L’Impatto dell’IA Generativa sui Ruoli e Competenze Professionali nel Settore ICT: Stato dell’Arte e Scenari Evolutivi a Fine 2025

Napoli, Italia, Europa, Web, 11 ottobre 2025

Strumenti utilizzati: conoscenze e competenze di Pasquale Popolizio, Gemini, ChatGPT, Claude, Recall.

 

Executive Summary: Il presente studio costituisce un aggiornamento analitico della ricerca L’impatto trasformativo dell’IA generativa sui ruoli professionali e le competenze nel settore dell’ICT: un’analisi approfondita pubblicata il 19 aprile 2025, esaminando l’evoluzione dell’impatto dell’Intelligenza Artificiale Generativa (GenAI) sul settore dell’Information and Communication Technology (ICT). Mentre le tesi fondamentali formulate in precedenza-relative alla natura della GenAI come tecnologia pervasiva e all’alta esposizione del settore ICT-rimangono valide, i mesi successivi hanno rivelato una dinamica più complessa e sfidante.

L’analisi si sposta dal potenziale teorico alla frizione dell’implementazione pratica. Emerge con forza una tensione centrale: da un lato, un’esplosione delle capacità dei modelli di GenAI; dall’altro, l’insorgere di significativi colli di bottiglia organizzativi e di produttività. Il fenomeno più emblematico di questa nuova fase è il “Paradosso della Produttività dell’IA”, particolarmente evidente nel ciclo di vita dello sviluppo software, dove l’aumento dell’output individuale degli sviluppatori non si traduce in un miglioramento della produttività aziendale, ma anzi, in alcuni casi, la rallenta.

Questo studio dimostra come la sfida si sia evoluta da un problema di adozione tecnologica a un imperativo di trasformazione olistica della forza lavoro, dei processi e delle strategie di leadership. L’analisi approfondisce la riconfigurazione di ruoli chiave come lo sviluppatore software e il data analyst, la cristallizzazione di una nuova tassonomia di competenze essenziali-che fonde l’alfabetizzazione sull’IA con le “power skills” umane-e delinea gli imperativi strategici per le organizzazioni che mirano a superare la fase pilota per realizzare il pieno valore della GenAI.

Infine, vengono proposti scenari a breve termine (2026-2028) che prefigurano l’ascesa di una forza lavoro “agentica”, una crescente divergenza di performance tra le aziende leader e quelle inseguitrici, e la normalizzazione del professionista “T-shaped” come standard nel settore ICT.

 

1. Introduzione: Oltre l’Orizzonte di Aprile 2025 – Un’Accelerazione della Trasformazione

La ricerca condotta nella primavera del 2025 ha delineato con precisione i contorni di una rivoluzione incipiente, identificando l’Intelligenza Artificiale Generativa (GenAI) come una General Purpose Technology (GPT) la cui diffusione, accelerata dall’infrastruttura digitale globale, avrebbe trasformato radicalmente il settore ICT.1 In quel contesto, l’analisi ha correttamente evidenziato l’elevata esposizione dei ruoli cognitivi del settore e ha anticipato un modello di impatto dominato dall’augmentation—l’aumento delle capacità umane—piuttosto che dalla sostituzione completa, con l’automazione concentrata su compiti specifici e a basso valore aggiunto.

Tuttavia, il periodo successivo ad aprile 2025 ha segnato il passaggio da una fase di esplorazione del potenziale a una di confronto con la realtà dell’implementazione su larga scala. Il dibattito si è spostato da ciò che la GenAI potrebbe fare a perché il suo pieno potenziale non si sta ancora realizzando a livello organizzativo. Questa nuova frontiera è caratterizzata da una collisione fondamentale: da un lato, la crescita esponenziale delle capacità dei modelli di GenAI, con nuove versioni multimodali che integrano testo, audio e immagini, raggiungendo livelli di performance sempre più sofisticati 2; dall’altro, la natura intrinsecamente lineare, e spesso resistente al cambiamento, dei processi organizzativi, delle culture aziendali e delle competenze umane.

Questa frizione tra la velocità della tecnologia e l’inerzia dei sistemi socio-tecnici in cui viene inserita ha dato origine a fenomeni inediti e controintuitivi, il più significativo dei quali è il “Paradosso della Produttività dell’IA”. Studi recenti e approfonditi hanno iniziato a documentare come l’adozione di assistenti di codifica basati su IA, pur aumentando drasticamente l’output individuale, non si traduca in un’accelerazione della delivery a livello di team o di azienda, e in alcuni contesti possa addirittura rallentarla. La causa non risiede in un fallimento della tecnologia in sé, ma nell’incapacità dei processi legacy—come la revisione del codice, il testing e l’integrazione—di assorbire l’aumentato volume e la complessità del lavoro generato.

