Costruire una carriera a prova di intelligenza artificiale non significa trovare un lavoro immune all’automazione. Significa scegliere competenze che aumentano di valore mentre l’AI assorbe una quota crescente di attività ripetitive, analitiche e digitali. La differenza è decisiva per studenti, neolaureati e lavoratori già inseriti in azienda: il rischio non è solo perdere una mansione, ma restare fermi mentre il contenuto dei ruoli cambia.
Riteniamo che il tema sia molto importante: vi avevamo dedicato un approfondimento a marzo, ma arrivano sempre nuove evidenze sulle capacità dell’AI in ambito lavorativo, con nuovi studi.
I progressi continuano, sia nella tecnologia sia nella nostra capacità di utilizzarla e integrarla nelle varie mansioni; ma si chiariscono e definiscono anche i limiti all’interno di professioni complesse e articolate.
Di recente, poi, spicca l’arrivo di una guida (gratuita): il libro 80,000 Hours, di Benjamin Todd, che ha un capitolo dedicato all’AI.
“Which skills will be most valuable in the future?”, pubblicato il 12 maggio 2026 nella guida, sfrutta una valanga di evidenze scientifiche pubblicate negli ultimi anni, per dare una mappa di orientamento.
Con quattro pilastri.
Dice che le competenze più preziose saranno quelle 1)utili nei lavori ad alto impatto, 2)rapide da apprendere rispetto al valore che generano, 3)trasferibili tra settori e 4)rese più importanti, anziché meno, dall’AI.
La formulazione evita sia l’allarmismo sia l’ottimismo generico. L’automazione riduce il valore di alcune attività, ma può aumentare quello delle competenze che servono a scegliere i problemi, dirigere sistemi complessi, verificare output, gestire persone, assumersi responsabilità e tradurre tecnologia in decisioni operative.
Indice degli argomenti
Carriera a prova di intelligenza artificiale: il lavoro cambia per compiti, non per etichette
La guida di 80,000 Hours insiste su un punto spesso trascurato: l’automazione raramente colpisce un’intera professione in modo uniforme. Colpisce compiti specifici. Un radiologo, un avvocato, un consulente, un programmatore o un amministrativo non svolgono una sola attività; alternano analisi, relazione, coordinamento, responsabilità, controllo qualità, gestione di eccezioni e decisioni in contesti imperfetti.
Lo studio di Tyna Eloundou, Sam Manning, Pamela Mishkin e Daniel Rock, “GPTs are GPTs”, pubblicato su arXiv nel 2023 e citato da 80,000 Hours, stima che circa l’80% della forza lavoro statunitense potrebbe vedere almeno il 10% delle proprie attività influenzato dai grandi modelli linguistici, mentre circa il 19% potrebbe vedere almeno metà delle attività esposta.
Gli autori precisano che non si tratta di una previsione sui tempi di adozione, ma di una misura del potenziale tecnico.
Il rapporto di Anthropic “Labor market impacts of AI”, pubblicato il 5 marzo 2026 da Maxim Massenkoff e Peter McCrory, combina capacità teoriche dei modelli, dati d’uso e attività professionali osservate su Claude. Il risultato è prudente: non emerge un aumento sistematico della disoccupazione nelle occupazioni più esposte dalla fine del 2022, anche se ci sono segnali di rallentamento nelle assunzioni dei giovani tra 22 e 25 anni nei ruoli più esposti. Per chi entra ora nel mercato, l’esposizione dell’entry level è già un tema concreto.
Le quattro famiglie di competenze che l’AI può rendere più preziose
Vediamo nel dettaglio le quattro categorie di competenze destinate a conservare o accrescere valore. La prima riguarda le attività difficili da automatizzare perché disordinate, distribuite nel tempo, dipendenti dal giudizio umano o radicate in ambienti fisici variabili. Avviare un progetto, guidare una comunità, definire una strategia, gestire una crisi o negoziare tra interessi diversi sono compiti con obiettivi incerti e feedback lenti. L’AI può assistere, ma la responsabilità resta umana.
La seconda categoria comprende le competenze necessarie a sviluppare, integrare e usare l’AI: machine learning, ingegneria del software, infrastrutture, dati, sicurezza, hardware, robotica, valutazione dei modelli, progettazione di agenti e sistemi di controllo. Qui il valore nasce dalla complementarità. Più l’AI entra nei processi, più servono persone capaci di decidere dove applicarla, come misurarla, come correggerla e quando fermarla.
