{"id":6363,"date":"2025-05-16T13:34:27","date_gmt":"2025-05-16T11:34:27","guid":{"rendered":"https:\/\/www.startupmagazine.it\/?p=6363"},"modified":"2025-05-16T13:34:28","modified_gmt":"2025-05-16T11:34:28","slug":"teamgroove-larmonia-nei-team-a-distanza-inizia-dai-dati-e-dalle-persone","status":"publish","type":"post","link":"https:\/\/www.startupmagazine.it\/index.php\/2025\/05\/16\/teamgroove-larmonia-nei-team-a-distanza-inizia-dai-dati-e-dalle-persone\/","title":{"rendered":"Teamgroove: l\u2019armonia nei team a distanza inizia dai dati (e dalle persone)"},"content":{"rendered":"\n

Un\u2019intervista approfondita con Marco Gialletti, CEO di Teamgroove, per esplorare come l\u2019intelligenza artificiale possa realmente supportare i team distribuiti, migliorare l\u2019engagement delle persone e fornire ai manager strumenti concreti per guidare progetti complessi. Tra concetti chiave come \u201cBE & DO\u201d, visualizzazioni dinamiche e metriche umane, scopriamo una piattaforma che non solo misura la performance, ma valorizza il contributo di ogni individuo all\u2019interno della community di progetto.<\/strong><\/em><\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Come nasce l\u2019idea di Teamgroove e quale problema specifico si propone di risolvere nel mondo del lavoro a progetto?
Marco Gialletti: <\/strong>Teamgroove ha una genesi di lunghissima data. Lavoro sulle piattaforme di collaboration da oltre 25 anni, sin da quando ero ricercatore all’universit\u00e0.
Il tema delle community che lavorano a progetto \u00e8 affascinante e molto complesso, e finora non ha ancora trovato una soluzione tecnologica di riferimento sul mercato. \u00c8 per questo che, dopo un lungo lavoro e molta sperimentazione, abbiamo dato vita a questa piattaforma. Abbiamo deciso di investire fortemente su di essa e renderla supportata da tecnologia allo stato dell\u2019arte, quindi con un forte impiego di intelligenza artificiale, andando a reinterpretare il paradigma delle community collaborative \u2014 un paradigma che, a oggi, non ha ancora trovato una risposta definitiva.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> In che modo Teamgroove favorisce l\u2019armonia nei comportamenti di team distribuiti e asincroni?
Marco Gialletti: <\/strong>Abbiamo fatto un ragionamento importante sul perch\u00e9 le soluzioni esistenti non funzionassero ancora. Abbiamo tratto delle conclusioni, concettualizzato il problema e compreso che una community che lavora per progetti opera su tre grandi livelli. Il primo \u00e8 quello della produzione, dove le competenze tecniche svolgono il proprio ruolo e generano deliverable<\/em>. Il secondo \u00e8 lo strato della gestione, che riguarda i KPI di progetto, affidati al Project Leader, e che in sostanza governa le interazioni tra le persone. Questi due livelli erano gi\u00e0 abbastanza ben gestiti da varie tecnologie. Ma c\u2019\u00e8 un terzo livello che nessuno ha mai davvero gestito: quello della relazione. Sappiamo per esperienza che un progetto funziona davvero quando il team \u00e8 coeso, affiatato, quando la comunicazione \u00e8 fluida e la governance non \u00e8 basata sul controllo o su uno stile dirigistico, ma \u00e8 capace di motivare. Abbiamo quindi compreso che, nella gestione tecnologica delle community di progetto, mancava completamente la dimensione relazionale. Ed \u00e8 proprio qui che si inserisce Teamgroove: la sua grande innovazione sta nel fatto che questa dimensione relazionale viene finalmente gestita in modo formale e misurabile, grazie a una tecnologia avanzata e a metodi raffinati, pensati per colmare un vuoto finora ignorato dalle altre soluzioni disponibili.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Qual \u00e8 il significato del concetto \u201cBE & DO\u201d e perch\u00e9 \u00e8 cos\u00ec centrale nella vostra proposta?
Marco Gialletti: <\/strong>Nel gestire la parte human<\/em> all\u2019interno delle community che lavorano al progetto, bisognava trovare rappresentazioni adeguate. Cercare di concentrare in un unico modello concetti di natura profondamente diversa \u00e8 sicuramente un errore. Pertanto abbiamo creato in Teamgroove una visione duale. La vista DO, che \u00e8 quella critica del project management, dove si trovano tutte le metriche di performance e si vede lo stato del progetto. E la vista BE, in cui si monitorano, invece, le persone coinvolte nel progetto. Questa \u00e8 la parte pi\u00f9 innovativa, quella che sta facendo un po\u2019 la differenza nella nostra proposta. Nella parte BE sono presenti le Human Metrics<\/em>. Abbiamo, ad esempio, indicatori su come si sentono le persone, il loro livello di engagement, come si mostrano agli altri (la loro reputation<\/em>) e soprattutto il grado di coinvolgimento nel voler raggiungere l\u2019obiettivo del progetto.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> In che modo l\u2019intelligenza artificiale viene integrata in Teamgroove per supportare manager e collaboratori?
