Scopri la nuova categoria di lavori legati all’intelligenza artificiale che sta prendendo forma all’interno delle aziende tradizionali

Il prossimo importante assunto nel campo dell’IA in una banca potrebbe non essere un ingegnere specializzato in machine learning. Potrebbe trattarsi di uno specialista in materia di conformità in grado di verificare una decisione automatizzata, di un product manager capace di riprogettare un processo di concessione dei prestiti basandosi sull’IA, oppure di un analista chiamato a dimostrare che l’implementazione di un costoso software abbia prodotto qualcosa di più di una serie di dimostrazioni di grande effetto.

Questi ruoli stanno iniziando a emergere perché le aziende hanno superato la prima fase di adozione dell’IA generativa. Acquistare licenze e consentire ai dipendenti di sperimentare con i chatbot era relativamente semplice. Collegare l’IA alle anagrafiche dei clienti, ai documenti interni e ai sistemi operativi non lo è. Una volta che uno strumento inizia a redigere comunicazioni con i clienti, a vagliare transazioni o a completare parti di un processo regolamentato, qualcuno deve decidere cosa è autorizzato a fare, valutare se funziona e assumersi la responsabilità quando non funziona.

Tale esigenza sta dando vita a una categoria di professioni a metà strada tra il settore tecnologico e il resto del mondo aziendale. Alcune hanno denominazioni poco comuni, come “specialista in agenti di IA”, “valutatore di modelli” e “responsabile della governance dell’IA”. Altre sono figure già note che stanno acquisendo competenze più tecniche: avvocati che comprendono i rischi legati ai modelli, esperti di marketing che progettano sistemi di produzione che integrano esseri umani e IA, e responsabili operativi in grado di ripartire il lavoro tra dipendenti e agenti software.

Il mercato non sta sostituendo ogni professione esistente con un equivalente basato sull'intelligenza artificiale. Sta piuttosto introducendo un nuovo livello di attività all'interno delle aziende, che ora devono gestire sistemi in grado di produrre, fornire raccomandazioni e, sempre più spesso, agire autonomamente.

La maggior parte dei nuovi posti di lavoro nel settore dell'intelligenza artificiale riguarda la traduzione

L'immagine pubblica di una carriera nel campo dell'intelligenza artificiale tende ancora ad associarsi allo sviluppo di modelli, alla matematica avanzata e alle grandi aziende tecnologiche. La domanda di specialisti in machine learning, ingegneri dei dati e ricercatori nel campo dell'intelligenza artificiale rimane forte. Il Forum economico mondiale identifica gli specialisti in intelligenza artificiale e machine learning tra le professioni in più rapida crescita fino al 2030, insieme agli specialisti in big data e agli ingegneri fintech.

Tuttavia, tali ruoli rappresentano solo una parte dell’impatto sull’occupazione. Un’azienda che utilizza un modello già esistente non ha necessariamente bisogno di svilupparne uno proprio. Ha invece bisogno di persone in grado di tradurre un problema aziendale in un sistema funzionante.

Si consideri un assicuratore che intenda utilizzare l’intelligenza artificiale nella gestione dei sinistri. La questione tecnica è se un modello sia in grado di leggere moduli, fotografie e corrispondenza con i clienti. Le questioni operative sono più complesse. Quali sinistri possono essere gestiti automaticamente? Quali prove richiedono una revisione umana? Come devono essere gestiti i risultati con un basso livello di affidabilità? Il sistema potrebbe penalizzare una particolare categoria di clienti? Come spiegherà un dipendente la decisione se questa venisse contestata?

Un team di sviluppo software tradizionale non è in grado di rispondere a queste domande da solo. Gli specialisti in sinistri conoscono il processo, i responsabili della conformità conoscono gli obblighi, i team che si occupano dei dati conoscono le informazioni disponibili e i product manager decidono come integrare tutti questi elementi.

Questo spiega perché molti dei ruoli più importanti nel campo dell’IA saranno di tipo ibrido piuttosto che puramente tecnici. Il dipendente che comprende sia il modello che il processo aziendale diventa il trait d’union tra ciò che l’IA è in grado di fare e ciò che l’organizzazione può tranquillamente permetterle di fare.

Il responsabile di prodotto per l'intelligenza artificiale

È probabile che quella di product manager nel settore dell’intelligenza artificiale diventi una delle figure professionali più stabili emerse dall’attuale ciclo.

