<\/p>\n
Il prossimo importante assunto nel campo dell\u2019IA in una banca potrebbe non essere un ingegnere specializzato in machine learning. Potrebbe trattarsi di uno specialista in materia di conformit\u00e0 in grado di verificare una decisione automatizzata, di un product manager capace di riprogettare un processo di concessione dei prestiti basandosi sull\u2019IA, oppure di un analista chiamato a dimostrare che l\u2019implementazione di un costoso software abbia prodotto qualcosa di pi\u00f9 di una serie di dimostrazioni di grande effetto.<\/span><\/p>\n Questi ruoli stanno iniziando a emergere perch\u00e9 le aziende hanno superato la prima fase di adozione dell\u2019IA generativa. Acquistare licenze e consentire ai dipendenti di sperimentare con i chatbot era relativamente semplice. Collegare l\u2019IA alle anagrafiche dei clienti, ai documenti interni e ai sistemi operativi non lo \u00e8. 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 \u00e8 autorizzato a fare, valutare se funziona e assumersi la responsabilit\u00e0 quando non funziona.<\/span><\/p>\n Tale esigenza sta dando vita a una categoria di professioni a met\u00e0 strada tra il settore tecnologico e il resto del mondo aziendale. Alcune hanno denominazioni poco comuni, come \u201cspecialista in agenti di IA\u201d, \u201cvalutatore di modelli\u201d e \u201cresponsabile della governance dell\u2019IA\u201d. Altre sono figure gi\u00e0 note che stanno acquisendo competenze pi\u00f9 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.<\/span><\/p>\n Il mercato non sta sostituendo ogni professione esistente con un equivalente basato sull'intelligenza artificiale. Sta piuttosto introducendo un nuovo livello di attivit\u00e0 all'interno delle aziende, che ora devono gestire sistemi in grado di produrre, fornire raccomandazioni e, sempre pi\u00f9 spesso, agire autonomamente.<\/span><\/p>\n 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 pi\u00f9 rapida crescita fino al 2030, insieme agli specialisti in big data e agli ingegneri fintech.<\/span><\/p>\n Tuttavia, tali ruoli rappresentano solo una parte dell\u2019impatto sull\u2019occupazione. Un\u2019azienda che utilizza un modello gi\u00e0 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.<\/span><\/p>\n Si consideri un assicuratore che intenda utilizzare l\u2019intelligenza artificiale nella gestione dei sinistri. La questione tecnica \u00e8 se un modello sia in grado di leggere moduli, fotografie e corrispondenza con i clienti. Le questioni operative sono pi\u00f9 complesse. Quali sinistri possono essere gestiti automaticamente? Quali prove richiedono una revisione umana? Come devono essere gestiti i risultati con un basso livello di affidabilit\u00e0? Il sistema potrebbe penalizzare una particolare categoria di clienti? Come spiegher\u00e0 un dipendente la decisione se questa venisse contestata?<\/span><\/p>\n Un team di sviluppo software tradizionale non \u00e8 in grado di rispondere a queste domande da solo. Gli specialisti in sinistri conoscono il processo, i responsabili della conformit\u00e0 conoscono gli obblighi, i team che si occupano dei dati conoscono le informazioni disponibili e i product manager decidono come integrare tutti questi elementi.<\/span><\/p>\n Questo spiega perch\u00e9 molti dei ruoli pi\u00f9 importanti nel campo dell\u2019IA saranno di tipo ibrido piuttosto che puramente tecnici. Il dipendente che comprende sia il modello che il processo aziendale diventa il trait d\u2019union tra ci\u00f2 che l\u2019IA \u00e8 in grado di fare e ci\u00f2 che l\u2019organizzazione pu\u00f2 tranquillamente permetterle di fare.<\/span><\/p>\n \u00c8 probabile che quella di product manager nel settore dell\u2019intelligenza artificiale diventi una delle figure professionali pi\u00f9 stabili emerse dall\u2019attuale ciclo.