Marco Gialletti: <\/strong>Teamgroove, nata anni fa come piattaforma di gestione pi\u00f9 tradizionale, \u00e8 oggi un ecosistema avanzato, potenziato da numerose istanze di intelligenza artificiale. Alcune sono dedicate al calcolo di indici previsionali tramite tecniche di machine learning; altre si concentrano sulla generazione di metriche e misurazioni, sempre basate su apprendimento automatico. La piattaforma integra anche quattro grandi istanze di intelligenza artificiale generativa. La visione \u00e8 proprio quella di rendere la piattaforma intelligente: non solo uno strumento di supporto alla gestione, ma un vero e proprio motore di creazione di valore durante tutto il ciclo di vita dei progetti. Un sistema capace di generare contenuti, supportare le persone, facilitare la comunicazione e ottimizzare la raccolta delle informazioni prodotte all\u2019interno del progetto.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Ci potete spiegare come funziona la AI-based project composition<\/strong> e che tipo di risparmio di tempo comporta?
Marco Gialletti: <\/strong>Questa \u00e8 quella che \u00e8 considerata un po\u2019 la killer feature<\/em> della piattaforma: qui utilizziamo in maniera molto spinta l\u2019intelligenza artificiale generativa, in particolare le API di ChatGPT. Teamgroove memorizza la storia di gestione dei progetti e cattura il know-how: sulla base di input molto chiari, \u00e8 in grado di capire come strutturare un progetto orientato al raggiungimento degli obiettivi presentati. Il tutto avviene in maniera molto semplice, caricando i documenti oppure utilizzando il linguaggio naturale all\u2019interno della piattaforma. Grazie all\u2019intelligenza artificiale generativa, infatti, possiamo assegnare alla piattaforma, in diverse modalit\u00e0, il compito di creare una struttura di progetto semplicemente partendo da un brief o da un capitolato. Oppure, possiamo chiederle di andare in rete per capire come realizzare da zero la struttura ideale del progetto che si intende avviare. Perch\u00e9 il grande valore aggiunto che questa funzionalit\u00e0 introduce non \u00e8 solo quello di velocizzare la composizione del progetto, facilitando cos\u00ec il lavoro dei Project Leader, ma anche quello di reperire know-how non ancora presente nell\u2019organizzazione e trasferirlo come ipotesi di lavoro, affinch\u00e9 il gruppo possa sperimentarlo.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Come vengono raccolti e interpretati i dati di sentiment e reputation? Quali sono i vantaggi di una misurazione implicita e continua?
Marco Gialletti: <\/strong>I vantaggi sono enormi e davvero rilevanti. Innanzitutto, \u00e8 fondamentale chiarire che la misurazione delle Human Metrics<\/em> non ha in alcun modo lo scopo di controllare la persona, n\u00e9 deve assolutamente essere utilizzata a tale fine, perch\u00e9 oltre a non avere un buon risultato, non avrebbe nessuna utilit\u00e0. La misurazione di queste variabili rappresenta, invece, un ritorno molto importante per le risorse stesse. I primi destinatari di tali misurazioni \u2014 e soprattutto delle loro variazioni \u2014 sono proprio le persone. Avere una chiara percezione di come ci si sente all\u2019interno di un\u2019organizzazione, in un momento lavorativo specifico o in una fase cruciale per il raggiungimento di un obiettivo, fa un’enorme differenza. Influisce sia sulla qualit\u00e0 delle relazioni, sia sulla riuscita positiva delle soluzioni introdotte. Noi effettuiamo queste misurazioni in modo molto raffinato e, ovviamente, non invasivo. Non \u00e8 possibile misurare questi aspetti con una semplice domanda diretta, perch\u00e9 le risposte risulterebbero alterate. Per questo motivo, abbiamo sviluppato metodi di misurazione diversi, basati su vari strumenti alternativi, i cui i risultati vengono integrati attraverso sistemi di machine learning \u2014 e, successivamente, deep learning \u2014 per arrivare a una misurazione pi\u00f9 significativa. In altre parole, tante misurazioni deboli si combinano per formare una misurazione forte. Queste misurazioni forti sono importanti, ma lo sono ancora di pi\u00f9 le variazioni nel tempo di tali misurazioni riferite a una stessa persona. Non ci interessa un sentiment generale, ma piuttosto la variazione del sentiment. Se qualcosa genera disagio o, al contrario, soddisfazione e felicit\u00e0, dobbiamo essere in grado di intercettarlo: si tratta di un valore non solo individuale, ma per l\u2019intera organizzazione.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Teamgroove unisce performance metric (Time, Cost, Quality) con human metric (Sentiment, Engagement, Reputation). Come riuscite a tenere insieme queste due dimensioni in modo efficace?
Marco Gialletti: <\/strong>Lo facciamo attraverso una visione duale, guardando il mondo da punti di vista diversi \u2014 il mondo inteso come l’ecosistema in cui le persone si coordinano, si muovono per raggiungere obiettivi complessi e condivisi, ovvero dove realizzano progetti. Osserviamo la stessa situazione con un linguaggio e con occhi differenti. Ecco perch\u00e9 le visioni sono sempre alternative e complementari: le puoi guardare in \u201cDO\u201d per vedere tutta la parte legata alla performance, oppure in “BE” per cogliere l\u2019aspetto umano. Ma stiamo parlando esattamente dello stesso progetto, della stessa persona, della stessa attivit\u00e0, dello stesso deliverable \u2014 solo da due prospettive diverse. Questa modalit\u00e0 non genera confusione, anzi: offre una completezza che pu\u00f2 accelerare e risolvere alcuni problemi legati all\u2019efficacia e all\u2019efficienza nella gestione dei progetti.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Come vengono utilizzati i KPI per guidare il processo decisionale in tempo reale?