Il presente studio si propone di analizzare in profondità questa nuova fase della trasformazione. Partendo da un aggiornamento del panorama macroeconomico globale basato sui dati più recenti, la ricerca si addentrerà in un’analisi granulare della riconfigurazione di ruoli professionali chiave nel settore ICT, con un focus specifico sulle dinamiche che sottendono il paradosso della produttività. Successivamente, verrà proposta una tassonomia aggiornata delle competenze, distinguendo tra l’alfabetizzazione fondamentale sulla GenAI, le abilità tecniche specialistiche e le “power skills” umane, la cui sinergia è sempre più critica. Verranno poi esaminati gli imperativi strategici che le organizzazioni devono affrontare per superare la fase di sperimentazione e integrare la GenAI in modo efficace e responsabile. Infine, l’analisi culminerà nella delineazione di probabili scenari futuri a breve termine, offrendo una prospettiva informata sulle traiettorie evolutive del lavoro e delle competenze nel settore ICT per il periodo 2026-2028.

 

2. Il Panorama Macroeconomico in Evoluzione: Dati e Tendenze Globali

Per comprendere la portata della trasformazione in atto nel settore ICT, è indispensabile contestualizzarla all’interno delle tendenze macroeconomiche globali che modellano il futuro del lavoro. I dati più recenti, in particolare quelli del Future of Jobs Report 2025 del World Economic Forum (WEF), confermano e rafforzano le previsioni precedenti, dipingendo un quadro di cambiamento accelerato e pervasivo.

Secondo il WEF, la tecnologia rimane la forza più dirompente, con l’86% dei datori di lavoro a livello globale che si aspetta un impatto trasformativo dall’adozione di nuove tecnologie, in particolare dall’IA e dall’elaborazione delle informazioni, entro il 2030.3 Questa trasformazione non è a somma zero. L’ampliamento dell’accesso digitale, un fattore abilitante cruciale per la diffusione dell’IA, dovrebbe creare 19 milioni di posti di lavoro a livello globale entro il 2030, a fronte di 9 milioni di posti di lavoro che verranno soppiantati, con un saldo netto positivo.5

La natura dei ruoli in crescita e in declino rivela una chiara polarizzazione guidata dalla tecnologia. Le professioni a più rapida crescita sono quasi interamente dominate da ruoli tecnologici: al primo posto si trovano gli Specialisti di Big Data, seguiti dagli Ingegneri Fintech e dagli Specialisti di IA e Machine Learning.6 Al contrario, i ruoli in più rapido declino sono quelli con un’alta percentuale di compiti routinari e amministrativi, come cassieri, impiegati e assistenti amministrativi.6 Questa dinamica conferma che l’impatto principale dell’IA non è la distruzione del lavoro in sé, ma una profonda ristrutturazione della sua composizione.

La scala di questa ristrutturazione è monumentale. Secondo le previsioni di McKinsey, fino al 30% delle ore lavorative attuali nell’economia statunitense potrebbe essere automatizzato entro il 2030, un processo accelerato dalla GenAI, che potrebbe portare a 12 milioni di transizioni occupazionali solo negli Stati Uniti.7 A livello globale, il WEF stima che il 39-40% delle competenze principali dei lavoratori cambierà entro il 2030 e che il 60% della forza lavoro mondiale richiederà una qualche forma di riqualificazione (reskilling) o aggiornamento (upskilling).5

Questi dati macroeconomici, se letti in modo integrato, rivelano una realtà più profonda di un semplice bilancio tra posti di lavoro creati e distrutti. Stiamo assistendo a un “Grande Rimescolamento” (Great Re-shuffling) piuttosto che a una “Grande Sostituzione” (Great Replacement). Il saldo netto positivo di posti di lavoro maschera un’enorme turbolenza sottostante e, soprattutto, un significativo innalzamento della soglia di competenze richiesta per accedere a un impiego di valore. I nuovi ruoli creati, come lo specialista di IA e Machine Learning, richiedono un set di abilità complesse e specialistiche che non sono immediatamente accessibili a coloro i cui lavori vengono automatizzati, come gli addetti all’inserimento dati.