La terza categoria riguarda le attività in cui una riduzione dei costi può espandere la domanda. Sanità, formazione personalizzata, ricerca scientifica, sicurezza, cura, progettazione di servizi pubblici e consulenza specializzata possono crescere se l’AI abbassa il costo di accesso o aumenta la capacità produttiva. L’effetto non è automatico: dipende da modelli di finanziamento, regole, fiducia e organizzazione.
La quarta categoria include competenze specialistiche difficili da apprendere in fretta. 80,000 Hours cita esempi come sicurezza informatica, governance dell’AI, hardware per l’AI, relazioni internazionali, economia, robotica, ingegneria, bioingegneria e matematica applicata. Per l’Italia e l’Europa, questa lista parla direttamente a imprese, università e pubblica amministrazione: il collo di bottiglia non sarà solo “saper usare un chatbot”, ma avere esperti capaci di portare l’AI in settori regolati, infrastrutturali e ad alta responsabilità.
Usare l’AI per lavoro reale, non solo imparare i prompt
Il primo consiglio operativo della guida di 80,000 Hours è imparare a usare l’AI per svolgere lavoro reale. Non basta conoscere strumenti o formule di prompt. Conta saper definire un compito, scegliere il modello o il sistema adatto, fornire contesto, progettare controlli, confrontare risultati, integrare l’output in un processo e assumersi la responsabilità finale.
Gli esperimenti disponibili confermano che il guadagno non è uniforme. Nell’articolo “Generative AI at Work”, pubblicato nel 2025 sul Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li e Lindsey Raymond analizzano l’introduzione graduale di un assistente conversazionale basato su AI generativa su 5.172 operatori di customer support. La produttività, misurata in problemi risolti per ora, aumenta in media del 15%, con benefici maggiori per lavoratori meno esperti e meno qualificati.
Lo studio di Shakked Noy e Whitney Zhang su professionisti con istruzione universitaria, presentato dalla Stanford Scale Initiative, mostra un altro pezzo del quadro: in compiti di scrittura professionale, l’accesso a ChatGPT riduce il tempo medio del 40% e aumenta la qualità valutata del 18%. Anche qui il messaggio per studenti e lavoratori è concreto: l’AI accelera alcune attività, ma proprio per questo alza l’asticella su revisione, scelta del contenuto, accuratezza e capacità di distinguere output plausibile da output affidabile.
Il confine irregolare dell’AI: dove aiuta e dove peggiora il lavoro
Il lavoro più utile per ragionare sulle competenze non è quello che misura solo il “quanto” l’AI migliori una prestazione, ma quello che mostra quando la peggiora. Fabrizio Dell’Acqua e coautori, nell’articolo “Navigating the Jagged Technological Frontier” pubblicato online da Organization Science l’11 marzo 2026, studiano 758 consulenti su compiti realistici di knowledge work. Nei 18 compiti dentro il perimetro delle capacità dell’AI, chi usa GPT-4 completa il 12,2% di attività in più, lavora il 25,1% più velocemente e produce risultati di qualità superiore. Su un compito manageriale complesso scelto fuori da quel perimetro, però, chi usa l’AI ha il 19% di probabilità in meno di arrivare alla soluzione corretta.
Per una carriera a prova di intelligenza artificiale, questa è forse la lezione più pratica.
Serve allenare la capacità di riconoscere il confine: quando delegare, quando usare l’AI come sparring partner, quando chiedere evidenze, quando consultare un esperto, quando lavorare senza automazione. Il valore professionale si sposta verso chi sa progettare il lavoro ibrido e non verso chi produce più testo, più codice o più slide senza controllo.