I product manager tradizionali definiscono le esigenze dei clienti, stabiliscono le priorità delle funzionalità e coordinano i team di progettazione, sviluppo tecnico e commerciale. Un product manager specializzato in IA deve svolgere questi compiti collaborando con un sistema i cui risultati sono probabilistici anziché completamente predeterminati.

Una normale funzionalità software dovrebbe produrre lo stesso risultato quando riceve la stessa istruzione. Un modello generativo può fornire risposte diverse, avanzare affermazioni prive di fondamento oppure funzionare correttamente con richieste di routine, ma fallire in un caso insolito ma importante dal punto di vista commerciale.

Il lavoro consiste quindi nel decidere in quali casi l’incertezza sia accettabile. Un assistente di ricerca interno può tollerare una soglia di rischio diversa rispetto a un sistema automatizzato che invia consigli finanziari ai clienti. A uno strumento di marketing può essere consentito di creare una prima bozza che verrà poi revisionata da un dipendente. Un sistema di rilevamento delle frodi, che determina se una transazione debba essere bloccata, richiede test più rigorosi, tracciabilità e procedure di escalation.

Questo ruolo non richiede al product manager di addestrare un modello di base. Richiede invece conoscenze tecniche sufficienti per comprendere i limiti del modello, conoscenze commerciali sufficienti per individuare un’applicazione utile e un giudizio operativo adeguato per progettare le misure di sicurezza a tutela delle persone.

È improbabile che i candidati più validi siano quelli che si sono limitati a seguire un corso di scrittura istantanea. Saranno invece coloro che potranno dimostrare di aver migliorato un processo grazie all’intelligenza artificiale e di averne misurato i risultati.

L'architetto del flusso di lavoro e degli agenti

Man mano che le aziende iniziano a utilizzare agenti basati sull'intelligenza artificiale anziché chatbot autonomi, la progettazione dei flussi di lavoro diventa una professione a sé stante.

A un agente possono essere assegnati un obiettivo, strumenti di lavoro e una sequenza di azioni da completare. Nel servizio clienti, potrebbe identificare un cliente, recuperare le informazioni relative al suo account, classificare la richiesta, proporre una risposta e aggiornare un record. Nell’ambito degli acquisti, potrebbe esaminare i contratti, confrontare i fornitori e preparare una richiesta di acquisto.

La parte difficile non è dare all’agente l’istruzione di “risolvere il problema del cliente”. È definire ogni azione che può intraprendere, le informazioni a cui può accedere e i momenti in cui è necessario l’intervento di una persona.

Un architetto dei flussi di lavoro definisce tale processo. Questo ruolo combina elementi di analisi aziendale, automazione, integrazione dei sistemi e progettazione organizzativa. L’architetto decide quali attività debbano rimanere di competenza umana, quali possano essere delegate e in che modo il lavoro debba tornare al dipendente quando il sistema rileva un’eccezione.

È proprio qui che molti progetti di IA avranno successo o falliranno. Un’azienda può acquistare un modello avanzato e comunque creare poco valore se inserisce lo strumento in un processo mal progettato. Fornire ai dipendenti un chatbot senza modificare le procedure di approvazione, le responsabilità o i flussi di informazioni spesso fa risparmiare solo qualche minuto, anziché trasformare il lavoro.

Il progettista di flussi di lavoro non si limita ad automatizzare le fasi esistenti. Un buon progettista si chiede se quelle fasi debbano esistere o meno.

Responsabile della valutazione dei modelli e responsabile della qualità dell'IA

Il collaudo del software verifica tradizionalmente se un sistema funziona in conformità con una specifica definita. La valutazione dell'intelligenza artificiale è meno semplice, poiché la qualità di una risposta può dipendere dall'accuratezza, dalla pertinenza, dal tono, dalla sicurezza e dal contesto.

Una risposta del servizio clienti può essere corretta dal punto di vista fattuale, ma inappropriata. Una sintesi legale può cogliere il significato generale, tralasciando però la clausola che modifica il rischio commerciale. Uno strumento di reclutamento potrebbe apparire nel complesso accurato, ma rivelarsi meno affidabile per determinati gruppi.

I valutatori di modelli creano set di test, definiscono i livelli di prestazione accettabili e analizzano gli errori ricorrenti. Possono confrontare i modelli, valutare i risultati prodotti in diversi linguaggi e verificare come si comporta un sistema quando riceve istruzioni fuorvianti, incomplete o ostili.

