La prima generazione di reclutamento nel settore dell’IA era relativamente facile da individuare. Le aziende tecnologiche facevano a gara per accaparrarsi ingegneri specializzati in machine learning, data scientist e ricercatori in grado di sviluppare modelli sempre più potenti. Questi specialisti continuano a essere preziosi, ma non rappresentano più l’intero mercato del lavoro nel settore dell’IA.

All’interno di banche, aziende manifatturiere, studi di consulenza, catene di distribuzione, gruppi sanitari e istituzioni pubbliche sta emergendo una seconda categoria di figure professionali. Questi dipendenti potrebbero non occuparsi dell’addestramento dei modelli di base né possedere una laurea in informatica. Il loro ruolo consiste invece nel definire il ruolo dell’IA all’interno dell’organizzazione, integrarla nelle attività esistenti, verificare l’affidabilità dei suoi risultati e decidere quando è necessario che sia una persona a mantenere il controllo.

I loro titoli variano perché il modello operativo è ancora in fase di definizione. Le aziende stanno assumendo product manager specializzati in IA, esperti di rischio dei modelli, architetti dell’automazione e ingegneri sul campo. Altre stanno affidando responsabilità relative all’IA ad avvocati, responsabili della conformità, direttori della comunicazione, ricercatori e responsabili operativi senza modificare affatto i loro titoli di lavoro.

Questa distinzione è importante. È improbabile che il futuro del lavoro si divida nettamente tra chi “lavora nell’IA” e tutti gli altri. Le competenze nell’IA stanno diventando parte integrante delle professioni consolidate, proprio come la padronanza del digitale, l’analisi dei dati e la ricerca su Internet sono diventate requisiti fondamentali in ruoli che non sono mai stati classificati come lavori nel settore tecnologico.

Il mercato del lavoro sta cambiando in base alle mansioni

Le previsioni sull’occupazione nel settore dell’intelligenza artificiale oscillano spesso tra licenziamenti di massa e una profusione di nuove professioni. Entrambe le visioni trascurano il modo in cui le organizzazioni tendono a evolversi.

Le aziende raramente automatizzano una mansione in un unico passaggio. Piuttosto, riorganizzano le attività che la compongono.

Un responsabile della comunicazione potrebbe dedicare meno tempo alla raccolta della copertura mediatica e più tempo all’interpretazione dei rischi narrativi. Un avvocato potrebbe utilizzare l’intelligenza artificiale per confrontare le clausole contrattuali, pur rimanendo responsabile della consulenza legale. Un analista junior potrebbe elaborare un primo modello finanziario più rapidamente, mentre ci si aspetta che, nelle prime fasi della propria carriera, metta in discussione le ipotesi di partenza. Un addetto al servizio clienti potrebbe gestire un numero minore di richieste di routine e un numero maggiore di casi complessi che richiedono capacità di giudizio, gestione delle emozioni o implicazioni finanziarie.

L’Organizzazione Internazionale del Lavoro stima che un posto di lavoro su quattro a livello mondiale sia in qualche modo esposto all’intelligenza artificiale generativa. La sua conclusione più significativa è che la trasformazione sia più probabile della sostituzione totale, poiché sono relativamente poche le professioni costituite interamente da attività che i sistemi attuali sono in grado di automatizzare.

L'esposizione non va confusa con la scomparsa. Significa che la composizione dell'opera può cambiare.

Il Forum economico mondiale prevede che la trasformazione del mercato del lavoro crei 170 milioni di posti di lavoro e ne sostituisca 92 milioni entro il 2030, determinando un aumento netto di 78 milioni di posti di lavoro secondo le ipotesi della sua indagine. I posti di lavoro legati alla tecnologia sono tra quelli in più rapida crescita in termini percentuali, ma gran parte della crescita in termini assoluti è prevista in settori quali l’assistenza, l’istruzione, le consegne e l’agricoltura.