<\/span><\/p>\n I product manager tradizionali definiscono le esigenze dei clienti, stabiliscono le priorit\u00e0 delle funzionalit\u00e0 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 anzich\u00e9 completamente predeterminati.<\/span><\/p>\n Una normale funzionalit\u00e0 software dovrebbe produrre lo stesso risultato quando riceve la stessa istruzione. Un modello generativo pu\u00f2 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.<\/span><\/p>\n Il lavoro consiste quindi nel decidere in quali casi l\u2019incertezza sia accettabile. Un assistente di ricerca interno pu\u00f2 tollerare una soglia di rischio diversa rispetto a un sistema automatizzato che invia consigli finanziari ai clienti. A uno strumento di marketing pu\u00f2 essere consentito di creare una prima bozza che verr\u00e0 poi revisionata da un dipendente. Un sistema di rilevamento delle frodi, che determina se una transazione debba essere bloccata, richiede test pi\u00f9 rigorosi, tracciabilit\u00e0 e procedure di escalation.<\/span><\/p>\n 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\u2019applicazione utile e un giudizio operativo adeguato per progettare le misure di sicurezza a tutela delle persone.<\/span><\/p>\n \u00c8 improbabile che i candidati pi\u00f9 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\u2019intelligenza artificiale e di averne misurato i risultati.<\/span><\/p>\n Man mano che le aziende iniziano a utilizzare agenti basati sull'intelligenza artificiale anzich\u00e9 chatbot autonomi, la progettazione dei flussi di lavoro diventa una professione a s\u00e9 stante.<\/span><\/p>\n 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\u2019ambito degli acquisti, potrebbe esaminare i contratti, confrontare i fornitori e preparare una richiesta di acquisto.<\/span><\/p>\n La parte difficile non \u00e8 dare all\u2019agente l\u2019istruzione di \u201crisolvere il problema del cliente\u201d. \u00c8 definire ogni azione che pu\u00f2 intraprendere, le informazioni a cui pu\u00f2 accedere e i momenti in cui \u00e8 necessario l\u2019intervento di una persona.<\/span><\/p>\n Un architetto dei flussi di lavoro definisce tale processo. Questo ruolo combina elementi di analisi aziendale, automazione, integrazione dei sistemi e progettazione organizzativa. L\u2019architetto decide quali attivit\u00e0 debbano rimanere di competenza umana, quali possano essere delegate e in che modo il lavoro debba tornare al dipendente quando il sistema rileva un\u2019eccezione.<\/span><\/p>\n \u00c8 proprio qui che molti progetti di IA avranno successo o falliranno. Un\u2019azienda pu\u00f2 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 responsabilit\u00e0 o i flussi di informazioni spesso fa risparmiare solo qualche minuto, anzich\u00e9 trasformare il lavoro.<\/span><\/p>\n 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.<\/span><\/p>\n Il collaudo del software verifica tradizionalmente se un sistema funziona in conformit\u00e0 con una specifica definita. La valutazione dell'intelligenza artificiale \u00e8 meno semplice, poich\u00e9 la qualit\u00e0 di una risposta pu\u00f2 dipendere dall'accuratezza, dalla pertinenza, dal tono, dalla sicurezza e dal contesto.<\/span><\/p>\n Una risposta del servizio clienti pu\u00f2 essere corretta dal punto di vista fattuale, ma inappropriata. Una sintesi legale pu\u00f2 cogliere il significato generale, tralasciando per\u00f2 la clausola che modifica il rischio commerciale. Uno strumento di reclutamento potrebbe apparire nel complesso accurato, ma rivelarsi meno affidabile per determinati gruppi.<\/span><\/p>\n 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.