Competenze e lavori nell’AI: una tabella (secondo 80,000 hours)
| Competenza o ambito | Esempi di lavori validi nel futuro dell’AI | Consiglio concreto per iniziare questa carriera |
|---|---|---|
| Costruzione e gestione di organizzazioni | responsabile operativo, direttore di programma, fondatore di un’organizzazione non profit | Gestire per 3-6 mesi un progetto con budget, scadenze e almeno tre collaboratori |
| Ricerca quantitativa | ricercatore sulla sicurezza dell’AI, epidemiologo, economista delle politiche pubbliche | Rafforzare statistica, analisi causale e programmazione; replicare uno studio esistente |
| Ricerca concettuale | analista di policy, ricercatore di etica tecnologica, esperto di governance dell’AI | Scegliere un problema circoscritto e confrontare norme, incentivi e possibili conseguenze |
| Comunicazione delle idee — 80,000 Hours | giornalista scientifico, divulgatore, responsabile della comunicazione di un centro di ricerca | Specializzarsi in un settore e imparare a tradurre studi complessi senza perdere precisione |
| Competenze politiche e amministrative | consigliere parlamentare, funzionario ministeriale, esperto di regolazione tecnologica | Studiare come si formano norme, bilanci e decisioni amministrative; cercare tirocini istituzionali |
| Sviluppo software | software engineer per infrastrutture pubbliche, sviluppatore di strumenti scientifici, specialista di sistemi affidabili | Contribuire a un progetto open source collegato a ricerca, salute o servizi pubblici |
| Cybersecurity di interesse pubblico — integrazione | analista di sicurezza per sanità o infrastrutture, incident responder, esperto di sicurezza del software | Creare un laboratorio controllato, studiare reti e sistemi operativi, partecipare a programmi autorizzati di segnalazione |
| Valutazione dell’impatto — integrazione | esperto di monitoraggio e valutazione, data analyst per politiche sociali, valutatore di programmi | Imparare a definire indicatori prima dell’avvio di un progetto e a distinguere attività da risultati |
| Appalti pubblici e trasformazione digitale — integrazione | responsabile acquisti tecnologici, product manager pubblico, esperto di interoperabilità | Studiare capitolati, gestione dei fornitori, accessibilità e misurazione dei livelli di servizio |
| Biosecurity e preparazione sanitaria — integrazione | epidemiologo computazionale, responsabile della preparazione pandemica, biosafety officer | Combinare biologia, sanità pubblica, analisi dei dati e gestione del rischio |
| Energia e decarbonizzazione industriale — integrazione | ingegnere di rete, analista di sistemi energetici, esperto di autorizzazioni | Acquisire competenze tecniche insieme alla conoscenza di vincoli normativi e industriali |
| Standard, audit e verifiche tecniche dell’AI | auditor algoritmico, esperto di valutazione dei modelli, responsabile della conformità tecnica | Studiare metriche, gestione del rischio, documentazione dei modelli e metodi di valutazione |
| Giornalismo investigativo basato sui dati | data journalist, giornalista scientifico investigativo, analista di fonti aperte | Imparare accesso agli atti, verifica documentale, analisi dei dati e protezione delle fonti |
| Finanziamento e sviluppo di nuovi settori | grant manager, responsabile di fondazione, programme officer, talent scout scientifico | Imparare a valutare progetti, persone, rischi e risultati attesi senza affidarsi solo alla reputazione |
Competenze tecniche più competenze sociali: il profilo ponte
La guida di 80,000 Hours attribuisce grande importanza alle combinazioni di competenze. Il riferimento centrale è David Deming, economista di Harvard. Nel paper “The Growing Importance of Social Skills in the Labor Market”, pubblicato nel 2017 sul Quarterly Journal of Economics, Deming mostra che tra il 1980 e il 2012 i lavori ad alta intensità di competenze sociali sono cresciuti di quasi 12 punti percentuali come quota della forza lavoro statunitense, mentre i lavori molto matematici ma poco sociali sono diminuiti di 3,3 punti. La crescita più forte riguarda i ruoli che combinano competenze matematiche e sociali.
Questo dato, oggi, diventa ancora più rilevante. Il profilo più resistente non è necessariamente il tecnico puro, né il comunicatore generico. È la figura ponte: capisce abbastanza la tecnologia da dialogare con sviluppatori, data scientist e fornitori; conosce abbastanza il dominio da sapere che cosa conta davvero; possiede capacità relazionali e organizzative per trasformare uno strumento in cambiamento di processo.
L’Ocse arriva a una conclusione compatibile. Nel paper di Andrew Green “Artificial intelligence and the changing demand for skills in the labour market”, pubblicato nel 2024 nella serie OECD Artificial Intelligence Papers, emerge che molti lavoratori esposti all’AI non avranno bisogno di competenze specialistiche di machine learning, ma vedranno cambiare attività e skill richieste. Nelle occupazioni altamente esposte contano competenze di gestione, business, cognitive, digitali ed emotive.
Per studenti: scegliere percorsi che aprono più opzioni
Per uno studente, la domanda non dovrebbe essere “quale laurea non sarà automatizzata?”, ma “quale percorso mi permette di imparare rapidamente competenze trasferibili, tecniche e di dominio?”. In pratica, conviene costruire una base robusta in almeno quattro aree: alfabetizzazione AI applicata, capacità quantitativa e analitica, comunicazione chiara, conoscenza di un dominio reale.
Le lauree e i percorsi tecnici restano rilevanti, ma l’obiettivo cambia. Informatica, ingegneria, economia, statistica, giurisprudenza, medicina, scienze politiche o comunicazione diventano più forti se incorporano uso responsabile dell’AI, dati, valutazione critica, cyber sicurezza, regolazione e project work. L’uso dell’AI durante gli studi dovrebbe diventare esercizio professionale: formulare ipotesi, verificare fonti, costruire prototipi, confrontare modelli, documentare errori.