L'intelligenza artificiale sta quindi ridefinendo il panorama occupazionale nel contesto di una serie più ampia di pressioni demografiche, economiche e tecnologiche. Non tutti i rallentamenti nell'assunzione di personale sono causati dall'automazione, e non tutte le nuove posizioni avranno la parola "IA" nel titolo.

I product manager nel campo dell'intelligenza artificiale stanno trasformando le possibilità in realtà

Uno dei ruoli emergenti più importanti è quello del product manager nel campo dell'intelligenza artificiale.

Un product manager tradizionale stabilisce quale problema dei clienti o operativo un prodotto debba risolvere, coordina i team tecnici e commerciali e valuta se il risultato generi valore. Un product manager specializzato in IA svolge la stessa funzione fondamentale, ma deve anche tenere conto dei risultati probabilistici, dei limiti dei modelli, della provenienza dei dati e della necessità di una supervisione umana.

Si consideri il caso di una compagnia assicurativa che introduca un assistente basato sull’intelligenza artificiale per gli addetti alla gestione dei sinistri. Il team tecnico potrebbe essere in grado di sintetizzare i fascicoli dei casi e suggerire le azioni successive. Tuttavia, qualcuno dovrà comunque stabilire se il sistema debba limitarsi a recuperare informazioni, raccomandare un’azione o prendere una decisione. La risposta influisce sull’esposizione legale, sul trattamento dei clienti, sulla progettazione del flusso di lavoro e sulle prove necessarie prima del lancio.

Il product manager specializzato in IA non deve necessariamente essere il miglior sviluppatore di modelli dell’organizzazione. Il ruolo richiede una comprensione tecnica sufficiente per sapere cosa è fattibile, unita a una solida conoscenza degli utenti, delle operazioni e dei rischi.

Ecco perché la competenza settoriale sta acquisendo sempre più valore, anziché perderlo. Un sistema tecnicamente all’avanguardia può fallire perché fraintende il modo in cui i dipendenti lavorano realmente, introduce ritardi nei momenti sbagliati o produce una risposta che non può essere giustificata nei confronti di un cliente o di un’autorità di regolamentazione.

Gli ingegneri dislocati sul campo introducono l'intelligenza artificiale nell'organizzazione

Il geniere schierato in prima linea è più vicino alla fase di attuazione.

Anziché sviluppare un modello generico in modo isolato, questi specialisti lavorano direttamente con i clienti o con i team aziendali interni per collegare i sistemi di intelligenza artificiale a dati, processi e software. Possono configurare sistemi di recupero dati, creare flussi di lavoro per gli agenti, integrare i modelli con le applicazioni aziendali e adattare il sistema man mano che gli utenti reali ne evidenziano i punti deboli.

Questo titolo è ormai strettamente associato alle aziende che operano nel settore dell’intelligenza artificiale aziendale, ma la funzione che esso racchiude è più ampia. Le organizzazioni hanno bisogno di persone in grado di colmare il divario tra una dimostrazione convincente e un sistema produttivo affidabile.

Tale distanza viene spesso sottovalutata. Un chatbot che funziona bene con un esempio chiaro potrebbe avere difficoltà con documenti obsoleti, autorizzazioni contrastanti, terminologia specialistica e registrazioni incomplete. Potrebbe inoltre richiedere monitoraggio, procedure di riserva e l'intervento di un operatore umano.

Un ingegnere distaccato sul campo risolve quindi un problema organizzativo tanto quanto uno tecnico. Il ruolo prevede di trascorrere del tempo con gli utenti, osservare le eccezioni e modificare il flusso di lavoro, anziché dare per scontato che la prima configurazione del modello sia sufficiente.

Per le aziende più piccole, ciò potrebbe non giustificare l’assunzione di una figura a tempo indeterminato. Tale competenza potrebbe essere fornita da una società di consulenza, da un fornitore di software o da un responsabile operativo con competenze tecniche. Il requisito rimane comunque invariato: è necessario che qualcuno comprenda sia il sistema di intelligenza artificiale sia l’ambiente in cui viene introdotto.