<\/span><\/p>\n Questo lavoro pu\u00f2 richiedere l\u2019uso di strumenti tecnici, ma gran parte del suo valore deriva dalla competenza nel settore specifico. Un valutatore generico pu\u00f2 verificare la grammatica e la coerenza. \u00c8 necessario un medico per valutare se una sintesi clinica generata dall\u2019IA abbia omesso un dettaglio clinicamente rilevante. Un professionista del settore finanziario pu\u00f2 individuare i casi in cui una spiegazione plausibile del mercato risulti economicamente incoerente.<\/span><\/p>\n A seconda dell\u2019azienda, la posizione pu\u00f2 rientrare nei settori del prodotto, del rischio, della scienza dei dati o delle operazioni. Nei settori regolamentati, \u00e8 probabile che diventi sempre pi\u00f9 formale, poich\u00e9 le aziende avranno bisogno di prove che dimostrino che un sistema sia stato testato prima della sua implementazione e monitorato in seguito.<\/span><\/p>\n Qualcuno deve decidere cosa significhi \u201cabbastanza buono\u201d. Non \u00e8 una domanda a cui il modello possa rispondere da solo.<\/span><\/p>\n Un tempo le aziende consideravano la governance dell\u2019IA 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.<\/span><\/p>\n Tale approccio risulta inadeguato quando l'intelligenza artificiale viene integrata nelle decisioni operative.<\/span><\/p>\n 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 \u00e8 responsabile di ciascun sistema. Esaminano gli aspetti relativi alla protezione dei dati, alla propriet\u00e0 intellettuale, alla discriminazione, alla spiegabilit\u00e0, alla dipendenza dai fornitori e agli obblighi normativi.<\/span><\/p>\n Il ruolo assume particolare importanza quando i dipendenti adottano strumenti senza un\u2019approvazione 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 vulnerabilit\u00e0.<\/span><\/p>\n 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 incoragger\u00e0 il personale a aggirarlo. Un sistema che consideri ogni richiesta come innocua crea rischi legali e operativi.<\/span><\/p>\n Questo lavoro \u00e8 adatto a chi opera nei settori della conformit\u00e0, 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 capacit\u00e0 di tradurre le norme in controlli concreti.<\/span><\/p>\n La legge sull\u2019intelligenza artificiale dell\u2019Unione Europea sta accelerando questa domanda, ma la regolamentazione \u00e8 solo uno dei fattori trainanti. I consigli di amministrazione e le compagnie assicurative chiedono sempre pi\u00f9 spesso prove che dimostrino che le aziende sappiano dove viene utilizzata l\u2019intelligenza artificiale e chi ne sia responsabile.<\/span><\/p>\n L'intelligenza artificiale comporta problemi di sicurezza che non rientrano chiaramente nell'ambito della difesa informatica convenzionale.<\/span><\/p>\n I modelli possono essere manipolati tramite l\u2019iniezione 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.<\/span><\/p>\n Uno specialista in sicurezza dell'intelligenza artificiale esamina queste nuove superfici di attacco. Il lavoro pu\u00f2 comprendere il collaudo dei modelli, la limitazione dell'accesso ai dati, il monitoraggio dell'attivit\u00e0 degli agenti e la progettazione di controlli relativi agli strumenti esterni e ai fornitori di modelli.<\/span><\/p>\n Il rischio aumenta quando a un sistema di intelligenza artificiale viene consentito di agire anzich\u00e9 limitarsi a fornire consigli. Un chatbot che genera una bozza di scarsa qualit\u00e0 causa disagi. Un agente in grado di approvare rimborsi, modificare i dati di un account o eseguire codice genera un evento di sicurezza.<\/span><\/p>\n \u00c8 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 pi\u00f9 piccole si aspetteranno che i professionisti della sicurezza gi\u00e0 presenti acquisiscano competenze specifiche nel campo dell'intelligenza artificiale.<\/span><\/p>\n In ogni caso, la conoscenza delle normali pratiche di sicurezza informatica non sar\u00e0 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.