C’è un dato che, più di altri, aiuta a mettere a fuoco cosa sta succedendo nel lavoro tech nell’era dell’intelligenza artificiale.
Tra il 2022 e il primo semestre del 2026, negli annunci per Software Engineer la quota di offerte che richiede almeno una competenza AI è passata dal 16% al 43%. Era un’evoluzione prevedibile: l’AI generativa è entrata rapidamente nei processi di sviluppo e le aziende hanno iniziato a cercare persone in grado di lavorare con nuovi strumenti e tecnologie.
Meno prevedibile è ciò che è successo contemporaneamente: nello stesso arco di tempo, la quota di annunci per Software Engineer che cita almeno una durable skill, cioè una competenza trasferibile e non legata a uno specifico strumento tecnologico, è passata dal 40,5% al 65%.
In altre parole, mentre cresce la domanda di competenze legate all’AI, cresce anche quella di capacità come comunicazione, leadership e problem solving.
Indice degli argomenti
AI e competenze nel lavoro tech: il doppio aumento
È questo, forse, uno degli aspetti meno intuitivi della trasformazione in corso. La diffusione dell’AI non sta semplicemente aumentando il peso della competenza tecnica a scapito delle competenze umane. Sta modificando il modo in cui le due dimensioni si combinano e, di conseguenza, il tipo di professionista che le aziende cercano.
È il quadro che emerge da Beyond Coding, la ricerca realizzata da Anthropos e Orbyta Tech attraverso l’analisi di 106.582 annunci di lavoro pubblici, relativi a 47 ruoli IT, pubblicati da 28.385 aziende in 202 Paesi. Il confronto principale è stato costruito tra il 2022 e il primo semestre del 2026, per osservare come siano cambiati nel tempo i requisiti presenti nelle job description.
Dallo scrivere codice al governo del lavoro
Per capire la portata del cambiamento bisogna partire da ciò che sta accadendo al mestiere dello sviluppatore.
Per anni una parte importante del valore di un Software Engineer è stata associata alla capacità di scrivere codice, conoscere linguaggi e framework, risolvere problemi tecnici con velocità e precisione.
Oggi una parte crescente dell’esecuzione può essere supportata dall’AI. Questo non elimina la necessità di competenza tecnica. Al contrario, rende più importante la capacità di decidere che cosa costruire, valutare se l’output è corretto, comprenderne limiti e rischi, e integrarlo in un sistema reale.
Anche le job description sembrano registrare questo spostamento. Nel campione analizzato, tra le competenze più richieste per i Software Engineer entrano elementi come LLM, sistemi distribuiti, observability, Docker e leadership, mentre alcune tecnologie precedentemente presenti tra le prime richieste perdono posizione. La comunicazione arriva al 46% degli annunci, superando la richiesta di diversi linguaggi di programmazione e collocandosi subito dopo Python, indicato nel 50,5% degli annunci. Non è un dettaglio.
Se una macchina può contribuire alla prima stesura di una parte del codice, il valore del professionista si sposta progressivamente verso attività che richiedono giudizio, contesto, responsabilità e capacità di interagire con altre persone.
La questione, quindi, non è più soltanto: “sa programmare?”.
Diventa anche: sa definire correttamente un problema? Sa spiegare una scelta tecnica? Sa verificare un risultato prodotto dall’AI? Sa collaborare con chi ha competenze diverse dalle proprie? Sa assumersi la responsabilità della decisione finale?
È un cambiamento che riguarda il lavoro quotidiano, ma anche il modo in cui le organizzazioni selezionano, valutano e fanno crescere le persone.
Le competenze umane crescono nel lavoro tech automatizzato
I dati sulle durable skill sono particolarmente interessanti proprio perché mettono in discussione una lettura lineare dell’automazione: se l’AI fa di più, le persone dovrebbero occuparsi di meno. Le job description raccontano qualcosa di più articolato.
Per i Software Engineer, la richiesta di comunicazione passa dal 32,5% al 46% tra il 2022 e il primo semestre 2026; quella di leadership dall’8,2% al 23,8%; quella di problem solving dal 12,2% al 20,5%. Nel complesso, gli annunci che citano almeno una durable skill passano dal 40,5% al 65%. E il fenomeno non riguarda soltanto gli sviluppatori.
