TAG · Executive AI Hackathon · 15 luglio 2026

TAG Executive AI Operating Sprint

Una proposta per trasformare l’hackathon interno in un esperimento operativo: un caso che dimostra la tesi AI-native di TAG, con un problema reale, un prototipo live e una metrica chiara.

Quando15 luglio, 13:30–17:30 circa

DoveTAG Calabiana, Milano

ChiExCo + leadership BU, ~15 persone

Output1 challenge, 1 flow, 1 mock, 1 piano 30 giorni, 1 metrica

1. Brief operativo

Manifesto operativo TAG

Il punto centrale Sara non vuole un esercizio “alto” che finisce senza seguito. Vuole capire se chiudere 15 persone senior in stanza per mezza giornata produce un ritorno concreto: una soluzione, una decisione, oppure un metodo che TAG possa riusare.

La nuova cornice Il documento interno di maggio cambia il frame: TAG non sta solo cercando produttività. Sta costruendo un modo di lavorare AI-native e misura il progresso su Revenue per FTE. Quindi l’hackathon deve produrre un output che tocchi quel rapporto, anche solo con un proxy credibile.

Dalla call con Sara

Hackathon interno nel pomeriggio del 15 luglio, dopo QBR e debrief ExCo.
Partecipanti: ExCo + prime linee delle business unit.
Lingua: quasi tutto in inglese, con appoggi in italiano quando serve.
Preoccupazione principale: ROI del tempo executive.
Direzione condivisa: mini-survey prima, poi triage dei pain point.

Dal manifesto TAG

AI usata davvero, non discussa: è un’aspettativa, non un optional.
Ogni iniziativa si misura su costo per output o capacità commerciale a parità di FTE.
Ogni settimana va cercato lavoro obsoleto da tagliare, semplificare o spostare.
Il tempo liberato va reinvestito in lavoro più strategico, non compresso nello stesso perimetro.
Prima di chiedere nuove risorse bisogna esaurire il margine che l’AI può dare.

2. Tesi della sessione

Non hackathon classico

“The right question is not whether TAG should use AI. It is which operating habit should die first, and what Revenue per FTE looks like once it does.”

Nome consigliato

TAG Executive AI Operating Sprint, non semplicemente “hackathon”. Il cambio nome evita l’aspettativa sbagliata: non coding, non gara creativa, non formazione generica. È uno sprint executive per ridisegnare un pezzo di operating model.

Promessa

In 4 ore il gruppo prende un problema reale di TAG, lo scompone, costruisce un primo flow AI-assisted e decide se trasformarlo in:

esperimento interno da 30 giorni;
format ricorrente per TAG;
asset metodologico vendibile ai clienti.

Framing operativo TAG ha già ingredienti — Claude, Fireflies, Furious, Drive, contenuti, transcript, expert, casi cliente. Il punto non è avere più tool, ma capire quale processo lasciare morire, quale flusso ricostruire, e quale risultato portare dentro Revenue per FTE.

3. Quattro format possibili

Dal più concreto al più strategico

Consigliato

1. Pain-to-Prototype Sprint

Idea: si parte da una mini-survey ai partecipanti, si scelgono i pain più ricorrenti, e se ne porta uno fino a un prototipo concettuale o live mock.

Output: challenge prioritaria, as-is flow, AI-assisted flow, prototipo, owner, piano 30 giorni, proxy di Revenue per FTE.

Perché funziona: è concreto, non forza Sara a scegliere oggi, legittima la scelta con input del gruppo.

Foundation

2. TAG Company Brain Challenge

Idea: definire cosa dovrebbe sapere TAG di sé stessa per essere davvero AI-native: meeting, materiali, clienti, expert, delivery, pricing, QBR, lesson learned.

Output: mappa delle fonti, knowledge gaps, primi agent use case, governance minima.

Rischio: più strategico; va tenuto molto operativo per non diventare architettura astratta.