Questo crea il rischio di una biforcazione del mercato del lavoro: da un lato, un’élite di professionisti ad alta qualifica, le cui capacità sono aumentate dall’IA; dall’altro, una classe di lavoratori a bassa qualifica i cui ruoli sono resi obsoleti, con scarse possibilità di transizione senza interventi massicci e mirati. La sfida principale, quindi, non è la potenziale disoccupazione di massa, ma un disallineamento di competenze (skills mismatch) su scala potenzialmente catastrofica. Per il settore ICT, che è sia motore che oggetto di questa trasformazione, questo scenario ha implicazioni profonde. Nel contesto europeo, ad esempio, il Cedefop prevede un aumento del 30% dell’occupazione per i professionisti ICT tra il 2022 e il 2035, ma sottolinea che la domanda si concentrerà su profili multidisciplinari “a T” (T-shaped), che combinano una profonda specializzazione verticale con una vasta gamma di competenze orizzontali in ambiti come l’analisi dei dati, la cybersecurity e le relazioni commerciali.8 La sfida non è solo quella di formare più professionisti ICT, ma di formarli con il giusto mix di competenze per navigare in questo nuovo paradigma.

 

3. La Trasformazione dei Ruoli ICT: Analisi Approfondita e Casi Concreti

Mentre le tendenze macroeconomiche forniscono il quadro generale, è nell’analisi granulare dei ruoli professionali specifici che emergono le dinamiche più significative e, talvolta, controintuitive della trasformazione indotta dalla GenAI. Il settore ICT, epicentro di questa rivoluzione, offre un laboratorio privilegiato per osservare come l’interazione tra tecnologia avanzata e pratiche lavorative consolidate stia riconfigurando le professioni dall’interno.

 

3.1. Il Ciclo di Vita dello Sviluppo Software: Navigare il Paradosso della Produttività dell’IA

Nessun ambito ha manifestato le complessità della transizione in modo più evidente dello sviluppo software. Qui, l’entusiasmo iniziale per gli assistenti di codifica basati su IA si è scontrato con una realtà inaspettata, dando vita a quello che è stato definito il “Paradosso della Produttività dell’IA”.

Studi recenti, come l’AI Productivity Paradox Report 2025 di Faros AI e il Bain Technology Report 2025, hanno messo in luce una scoperta fondamentale: mentre gli strumenti di IA aumentano l’output individuale degli sviluppatori (ad esempio, completando il 21% in più di task e unificando il 98% in più di pull request), questo non si traduce in un miglioramento della produttività complessiva dell’azienda o della velocità di consegna del software.9 Anzi, una ricerca ancora più sorprendente, un randomized controlled trial (RCT) condotto da METR su sviluppatori open-source esperti, ha rilevato che l’uso di strumenti di IA ha portato a un rallentamento del 19% nel tempo di completamento dei task.11 L’aspetto più allarmante di questo studio è il divario tra percezione e realtà: gli stessi sviluppatori che erano stati rallentati credevano di essere stati il 20% più veloci, evidenziando un profondo disallineamento cognitivo.

L’analisi delle cause di questo paradosso rivela che il problema non è la tecnologia, ma il sistema in cui viene inserita. I colli di bottiglia si sono semplicemente spostati.

1. Esplosione delle Code di Revisione: L’aumento del volume di codice prodotto dagli sviluppatori ha portato a un incremento del 91% nel tempo di revisione delle Pull Request (PR).9 Le PR sono diventate non solo più frequenti, ma anche significativamente più grandi (un aumento del 154% della dimensione media), rendendo il processo di revisione umana, un’attività cognitivamente intensa, il nuovo e principale ostacolo al flusso di lavoro.9
2. Degrado della Qualità del Codice: L’aumento della quantità si è spesso accompagnato a una diminuzione della qualità. Lo stesso studio di Faros AI ha rilevato una correlazione tra l’adozione dell’IA e un aumento del 9% dei bug per sviluppatore.9 L’analisi di METR suggerisce una spiegazione: i modelli di IA attuali faticano a soddisfare standard di qualità elevati e a rispettare requisiti impliciti che un umano esperto conosce, come la formattazione, la copertura dei test e la documentazione.11
3. Spostamento del Carico Cognitivo: Il ruolo dello sviluppatore sta subendo una profonda mutazione, passando da un compito di generazione di codice a uno di verifica e validazione.12 Questo non è un compito più semplice; al contrario, richiede un livello più elevato di pensiero critico e di comprensione sistemica per individuare errori sottili in grandi blocchi di codice generati da una macchina. Il tempo risparmiato nella scrittura viene più che compensato dal tempo aggiuntivo speso nel debugging e nella validazione.
4. Mancata Riprogettazione del Flusso di Lavoro: L’analisi di Bain è cruciale su questo punto. I guadagni di produttività si arenano perché le organizzazioni si concentrano in modo miope sull’accelerazione della sola fase di codifica, che rappresenta solo il 25-35% dell’intero ciclo di vita dello sviluppo software (SDLC), trascurando di riprogettare l’intero flusso di valore, comprese le pipeline di test, integrazione e rilascio.10

 

