Il dato che apre quasi ogni corso di project management è che circa il 70% dei progetti fallisce. Viene dal CHAOS Report della Standish Group, pubblicato dal 1994 e citato ovunque.
Nel 2010 Jan Eveleens e Chris Verhoef hanno pubblicato su IEEE Software un’analisi di quel report intitolata, senza giri di parole, ascesa e caduta delle cifre del CHAOS. La loro obiezione principale riguarda le definizioni. Secondo i criteri Standish un progetto è “riuscito” solo se rispetta stime iniziali di tempo, costo e funzionalità. Il che significa che un progetto consegnato sotto budget viene classificato come problematico, e che migliorare la propria capacità di stima peggiora il punteggio se le stime iniziali erano gonfiate. Aggiungono che il campione è auto-selezionato e non rappresentativo, e che i dati grezzi non sono mai stati resi verificabili.
Il che non significa che i progetti vadano bene. Significa che per sapere come vanno bisogna guardare altrove.
Il numero vero: 16.000 progetti
Bent Flyvbjerg, che studia grandi progetti da trent’anni prima a Oxford e poi a Copenaghen, ha costruito il database più ampio disponibile: oltre 16.000 progetti in più di venti settori e oltre cento paesi, dall’edilizia all’informatica alle olimpiadi.
I numeri che ne ricava, pubblicati nel 2023 nel libro scritto con Dan Gardner, sono questi:
| Criterio | Quota di progetti che lo rispetta |
|---|---|
| Nel budget | ~48% |
| Nel budget e nei tempi | ~8,5% |
| Nel budget, nei tempi e con i benefici attesi | ~0,5% |
Uno su duecento. È un numero che vale la pena tenere a mente prima di convincersi che il proprio ritardo sia una colpa personale.
Perché sbagli le stime, e di quanto
Il fenomeno ha un nome preciso, coniato da Kahneman e Tversky: fallacia della pianificazione. È la tendenza sistematica a sottostimare tempi e costi di un compito anche quando si sa che compiti simili in passato sono andati oltre.
La dimostrazione più pulita è di Roger Buehler, Dale Griffin e Michael Ross, pubblicata nel 1994 sul Journal of Personality and Social Psychology. Chiedevano a studenti universitari quando avrebbero finito la tesi. La stima media era di circa 34 giorni. Il tempo effettivo medio è stato di circa 55. Solo il 30% circa aveva finito entro la data che aveva indicato come più probabile. E la parte più interessante: quando veniva chiesto loro di formulare uno scenario peggiore possibile, meno della metà finiva entro quella data.
Non è ottimismo generico. È una distorsione specifica: quando pianifichiamo, costruiamo uno scenario dall’interno, cioè i passaggi di questo progetto, e ignoriamo la statistica di come sono andati i progetti simili.
Su scala grande i numeri sono documentati. Flyvbjerg, Holm e Buhl hanno analizzato nel 2002, sul Journal of the American Planning Association, 258 progetti di infrastrutture di trasporto in 20 paesi, coprendo settant’anni:
- Sforamento dei costi in 9 progetti su 10.
- Ferrovie: circa +45% in media. Ponti e tunnel: circa +34%. Strade: circa +20%.
- Nessun miglioramento misurabile lungo settant’anni, nonostante gli strumenti di pianificazione siano migliorati enormemente.
Quell’ultimo punto è il più importante e il più ignorato: il problema non si risolve con software migliori.
L’unico rimedio con evidenza
Il rimedio proposto da Flyvbjerg si chiama previsione per classe di riferimento, e deriva direttamente dalla distinzione di Kahneman tra visione interna e visione esterna. Il procedimento è banale da descrivere e scomodo da applicare:
- Identifica la classe di progetti simili al tuo.
- Trova la distribuzione reale degli esiti di quella classe (tempi, costi).
- Colloca il tuo progetto in quella distribuzione, e correggi la tua stima di conseguenza.
La stima non nasce più dal piano, nasce dai dati storici. Il metodo è stato adottato in forma istituzionale: il Ministero dei Trasporti britannico e il Green Book del Tesoro britannico prescrivono maggiorazioni obbligatorie per “optimism bias” calibrate proprio su distribuzioni storiche.
Il tuo progetto non è speciale. È un caso della sua classe, e la classe ha una distribuzione nota.
E l’agile risolve?
Qui è onesto dire che l’evidenza è meno forte di quanto suggerisca il marketing. Molti dei confronti agile-contro-waterfall più citati vengono dagli stessi report che abbiamo appena messo in discussione.
Il lavoro quantitativo indipendente più solido è di Pedro Serrador e Jeffrey Pinto, pubblicato nel 2015 sull’International Journal of Project Management, su un campione di 1.002 progetti in vari settori e paesi. Il risultato: l’uso di approcci agili e iterativi era positivamente correlato sia all’efficienza sia alla soddisfazione degli stakeholder. L’effetto era positivo e statisticamente significativo, ma moderato, lontano dall’ordine di grandezza che si racconta nelle presentazioni.
C’è una ragione teorica per cui l’iterazione aiuta comunque: accorcia il tempo tra decisione e verifica. Non elimina la fallacia della pianificazione, ma riduce il costo di ogni singolo errore di stima.