Questo lavoro può richiedere l’uso di strumenti tecnici, ma gran parte del suo valore deriva dalla competenza nel settore specifico. Un valutatore generico può verificare la grammatica e la coerenza. È necessario un medico per valutare se una sintesi clinica generata dall’IA abbia omesso un dettaglio clinicamente rilevante. Un professionista del settore finanziario può individuare i casi in cui una spiegazione plausibile del mercato risulti economicamente incoerente.

A seconda dell’azienda, la posizione può rientrare nei settori del prodotto, del rischio, della scienza dei dati o delle operazioni. Nei settori regolamentati, è probabile che diventi sempre più formale, poiché le aziende avranno bisogno di prove che dimostrino che un sistema sia stato testato prima della sua implementazione e monitorato in seguito.

Qualcuno deve decidere cosa significhi “abbastanza buono”. Non è una domanda a cui il modello possa rispondere da solo.

Lo specialista in governance dell'IA e rischio legato ai modelli

Un tempo le aziende consideravano la governance dell’IA come una semplice questione di politica aziendale: redigere dei principi, istituire un comitato e vietare ai dipendenti di inserire informazioni riservate in strumenti di dominio pubblico.

Tale approccio risulta inadeguato quando l'intelligenza artificiale viene integrata nelle decisioni operative.

Gli specialisti in materia di governance effettuano un inventario dei modelli e degli strumenti di intelligenza artificiale utilizzati in tutta l'azienda, li classificano in base al rischio e stabiliscono chi è responsabile di ciascun sistema. Esaminano gli aspetti relativi alla protezione dei dati, alla proprietà intellettuale, alla discriminazione, alla spiegabilità, alla dipendenza dai fornitori e agli obblighi normativi.

Il ruolo assume particolare importanza quando i dipendenti adottano strumenti senza un’approvazione formale. Un reparto marketing potrebbe collegare un servizio di intelligenza artificiale destinato ai consumatori ai dati dei clienti. Un team di vendita potrebbe utilizzare un assistente automatizzato per le riunioni che archivia le registrazioni presso un fornitore esterno. Uno sviluppatore potrebbe incorporare codice generato da un modello senza comprenderne la provenienza o le vulnerabilità.

Lo specialista in governance deve individuare questi utilizzi senza paralizzare l'organizzazione. Un sistema che richieda sei mesi di approvazione per un assistente di scrittura a basso rischio incoraggerà il personale a aggirarlo. Un sistema che consideri ogni richiesta come innocua crea rischi legali e operativi.

Questo lavoro è adatto a chi opera nei settori della conformità, del diritto, della revisione contabile, della privacy, della sicurezza informatica e della gestione dei prodotti regolamentati. Queste figure devono possedere una padronanza tecnica sufficiente per confrontarsi con i fornitori e comprendere il funzionamento di un sistema, ma il loro valore principale risiede nella capacità di tradurre le norme in controlli concreti.

La legge sull’intelligenza artificiale dell’Unione Europea sta accelerando questa domanda, ma la regolamentazione è solo uno dei fattori trainanti. I consigli di amministrazione e le compagnie assicurative chiedono sempre più spesso prove che dimostrino che le aziende sappiano dove viene utilizzata l’intelligenza artificiale e chi ne sia responsabile.

Lo specialista in sicurezza nell'ambito dell'intelligenza artificiale

L'intelligenza artificiale comporta problemi di sicurezza che non rientrano chiaramente nell'ambito della difesa informatica convenzionale.

I modelli possono essere manipolati tramite l’iniezione di prompt, una tecnica in cui istruzioni dannose nascoste in un documento o in una pagina web inducono un sistema di intelligenza artificiale a comportarsi in modo imprevisto. Le informazioni sensibili possono trapelare a causa di sistemi di recupero mal progettati. Gli agenti che hanno accesso a e-mail, file o sistemi finanziari possono compiere azioni dannose se le loro autorizzazioni sono troppo ampie.

Uno specialista in sicurezza dell'intelligenza artificiale esamina queste nuove superfici di attacco. Il lavoro può comprendere il collaudo dei modelli, la limitazione dell'accesso ai dati, il monitoraggio dell'attività degli agenti e la progettazione di controlli relativi agli strumenti esterni e ai fornitori di modelli.

Il rischio aumenta quando a un sistema di intelligenza artificiale viene consentito di agire anziché limitarsi a fornire consigli. Un chatbot che genera una bozza di scarsa qualità causa disagi. Un agente in grado di approvare rimborsi, modificare i dati di un account o eseguire codice genera un evento di sicurezza.

