Skills contro job title: le competenze trasformano i team nell’era dell’AI

Il mercato del lavoro nel settore tecnologico sta affrontando una trasformazione strutturale caratterizzata da forti contrazioni nell’occupazione tradizionale e da un’esplosione incontrollata della domanda di capacità avanzate nell’ambito dell’intelligenza artificiale. I dati più recenti rivelano un’ampia discrepanza tra le capacità che le organizzazioni ritengono di possedere e le competenze reali presenti nei reparti di ingegneria. Un’analisi approfondita condotta da Cory Hymel, Head of Research presso Andela, nell’ambito di un’intervista rilasciata al podcast Emerge AI in Business, mette in luce come la gestione dei talenti basata sui classici titoli di lavoro sia ormai inadeguata e come la misurazione costante delle skills costituisca l’unico strumento efficace per evitare la paralisi operativa e l’accumulo di ritardi nei progetti aziendali.

La contrazione dell’occupazione junior e la necessità di nuove skills

I dati di settore mostrano uno scenario in forte mutamento. Secondo i rilevamenti dell’ultimo Stanford AI Index, l’occupazione degli sviluppatori entry-level ha registrato un calo di quasi il 20% rispetto al picco toccato nel 2024. Nello stesso identico arco temporale e all’interno del medesimo mercato del lavoro, gli annunci di ricerca dedicati all’architettura e all’integrazione di AI agentica sono aumentati di oltre il 10.000% anno su anno. A questa dinamica si aggiunge la rilevazione condotta nell’ultimo sondaggio aziendale di Deloitte, che stima la prontezza complessiva dei talenti nelle imprese a un livello di appena il 20%, evidenziando una flessione rispetto ai dodici mesi precedenti.

Questa profonda sproporzione genera pressioni significative sui vertici aziendali, spesso spinti ad adottare decisioni affrettate a causa del rumore di fondo generato dal mercato. Come spiegato da Hymel durante il suo intervento: “Oggi vediamo che molti leader tecnici e molti membri della C-suite ricevono molto rumore dal mercato, dai laboratori, da persone che spingono su ciò che dovrebbero fare o su questa sorta di FOMO, la paura di rimanere esclusi”.

Il limite dell’approccio automatizzato senza sviluppo delle skills

L’ingresso delle tecnologie basate su intelligenza artificiale all’interno delle dinamiche aziendali ha attraversato diverse fasi. Inizialmente, diverse organizzazioni hanno considerato l’introduzione dell’AI come una soluzione immediata per ottenere incrementi automatici di produttività o per avviare riduzioni dirette del personale. Hymel ha evidenziato l’inefficacia di questa impostazione, sottolineando come molte strutture abbiano trattato l’innovazione in modo superficiale: “Quando l’AI è apparsa per la prima volta sulla scena nel 2020 e poi ha iniziato a crescere un po’ di più, molti reparti di ingegneria e molte aziende l’hanno trattata come una tecnologia di tipo “lancia e dimentica”: darla in pasto ai dipendenti e, boom, ecco un aumento del 150%, oppure distribuirla per iniziare subito a tagliare posti di lavoro”.

Successivamente, il tentativo di spingere l’adozione misurando puramente il volume di token o le metriche grezze di utilizzo non ha prodotto i risultati attesi. L’esperienza maturata sul campo evidenzia la necessità di investire nell’abilitazione delle persone, insegnando loro non soltanto le modalità pratiche di utilizzo delle nuove tecnologie, ma anche l’individuazione dei contesti in cui l’impiego dell’automatizzazione risulta controproducente.

L’adozione spontanea e l’impatto delle skills condivise tra colleghi

La diffusione dell’intelligenza artificiale nelle organizzazioni segue spesso una traiettoria guidata dalle iniziative individuali dei lavoratori, assimilabile a quanto avvenuto in passato con l’introduzione dei dispositivi mobili personali in azienda. La propensione all’impiego di queste tecnologie varia notevolmente in base alla fonte da cui parte l’esempio operativo.

Ricerche di settore citate da Andela indicano infatti che i dipendenti mostrano una probabilità 2,4 volte maggiore di adottare l’AI quando vedono un leader aziendale utilizzarla. Questa cifra sale a 3,6 volte quando l’esempio proviene da un collega diretto all’interno dello stesso team, e raggiunge un valore di 5,6 volte maggiore quando l’utilizzo viene osservato in un collega appartenente a un’altra funzione aziendale.