Per i Product Manager, per esempio, gli annunci che citano almeno una durable skill passano dal 63,8% all’83%. La leadership cresce dal 23% al 47,8%, mentre la comunicazione passa dal 46,2% al 61,8%.
Per gli Engineering Manager, gli annunci che citano almeno una durable skill passano dall’81,2% al 91% e la leadership dal 54,8% al 76,2%.
Il dato non dimostra che l’AI “crei” automaticamente una maggiore domanda di competenze umane: un’analisi delle job description fotografa ciò che le aziende dichiarano di cercare, non le cause profonde di queste scelte. Ma segnala con chiarezza uno spostamento nei requisiti. E suggerisce una domanda importante per chi si occupa di persone: se una parte crescente dell’esecuzione viene assistita dall’AI, quali capacità diventano più importanti per orientare, verificare e dare senso a quell’esecuzione?
Lo stack AI cambia le competenze richieste nel lavoro tech
L’altro elemento che emerge dall’analisi è la velocità con cui cambiano le competenze tecnologiche richieste.
Nel giro di pochi anni, alcune competenze legate alla nuova generazione di strumenti AI sono passate da una presenza quasi nulla nelle job description a una presenza misurabile. Nel confronto 2022-2026 H1, la keyword “LLM” passa dallo 0,03% al 4,8% degli annunci, “AI Agent” da zero al 3,1% e “Generative AI” dallo 0,03% al 2,8%. Entrano inoltre strumenti come Cursor e Claude Code e cresce la richiesta di Prompt Engineering.
È una trasformazione rapidissima, ma non tutte le competenze hanno la stessa durata. L’analisi mostra che la domanda di capability più generali rimane sostanzialmente stabile nel periodo, mentre gli strumenti cambiano. Alcune tecnologie che pochi anni fa erano centrali nelle job description — come Hadoop, Puppet o Sass — arretrano significativamente.
Per chi deve assumere, questo introduce un problema concreto: quanto è utile costruire un profilo professionale attorno a una lista di strumenti che potrebbe cambiare nel giro di pochi anni?
La risposta che emerge dai dati è che occorre spostare l’attenzione dagli strumenti alle capacità. Non significa smettere di formare sulle tecnologie: significa distinguere ciò che deve essere aggiornato continuamente da ciò che consente a una persona di adattarsi quando lo stack cambia.
Competenze AI nel lavoro tech italiano: dati e profili junior
Il report dedica un focus specifico all’Italia, basato su 817 annunci relativi a 355 datori di lavoro. Il campione è più contenuto rispetto all’analisi internazionale e va quindi letto come un’indicazione aggregata, non come una fotografia dettagliata di ogni singolo ruolo.
Anche in questo caso la traiettoria della GenAI è evidente: gli annunci italiani che citano competenze di Generative AI passano dallo 0% nel 2022 all’11,5% nel primo semestre 2026, una crescita sostanzialmente in linea con quella osservata nel mercato globale, dove si passa dallo 0,2% al 12,6%.
Interessante anche il confronto sulle durable skill. Nel campione italiano, considerato in aggregato su tutti i ruoli, gli annunci che citano almeno una durable skill passano dal 54% al 61%; per il ruolo di Software Engineer a livello globale si passa dal 40,5% al 65%. Rispetto al mercato globale nel suo insieme, il campione italiano mostra inoltre una maggiore presenza del problem solving, che passa dal 27,5% al 34% (contro il 15,2%-24,2% globale), mentre la leadership cresce dal 10,7% al 15,3%, restando sotto il dato globale (18,8%-29,9%).
Anche il tema dei profili junior merita attenzione. A livello globale, negli annunci per Software Engineer la quota di posizioni junior passa dal 34% all’8,8% tra il 2022 e il primo semestre 2026. Nel campione italiano, considerando gli annunci aggregati, passa invece dal 31,4% al 29,8%. Sono perimetri diversi e non consentono un confronto diretto ruolo per ruolo, ma il dato italiano apre una questione rilevante: come cambieranno i percorsi di ingresso nel lavoro tech quando una parte delle attività tradizionalmente affidate ai profili più junior potrà essere assistita dall’AI?