Le operazioni di intelligenza artificiale diventeranno una funzione permanente

Una volta che l'intelligenza artificiale passa dalla fase sperimentale a quella operativa, le organizzazioni hanno bisogno di personale che la gestisca.

Le operazioni di intelligenza artificiale, talvolta definite anche “operazioni di apprendimento automatico” o “operazioni degli agenti”, comprendono il monitoraggio delle prestazioni, il controllo delle versioni dei modelli, la gestione degli accessi e l’intervento in caso di deterioramento dei risultati. Comprendono inoltre le attività meno appariscenti, quali la manutenzione delle connessioni ai dati, l’analisi degli incidenti e la documentazione delle modifiche.

Un'organizzazione che implementa agenti basati sull'intelligenza artificiale deve affrontare una maggiore complessità, poiché il sistema potrebbe non limitarsi a generare testo. Potrebbe infatti recuperare i dati di un cliente, aggiornare un database, redigere una risposta e innescare un'altra azione. Il potenziale aumento di produttività è maggiore, ma lo sono anche le conseguenze di un errore.

Ciò sta creando una domanda di professionisti in grado di decidere quali autorizzazioni assegnare a un agente, come registrare la sua attività e in quali casi sia necessaria un’approvazione. Questi professionisti dovranno comprendere non solo gli aspetti relativi alla sicurezza e alla progettazione dei processi, ma anche il comportamento delle persone nei confronti dei sistemi automatizzati. I dipendenti potrebbero accettare troppo facilmente una raccomandazione dell’IA, ignorarla completamente o escogitare soluzioni alternative informali quando questa rallenta il loro lavoro.

I team operativi di IA più efficienti combineranno quindi il monitoraggio tecnico con il giudizio operativo. Il loro compito non è semplicemente quello di mantenere il modello in funzione, ma di garantire che l’intero sistema rimanga utile, sotto controllo e in linea con lo scopo per cui è stato approvato.

Il rischio di modello sta andando oltre il settore bancario

Da tempo ormai gli istituti finanziari si avvalgono di specialisti del rischio di modello per mettere in discussione le ipotesi, i dati e i limiti dei sistemi quantitativi. L'intelligenza artificiale generativa sta estendendo discipline simili a una gamma più ampia di settori aziendali.

Un’azienda che utilizza l’intelligenza artificiale per vagliare le candidature di lavoro, stabilire le priorità tra i clienti o fornire consigli in materia assicurativa deve verificare se il sistema si comporta in modo coerente nei confronti dei vari gruppi interessati. Uno studio di consulenza deve accertarsi che le analisi generate si basino su fonti approvate. Un team di comunicazione che utilizza l’intelligenza artificiale per monitorare l’opinione pubblica dovrebbe capire se il set di dati sottostante sovrarappresenti determinate piattaforme o determinati segmenti di pubblico.

Questo incarico può essere svolto da un responsabile della garanzia dell’IA, da un validatore di modelli, da un responsabile dell’IA o da un professionista del rischio già in servizio. Il titolo è meno importante dell’indipendenza con cui viene affrontato il compito.

Chi ha realizzato o commissionato un sistema non è sempre nella posizione migliore per valutarlo in modo obiettivo. Le organizzazioni hanno bisogno di un processo credibile per testare le modalità di guasto, documentarne i limiti e sospenderne l'implementazione quando le prove disponibili non sono sufficienti.

Questo ruolo non va confuso con la redazione di una dichiarazione etica. È più simile alle attività di garanzia della qualità, analisi dei rischi e audit interno. Il lavoro comprende questioni pratiche: quali affermazioni può fornire il sistema? Con quale frequenza i suoi risultati sono errati? Cosa succede quando le informazioni di origine sono in conflitto tra loro? Un utente può contestare il risultato? Chi indaga su un incidente?