È probabile che questa diventi una specializzazione nell'ambito della sicurezza informatica, piuttosto che una professione completamente distinta all'interno di ogni organizzazione. Le grandi aziende potrebbero creare team dedicati, mentre le imprese più piccole si aspetteranno che i professionisti della sicurezza già presenti acquisiscano competenze specifiche nel campo dell'intelligenza artificiale.

In ogni caso, la conoscenza delle normali pratiche di sicurezza informatica non sarà sufficiente. I team di sicurezza dovranno comprendere in che modo i modelli interpretano le istruzioni e come un processo aziendale legittimo possa essere utilizzato contro il sistema.

Il responsabile dei dati e l'ingegnere della conoscenza

L'intelligenza artificiale generativa ha portato le aziende a riscoprire un problema che spesso tendevano a rimandare: le loro informazioni interne sono frammentate, duplicate, obsolete e difficili da recuperare.

Un modello basato su informazioni incomplete non risolve il problema. Si limita a fornire risposte più rapidamente sulla base di informazioni incomplete.

I responsabili della gestione dei dati stabiliscono chi è il proprietario dei set di dati importanti, quali dati possono essere utilizzati, per quanto tempo devono essere conservati e se sono accurati. Gli ingegneri della conoscenza organizzano documenti, terminologia e relazioni in modo che un sistema di intelligenza artificiale possa recuperare il materiale corretto. Decidono quale politica sia quella vigente, come debbano essere classificati i nomi dei prodotti e a quali fonti debba essere data la precedenza in caso di conflitti tra i dati.

Questo lavoro è meno affascinante dello sviluppo dei modelli, ma può determinare se un assistente IA interno sia considerato affidabile. Un dipendente smetterà di utilizzare uno strumento che riporta ripetutamente politiche obsolete o confonde clienti con nomi simili. Una volta persa la fiducia, i miglioramenti tecnici potrebbero non essere sufficienti a ripristinare l'adozione dello strumento.

Il ruolo richiede inoltre autorità organizzativa. La pulizia dei dati non è un progetto una tantum svolto da un team IT. Le unità aziendali devono gestire le informazioni che generano e adottare standard comuni. L’ingegnere della conoscenza lavora quindi tanto con le persone e la responsabilità quanto con i database.

Le aziende che sostengono di non essere pronte per l'intelligenza artificiale perché i loro dati sono di scarsa qualità potrebbero scoprire che la preparazione dei dati rappresenta di per sé una delle principali fonti di nuovo lavoro.

Il programma di addestramento all'IA non è un tutor sotto forma di chatbot

L'espressione “formatore di IA” può riferirsi a diverse figure professionali, alcune delle quali più stabili di altre.

Nelle aziende modello, i formatori possono etichettare i dati, confrontare i risultati e fornire un feedback specialistico utilizzato per migliorare un sistema. All’interno di un’azienda tradizionale, invece, il ruolo consiste più probabilmente nell’insegnare a un sistema di intelligenza artificiale le regole dell’organizzazione e nell’insegnare ai dipendenti come utilizzarlo.

Un formatore potrebbe collaborare con i responsabili del servizio clienti per definire esempi di risposta soddisfacente, individuare le espressioni che l’azienda deve evitare e stabilire quando lo strumento debba inoltrare un caso a un livello superiore. La stessa persona potrebbe formare il personale affinché verifichi i risultati piuttosto che accettarli automaticamente.

Ciò è diverso dall’organizzare un seminario generico sugli spunti di scrittura. I dipendenti hanno bisogno di indicazioni specifiche relative al loro lavoro concreto: quale strumento utilizzare, quali dati inserire, come verificare una risposta e quali prove del processo devono essere conservate.

Questo ruolo potrebbe non sopravvivere come figura autonoma in tutte le aziende. Le responsabilità relative alla formazione potrebbero essere trasferite al settore della formazione e dello sviluppo, alle operazioni di prodotto o ai singoli reparti. Il lavoro di fondo rimarrà comunque, poiché sia i sistemi di intelligenza artificiale che le pratiche dei dipendenti cambiano troppo rapidamente perché un corso una tantum possa essere sufficiente.

L'analista del valore dell'IA e del ROI

Uno dei nuovi lavori nel campo dell’intelligenza artificiale meno affascinanti potrebbe rivelarsi tra i più importanti.

Le aziende hanno investito ingenti somme in licenze, progetti pilota e consulenze senza sempre definire chiaramente quale dovesse essere il risultato atteso. Il tempo risparmiato viene spesso stimato sulla base di sondaggi condotti tra i dipendenti. L’utilizzo del sistema viene considerato come prova della produttività. Una presentazione ben curata viene scambiata per un risultato operativo.

