Un kanban che l'AI legge ed esegue
Come strutturare i task perché un'AI di coding li legga, li esegua e li chiuda da sola — le convenzioni di formato che fanno la differenza.
Le AI di vibe coding come Claude Code scrivono codice in fretta, ma su un progetto che cresce perdono il filo: cosa è già fatto? cosa manca? Gli strumenti di project management normali non aiutano, perché sono pensati per una persona che li apre in un browser — non per un modello che deve leggerli e aggiornarli da solo mentre programma. Questa guida è nata costruendo Ykan, un kanban pensato apposta per essere letto da un'AI: ti spiego le convenzioni che lo rendono possibile, applicabili a qualsiasi board.
Il kanban come memoria condivisa
L'idea di fondo è semplice: la board diventa il punto di coordinamento tra chi guida il progetto (tu) e l'AI che lo esegue. Non è una lista di cose da fare per te: è una memoria che l'AI legge all'inizio di ogni sessione — perché un modello parte sempre «freddo», senza ricordare la sessione precedente — e aggiorna man mano che lavora.
Le convenzioni che rendono un task leggibile da un'AI
Un task scritto per un umano e uno scritto per un'AI sembrano uguali, ma il secondo ha bisogno di più disciplina:
- Titolo che dice l'azione, non il tema. «Aggiungi validazione al form di login», non «Form login».
- Contesto sufficiente nella descrizione. L'AI non ricorda cosa vi siete detti ieri: ogni task deve contenere ciò che serve per eseguirlo da solo — file coinvolti, vincoli, decisioni già prese.
- Criteri di completamento espliciti. Come si fa a sapere che è finito? Se non è scritto, l'AI (come una persona) tira a indovinare.
- File associati. Indicare quali file toccare orienta il modello e riduce gli errori.
La regola d'oro: scrivi ogni task come se chi lo esegue non sapesse nulla del resto del progetto. Perché spesso è esattamente così.
Il flusso: dall'idea al codice
Il flusso tipico è questo. Parti da un'idea, la descrivi all'AI e le chiedi di trasformarla in task. Su un progetto grande possono essere centinaia di task generati in un colpo solo — tutti visibili, modificabili e riscrivibili a mano prima che venga scritta una riga di codice. È il momento in cui l'umano controlla il piano: qui correggi, tagli, riordini. Poi dici all'AI di partire: apre i task uno alla volta, li esegue e, quando ha finito, li sposta da solo in «Done» o «Review». Tu resti libero di approvare o rimandare indietro qualsiasi task, senza riscrivere il piano da zero.
L'interfaccia che una macchina può usare
Perché l'AI dialoghi con la board senza cliccare, serve un'API: pochi endpoint semplici — leggere il riassunto della board, completare un task, spostarlo di colonna. Il modello non «guarda» l'interfaccia grafica come faresti tu; chiede alla board via API e riceve testo. La stessa logica, esposta come server MCP, permette anche di gestire tutto da mobile.
Non fidarti dello spostamento: fai verificare
Un errore comune è considerare «fatto» un task solo perché è finito nella colonna Done. Un'AI (come un collega frettoloso) può spostarlo senza averlo davvero completato. La contromossa è la verifica: far leggere all'AI i file associati al task e controllare se il lavoro è davvero stato fatto, invece di fidarsi della colonna. È la differenza tra «dice di aver finito» e «ha finito».
Le convenzioni contano più dello strumento
Puoi usare Ykan, un altro kanban o un semplice file di testo: quello che rende il sistema funzionante non è il software, ma le convenzioni di formato — task autosufficienti, criteri chiari, un'interfaccia che la macchina sa leggere. Impara quelle, e qualsiasi board diventa uno strumento che un'AI può davvero usare.