Questo paradosso dimostra che trattare la GenAI come uno strumento per accelerare un vecchio processo è una strategia fallimentare. La vera sfida è usarla come catalizzatore per inventarne uno nuovo. L’aumento esponenziale dell’input (generazione di codice) si scontra con un collo di bottiglia umano e lineare (revisione del codice), creando un ingorgo sistemico. La soluzione non risiede solo in strumenti di IA migliori, ma in una riprogettazione fondamentale dell’SDLC. Ciò include l’evoluzione delle pratiche di Test & Evaluation (T&E), dove la GenAI introduce nuove sfide (come la validazione di output non deterministici e la gestione delle “allucinazioni”) ma offre anche soluzioni (come l’automazione della generazione di casi di test e l’abilitazione di test “shift-left” attraverso la prototipazione rapida).13 In questo nuovo paradigma, il ruolo dello sviluppatore si trasforma da “codificatore” a “orchestratore di IA”, “ingegnere dell’intento” o “validatore di sistemi”, il cui valore risiede nella capacità di guidare, valutare criticamente e integrare componenti generati dall’IA all’interno di un’architettura di sistema complessa e sicura.

 

3.2. Il Data Analyst Riconfigurato: Dall’Interpretazione alla Generazione di Insight

Anche il ruolo del Data Analyst sta subendo una trasformazione radicale, passando da una disciplina prevalentemente descrittiva e diagnostica a una sempre più predittiva e generativa.14 La GenAI non sta semplicemente automatizzando i compiti esistenti, ma sta espandendo le frontiere di ciò che è possibile fare con i dati.

L’impatto si manifesta su più livelli:

• Automazione dei Compiti di Base: La GenAI sta automatizzando gran parte del “lavoro pesante” tradizionalmente associato all’analisi dei dati. Ciò include la preparazione e la pulizia dei dati, l’identificazione di errori e la gestione dei valori mancanti.15 Gli assistenti IA sono ora in grado di generare codice SQL e Python, liberando gli analisti dalla sintassi e permettendo loro di concentrarsi sulla formulazione di domande strategiche.15
• Democratizzazione degli Insight: Una delle trasformazioni più significative è l’automazione dello storytelling dei dati. Piattaforme basate su IA possono ora generare sintesi per dirigenti, visualizzazioni interattive e report completi in linguaggio naturale, rendendo gli insight accessibili a un pubblico non tecnico e democratizzando la cultura del dato all’interno delle organizzazioni.14
• Espansione delle Capacità Analitiche: Il ruolo si sta arricchendo di nuove capacità generative. Gli analisti ora utilizzano la GenAI per creare dati sintetici per addestrare modelli di machine learning dove i dati reali sono scarsi, simulare scenari “what-if” per analisi predittive più robuste e scoprire pattern nascosti che le tecniche tradizionali non riuscirebbero a identificare.14

 

Questa evoluzione sta portando a una polarizzazione del ruolo. Mentre i compiti di base del data analyst tradizionale vengono automatizzati, emergono nuove posizioni altamente specializzate e meglio retribuite. Il mercato del lavoro del 2025 vede una crescita esplosiva di ruoli come LLM Engineer, Generative AI Engineer e Computer Vision Engineer.17 Il divario salariale tra un Data Analyst tradizionale e un Machine Learning Engineer si è ampliato notevolmente, riflettendo lo spostamento del valore verso coloro che possono costruire, addestrare e gestire i modelli di IA, non solo utilizzare i loro output.17

Questa trasformazione, tuttavia, dipende da un prerequisito fondamentale: un’infrastruttura dati moderna. L’efficacia della GenAI è direttamente legata alla qualità e all’accessibilità dei dati. Le infrastrutture legacy rappresentano il principale collo di bottiglia per l’adozione.18 Di conseguenza, si sta assistendo a un’impennata della domanda di piattaforme dati basate su cloud (data warehouse, data lake) e di professionisti come amministratori di database e architetti dei dati in grado di gestire la crescente complessità e scala.19 Il ruolo del Data Analyst sta quindi evolvendo verso una nuova disciplina che si potrebbe definire “Ingegneria dell’Intelligenza Decisionale” (Decision Intelligence Engineering). In questo nuovo paradigma, il professionista è meno un “motore di ricerca umano” che risponde a domande specifiche e più un architetto di sistemi basati su IA che generano e testano continuamente ipotesi, automatizzando il processo decisionale stesso.

 

4. La Nuova Tassonomia delle Competenze: Un Framework per il Futuro del Lavoro

La profonda riconfigurazione dei ruoli professionali nel settore ICT impone un ripensamento radicale delle competenze necessarie per prosperare in questo nuovo ambiente. Non è più sufficiente un semplice elenco di abilità; è necessario un framework strutturato che distingua tra le competenze fondative, le capacità tecniche specialistiche e le insostituibili competenze umane.