Il rapporto 2026 AI Index di Stanford Hai segnala che oltre l’80% degli studenti statunitensi delle scuole superiori e dei college usa ormai l’AI per attività scolastiche, mentre molte istituzioni educative faticano a definire policy chiare. Il problema non è vietare o autorizzare in blocco: è insegnare quando l’AI migliora l’apprendimento e quando lo sostituisce in modo dannoso.
Per chi lavora già: trasformare il ruolo dall’interno
Per chi è già occupato, la strategia più realistica è partire dal proprio lavoro attuale e smontarlo in attività. Quali compiti sono ripetitivi, documentali, classificatori, sintetici o standardizzabili? Quali richiedono giudizio, relazione, responsabilità, conoscenza tacita, coordinamento o presenza fisica? La prima area va automatizzata o accelerata. La seconda va rafforzata.
Il Future of Jobs Report 2025 del World Economic Forum, basato sulle risposte di datori di lavoro globali, stima che il 22% dei posti di lavoro sarà interessato da creazione o distruzione entro il 2030, con 170 milioni di nuovi ruoli e 92 milioni di ruoli spiazzati. Il rapporto prevede inoltre che il 39% delle competenze esistenti dei lavoratori sarà trasformato o diventerà obsoleto nel periodo 2025-2030; AI e big data, reti e cyber sicurezza e alfabetizzazione tecnologica sono indicate tra le skill in più rapida crescita.
La risposta individuale non può essere un corso isolato. Serve un ciclo continuo: scegliere un processo del proprio lavoro, introdurre l’AI in modo controllato, misurare tempo e qualità, identificare errori, definire regole di verifica, condividere la pratica con il team. Il valore professionale cresce quando l’apprendimento individuale diventa competenza organizzativa.
Governance, sicurezza e responsabilità diventano competenze di carriera
In Europa, la carriera a prova di intelligenza artificiale passa anche dalla regolazione. La pagina ufficiale della Commissione europea sull’AI Act ricorda che il regolamento è entrato in vigore il 1 agosto 2024, che gli obblighi di alfabetizzazione AI e i divieti su pratiche proibite si applicano dal 2 febbraio 2025, e che le regole di governance e gli obblighi per i modelli di uso generale si applicano dal 2 agosto 2025. La piena applicazione segue un calendario graduale.
Questo trasforma la compliance in competenza professionale. Chi sa collegare uso dell’AI, protezione dei dati, cyber sicurezza, audit, trasparenza, documentazione, formazione del personale e valutazione del rischio avrà spazio in imprese, sanità, finanza, scuola, pubblica amministrazione e servizi digitali. L’AI Act non crea solo obblighi per giuristi e responsabili compliance: rende necessaria una cultura operativa diffusa, capace di tradurre principi normativi in pratiche quotidiane.
Il lavoro dell’Ilo “Generative AI and jobs: a refined global index of occupational exposure”, Working Paper 140 del 2025, va nella stessa direzione: l’esposizione all’AI generativa va letta come trasformazione dei compiti, non come destino automatico di sostituzione. L’organizzazione del lavoro, la formazione, le infrastrutture digitali e la qualità delle istituzioni determinano quanta parte del potenziale diventa produttività, quanta diventa esclusione e quanta resta promessa non realizzata.
La skill più sottovalutata: imparare più in fretta
80,000 Hours mette tra le competenze più trasferibili anche “learning how to learn”. In un mercato che cambia rapidamente, saper imparare diventa un vantaggio cumulativo. Non vuol dire accumulare certificati, ma ridurre il tempo tra nuova esigenza e capacità operativa: leggere documentazione, usare tutor AI, chiedere feedback, costruire piccoli progetti, cercare mentori, esercitarsi su problemi reali.
La carriera più solida non nasce dalla scelta di una professione definitiva. Nasce da una combinazione riconoscibile: uso competente dell’AI, giudizio, specializzazione, capacità di comunicare, gestione di persone e processi, attenzione alla sicurezza e alla responsabilità. Per gli studenti, significa scegliere percorsi che non chiudano troppo presto il campo. Per chi lavora già, significa usare il proprio ruolo come laboratorio di aggiornamento.
La vera assicurazione contro l’obsolescenza non è prevedere quale lavoro esisterà tra dieci anni. È diventare la persona che sa capire dove l’AI crea valore, dove produce rischio e quali competenze umane servono per trasformare una tecnologia potente in risultati affidabili.
Partecipa alla community