Marco Gialletti: <\/strong>I KPI sono delle variabili di sintesi e, proprio per questo, sono fortemente indicative. Noi utilizziamo i KPI in varie modalit\u00e0: abbiamo la parte actual<\/em>, quella che rappresenta ci\u00f2 che sta succedendo in quel momento; abbiamo la parte storica, che ci permette di vedere l\u2019andamento nel tempo; e infine abbiamo la parte forecast<\/em>, ovvero quella previsionale. Questi indicatori vengono calcolati automaticamente dalla piattaforma Teamgroove e sono a supporto di chi prende decisioni. Non sono utili solo al Project Leader o al team manager, ma anche al singolo collaboratore che ha un portfolio di attivit\u00e0 da gestire, per poter decidere cosa fare, quando farlo e come farlo. Ovviamente offrono un vantaggio enorme in termini di consapevolezza, permettendo di anticipare i problemi e intervenire prima che diventino troppo grandi e causino danni. Questo \u00e8 il motivo fondamentale per cui l’utilizzo dei KPI rende la gestione molto pi\u00f9 efficace ed efficiente.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Cosa rende il vostro sistema di forecasting dei costi<\/strong> particolarmente utile per i middle manager?
Marco Gialletti: <\/strong>Con questo sistema andiamo a risolvere uno dei problemi pi\u00f9 rilevanti nella gestione multi-progetto. Spesso, la gestione tradizionale porta a pianificare e ripianificare continuamente, e a produrre dei SAL (Stati Avanzamento Lavori) che risultano essere attivit\u00e0 molto complesse per comprendere realmente lo stato dei progetti. Quando si arriva ad avere un\u2019informazione – che solitamente non \u00e8 nemmeno cos\u00ec attendibile rispetto a come l\u2019abbiamo in Teamgroove – \u00e8 gi\u00e0 troppo tardi. Il fatto di avere, nella raccolta informativa, non solo lo stato attuale delle cose ma anche le stime a finire \u00e8 decisivo per poter intercettare in anticipo eventuali inefficienze, in particolare sui costi, ma anche sui tempi. Quindi, grazie a ci\u00f2 che ci comunicano i “Maker” \u2013 coloro che svolgono le attivit\u00e0 \u2013 con le loro stime a finire, riusciamo a consolidare questi dati e ottenere una previsione. Se questa previsione non rientra nei target o nei range accettabili, possiamo intervenire tempestivamente per correggere il tiro e ottenere cos\u00ec un risultato nettamente migliore.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Quali sono le principali differenze tra le esperienze di Project Leader, Top Manager e Maker nella piattaforma?
Marco Gialletti: <\/strong>\u00c8 stata una delle intuizioni fondamentali nella progettazione del design di Teamgroove: comprendere che le esigenze delle tre principali figure che compongono le community che lavorano a progetto sono profondamente diverse. Le istanze erano completamente differenti, il linguaggio variava e anche gli obiettivi non erano gli stessi. Questa consapevolezza \u00e8 stata molto utile per creare un design che rendesse la piattaforma leggera e usabile. Fornire informazioni non rilevanti all\u2019utente, infatti, compromette l\u2019esperienza. Per questo motivo abbiamo sviluppato tre modalit\u00e0 differenti, una per ciascuna figura professionale, in modo che ognuno possa vedere solo ci\u00f2 che gli interessa, presentato con un linguaggio adeguato al suo ruolo. Il risultato \u00e8 un’interfaccia immediatamente efficace per la comprensione della situazione. Ad esempio, i Maker dispongono di un\u2019app a loro dedicata, estremamente utile per le loro attivit\u00e0 quotidiane. I Top Manager hanno funzionalit\u00e0 pi\u00f9 gestionali, basate su informazioni aggregate e strutturate secondo i criteri KPI. I Project Leader, invece, dispongono di mappe di progetto molto chiare, focalizzate sulla visione d\u2019insieme e non troppo sul dettaglio. Differenziando questi approcci, siamo riusciti a semplificare un problema caratterizzato da una complessit\u00e0 davvero molto elevata.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> Come viene favorito l\u2019engagement dei Maker? Ci potete parlare del concetto di \u201cPersonal Mirror\u201d?
Marco Gialletti: <\/strong>Con questo concetto abbiamo introdotto una cosa importantissima. In Teamgroove \u00e8 un’istanza di gamification davvero rilevante. Ci\u00f2 che spesso non funziona nelle gestioni tradizionali \u00e8 l\u2019atteggiamento del \u201ccontrollore-controllato\u201d, in cui i Maker eseguono compiti senza comprendere veramente quale sia il loro contributo e quale sia la loro parte di successo. Il Personal Mirror \u00e8 un sistema di visualizzazione dei dati dedicato alla persona, che le permette di lavorare sul proprio success<\/em>. La persona capisce chiaramente cosa sta facendo, se lo sta facendo bene e, addirittura, se ha ottenuto risultati migliori delle aspettative \u2014 in tal caso riceve degli achievement<\/em>, con cui pu\u00f2 essere celebrata o ottenere riconoscimenti di vario tipo. Questo spostare l\u2019attenzione dal comando del Project Leader \u2014 che ti dice di eseguire un compito \u2014 all\u2019esecuzione autonoma e indipendente dei propri task, puntando al proprio successo, \u00e8 una vera rivoluzione psicologica, ma anche gestionale, per questo tipo di attivit\u00e0.<\/p>\n\n\n\n