 

4.1. L’Alfabetizzazione sull’IA Generativa (Generative AI Literacy): Una Competenza Fondamentale

Alla base di ogni altra competenza si pone un nuovo prerequisito universale: l’alfabetizzazione sull’IA Generativa. Come argomentato da Zhang & Magerko (2025), i framework esistenti di alfabetizzazione sull’IA sono inadeguati perché non tengono conto delle caratteristiche uniche, sfumate e non deterministiche dei modelli generativi.20 La diffusa tendenza ad antropomorfizzare questi sistemi, nota come “effetto Eliza”, porta a una sovrastima delle loro capacità e a una sottovalutazione dei loro limiti, con rischi significativi in termini di disinformazione, bias e sicurezza.20

Un framework di Generative AI Literacy robusto, quindi, non si concentra sui meccanismi tecnici interni dei modelli, ma sulla capacità di interagire con essi in modo efficace, responsabile e critico.20 I suoi componenti principali includono:

• Selezione degli Strumenti e Prompting Efficace: La capacità di scegliere lo strumento giusto per il compito e di formulare prompt chiari, contestualizzati e iterativi per guidare il modello verso l’output desiderato.
• Comprensione dell’Interazione e della Variabilità: La consapevolezza che gli output della GenAI sono probabilistici e non deterministici, e la capacità di gestire questa variabilità per affinare i risultati.
• Riconoscimento dei Limiti e dei Rischi: Una solida comprensione dei rischi intrinseci, come la generazione di informazioni false (“allucinazioni”), la perpetuazione di bias presenti nei dati di addestramento, e le vulnerabilità legate alla sicurezza e alla privacy dei dati.16
• Consapevolezza dell’Impatto Sociale ed Etico: La capacità di riflettere sulle implicazioni più ampie dell’uso della GenAI, comprese le questioni di proprietà intellettuale, plagio e l’impatto sul mercato del lavoro.

 

Questa forma di alfabetizzazione sta rapidamente diventando una competenza di base non solo per i professionisti ICT, ma per tutti i lavoratori della conoscenza, costituendo il fondamento su cui si possono costruire abilità più specializzate.23

 

4.2. Il Riequilibrio tra Competenze Tecniche e “Power Skills”

Sulla base dell’alfabetizzazione sulla GenAI, il mercato del lavoro del 2025 richiede un nuovo e delicato equilibrio tra competenze tecniche avanzate e competenze umane, o “power skills”, che sono complementari e difficilmente automatizzabili.

Il Future of Jobs Report 2025 del WEF identifica chiaramente le competenze tecniche a più rapida crescita: al primo posto si trovano IA e Big Data, seguite da Reti e Cybersecurity e dalla Alfabetizzazione Tecnologica generale.3 La domanda di competenze specifiche sulla GenAI è esplosa, quasi triplicando in un solo anno, a testimonianza della sua rapida adozione.3 Il report Jobs on the Rise 2025 di LinkedIn conferma questa tendenza, dettagliando lo stack tecnologico richiesto per i nuovi ruoli: per gli Ingegneri IA, le competenze chiave sono i Large Language Models (LLM), il Natural Language Processing (NLP) e PyTorch; per i Consulenti IA, sono cruciali gli LLM, il Prompt Engineering e Python.25

Tuttavia, gli stessi datori di lavoro che cercano queste competenze tecniche avanzate, riconoscono un valore ancora maggiore nelle competenze umane che permettono di sfruttarle appieno. Il WEF indica che le competenze più richieste in assoluto sono:

1. Pensiero Analitico e Pensiero Creativo
2. Resilienza, Flessibilità e Agilità
3. Motivazione e Autoconsapevolezza
4. Curiosità e Apprendimento Continuo (Lifelong Learning).5

 

Il vero valore non risiede in uno dei due domini, ma nella loro sinergia. Il pensiero analitico e critico è indispensabile per valutare la validità, l’accuratezza e i potenziali bias degli output generati dall’IA.1 La creatività è fondamentale per formulare domande innovative, esplorare nuovi casi d’uso e applicare la tecnologia per risolvere problemi complessi in modi inediti.21 La tradizionale distinzione tra “hard skills” e “soft skills” sta collassando in un modello di competenza integrato. La GenAI sta automatizzando molti compiti tecnici di routine (come la scrittura di codice standard), rendendo di fatto una merce le pure abilità tecniche isolate. Al contempo, le sfide più grandi nell’uso della GenAI sono intrinsecamente non tecniche: identificare il giusto problema di business, formulare un prompt efficace, valutare criticamente il risultato e gestire il cambiamento organizzativo necessario per l’implementazione.10

Di conseguenza, il professionista di maggior valore nel prossimo futuro sarà un “integratore” o un “traduttore”, una figura in grado di unire una profonda fluidità tecnica con forti competenze strategiche, comunicative e di leadership. Questo sta portando alla richiesta di profili professionali “a T” o addirittura “a Pi” (Π), con profonde competenze in più di un dominio, ad esempio tecnologia e business.