<\/span><\/p>\n 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.<\/span><\/p>\n Un modello basato su informazioni incomplete non risolve il problema. Si limita a fornire risposte pi\u00f9 rapidamente sulla base di informazioni incomplete.<\/span><\/p>\n I responsabili della gestione dei dati stabiliscono chi \u00e8 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.<\/span><\/p>\n Questo lavoro \u00e8 meno affascinante dello sviluppo dei modelli, ma pu\u00f2 determinare se un assistente IA interno sia considerato affidabile. Un dipendente smetter\u00e0 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.<\/span><\/p>\n Il ruolo richiede inoltre autorit\u00e0 organizzativa. La pulizia dei dati non \u00e8 un progetto una tantum svolto da un team IT. Le unit\u00e0 aziendali devono gestire le informazioni che generano e adottare standard comuni. L\u2019ingegnere della conoscenza lavora quindi tanto con le persone e la responsabilit\u00e0 quanto con i database.<\/span><\/p>\n Le aziende che sostengono di non essere pronte per l'intelligenza artificiale perch\u00e9 i loro dati sono di scarsa qualit\u00e0 potrebbero scoprire che la preparazione dei dati rappresenta di per s\u00e9 una delle principali fonti di nuovo lavoro.<\/span><\/p>\n L'espressione \u201cformatore di IA\u201d pu\u00f2 riferirsi a diverse figure professionali, alcune delle quali pi\u00f9 stabili di altre.<\/span><\/p>\n Nelle aziende modello, i formatori possono etichettare i dati, confrontare i risultati e fornire un feedback specialistico utilizzato per migliorare un sistema. All\u2019interno di un\u2019azienda tradizionale, invece, il ruolo consiste pi\u00f9 probabilmente nell\u2019insegnare a un sistema di intelligenza artificiale le regole dell\u2019organizzazione e nell\u2019insegnare ai dipendenti come utilizzarlo.<\/span><\/p>\n Un formatore potrebbe collaborare con i responsabili del servizio clienti per definire esempi di risposta soddisfacente, individuare le espressioni che l\u2019azienda deve evitare e stabilire quando lo strumento debba inoltrare un caso a un livello superiore. La stessa persona potrebbe formare il personale affinch\u00e9 verifichi i risultati piuttosto che accettarli automaticamente.<\/span><\/p>\n Ci\u00f2 \u00e8 diverso dall\u2019organizzare 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.<\/span><\/p>\n Questo ruolo potrebbe non sopravvivere come figura autonoma in tutte le aziende. Le responsabilit\u00e0 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 rimarr\u00e0 comunque, poich\u00e9 sia i sistemi di intelligenza artificiale che le pratiche dei dipendenti cambiano troppo rapidamente perch\u00e9 un corso una tantum possa essere sufficiente.<\/span><\/p>\n Uno dei nuovi lavori nel campo dell\u2019intelligenza artificiale meno affascinanti potrebbe rivelarsi tra i pi\u00f9 importanti.<\/span><\/p>\n 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\u2019utilizzo del sistema viene considerato come prova della produttivit\u00e0. Una presentazione ben curata viene scambiata per un risultato operativo.<\/span><\/p>\n Un analista di valore basato sull'intelligenza artificiale verifica tali affermazioni.<\/span><\/p>\n Nel caso di uno strumento di assistenza clienti, l\u2019analista 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 velocit\u00e0 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 rapidit\u00e0 con cui estrae le informazioni, ma anche in base al costo della correzione degli errori.<\/span><\/p>\n 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 \u00e8 frammentato e non pu\u00f2 essere convertito in una maggiore produttivit\u00e0 o in una riduzione dei costi.