-organizzazione in un sistema di controllo. Nel 2022, Jeffries ha scritto che, se il declino di Scrum portasse alla rinascita dei valori reali del manifesto, quella caduta non potrebbe arrivare abbastanza presto (Jeffries, 2022).
Queste critiche, formulate dai fondatori del movimento stesso, contraddicono direttamente le tesi di Sutherland. L'articolo, proiettando Scrum come sistema operativo universale dell'era AI, radicalizza esattamente quella tendenza all'espansione indifferenziata che Fowler e Jeffries identificano come la fonte principale della deriva del framework. Sutherland non menziona queste obiezioni, non le discute, non le confuta. Le ignora. Dal punto di vista dell'argomentazione accademica, ignorare le obiezioni rilevanti equivale a non averle superate.
Il titolo dell'articolo afferma che Scrum è "the operating system for the intelligence era". Questa è una petitio principii: la tesi da dimostrare viene assunta come premessa. Nel testo non esiste alcuna argomentazione che sostenga questa affermazione di universalità.
Scrum nacque nel 1993, formalizzato da Sutherland e Ken Schwaber nel 1995, come framework per lo sviluppo software in contesti di complessità media. Il Manifesto Agile del 2001 lo inserì in un ecosistema di valori e principi orientati alla produzione di software. Qualsiasi framework ha condizioni di applicabilità specifiche. David Snowden, con il modello Cynefin, ha fornito strumenti concettuali precisi per distinguere contesti complicati, in cui metodologie strutturate come Scrum possono produrre valore, da contesti complessi o caotici, in cui l'imposizione di un framework rigido introduce attrito invece di ridurlo (Snowden & Boone, 2007). Sutherland non affronta questa questione. Propone Scrum come sistema operativo universale senza discutere le condizioni alle quali questa universalità potrebbe essere giustificata, e senza considerare che nell'era degli agenti AI autonomi, con la moltiplicazione dei contesti operativi e la variabilità estrema dei domini applicativi, la questione della contestualizzazione diventa, se possibile, ancora più urgente.
L'articolo converge verso un unico obiettivo verificabile: la vendita di un libro autopubblicato su Leanpub. Jeff Sutherland è il fondatore di Scrum Inc., che forma e certifica Scrum Master e Product Owner a livello mondiale all'interno di un mercato delle certificazioni Scrum che, come si è detto, valeva 1,42 miliardi di dollari nel 2024. Il suo interesse economico diretto nella perpetuazione e nell'espansione del framework che promuove è documentato e strutturale.
Segnalare questo fatto non costituisce un argomento ad hominem: costituisce l'applicazione del principio metodologico elementare secondo cui l'affidabilità di una fonte si valuta anche in funzione dei suoi incentivi. In assenza di peer review, di validazione indipendente, di dati verificabili da soggetti terzi, e in presenza di un conflitto di interessi esplicito, il peso epistemico delle affermazioni empiriche contenute nell'articolo, le cifre sulla produttività, le generalizzazioni sui ruoli, le previsioni sulle prestazioni dei team, si riduce proporzionalmente.
La struttura argomentativa di questo articolo poggia su tre elementi che non reggono all'esame critico: una premessa fattuale non dimostrata, una generalizzazione metodologicamente ingiustificata da un campione singolo, e un sistema di metafore trattate come spiegazioni causali. Attorno a questi elementi, il testo costruisce un'architettura retorica che simula il rigore della ricerca, con date precise, cifre quantificate e terminologia tecnica, senza produrlo.
Sutherland ha dato un contributo reale e documentabile alla storia del project management: Scrum, nelle condizioni appropriate, in team di dimensioni contenute, su problemi definibili in modo iterativo, in organizzazioni che garantiscono al team autonomia reale, ha dimostrato utilità pratica. Questo contributo, però, rende più grave, non meno grave, la deriva attuale. Chi ha costruito uno strumento con condizioni di applicabilità specifiche e poi lo ha progressivamente trasformato in una promessa universale, aggiornandone il packaging a ogni nuova tecnologia emergente, dal management by velocity all'AI@Scale, senza mai sottoporsi al vaglio metodologico che quella promessa richiederebbe, non sta difendendo un'eredità intellettuale. Sta estraendo valore residuo da essa.
I lettori che riconoscono questo meccanismo applicato in scala ridotta nel proprio contesto professionale quotidiano dispongono ora degli strumenti per nominarlo con precisione. Nominarlo con precisione è il primo atto di una valutazione competente.
L'articolo di Sutherland lo trovate su Linkedin
Di seguito i riferimenti che ho usato come "solida base" per la mia argomentazione:
Chollet, F. (2019). On the measure of intelligence. arXiv:1911.01547.
Digital.ai (2023). 17th Annual State of Agile Report. Digital.ai.
Fowler, M. (2018). The state of agile software in 2018. martinfowler.com. Keynote presentato ad Agile Australia, Melbourne.
Jeffries, R. (2018). Developers should abandon Agile. ronjeffries.com.
Jeffries, R. (2022). The fall of Scrum? ronjeffries.com.
Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux. ISBN 978-0374533557.
Pfeffer, J., & Sutton, R. I. (2006). Hard facts, dangerous half-truths, and total nonsense: Profiting from evidence-based management. Harvard Business School Press. ISBN 978-1591398462.
Sagan, C. (1979). Broca's brain: Reflections on the romance of science. Random House. ISBN 978-0394500928.
Snowden, D. J., & Boone, M. E. (2007). A leader's framework for decision making. Harvard Business Review, 85(11), 68–76.
Sutherland, J. (2026). First Principles in Scrum: Foundations. Leanpub. leanpub.com/firstprinciplesinscrumfoundations
Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.
Beck, K., et al. (2001). Manifesto for Agile Software Development. agilemanifesto.org.
Weick, K. E. (1995). Sensemaking in organizations. Sage Publications. ISBN 978-0803971776.