Ruoli

3. AI Shadow Colleague Sprint

Idea: disegnare il primo “AI junior colleague” per un ruolo chiave TAG: BU lead, CP, PM/consultant, campus, people, strategy.

Output: job description dell’agente, trigger, fonti, policy, esempio di daily brief e meeting prep.

Perché è vendibile: molte aziende capiscono meglio “AI colleague per ruolo” che “AI transformation”.

Delivery

4. Client Delivery Reinvention Sprint

Idea: prendere una delivery TAG reale — hackathon cliente, masterclass, AI assessment, corporate academy — e ridisegnarla AI-native end-to-end.

Output: nuova delivery blueprint, automazioni possibili, punti umani, dati da catturare, learning loop.

Perché conta: collega l’hackathon al lavoro PM → consultant e alla marginalità della delivery.

4. Raccomandazione

Scelta per il 15 luglio

Formato consigliato: Pain-to-Prototype Sprint con fallback su Client Meeting Intelligence. È il formato più coerente con la call con Sara: parte dai pain reali, produce qualcosa in stanza, e consente di decidere se replicarlo.

Perché questa scelta

ROI chiaro: il tempo executive produce una decisione e un piano, non solo allineamento.
North Star esplicita: ogni output deve toccare Revenue per FTE, anche tramite proxy semplici.
Metodo replicabile: TAG può usarlo come caso interno da raccontare ai clienti.
Enough structure, not too much: la survey evita dispersione, ma lascia emergere il problema giusto.
Compatibile con 4 ore: niente coding pesante, ma prototipo o mock sufficientemente concreto.
Allineato alla tesi Davide/Giuseppe: TAG diventa laboratorio, non rivenditore di teoria.

Output da promettere a Sara

Output	Cosa significa	Perché vale
1 North Star metric	Revenue per FTE con un proxy semplice e leggibile.	Collega la sessione alla strategia, non solo all’operatività.
1 prioritized internal challenge	Un problema scelto dal gruppo, basato sulla survey.	Evita discussioni teoriche e dà focus.
1 AI-assisted operating flow	As-is → target flow, con ruoli umani e AI.	È già un artefatto riutilizzabile.
1 live mock/prototype	Prompt, demo, schermata o simulazione realistica.	Fa vedere il piatto, non solo la ricetta.
1 30-day experiment plan	Owner, metriche, dati, prossime azioni.	Trasforma la sessione in execution.
1 reusable client-facing format	Metodo TAG da testare su clienti.	L’investimento interno genera asset commerciale.

5. Agenda proposta

13:30–17:30

13:30–13:45

Why we are hereNon AI literacy: ROI, laboratorio interno, metodo vendibile, Revenue per FTE.

13:45–14:10

Survey readoutMostrare i cluster di pain point emersi da Slack e i segnali di lavoro obsoleto.

14:10–14:30

Pick the battlefieldScegliere una challenge concreta, con criteri: impatto, trasversalità, fattibilità 30 giorni.

14:30–15:15

Map the current messAs-is flow: persone, tool, documenti, decisioni, frizioni, dati mancanti.

15:15–16:00

Design the AI-assisted flowDove entra AI, dove resta umano, quali fonti servono, quali policy servono.

16:00–16:45

Live cooking / prototypeClaude o tool scelti: prompt, mock, demo, esempio realistico di output.

16:45–17:15

Make it operationalOwner, metriche, dati da catturare, rischi, policy, piano 30 giorni, proxy di Revenue per FTE.

17:15–17:30

DecisionReplicare? Su quale popolazione? Con quale prossimo sprint? Cosa diventa vendibile?

6. Survey pre-sessione

30 secondi via Slack

Obiettivo della survey Non fare assessment completo. Raccogliere abbastanza segnale per scegliere un problema concreto senza consumare la sessione in brainstorming dispersivo.

Form attivo

TAG Executive AI Operating Sprint — pre-work

Apri il Google Form

Deadline consigliata: lunedì 6 luglio, se possibile.

Report risposte ClaudeOS: aggiornamento automatico ogni 10 minuti per 15 giorni.