Come l’AI ridisegna organizzazione e formazione nel lavoro tech
Guardare questi numeri soltanto dal punto di vista del recruiting sarebbe riduttivo. Se cambiano le competenze richieste, devono cambiare anche le organizzazioni che quelle competenze devono selezionare, sviluppare e valorizzare.
Job description e recruiting alla prova dell’AI
La prima conseguenza riguarda le job description. Una descrizione costruita prima della diffusione della GenAI rischia di fotografare un ruolo che nel frattempo si è trasformato. Non basta quindi aggiungere “AI” alla lista delle competenze richieste: occorre capire quali attività sono cambiate e quali capacità servono per svolgerle in modo efficace.
La seconda riguarda il recruiting. Se l’AI entra nel lavoro quotidiano, anche gli assessment dovrebbero avvicinarsi maggiormente alle situazioni reali. Non si tratta soltanto di verificare ciò che una persona sa fare senza strumenti, ma di osservare come utilizza l’AI, come formula un problema, come valuta un output e come prende una decisione.
Formazione e competenze durevoli per lo stack di domani
La terza riguarda la formazione. Il rischio è inseguire il mercato con un catalogo sempre più lungo di corsi: oggi un modello, domani uno strumento, dopodomani una nuova piattaforma. Ma se lo stack tecnologico cambia rapidamente, la formazione non può limitarsi a trasferire conoscenze relative agli strumenti del momento. Deve sviluppare la capacità di lavorare in un ambiente nel quale gli strumenti cambiano continuamente.
Questo significa combinare AI fluency e competenze durevoli, percorsi differenziati per ruolo, esercitazioni su problemi reali, apprendimento tra pari e verifica delle competenze nel contesto di lavoro. L’obiettivo non è preparare le persone allo stack di oggi, ma aumentare la loro capacità di adattarsi allo stack di domani.
Beyond Coding: persone e AI nel futuro del lavoro tech
Il nome della ricerca nasce proprio da qui: Beyond Coding. Non perché il coding perda valore, ma perché non basta più a descrivere il lavoro di chi opera nel tech.
Lo sviluppatore che emerge dai dati non è semplicemente una persona che scrive codice più velocemente grazie all’AI. È un professionista chiamato sempre più a progettare, verificare, spiegare e guidare, utilizzando l’AI come parte della propria cassetta degli attrezzi.
Tre livelli per le nuove competenze nel lavoro tech
La trasformazione riguarda quindi almeno tre livelli.
Il primo è individuale: servono nuove competenze tecnologiche, ma anche maggiore capacità di giudizio, comunicazione e collaborazione.
Il secondo è organizzativo: cambiano i ruoli, i processi di selezione, gli assessment e il modo in cui vengono definiti i percorsi di carriera.
Il terzo è formativo: non basta più aggiornare periodicamente lo stack tecnico. Occorre costruire una capacità permanente di apprendimento e adattamento.
È forse questo il punto più interessante che emerge dall’analisi di oltre centomila job description: l’AI sta accelerando il cambiamento delle competenze, ma non sta rendendo irrilevante la dimensione umana del lavoro. Al contrario, mentre le aziende cercano persone capaci di utilizzare nuovi strumenti, stanno anche aumentando la richiesta di capacità che gli strumenti non possono semplicemente sostituire: comprendere un problema, comunicare una soluzione, assumersi una responsabilità, collaborare, prendere decisioni in condizioni di ambiguità.
La questione per le imprese, quindi, non è soltanto capire quali strumenti AI adottare. È capire quale lavoro vogliono che le persone facciano insieme all’AI e, di conseguenza, quali competenze dovranno avere per farlo.
È qui che il tema dell’AI smette di essere soltanto tecnologico e diventa una questione di organizzazione, formazione e sviluppo del capitale umano. Ed è forse proprio questo il significato più concreto di “Beyond Coding”.
Partecipa alla community