Quattro regole per stimare e chiudere
- Scrivi cosa vuol dire “finito” prima di iniziare. Una definizione verificabile, non un aggettivo. La maggior parte dei progetti che non finiscono mai non ha mai avuto una condizione di fine.
- Usa la visione esterna per stimare. Quanto ci ha messo l’ultima cosa simile? Se non lo sai, il primo lavoro è misurarlo, non pianificare meglio.
- Applica una maggiorazione esplicita, non un margine nascosto. Dichiarare “aggiungo il 30% perché la classe di riferimento dice così” è difendibile. Gonfiare i singoli task in silenzio no.
- Riduci il lotto. Consegnare qualcosa ogni due settimane non rende le stime giuste, rende gli errori piccoli.
- Tieni una sola lista di priorità. Se ci sono tre priorità “massime”, non ce n’è nessuna. È il punto in cui il project management incontra la gestione del tempo.
- Rendi visibile lo stato senza chiedere aggiornamenti. Una bacheca aggiornata elimina metà delle riunioni. Vale ancora di più lavorando da remoto.
- Fai retrospettive con dati, non con opinioni. Stimato contro effettivo, per ogni blocco. È così che costruisci la tua classe di riferimento per la prossima volta.
Cosa ne penso: la competenza più trascurata è dire di no
Penso che la parte più sottovalutata del ruolo sia dire di no, e che sia anche la meno insegnata. Nei corsi si passa molto tempo su diagrammi di Gantt e matrici di responsabilità, e quasi nessuno su come si comunica a qualcuno che la sua richiesta non entra in questo trimestre.
Ho anche l’impressione che l’ossessione per gli strumenti sia in parte una forma di rinvio. Il dato di Flyvbjerg sui settant’anni senza miglioramenti suggerisce che il collo di bottiglia non sia mai stato tecnologico. Ma è più facile valutare software che rivedere il modo in cui si prendono impegni.
Infine, un’ipotesi che non posso verificare: molti progetti non vanno male per esecuzione. Vanno male perché nessuno si era messo d’accordo su cosa fosse il risultato, e l’ambiguità emerge solo alla fine, quando costa di più.
Domande frequenti
Il 70% di fallimenti è falso? È una cifra che dipende da definizioni contestate e da un campione non verificabile. I dati di Flyvbjerg, su un database molto più ampio, danno un quadro diverso ma non più rassicurante.
Serve una certificazione tipo PMP? In alcuni settori e in alcuni paesi è un requisito formale e apre porte. Come predittore di riuscita del progetto, l’evidenza è molto più debole di quanto suggerisca il prezzo. Ne ho scritto in quali certificazioni valgono.
Come faccio la classe di riferimento se non ho dati storici? Comincia a raccoglierli adesso, anche in modo grossolano: data prevista, data effettiva, per ogni consegna. Dopo dieci elementi hai già più informazione di qualsiasi stima intuitiva.
Aggiungere persone accelera un progetto in ritardo? Fred Brooks sostenne di no già nel 1975, per via del costo di comunicazione e formazione. È un argomento concettuale più che un esperimento, ma è rimasto in piedi cinquant’anni.
Agile o waterfall? La domanda è mal posta quanto quella su hard e soft skills. Nei dati di Serrador e Pinto l’approccio iterativo aiuta, con effetto moderato. Conta molto di più avere una definizione di finito e una stima onesta.
Fonti
- Eveleens, J. L., & Verhoef, C. (2010). The Rise and Fall of the Chaos Report Figures. IEEE Software, 27(1), 30-36. L’analisi critica delle definizioni Standish.
- Flyvbjerg, B., & Gardner, D. (2023). How Big Things Get Done. Currency. Il database di oltre 16.000 progetti e le quote di rispetto di budget, tempi e benefici.
- Flyvbjerg, B., Holm, M. S., & Buhl, S. (2002). Underestimating Costs in Public Works Projects: Error or Lie? Journal of the American Planning Association, 68(3), 279-295. I 258 progetti di trasporto su settant’anni.
- Flyvbjerg, B. (2006). From Nobel Prize to Project Management: Getting Risks Right. Project Management Journal, 37(3), 5-15. La previsione per classe di riferimento.
- Buehler, R., Griffin, D., & Ross, M. (1994). Exploring the “Planning Fallacy”: Why People Underestimate Their Task Completion Times. Journal of Personality and Social Psychology, 67(3), 366-381. Lo studio sulle tesi.
- Kahneman, D., & Tversky, A. (1979). Intuitive Prediction: Biases and Corrective Procedures. TIMS Studies in Management Science, 12, 313-327. L’origine della distinzione tra visione interna ed esterna.
- Serrador, P., & Pinto, J. K. (2015). Does Agile Work? A Quantitative Analysis of Agile Project Success. International Journal of Project Management, 33(5), 1040-1051. I 1.002 progetti.
- Brooks, F. P. (1975). The Mythical Man-Month: Essays on Software Engineering. Addison-Wesley. L’argomento sull’aggiunta di persone.
- HM Treasury (2022). The Green Book: Central Government Guidance on Appraisal and Evaluation. Le maggiorazioni obbligatorie per optimism bias nella pratica istituzionale britannica.
Questo articolo è stato scritto seguendo il processo descritto in come scriviamo. Se trovi un dato riportato male, scrivimi: lo correggo e lo segnalo in fondo all’articolo.