L’apprendimento autonomo nei reparti tecnici

Molti sviluppatori ad alte prestazioni tendono ad anticipare le direttive formali della propria organizzazione, acquisendo in autonomia competenze e strumenti avanzati. Hymel ha descritto questa dinamica osservata direttamente nel settore dell’ingegneria software: “Molti dei primi utilizzatori dell’AI che la usano molto bene nel mondo dello sviluppo sono proprio quelli a cui l’azienda ha detto: “Ehi, non abbiamo strumenti di AI”, e loro hanno risposto: “Sapete che c’è? Faccio da solo. Mi pago l’abbonamento personale per la programmazione in cloud. Sarò io a imparare, andrò proattivamente a scoprire come fare””.

Oltre la formazione generica: percorsi mirati sulle vere skills

I metodi tradizionali adottati dagli uffici delle risorse umane per sviluppare le capacità dei propri dipendenti si rivelano spesso insufficienti. L’erogazione di corsi standardizzati a pioggia o la concessione di piccoli sussidi annuali generici, paragonati dagli stessi ingegneri a corsi obbligatori sulla conformità normativa, non garantiscono il coinvolgimento dei professionisti e rischiano di scoraggiare i profili con competenze più avanzate.

Per costruire valore a lungo termine occorre abbandonare la formazione cumulativa e indistinta in favore di valutazioni preliminari precise. Attraverso la misurazione dello stato attuale delle capacità individuali, le imprese possono strutturare un apprendimento mirato e personalizzato, capace di trasferire esclusivamente le conoscenze necessarie a incrementare le prestazioni operative e il ritorno sull’investimento.

Perché la classificazione per ruoli nasconde le vere skills dei team

L’inadeguatezza dei titoli tradizionali di fronte ai nuovi ruoli

La classificazione dei dipendenti basata unicamente sui titoli di lavoro o sulla lettura dei curricula vitae costituisce un limite strutturale per la corretta allocazione delle risorse aziendali. I titoli tradizionali non sono in grado di riflettere la reale complessità delle mansioni svolte, specialmente in un contesto caratterizzato dalla continua nascita di competenze specialistiche.

Un’indagine condotta dal centro ricerche di Andela su circa 2 milioni di posti di lavoro e su quasi 70.000 annunci nel settore tecnologico ha rivelato l’emergere diffuso di ruoli e mansioni ad alto contenuto tecnico che non trovano ancora un riscontro nelle definizioni contrattuali o nei titoli standard pubblicati dalle aziende. Cercare di reclutare un ingegnere assegnandogli un titolo tradizionale come “backend engineer”, per poi richiedergli la progettazione di architetture agentiche complesse, espone l’organizzazione a fallimenti nella fase di selezione e di inserimento operativo.

L’insostenibilità economica della guerra dei talenti sul mercato

Parallelamente, la competizione sul mercato aperto per l’acquisizione di talenti con competenze già pronte ha raggiunto livelli insostenibili per la quasi totalità delle imprese. Le recenti operazioni condotte dai colossi tecnologici statunitensi ne mostrano la portata: acquisizioni di startup da 2 miliardi di dollari finalizzate esclusivamente all’ingaggio di un gruppo ristretto di circa venti ingegneri, oppure ingaggi individuali con retribuzioni che raggiungono i 3 milioni di dollari all’anno.

Hymel ha evidenziato come l’unica strada percorribile per la maggior parte delle aziende risieda nella valorizzazione interna del personale: “Se si guarda a cosa sta succedendo sul mercato, con Meta o Google che acquistano Windsurf per 2 miliardi di dollari solo per accaparrarsi i loro 20 ingegneri migliori, o Meta che paga un ingegnere AI 3 milioni di dollari all’anno per farlo entrare nel team… questo tentativo di giocare secondo le regole tradizionali della gestione dei talenti o della strategia della forza lavoro in questo momento non è semplicemente possibile”.