La tabella seguente illustra l’evoluzione della priorità delle competenze nel settore ICT, confrontando la percezione di inizio 2025 con lo stato dell’arte di fine 2025, basato sulle evidenze emerse.

 

Competenza	Priorità (Aprile 2025) 1	Priorità (Fine 2025) 5	Variazione e Motivazione
Pensiero Critico e Analitico	Molto Alta (Top 1)	Altissima (Top 1)	Stabile/Rafforzata: L’aumento del volume e della complessità degli output della GenAI rende la validazione umana ancora più critica. È la principale competenza complementare all’IA.
Resilienza, Flessibilità, Agilità	Alta (Top 2)	Altissima (Top 2)	Stabile/Rafforzata: L’accelerazione del cambiamento tecnologico rende la capacità di adattamento una competenza chiave per la sopravvivenza e la rilevanza professionale.
Alfabetizzazione sull’IA Generativa	Emergente	Altissima (Fondamentale)	Aumento Significativo: Da competenza emergente a prerequisito universale per quasi tutti i ruoli ICT. La comprensione critica dei modelli è ora essenziale.
Sviluppo AI/ML	Alta	Altissima	Rafforzata: La domanda di specialisti in grado di costruire, addestrare e gestire modelli di IA è in continua crescita, come evidenziato dai report sui lavori emergenti.
Prompt Engineering	Alta (Nuova)	Alta (Consolidata)	Consolidata: Da abilità nuova e di nicchia a competenza più strutturata e richiesta, fondamentale per interagire efficacemente con i modelli LLM.
Etica e Governance dell’IA	Emergente	Alta	Aumento Significativo: Con l’adozione su larga scala, la gestione dei rischi etici, legali e di bias è diventata una priorità strategica, creando nuovi ruoli specializzati.
Cybersecurity (AI-focused)	Alta	Altissima	Evoluta: La sicurezza non riguarda più solo le infrastrutture, ma anche la protezione dei modelli di IA (AI Security) da attacchi come il prompt injection o il data poisoning.
Codifica Manuale di Routine	In Declino	In Forte Declino	Declino Accelerato: L’efficacia degli assistenti di codifica nell’automatizzare il boilerplate code e le funzioni standard ha ulteriormente ridotto il valore di questa abilità isolata.

 

5. L’Imperativo Strategico: Dall’Adozione Pilota alla Trasformazione Organizzativa

L’analisi fin qui condotta converge su una conclusione inequivocabile: la realizzazione del potenziale trasformativo della GenAI non è un problema tecnologico, ma una sfida strategica e organizzativa. Le aziende che si limitano a distribuire strumenti di IA senza un ripensamento olistico dei processi, delle competenze e della cultura aziendale sono destinate a rimanere bloccate nella fase pilota, senza mai tradurre l’investimento in un reale vantaggio competitivo.

Il principale ostacolo a questa trasformazione è il divario di competenze. Il 63% dei datori di lavoro intervistati dal WEF lo identifica come la più grande barriera alla trasformazione del proprio business.5 Con il 92% dei ruoli tecnologici in evoluzione a causa dell’IA, l’imperativo di investire massicciamente in programmi di upskilling e reskilling non è più una scelta, ma una condizione necessaria per la sopravvivenza e la crescita.7 Le aziende leader lo hanno compreso: iniziative come l’impegno di SAP a riqualificare due milioni di persone entro il 2025, con un focus sull’integrazione dell’IA aziendale, l’analisi dei dati e l’etica dell’IA, sono un chiaro segnale della direzione strategica da intraprendere.24

Tuttavia, superare la fase pilota richiede più della sola formazione. Come indicato da autorevoli analisi della Harvard Business Review e di Bain, è necessario un approccio strategico che tratti l’adozione della GenAI come un programma di trasformazione aziendale, non come un progetto IT.10 Questo implica:

• Legare l’IA ai Risultati di Business: Ogni iniziativa di IA deve essere direttamente collegata a KPI aziendali misurabili (es. riduzione del time-to-market, aumento della soddisfazione del cliente), non a metriche puramente tecniche.
• Pianificare la Transizione della Forza Lavoro: Le organizzazioni devono mappare in modo proattivo quali ruoli saranno maggiormente impattati dall’automazione e dall’aumento delle capacità, creando percorsi di carriera e di riqualificazione prima che la dislocazione avvenga.
• Stabilire una Governance Robusta: Per scalare l’IA in modo responsabile, è essenziale implementare framework di governance che gestiscano i rischi legati all’inaccuratezza, alla sicurezza, ai bias e alla proprietà intellettuale.28 Questo sta già portando alla creazione di nuovi ruoli cruciali come l’AI Governance Lead e l’AI Ethics Specialist.30
• Un Coinvolgimento Attivo della Leadership: La trasformazione deve essere guidata dall’alto. I leader devono sviluppare la propria alfabetizzazione sull’IA, promuovere una cultura della sperimentazione e comunicare in modo trasparente l’impatto della tecnologia per mitigare le paure e la resistenza al cambiamento.24