Intro

“We’ll use the July 15 session to work on a real TAG problem, not a theoretical AI exercise. Please answer fast and concretely. You can reply in Italian or English.”

Domande

Name / Nome
Team / Area
What is one recurring activity that wastes time in your area?
Where do you see the most duplicated work across teams?
What decision do you often make without having all the right context?
If you had an AI junior colleague for your role, what would you ask it to do every week?
Which process would be most valuable to improve in the next 30 days?
Which recurring meeting, report, or check should we kill or simplify first?
What metric would convince you this session is worth repeating?
Optional: What should we absolutely not automate?

Criteri di triage

Criterio	Domanda
Trasversalità	Quanti ruoli/BU lo sentono?
Costo del problema	Quanto tempo senior brucia?
Fattibilità	Possiamo disegnare qualcosa in 4 ore e testarlo in 30 giorni?
Dati disponibili	Le fonti esistono già o dobbiamo crearle?
Vendibilità	È un problema che anche i clienti TAG riconoscerebbero?

7. Challenge fallback

Se la survey è dispersiva

Recruiting without a recruiting function

Perché: Sara l’ha già citato come problema reale dopo i cambiamenti People/Culture.

Output possibile: job post generator, CV screening rubric, first-call script, candidate summary, hiring manager memo, employer branding snippets.

Rischio: potrebbe non essere urgente per tutti i partecipanti.

B · consigliato fallback

Client Meeting Intelligence

Perché: è trasversale a vendite, delivery, QBR, advisory e leadership.

Output possibile: pre-meeting brief, transcript summary, follow-up, risk/opportunity extraction, next-best-action, client context.

Vantaggio: Claudio può portare una demo forte perché è vicino a ciò che già fa ClaudioOS.

Expert / content / knowledge reuse

Perché: molto TAG-specific: expert, materiali, proposte, casi cliente, delivery pack.

Output possibile: expert finder, content reuse assistant, proposal builder, post-delivery learning loop.

Vantaggio: collega PM → consultant, company brain e qualità dell’offering.

Delivery Project Cockpit

Perché: affronta uno dei pain emersi con Chiara: delivery, cambi data, budget, PO, fatture, rework, red flags.

Output possibile: cockpit per PM/consultant che anticipa rischi, prepara meeting, cattura lesson learned.

Rischio: richiede accesso a dati/processi più specifici.

8. Deliverable dopo la sessione

Da mandare a Sara/Davide

Subito dopo lo sprint, idealmente entro 24 ore, produrre un documento breve con:

Executive summary — che problema abbiamo scelto e perché.
Current state — dove si perde tempo o valore oggi.
North Star snapshot — quale proxy di Revenue per FTE vogliamo muovere.
AI-assisted target flow — come dovrebbe funzionare.
Prototype snapshot — cosa abbiamo cucinato live.
30-day experiment — owner, metriche, dati, rischi.
Client-facing translation — come questo diventa format TAG.

Non promettere troppo Meglio promettere un mock o un prototype e un piano operativo, non un sistema pronto. Il valore del primo sprint è la decisione informata: continuare, replicare, o cambiare target.

9. Evidenze dal manifesto operativo

Le regole che cambiano il frame

AI è aspettativa, non opzione: la sessione non deve insegnare perché usare AI, ma mostrare dove usarla davvero.
North Star chiara: Revenue per FTE, con due leve misurabili — costo per output e capacità commerciale.
Obsolete work: ogni settimana va cercato lavoro da tagliare, semplificare o smettere di ereditare per abitudine.
Reinvestimento: il tempo liberato non va compresso, va spostato su lavoro più strategico.
Share fast: quando qualcosa funziona, va condiviso subito. Quando non funziona, va detto subito.
Exhaust AI before asking for more: prima di chiedere nuove risorse, bisogna capire cosa resta davvero scoperto.
Fluency come disciplina: TAG vuole far crescere la competenza AI nel tempo, con criteri chiari e senza improvvisazioni sulle persone.