Alessandra D’Amato:<\/strong> In che modo i suggerimenti dinamici (Problem Solving Tips) aiutano a gestire criticit\u00e0 operative nei progetti?
Marco Gialletti: <\/strong>Quello che accade normalmente a un Maker \u2013 specialmente a un Maker, ma anche a un problem solver<\/em> \u2013 \u00e8 di dover affrontare ogni giorno delle problematiche, delle complessit\u00e0. Chiaramente, quelli pi\u00f9 esperti le risolvono brillantemente, mentre quelli meno esperti magari fanno pi\u00f9 fatica. La verit\u00e0 \u00e8 che Teamgroove, conoscendo i meccanismi di lavoro e di organizzazione, \u00e8 in grado di assistere le persone. Quindi, quando una persona ha un dubbio su come comportarsi, su come risolvere tecnicamente un problema o a chi rivolgersi, pu\u00f2 tranquillamente farlo attraverso un\u2019interfaccia di intelligenza artificiale.<\/p>\n\n\n\n

Questa piattaforma fornisce tre tipi di supporto:<\/p>\n\n\n\n

    \n
  1. Tattico \u2013 la piattaforma svolge il ruolo di coach, suggerendo comportamenti da adottare.<\/li>\n\n\n\n
  2. Tecnico \u2013 propone soluzioni gi\u00e0 note a problemi simili, suggerendo quindi come affrontare il problema tecnico che la persona sta avendo nell\u2019attivit\u00e0 di making<\/em>.<\/li>\n\n\n\n
  3. Relazionale \u2013 conosce chi, all\u2019interno dell\u2019organizzazione, ha affrontato problemi analoghi in passato, e consiglia alla persona di parlare con quel referente.<\/li>\n<\/ol>\n\n\n\n