Un analista di valore basato sull'intelligenza artificiale verifica tali affermazioni.

Nel caso di uno strumento di assistenza clienti, l’analista potrebbe esaminare i tempi di risoluzione, i contatti ripetuti, la soddisfazione dei clienti, gli errori e i tassi di escalation. Per un assistente alla programmazione, gli indicatori potrebbero includere la velocità di consegna, i difetti, i problemi di sicurezza rilevati e il tempo che gli ingegneri senior impiegano a revisionare il lavoro generato. Un sistema di elaborazione dei documenti dovrebbe essere valutato non solo in base alla rapidità con cui estrae le informazioni, ma anche in base al costo della correzione degli errori.

L'analisi deve tenere conto dei costi totali di implementazione: licenze, integrazione, preparazione dei dati, sicurezza, formazione, supervisione e valutazione continua. Uno strumento che fa risparmiare ai dipendenti dieci minuti al giorno potrebbe non generare un ritorno economico se il tempo risparmiato è frammentato e non può essere convertito in una maggiore produttività o in una riduzione dei costi.

Questo ruolo può rientrare nell’ambito della finanza, della strategia, delle operazioni o di un ufficio centrale dedicato all’IA. Premia lo scetticismo tanto quanto l’entusiasmo. Il compito dell’analista non è dimostrare che l’IA funzioni, ma individuare in quali ambiti funziona.

Quella del “prompt engineer” potrebbe non diventare la professione che un tempo si immaginava

Nel 2023, il ruolo di “prompt engineer” è stato spesso presentato come la figura professionale emblematica dell’economia dell’IA generativa. Alcuni dei primi annunci di lavoro offrivano stipendi insolitamente elevati a chi fosse in grado di progettare istruzioni per i modelli linguistici.

La progettazione dei prompt continua ad avere la sua importanza. Istruzioni chiare, esempi, risultati strutturati e test possono migliorare in modo significativo le prestazioni. Tuttavia, la creazione di prompt sta diventando sempre più una competenza integrata in altre professioni, piuttosto che una professione a sé stante.

Un avvocato che utilizza l'intelligenza artificiale deve impostare correttamente un'attività di ricerca giuridica. Un professionista del marketing deve fornire indicazioni a un sistema di creazione di contenuti. Un product manager deve definire come deve comportarsi un agente. Man mano che le interfacce migliorano e i modelli diventano più efficaci nell'interpretare il linguaggio comune, il valore non risiede più nella conoscenza di una serie di tecniche di prompt, ma nella comprensione del dominio e del flusso di lavoro sottostanti.

Il vantaggio duraturo non sta nella capacità di indurre un'intelligenza artificiale a fornire una risposta accattivante, bensì nel saper stabilire se tale risposta sia utile, ammissibile e corretta.

I lavori esistenti cambieranno più rapidamente di quanto ne nascano di nuovi

Nel suo "Work Trend Index 2025", Microsoft ha riferito che il 78% dei dirigenti intervistati stava valutando l'assunzione di personale per nuovi ruoli nel campo dell'intelligenza artificiale. Tra le posizioni prese in considerazione figuravano formatori in IA, specialisti in dati e sicurezza, specialisti in assistenza clienti, analisti del ROI e strateghi dell'IA in settori quali la finanza, il marketing e il servizio clienti.

Ciò non significa che le aziende creeranno un reparto distinto per ciascuno di essi. In molte organizzazioni, il lavoro verrà distribuito tra i team già esistenti.

Un professionista della finanza potrebbe assumersi la responsabilità dei casi di investimento nell'IA. Un responsabile della conformità potrebbe occuparsi della governance dei modelli. Un analista aziendale potrebbe iniziare a progettare i flussi di lavoro degli agenti. Un responsabile dei contenuti potrebbe supervisionare la qualità e la provenienza dell'IA.

Da una ricerca condotta da LinkedIn emerge che il 70% delle competenze richieste nella maggior parte dei lavori potrebbe cambiare tra il 2015 e il 2030, con l’intelligenza artificiale che funge da uno dei fattori trainanti. La sua analisi del mercato del lavoro per il 2026 ha rilevato che negli Stati Uniti gli annunci di lavoro che richiedono competenze in materia di intelligenza artificiale sono aumentati del 70% su base annua.