La scomposizione del lavoro e l’integrazione tra umani e agenti sintetici

Il passaggio da una gestione incentrata sui ruoli a un’economia basata sulla mappatura puntuale delle competenze consente di costruire modelli operativi misti, in cui il lavoro umano si integra con quello degli agenti di intelligenza artificiale. I tentativi aziendali di sostituire interi ruoli professionali con sistemi automatizzati hanno mostrato ripetuti fallimenti, poiché i ruoli comprendono un insieme articolato di mansioni differenti.

L’approccio corretto prevede la scomposizione del lavoro per individuare l’intersezione tra le capacità gestite dagli agenti sintetici e quelle dell’operatore umano. Assegnando all’agente le skills ripetitive e ad alto volume, l’azienda riduce i costi di gestione e consente al professionista di concentrarsi sui compiti a maggiore complessità concettuale. Nell’esperienza interna della rete Andela, la scomposizione delle capacità analizzate e la ricerca basata su set specifici di competenze ha permesso di abbattere nettamente i tempi dedicati ai colloqui di selezione e alle fasi di inserimento lavorativo.

La mezza vita delle competenze tecniche e il rischio del debito di talento

La rapida obsolescenza delle conoscenze e l’assenza di verifiche

Uno degli elementi di maggiore criticità riguarda la velocità con cui le conoscenze tecniche perdono efficacia. Nel settore tecnologico attuale, la mezza vita delle competenze professionali si è ridotta a un periodo compreso tra soli 2 e 3 anni.

Nonostante la rapida obsolescenza delle conoscenze, la maggior parte dei professionisti senior con anni di esperienza sul campo non sottopone le proprie capacità a verifiche formali dall’epoca degli studi universitari. L’assenza di una misurazione iniziale impedisce ai dirigenti di conoscere la base di partenza reale dell’organizzazione e di valutare la fattibilità dei piani di sviluppo strategico.

Valutazioni continue per prevenire l’accumulo del debito di talento

Per superare l’inazione occorre introdurre valutazioni periodiche brevi, della durata di circa 30-40 minuti, strutturate per analizzare il comportamento dei lavoratori in scenari reali e pratici. Questo processo permette di calibrare i tempi delle roadmap aziendali e di individuare le aree in cui si concentrano le competenze necessarie.

Nell’affrontare la contrazione temporale delle competenze, Hymel ha evidenziato il rischio sottovalutato dalle imprese: “Nell’era dell’AI, la mezza vita delle competenze sta iniziando a contrarsi ancora più velocemente, il che significa che le persone nella vostra forza lavoro hanno bisogno di fare continuamente upskilling perché le competenze ora si stanno esaurendo nel giro di circa 2 o 3 anni. E se non si valuta, non si investe e non si comprende, si sta accumulando un “debito di talento” altrettanto rapidamente di quanto si accumuli un debito tecnico”.

Le strategie operative per identificare le skills realmente disponibili

L’analisi delle capacità pratiche rispetto ai titoli professionali

Il primo passo pratico per i vertici aziendali consiste nel richiedere ai responsabili dei reparti tecnici una mappatura dettagliata e puntuale delle capacità effettive della propria forza lavoro, superando gli elenchi sintetici basati sui titoli professionali o sulle informazioni contenute nei curricula.

Le aziende devono verificare la presenza di conoscenze specifiche sia nell’ambito degli strumenti di intelligenza artificiale, sia nei domini verticali di business, come ad esempio l’esperienza nello sviluppo di software per i titoli garantiti da ipoteca o la familiarità con l’architettura di sistemi complessi. Hymel ha sintetizzato la priorità per i decision maker con un’indicazione netta sui dati da raccogliere nei propri team: “Non voglio vecchi titoli. Voglio competenze. Voglio sapere quali competenze abbiamo”.

La valorizzazione dei casi di successo e dei progetti pilota interni

Accanto all’analisi analitica, le organizzazioni beneficiano dell’individuazione delle nicchie operative in cui singoli dipendenti o gruppi di lavoro hanno già integrato autonomamente l’uso delle nuove tecnologie per risolvere problemi aziendali reali. Utilizzare questi casi interni come progetti pilota consente di guidare l’apprendimento diffuso dal basso, incontrando le strategie stabilite dalla dirigenza per costruire un percorso di crescita continua dell’intera forza lavoro.