 

In definitiva, il vantaggio competitivo nell’era dell’IA non deriverà dal possesso dei modelli più avanzati—che stanno rapidamente diventando una commodity accessibile tramite API—ma dalla capacità della forza lavoro di utilizzarli in modo efficace, creativo e strategico. Ciò implica un cambiamento di paradigma fondamentale negli investimenti aziendali. La spesa per il capitale umano (formazione, riprogettazione dei processi, gestione del cambiamento) deve essere considerata alla pari, se non superiore, alla spesa per la tecnologia stessa. Le organizzazioni di maggior successo tratteranno la riqualificazione della loro forza lavoro non come una funzione di supporto delle risorse umane, ma come un’attività di Ricerca e Sviluppo fondamentale per costruire le capacità organizzative del futuro. La formazione di consorzi a livello di settore, come l’AI-Enabled ICT Workforce Consortium guidato da Cisco e che include giganti come Google, IBM e Microsoft, è una chiara testimonianza di questo riallineamento strategico, volto a condividere i costi e i benefici della trasformazione della forza lavoro su larga scala.24

 

6. Scenari Futuri a Breve Termine (2026-2028) e Considerazioni Conclusive

Sulla base delle tendenze e delle dinamiche analizzate, è possibile delineare alcuni scenari probabili per l’evoluzione a breve termine del settore ICT. Questi scenari non sono previsioni deterministiche, ma traiettorie plausibili che emergeranno dall’interazione delle forze tecnologiche, organizzative e umane in gioco.

Scenario 1: L’Ascesa della Forza Lavoro “Agentica”

La transizione dagli attuali “copiloti” di IA, che assistono l’umano in compiti specifici, a “agenti” di IA più autonomi, in grado di gestire flussi di lavoro complessi e multi-step con una supervisione minima, accelererà.10 Nello sviluppo software, questo potrebbe tradursi in agenti in grado di prendere in carico un’intera user story, dalla scrittura del codice alla generazione dei test fino al deployment, richiedendo all’umano di intervenire solo per l’approvazione finale o la gestione delle eccezioni. Questo sposterà ulteriormente il ruolo del professionista ICT verso compiti di alto livello come la definizione degli obiettivi strategici, la progettazione dell’architettura dei sistemi di agenti e la governance etica. La domanda per ruoli come l'”Agentic AI Engineer”, oggi ancora di nicchia, si materializzerà come una professione distinta e molto richiesta.30

 

Scenario 2: La Risoluzione del Paradosso della Produttività… Per Alcuni

Il paradosso della produttività non si risolverà in modo uniforme in tutto il settore. Le aziende leader, quelle che investiranno massicciamente nella riprogettazione olistica dei loro processi (come l’SDLC) e in programmi di riqualificazione integrati, inizieranno a vedere guadagni di produttività significativi e misurabili. Queste organizzazioni supereranno il collo di bottiglia umano automatizzando parti della revisione, del testing e dell’integrazione, e dotando i loro team delle competenze necessarie per orchestrare sistemi complessi basati su IA. Al contrario, le aziende inseguitrici, che continueranno a distribuire strumenti di IA in modo frammentario senza modificare i processi sottostanti, vedranno i loro guadagni di produttività stagnare o diminuire. Questo creerà un divario di performance sempre più ampio all’interno del settore, separando le aziende veramente “AI-native” da quelle che si limitano a “usare l’IA”.

 

Scenario 3: La Normalizzazione del Professionista “T-Shaped”

La domanda di professionisti con un profilo “a T”—che combina una profonda specializzazione verticale con ampie competenze orizzontali in ambiti come il business, la comunicazione e il pensiero critico—diventerà lo standard per la maggior parte dei ruoli ICT di alto valore. La necessità di integrare competenze tecniche e “power skills” sarà tale che i profili puramente specialistici, sia tecnici che manageriali, troveranno limitate le loro prospettive di carriera. L’apprendimento continuo (lifelong learning) cesserà di essere una raccomandazione per diventare un aspetto essenziale e non negoziabile del mantenimento della rilevanza professionale.23 I percorsi di carriera diventeranno più fluidi e meno lineari, con professionisti che si muoveranno tra ruoli tecnici e strategici, agendo da ponte tra la tecnologia e il business.