    \u00c8 ovvio che tutto questo avviene in totale privacy: la persona non si sente in imbarazzo nel chiedere aiuto, come invece a volte accade quando si teme di mostrare una debolezza. L\u2019intelligenza artificiale, in modalit\u00e0 totalmente privata e non tracciata, aiuta moltissimo le persone.<\/p>\n\n\n

    \n
    \"\"<\/figure>\n<\/div>\n\n\n

    Alessandra D’Amato:<\/strong> Qual \u00e8 il valore della \u201cSkyline\u201d e come migliora la comprensione dello stato del progetto?
    Marco Gialletti: <\/strong>La Skyline \u00e8 stata ispirata un po’ da tutto il mood<\/em> di Teamgroove, gi\u00e0 a partire dalla parola groove<\/em>, che \u00e8 l\u2019opposto di caos<\/em>: far percepire la fatica della lavorazione dei progetti come qualcosa di ritmico, positivo, energico. Da l\u00ec siamo partiti con questa metafora urbana, che ci ha portati allo skyline di New York. Ma, al di l\u00e0 del pretesto visivo dei grattacieli notturni \u2014 che \u00e8 sicuramente affascinante dal punto di vista grafico \u2014 c\u2019\u00e8 un design molto profondo dietro la Skyline.<\/p>\n\n\n\n

    Le neuroscienze spiegano come una persona riesca a leggere situazioni complesse in modo intuitivo, purch\u00e9 il numero di variabili non sia eccessivo \u2014 in particolare, si parla di circa 30 variabili. La Skyline, con la sua forma grafica, i suoi colori, la posizione dei numeri su cui \u00e8 stato fatto uno studio molto approfondito, permette di avere, a colpo d\u2019occhio, una visione reale dello stato del progetto, senza dover leggere analiticamente tutto il contenuto dell\u2019interfaccia. Quindi, al di l\u00e0 dell\u2019ottimo effetto grafico, c\u2019\u00e8 un aspetto funzionale importantissimo: quello di rendere comprensibile una complessit\u00e0 significativa in modo intuitivo e immediato.<\/p>\n\n\n\n

    Alessandra D’Amato:<\/strong> La \u201cSkyview\u201d offre una visualizzazione dell\u2019alchimia di team: quanto \u00e8 importante per voi la rappresentazione visiva della motivazione e rilevanza delle persone?
    Marco Gialletti: <\/strong>\u00c8 molto importante, tanto pi\u00f9 che, in forma aggregata, non vediamo soltanto i dati della singola persona, ma osserviamo quelli dell\u2019intero team. La Skyview, in buona sostanza, \u00e8 una rappresentazione grafica di uno schema relazionale. Ci offre non solo una visione istantanea della situazione, ma soprattutto una visione dinamica: a noi interessa capire come si muovono le persone all’interno della Skyview. Questo ci restituisce una percezione importante di ci\u00f2 che sta accadendo dal punto di vista relazionale e comportamentale all’interno del team. Ovviamente, la posizione delle persone ha una funzione specifica in tutte le Human Metrics, e la loro dimensione \u00e8 funzione della rilevanza. Quindi, capiamo immediatamente se una persona, in un determinato momento, \u00e8 in difficolt\u00e0, se si trova in una situazione di non approvazione rispetto a ci\u00f2 che sta accadendo, e se questo rappresenta un rischio per il progetto. Perch\u00e9, se una persona rilevante manifesta Human Metrics non perfettamente positive, ovviamente pu\u00f2 diventare un problema per l\u2019intero progetto. In questo modo, il Project Leader ha la possibilit\u00e0 di trasformarsi da controllore \u2013 un ruolo che le persone gradiscono sempre meno \u2013 a coach<\/em>: qualcuno che intuisce i malesseri, ma anche i bisogni di gratificazione e di riconoscimento per un buon lavoro, e interviene prontamente per sottolinearli, contribuendo a far star bene le persone all\u2019interno di un\u2019organizzazione, di un team, di una community.<\/p>\n\n\n\n