La governance dell'IA richiede ben più di un nuovo comitato

È in crescita anche la domanda di professionisti in grado di tradurre normative e politiche in controlli operativi.

Un responsabile della governance dell'IA può occuparsi di tenere un inventario dei sistemi, classificarne i rischi, definire gli usi consentiti e coordinare i team legali, di sicurezza, di approvvigionamento e di conformità. Questo ruolo assume particolare importanza quando i dipendenti adottano autonomamente strumenti disponibili pubblicamente o quando le funzionalità di IA vengono integrate tramite software già in possesso dell'azienda.

La legge europea sull’IA (AI Act) rafforza questa esigenza. I suoi requisiti vengono introdotti gradualmente e comprendono disposizioni relative alle pratiche vietate, all’alfabetizzazione in materia di IA, ai modelli generici e ai sistemi ad alto rischio. Le organizzazioni devono stabilire quali obblighi si applicano alle loro attività, anziché dare per scontato che ogni strumento di IA sia soggetto allo stesso trattamento normativo.

I professionisti della governance devono quindi disporre di conoscenze giuridiche sufficienti per interpretare i requisiti e di una comprensione operativa adeguata per renderli applicabili. Una politica che stabilisca che “i risultati dell’IA devono essere sottoposti a revisione” è insufficiente, a meno che l’organizzazione non definisca chi effettua la revisione, cosa viene verificato e quali prove vengono conservate.

I professionisti più competenti non cercheranno di impedire ogni singolo esperimento. Stabiliranno regole proporzionate che distinguano un assistente alla redazione a basso rischio da un sistema che influisca sull’occupazione, sul credito, sull’assistenza sanitaria o sull’accesso ai servizi essenziali.

L'AI Trainer sta diventando un esperto del settore

Il termine “addestratore di IA” un tempo si riferiva principalmente alle persone incaricate di etichettare i dati o di valutare le risposte dei modelli. Questo lavoro continua, ma all’interno delle organizzazioni sta emergendo una versione più specializzata.

Un assistente legale basato sull’intelligenza artificiale deve imparare quali fonti sono autorevoli e come lo studio legale struttura la propria consulenza. Un sistema di assistenza clienti necessita di esempi di linguaggio accettabile, regole di escalation e impegni vietati. Uno strumento di comunicazione deve distinguere tra una discrepanza fattuale, una narrazione emergente e una vera e propria minaccia alla reputazione.

Chi si occupa di insegnare e valutare questi sistemi deve quindi possedere competenze specifiche in materia. Può occuparsi di elaborare esempi, esaminare le risposte, definire criteri di valutazione e individuare errori ricorrenti. In molti casi, il candidato ideale sarà un dipendente esperto che conosca a fondo il proprio lavoro e che sviluppi ulteriori competenze nel campo dell’intelligenza artificiale.

Ciò offre un percorso professionale a chi non desidera diventare ingegnere. Un responsabile senior della gestione dei sinistri, un analista delle polizze o uno specialista della comunicazione può assumere la responsabilità della qualità del lavoro assistito dall’intelligenza artificiale in quel settore.

Il contributo non consiste semplicemente nel generare suggerimenti. Consiste nel trasformare il giudizio professionale tacito in istruzioni, esempi e test che un sistema possa utilizzare.

La competenza in materia di IA sta entrando nelle descrizioni delle mansioni lavorative di tutti i giorni

Il cambiamento più significativo nel mondo del lavoro potrebbe non riguardare affatto nuove figure professionali.

Nel gennaio 2026 LinkedIn ha riferito che gli annunci di lavoro negli Stati Uniti che richiedevano competenze in materia di IA erano aumentati del 70% rispetto all’anno precedente. La domanda va oltre le posizioni tecniche, poiché i datori di lavoro si aspettano sempre più spesso che i dipendenti utilizzino l’IA nell’ambito delle loro mansioni abituali.

