Il professore Yanis Ben Amor, docente di Intelligenza Artificiale alla Columbia University, ha recentemente dichiarato che “senza competenze AI non c’è futuro nel mondo del lavoro”. Una frase che ha scatenato un acceso dibattito tra imprenditori, sindacati e istituzioni italiane. Ma cosa significa davvero questa affermazione? Quali dati supportano la tesi che l’AI diventerà una skill imprescindibile, e come può il sistema formativo italiano reagire?
Perché l’AI è diventata una competenza chiave
Negli ultimi cinque anni l’Intelligenza Artificiale è passata da una disciplina di nicchia a un driver di crescita economica globale. Il World Economic Forum, nella sua “Future of Jobs Report 2023”, stima che entro il 2027 il 42 % delle competenze richieste sul mercato del lavoro sarà legato a tecnologie emergenti, tra cui l’AI, il machine learning e l’analisi dei dati. In Italia, l’Osservatorio ICT del Politecnico di Milano ha rilevato che il valore aggiunto delle imprese che hanno integrato soluzioni AI è cresciuto in media del 12 % rispetto a quelle che non lo hanno fatto.
Il cambiamento non riguarda solo i settori tradizionalmente “tecnologici”. Un’analisi di McKinsey (2022) ha mostrato che il 70 % delle attività di marketing, il 55 % dei processi di logistica e il 48 % delle funzioni HR possono essere ottimizzati con l’AI. Di conseguenza, anche ruoli apparentemente “umani”, come il customer service o il project management, richiedono ora una familiarità con strumenti di automazione, chatbot o piattaforme di predictive analytics.
Ben Amor sottolinea che la differenza non è più “se” usare l’AI, ma “come” farlo in modo responsabile e produttivo. La capacità di comprendere i limiti di un modello, di interpretare i risultati e di gestire i bias è diventata una skill di base, al pari della capacità di usare Excel nel 1990.
Il panorama attuale: dati e tendenze in Italia
Un quadro basato su fonti ufficiali e studi di settore evidenzia come l’Italia stia ancora rincorrendo la curva di adozione dell’AI:
- Investimenti pubblici: il Piano Nazionale di Ripresa e Resilienza (PNRR) ha destinato 6,2 miliardi di euro al “Digital Innovation Hub”, di cui 1,5 miliardi per progetti di intelligenza artificiale. Tuttavia, solo il 23 % delle PMI ha dichiarato di aver avviato progetti AI entro il 2024.
- Competenze sul mercato: secondo l’ISTAT, il 38 % delle offerte di lavoro pubblicate tra gennaio e settembre 2024 richiedeva “conoscenza di AI o machine learning”. Di queste, il 61 % era per posizioni senior, lasciando un vuoto per i profili junior.
- Formazione universitaria: il numero di corsi di laurea in AI è cresciuto del 45 % dal 2020, ma la percentuale di laureati che trovano impiego in settori AI‑related è ancora inferiore al 30 %.
- Skill gap: l’European Centre for the Development of Vocational Training (Cedefop) stima che entro il 2030 in Italia mancheranno circa 350 000 specialisti in data science e AI, un divario che rischia di frenare la competitività delle imprese.
Questi numeri confermano l’avvertimento di Ben Amor: la carenza di competenze AI non è solo una questione accademica, ma una reale minaccia alla crescita occupazionale del Paese.
Strategie per colmare il divario di competenze
Affrontare il problema richiede un approccio integrato, che coinvolga istituzioni, imprese e cittadini. Ecco tre leve operative che, se messe in atto con coerenza, possono ridurre il gap entro il 2030:
- Riforma dei percorsi formativi: introdurre moduli di AI fin dal liceo tecnico e scientifico, con laboratori pratici su piattaforme open‑source (TensorFlow, PyTorch). Le università dovrebbero creare master “AI per tutti”, con corsi di durata 6‑12 mesi rivolti a professionisti già inseriti nel mercato del lavoro.
- Partnership pubblico‑privato: incentivare le imprese a finanziare tirocini e progetti di ricerca con le università, creando “sandbox” di sperimentazione AI. Il Ministero dell’Istruzione, dell'Università e della Ricerca (MIUR) potrebbe prevedere crediti d’imposta per le aziende che assumono laureati in AI o che offrono programmi di upskilling interno.
- Formazione continua e certificazioni: promuovere percorsi di micro‑learning e certificazioni riconosciute a livello europeo (es. European AI Certificate). Piattaforme come Coursera, edX e Udacity offrono già percorsi specializzati; il ruolo dello Stato dovrebbe essere quello di garantire l’accessibilità economica (es. voucher formativi).
Un esempio concreto è il progetto “AI Lab Milano”, avviato nel 2022 da una consorzio di imprese manifatturiere, università e il Comune di Milano. Il laboratorio ha formato 1 200 operai su temi di manutenzione predittiva, riducendo i tempi di fermo impianto del 18 % in un anno. Questo caso dimostra come la formazione mirata, legata a bisogni produttivi reali, generi ritorni economici tangibili.
Il ruolo delle soft skill nell’era dell’AI
Ben Amor non sottolinea solo le competenze tecniche. L’AI, per essere efficace, richiede una combinazione di hard e soft skill:
- Pensiero critico: capacità di valutare l’affidabilità di un modello, di individuare bias e di interpretare risultati in contesti aziendali.
- Comunicazione: tradurre insights tecnici in decisioni operative per manager non specialisti.
- Etica e responsabilità: comprendere le implicazioni sociali e legali dell’uso dell’AI, come la privacy dei dati e il rischio di discriminazione.