    Alessandra D’Amato:<\/strong> Come funziona il sistema di Human Metrics Polling e in che modo il feedback quotidiano incide sul miglioramento continuo?
    Marco Gialletti: <\/strong>Innanzitutto si tratta di una funzionalit\u00e0 basata su intelligenza artificiale generativa. \u00c8 l’intelligenza artificiale che, leggendo i contenuti relativi ai progetti attivi, comprende che cosa sta facendo una persona. Di conseguenza, le pone domande personalizzate e contestualizzate, sempre diverse e mai troppo dirette, per raccogliere le sue impressioni. Ovviamente, queste impressioni per noi rappresentano misurazioni deboli, che poi elaboriamo tramite tecniche di deep learning per ottenere misurazioni forti. Soprattutto, questo sistema ci permette di trasmettere alle persone la sensazione che il loro lavoro sia monitorato, tracciato, visibile, reale e soggetto a un\u2019interpretazione significativa. Noi siamo sempre molto attenti a fornire un feedback emotivo alle persone che utilizzano la tecnologia, e questo feedback deve essere positivo. Questo ci consente di mantenere la persistenza d\u2019uso e una raccolta informativa, a basso costo per la persona, ma di altissimo valore per la gestione.<\/p>\n\n\n\n

    Alessandra D’Amato:<\/strong> In che modo Teamgroove facilita la selezione delle risorse pi\u00f9 adatte a un nuovo progetto?
    Marco Gialletti: <\/strong>Teamgroove conosce la storia delle persone all\u2019interno dell\u2019organizzazione: sa con chi hanno lavorato, che tipo di competenze possiedono, quali risultati hanno ottenuto collaborando con determinate persone su specifici temi. Conosciamo, quindi, il loro carico di lavoro, la loro storia professionale, con chi preferiscono lavorare e molto altro. Nel momento in cui componiamo un team di progetto, la piattaforma \u00e8 in grado di fornirci indicazioni su quali persone potrebbero ricoprire al meglio un determinato ruolo in base al carico e alle caratteristiche richieste. Anche questo processo \u00e8 supportato da un\u2019intelligenza artificiale generativa, che ci ha aperto uno spazio progettuale molto importante negli ultimi due anni. Teamgroove, quindi, \u00e8 in grado di identificare le persone disponibili che, se inserite all\u2019interno del team di un progetto specifico, possono ottenere i migliori risultati.<\/p>\n\n\n\n

    Alessandra D’Amato:<\/strong> Come immaginate l\u2019evoluzione di Teamgroove nei prossimi 3 anni?
    Marco Gialletti: <\/strong>Teamgroove ha intrapreso la direzione di diventare una piattaforma ad altissimo contenuto tecnologico. La immaginiamo come una platform con soluzioni companion<\/em>, cio\u00e8 come un assistente per le persone nella quotidianit\u00e0. Stiamo parlando sempre di quel tipo di applicazioni rivolte alle community che lavorano a progetto: in ogni fase \u2014 dall\u2019organizzazione, all\u2019esecuzione dei task, al monitoraggio generale delle situazioni, alle decisioni, fino alla valutazione delle persone e al riconoscimento del loro valore \u2014 Teamgroove deve assumere un ruolo sempre pi\u00f9 micro, ma anche sempre pi\u00f9 continuo. Ci immaginiamo una soluzione che non richieda troppo tempo, ma che valorizzi profondamente le persone, i progetti e i risultati raggiunti.<\/p>\n\n\n\n

    Alessandra D’Amato:<\/strong> Grazie Marco per aver condiviso con noi la visione, la tecnologia e la passione che guidano Teamgroove. Un viaggio stimolante tra dati, persone e futuro del lavoro.<\/p>\n\n\n\n

    Marco Gialletti: <\/strong>Sono io a ringraziare voi. \u00c8 stato un vero piacere: \u00e8 sempre una bella opportunit\u00e0 poter raccontare tutta la profondit\u00e0 del lavoro che ha portato alla creazione di Teamgroove. Grazie davvero.<\/p>\n\n\n\n

    <\/p>\n\n\n\n

    \"\"<\/figure>
    \n

    Marco Gialletti<\/strong><\/p>\n\n\n\n

    Ceo Teamgroove<\/em><\/strong><\/p>\n<\/div><\/div>\n\n\n\n

    <\/p>\n\n\n

    \"\"<\/figure>\n\n\n

    <\/p>\n\n\n\n

    \n