L'alfabetizzazione nell'IA non significa accettare ogni risposta generata né conoscere il vocabolario relativo all'architettura dei modelli. A livello pratico, significa essere in grado di definire un compito, fornire un contesto pertinente, verificare le prove, riconoscere le informazioni sensibili e decidere se il risultato sia idoneo all'uso.

Per un responsabile delle relazioni pubbliche, ciò potrebbe comportare il confronto tra proposte legislative, l’analisi delle posizioni delle parti interessate e la redazione di un primo briefing, verificando al contempo ogni affermazione rilevante sulla base di fonti primarie. Per un ricercatore, potrebbe significare utilizzare l’intelligenza artificiale per organizzare la letteratura senza presentare la sintesi generata come prova empirica. Per un manager, potrebbe comportare la riprogettazione di un flusso di lavoro piuttosto che limitarsi a chiedere ai dipendenti di portare a termine lo stesso lavoro più rapidamente.

Queste competenze andranno sempre più ad affiancare quelle relative alla scrittura, alle presentazioni e all’uso dei fogli di calcolo. Il loro valore deriva dall’applicazione nel contesto professionale, non dalla padronanza dell’intelligenza artificiale considerata isolatamente.

Alcune delle professioni legate all’intelligenza artificiale attualmente proposte non diventeranno settori professionali di grande rilievo

Non tutte le testate di moda riusciranno a sopravvivere.

Il termine “prompt engineer” è diventato sinonimo dell’idea che le aziende assumessero specialisti la cui competenza principale fosse quella di redigere istruzioni per i modelli linguistici. Alcune organizzazioni necessitano ancora di competenze avanzate in materia di prompt e valutazione, in particolare quando si tratta di realizzare sistemi ripetibili. Tuttavia, la creazione di prompt sta diventando sempre più una componente della progettazione dei prodotti, dello sviluppo software e dell’uso professionale dell’IA, piuttosto che un reparto a sé stante.

La stessa cautela vale per figure come quella del “Chief AI Officer”. Una grande banca, un gruppo farmaceutico o un’azienda manifatturiera multinazionale potrebbero aver bisogno di un dirigente che coordini gli investimenti, la governance e l’implementazione. Un’organizzazione più piccola, invece, potrebbe creare una burocrazia superflua nominando una figura di alto livello nel campo dell’IA prima ancora di aver individuato un caso d’uso valido.

Le aziende dovrebbero assumere personale in base a responsabilità concrete piuttosto che a etichette di tendenza. Hanno bisogno di qualcuno che si assuma la responsabilità dei risultati, di qualcuno che gestisca il sistema, di qualcuno che ne valuti i rischi e di esperti del settore in grado di valutarne il funzionamento. Che tali responsabilità richiedano quattro figure professionali o parti di due ruoli esistenti dipende dalle dimensioni dell’azienda e dall’esposizione al rischio.

Il lavoro di livello base deve essere ripensato con attenzione

L'intelligenza artificiale pone un problema particolare all'inizio del percorso professionale.

Molti ruoli di livello junior combinano tradizionalmente il lavoro di routine con l’apprendimento. Un giovane consulente prepara studi di ricerca, un responsabile della comunicazione raccoglie materiale informativo e un tirocinante in diritto esamina documenti. Questi compiti possono risultare poco efficienti, ma consentono ai dipendenti di familiarizzarsi con gli elementi su cui si fonda lo sviluppo del giudizio professionale.

Se l’intelligenza artificiale elimina la componente di routine senza sostituire il meccanismo di apprendimento, in futuro le organizzazioni potrebbero formare un numero minore di professionisti esperti. Ai dipendenti alle prime armi potrebbe essere chiesto di valutare un lavoro che non hanno mai imparato a svolgere.

Le aziende devono distinguere le attività ripetitive di scarso valore dalle esperienze formative. Un neolaureato può avvalersi dell’intelligenza artificiale per accelerare la fase iniziale di ricerca, ma dovrà comunque verificare le fonti, spiegare il proprio ragionamento e difendere la propria raccomandazione. I manager potrebbero dover fornire un accompagnamento più mirato, poiché l’apprendimento non avverrà più automaticamente attraverso il volume di lavoro.