<\/span><\/p>\n Questo ruolo pu\u00f2 rientrare nell\u2019ambito della finanza, della strategia, delle operazioni o di un ufficio centrale dedicato all\u2019IA. Premia lo scetticismo tanto quanto l\u2019entusiasmo. Il compito dell\u2019analista non \u00e8 dimostrare che l\u2019IA funzioni, ma individuare in quali ambiti funziona.<\/span><\/p>\n Nel 2023, il ruolo di \u201cprompt engineer\u201d \u00e8 stato spesso presentato come la figura professionale emblematica dell\u2019economia dell\u2019IA generativa. Alcuni dei primi annunci di lavoro offrivano stipendi insolitamente elevati a chi fosse in grado di progettare istruzioni per i modelli linguistici.<\/span><\/p>\n 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 pi\u00f9 una competenza integrata in altre professioni, piuttosto che una professione a s\u00e9 stante.<\/span><\/p>\n Un avvocato che utilizza l'intelligenza artificiale deve impostare correttamente un'attivit\u00e0 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 pi\u00f9 efficaci nell'interpretare il linguaggio comune, il valore non risiede pi\u00f9 nella conoscenza di una serie di tecniche di prompt, ma nella comprensione del dominio e del flusso di lavoro sottostanti.<\/span><\/p>\n Il vantaggio duraturo non sta nella capacit\u00e0 di indurre un'intelligenza artificiale a fornire una risposta accattivante, bens\u00ec nel saper stabilire se tale risposta sia utile, ammissibile e corretta.<\/span><\/p>\n 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.<\/span><\/p>\n Ci\u00f2 non significa che le aziende creeranno un reparto distinto per ciascuno di essi. In molte organizzazioni, il lavoro verr\u00e0 distribuito tra i team gi\u00e0 esistenti.<\/span><\/p>\n Un professionista della finanza potrebbe assumersi la responsabilit\u00e0 dei casi di investimento nell'IA. Un responsabile della conformit\u00e0 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 qualit\u00e0 e la provenienza dell'IA.<\/span><\/p>\n 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\u2019intelligenza 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.<\/span><\/p>\n Le implicazioni vanno ben oltre un semplice boom nelle assunzioni di personale specializzato. I lavoratori potrebbero non aver bisogno della dicitura \u201cIA\u201d nel proprio titolo professionale, ma ci si aspetter\u00e0 sempre pi\u00f9 che comprendano in che modo questa tecnologia modifichi il loro ruolo.<\/span><\/p>\n Il mercato attuale presenta un'apparente contraddizione. L'intelligenza artificiale \u00e8 in grado di svolgere compiti sempre pi\u00f9 complessi, ma le aziende hanno comunque bisogno di persone con sufficiente esperienza per valutarne il lavoro.<\/span><\/p>\n Un dipendente inesperto pu\u00f2 utilizzare un modello con disinvoltura, ma non riuscire a individuare un errore plausibile. Uno specialista di lunga esperienza pu\u00f2 invece cogliere immediatamente l\u2019errore, ma non avere la sicurezza necessaria per riprogettare il processo in base allo strumento. I candidati migliori sono quelli che uniscono entrambe queste capacit\u00e0.<\/span><\/p>\n Le prime ricerche condotte da Anthropic sul mondo del lavoro hanno rilevato che l\u2019uso dell\u2019IA era concentrato in alcune parti delle professioni piuttosto che nell\u2019intero ambito lavorativo. La sua analisi iniziale suggeriva che solo una piccola percentuale di professioni utilizzasse l\u2019IA nella maggior parte delle proprie attivit\u00e0, mentre un gruppo molto pi\u00f9 ampio la impiegasse solo per una minoranza significativa del proprio lavoro. Dati pi\u00f9 recenti indicano che l\u2019ampiezza dell\u2019utilizzo nell\u2019ambito delle attivit\u00e0 continua ad espandersi, sebbene l\u2019adozione rimanga disomogenea tra le diverse professioni e i vari paesi.