Le implicazioni vanno ben oltre un semplice boom nelle assunzioni di personale specializzato. I lavoratori potrebbero non aver bisogno della dicitura “IA” nel proprio titolo professionale, ma ci si aspetterà sempre più che comprendano in che modo questa tecnologia modifichi il loro ruolo.

La competenza in un determinato settore sta acquisendo sempre più valore, non il contrario

Il mercato attuale presenta un'apparente contraddizione. L'intelligenza artificiale è in grado di svolgere compiti sempre più complessi, ma le aziende hanno comunque bisogno di persone con sufficiente esperienza per valutarne il lavoro.

Un dipendente inesperto può utilizzare un modello con disinvoltura, ma non riuscire a individuare un errore plausibile. Uno specialista di lunga esperienza può invece cogliere immediatamente l’errore, ma non avere la sicurezza necessaria per riprogettare il processo in base allo strumento. I candidati migliori sono quelli che uniscono entrambe queste capacità.

Le prime ricerche condotte da Anthropic sul mondo del lavoro hanno rilevato che l’uso dell’IA era concentrato in alcune parti delle professioni piuttosto che nell’intero ambito lavorativo. La sua analisi iniziale suggeriva che solo una piccola percentuale di professioni utilizzasse l’IA nella maggior parte delle proprie attività, mentre un gruppo molto più ampio la impiegasse solo per una minoranza significativa del proprio lavoro. Dati più recenti indicano che l’ampiezza dell’utilizzo nell’ambito delle attività continua ad espandersi, sebbene l’adozione rimanga disomogenea tra le diverse professioni e i vari paesi.

Ecco perché l’effetto immediato sul mercato del lavoro comporterà probabilmente una riorganizzazione dei posti di lavoro. Alcune mansioni scompariranno, altre si amplieranno e si aggiungeranno nuove responsabilità legate alla supervisione, alla capacità di giudizio e alla progettazione dei sistemi.

Il lavoro di livello base pone una questione più complessa. I dipendenti alle prime armi hanno tradizionalmente acquisito competenze attraverso attività di ricerca, redazione, riconciliazione e altre mansioni che l’intelligenza artificiale è ora in grado di svolgere rapidamente. Se le aziende automatizzassero una parte troppo ampia di questo lavoro senza creare un nuovo modello di formazione, potrebbero ridurre il bacino da cui provengono i futuri specialisti.

L'intelligenza artificiale potrebbe rendere più produttivo un professionista esperto, rendendo al contempo più difficile per uno inesperto acquisire esperienza. Le aziende che assumono personale per la nuova economia dell'intelligenza artificiale dovranno, alla fine, risolvere anche questo problema.

Come prepararsi senza diventare un ingegnere specializzato in intelligenza artificiale

Per la maggior parte dei professionisti, la risposta più sensata non è quella di abbandonare il proprio settore e iniziare una formazione come sviluppatore di modelli, bensì quella di individuare in che modo l’intelligenza artificiale sta modificando gli aspetti economici e il flusso di lavoro del settore che già conoscono.

Un professionista della comunicazione potrebbe imparare a creare un processo di produzione dei contenuti assistito dall’IA, dotato di controlli relativi all’approvazione, alla divulgazione e alla verifica dei fatti. Uno specialista in materia di conformità potrebbe studiare gli inventari dei modelli, la classificazione dei rischi e la legge dell’UE sull’IA. Un responsabile operativo potrebbe mappare un processo e stabilire quali decisioni siano adatte all’automazione. Un analista finanziario potrebbe sviluppare un metodo per misurare i rendimenti degli investimenti nell’IA.

Un portfolio credibile conta più di una semplice raccolta di certificati generici. I candidati dovrebbero essere in grado di dimostrare come hanno analizzato un processo, scelto lo strumento adeguato, identificato i rischi e misurato i risultati. Anche un piccolo progetto interno può dimostrare una maggiore capacità di giudizio rispetto al semplice affermare di avere una conoscenza generica di diverse piattaforme di intelligenza artificiale.

Una buona padronanza tecnica è utile, in particolare la comprensione dei dati, delle API, dei sistemi di recupero e della valutazione dei modelli. Tuttavia, non sostituisce le competenze professionali.

La nuova categoria di professioni legate all’intelligenza artificiale si sta sviluppando proprio al confine tra questi due ambiti. Le aziende hanno già a disposizione modelli sufficienti; ciò che manca loro sono persone in grado di capire dove impiegarli, come gestirli e quando il risultato non giustifica il costo.