Questo cambia anche le dinamiche di assunzione. I candidati alle prime armi in grado di coniugare l’uso dell’intelligenza artificiale con il pensiero critico potrebbero contribuire prima a compiti più complessi, ma i datori di lavoro non dovrebbero confondere la rapidità nella produzione con la maturità di giudizio.

Le competenze interpersonali diventano più visibili, ma non perdono di importanza

Man mano che l'intelligenza artificiale si occupa sempre più della stesura, del recupero delle informazioni e delle analisi di routine, il contributo umano che rimane diventa più facile da individuare.

I datori di lavoro continuano ad aver bisogno di persone in grado di prendere decisioni sulla base di informazioni incomplete, persuadere le parti interessate scettiche, individuare le questioni politicamente delicate e assumersi la responsabilità delle conseguenze. Adattabilità, pensiero analitico, resilienza, leadership e influenza sociale rimangono elementi di primo piano nei sondaggi condotti tra i datori di lavoro, insieme alle competenze in materia di intelligenza artificiale e dati.

Ciò non significa che le “soft skill” garantiscano automaticamente la sicurezza di ogni ruolo. Un dipendente affabile che svolge un lavoro completamente standardizzabile potrebbe comunque trovarsi sotto pressione. La combinazione più efficace è quella tra conoscenza del settore, competenze nell’ambito dell’intelligenza artificiale e giudizio umano.

Per i professionisti della comunicazione e delle relazioni pubbliche, questo aspetto è particolarmente rilevante. L’intelligenza artificiale può generare un elenco di parti interessate o simulare domande ostili. Non può però essere chiamata a rispondere davanti a un ministro, fornire consulenza a un amministratore delegato durante una crisi reputazionale o interpretare in modo affidabile le dinamiche emotive di una riunione difficile. Tali attività richiedono credibilità, moderazione e comprensione del contesto istituzionale.

Cosa dovrebbero fare ora i datori di lavoro

Prima di creare nuovi ruoli legati all’intelligenza artificiale, i dirigenti dovrebbero individuare le mansioni che stanno subendo dei cambiamenti.

Quali decisioni saranno influenzate dall’IA? Quali attività vengono automatizzate? In quali casi è necessaria l’approvazione da parte di una persona? Quali competenze sono necessarie per individuare un errore grave? Queste domande mettono in luce le capacità di cui l’organizzazione ha effettivamente bisogno.

Alcune lacune dovrebbero essere colmate attraverso nuove assunzioni. Altre, invece, possono essere affrontate più efficacemente riqualificando il personale che già conosce i clienti, i sistemi e i rischi dell’azienda. Un nuovo assunto esterno, per quanto competente dal punto di vista tecnico, potrebbe impiegare mesi per acquisire le conoscenze che un dipendente esperto possiede già.

La formazione dovrebbe quindi essere specifica per ogni ruolo. Un’introduzione generale può stabilire le regole di base, ma i dipendenti acquisiscono competenze utili applicando l’IA al lavoro concreto, analizzando gli errori e imparando a distinguere tra assistenza e delega.

La nuova categoria di professioni legate all’intelligenza artificiale comprenderà ingegneri e specialisti. Comprenderà inoltre avvocati in grado di verificare la correttezza di una decisione automatizzata, manager in grado di riprogettare un processo e addetti alla comunicazione che sappiano riconoscere quando una risposta efficiente sarebbe comunque sbagliata da pubblicare.

La strategia professionale più efficace non consiste nel rincorrere ogni nuovo titolo, bensì nel diventare una persona che comprenda a fondo un settore di attività di valore, sappia come l’intelligenza artificiale lo stia trasformando e sia in grado di assumersi la responsabilità dei risultati.