<\/span><\/p>\n Ecco perch\u00e9 l\u2019effetto immediato sul mercato del lavoro comporter\u00e0 probabilmente una riorganizzazione dei posti di lavoro. Alcune mansioni scompariranno, altre si amplieranno e si aggiungeranno nuove responsabilit\u00e0 legate alla supervisione, alla capacit\u00e0 di giudizio e alla progettazione dei sistemi.<\/span><\/p>\n Il lavoro di livello base pone una questione pi\u00f9 complessa. I dipendenti alle prime armi hanno tradizionalmente acquisito competenze attraverso attivit\u00e0 di ricerca, redazione, riconciliazione e altre mansioni che l\u2019intelligenza artificiale \u00e8 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.<\/span><\/p>\n L'intelligenza artificiale potrebbe rendere pi\u00f9 produttivo un professionista esperto, rendendo al contempo pi\u00f9 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.<\/span><\/p>\n Per la maggior parte dei professionisti, la risposta pi\u00f9 sensata non \u00e8 quella di abbandonare il proprio settore e iniziare una formazione come sviluppatore di modelli, bens\u00ec quella di individuare in che modo l\u2019intelligenza artificiale sta modificando gli aspetti economici e il flusso di lavoro del settore che gi\u00e0 conoscono.<\/span><\/p>\n Un professionista della comunicazione potrebbe imparare a creare un processo di produzione dei contenuti assistito dall\u2019IA, dotato di controlli relativi all\u2019approvazione, alla divulgazione e alla verifica dei fatti. Uno specialista in materia di conformit\u00e0 potrebbe studiare gli inventari dei modelli, la classificazione dei rischi e la legge dell\u2019UE sull\u2019IA. Un responsabile operativo potrebbe mappare un processo e stabilire quali decisioni siano adatte all\u2019automazione. Un analista finanziario potrebbe sviluppare un metodo per misurare i rendimenti degli investimenti nell\u2019IA.<\/span><\/p>\n Un portfolio credibile conta pi\u00f9 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 pu\u00f2 dimostrare una maggiore capacit\u00e0 di giudizio rispetto al semplice affermare di avere una conoscenza generica di diverse piattaforme di intelligenza artificiale.<\/span><\/p>\n Una buona padronanza tecnica \u00e8 utile, in particolare la comprensione dei dati, delle API, dei sistemi di recupero e della valutazione dei modelli. Tuttavia, non sostituisce le competenze professionali.<\/span><\/p>\n La nuova categoria di professioni legate all\u2019intelligenza artificiale si sta sviluppando proprio al confine tra questi due ambiti. Le aziende hanno gi\u00e0 a disposizione modelli sufficienti; ci\u00f2 che manca loro sono persone in grado di capire dove impiegarli, come gestirli e quando il risultato non giustifica il costo.<\/span><\/p>\n La maggior parte dei nuovi posti di lavoro nel settore dell'intelligenza artificiale riguarda la traduzione<\/span><\/h2>\n
Il responsabile di prodotto per l'intelligenza artificiale<\/span><\/h2>\n
L'architetto del flusso di lavoro e degli agenti<\/span><\/h2>\n
Responsabile della valutazione dei modelli e responsabile della qualit\u00e0 dell'IA<\/span><\/h2>\n
Lo specialista in governance dell'IA e rischio legato ai modelli<\/span><\/h2>\n
Lo specialista in sicurezza nell'ambito dell'intelligenza artificiale<\/span><\/h2>\n
Il responsabile dei dati e l'ingegnere della conoscenza<\/span><\/h2>\n
Il programma di addestramento all'IA non \u00e8 un tutor sotto forma di chatbot<\/span><\/h2>\n
L'analista del valore dell'IA e del ROI<\/span><\/h2>\n
Quella del \u201cprompt engineer\u201d potrebbe non diventare la professione che un tempo si immaginava<\/span><\/h2>\n
I lavori esistenti cambieranno pi\u00f9 rapidamente di quanto ne nascano di nuovi<\/span><\/h2>\n
La competenza in un determinato settore sta acquisendo sempre pi\u00f9 valore, non il contrario<\/span><\/h2>\n
Come prepararsi senza diventare un ingegnere specializzato in intelligenza artificiale<\/span><\/h2>\n