 

Considerazioni Conclusive

L’impatto trasformativo dell’Intelligenza Artificiale Generativa sul settore ICT è innegabile e in piena accelerazione. Tuttavia, l’esito finale di questa trasformazione non è predeterminato. Se condurrà a una crescita della produttività e a una prosperità ampiamente condivise o, al contrario, a un aumento delle disuguaglianze e a un caos organizzativo, dipenderà in larga misura dalle scelte strategiche che verranno compiute oggi. Leader aziendali, istituzioni formative e responsabili politici si trovano di fronte a un bivio critico. L’investimento nel capitale umano, l’innovazione dei processi e l’adozione di una governance responsabile non sono più opzioni, ma imperativi categorici per navigare con successo la più grande trasformazione del lavoro della nostra generazione.

 

7. Bibliografia e Sitografia Aggiornata

 

Bibliografia (Pubblicazioni Accademiche e Report)

 

• Bain & Company. (2025). From Pilots to Payoff: Generative AI in Software Development | Technology Report 2025. 10
• Cedefop. (2023). ICT professionals: skills opportunities and challenges (2023 update). 8
• CommLab India. (2025). Corporate Training for the US Workforce: Why It’s More Critical Than Ever. 7
• Faros AI. (2025). The AI Productivity Paradox Research Report. 9
• Glazko, K. S., Yamagami, M., Desai, A., Mack, K. A., Potluri, V., Xu, X., & Mankoff, J. (n.d.). An Autoethnographic Case Study of Generative Artificial Intelligence’s Utility for Accessibility. 12
• Harvard Business Review Analytic Services & SnapLogic. (2025). HBR Research Report: Harnessing the Power of Generative AI and AI Agents. 32
• JCSE. (2025). Decoding ICT Job Demand in South Africa. 33
• McKinsey & Company. (2025, January 28). Superagency in the workplace: Empowering people to unlock AI’s full potential. 2
• McKinsey & Company. (2025, March 12). The state of AI: How organizations are rewiring to capture value. 29
• METR. (2025, July 10). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. 11
• Oliver Wyman Forum. (2025, January 15). Workforce Transformation In The AI Era. 34
• Sadeghpour, M., et al. (2025, April 10). Generative AI in Collaborative Academic Report Writing: Advantages, Disadvantages, and Ethical Considerations. arXiv:2504.08832. 35
• U.S. Bureau of Labor Statistics. (2025). Incorporating AI impacts in BLS employment projections: occupational case studies. 18
• Virginia Tech. (2025). Position Paper: Test and Evaluation for the Age of Generative AI. 13
• World Economic Forum. (2025, January). The Future of Jobs Report 2025. 3
• WorldSkills Russia. (2020). Future Skills for the 2020s: A New Hope. 27
• Zhang, C., & Magerko, B. (2025, April 26). Generative AI Literacy: A Comprehensive Framework for Literacy and Responsible Use. arXiv:2504.19038. 20

 

Sitografia (Articoli e Risorse Web)

• AI Skills Alliance (ARISA). (2025). AI in the Future of Jobs Report 2025. aiskills.eu. 3
• Analytics8. (2025, September 1). 6 Use Cases for Generative AI in Data Analytics + Best Practices. analytics8.com. 16
• ComplexDiscovery. (2025). Europe’s Innovation Progress Faces Crossroads as 2025 Scoreboard Signals Momentum Shift. complexdiscovery.com. 37
• FDM Group. (2025, February 27). How AI is reshaping data analytics in 2025 UK. fdmgroup.com. 15
• Google Cloud. (2025). 2025 DORA State of AI-assisted Software Development Report. cloud.google.com. 38
• Google Cloud. (2025, October 9). Real-world gen AI use cases from the world’s leading organizations. cloud.google.com. 39
• Harvard Business School. (2025). Managing the Future of Work. hbs.edu. 40
• ia2023.it. (2025, April 19). L’impatto trasformativo dell’IA generativa sui ruoli professionali e le competenze nell’ICT. 1
• IBM Newsroom. (2024). Announcements. newsroom.ibm.com. 31
• IEEE ComSoc Technology Blog. (2025, June 14). Generative AI. techblog.comsoc.org. 19
• INFORMS Open Forum. (2025). [ACM ICAIF 2025] Call for Papers and Participation. connect.informs.org. 41
• LinkedIn Learning. (n.d.). AI Skill Pathways. learning.linkedin.com. 42
• LinkedIn Learning. (n.d.). AI Skill Pathways Library. learning.linkedin.com. 43
• MDPI. (2024). Generative Artificial Intelligence (AI) in the Lens of Education. 21
• Medium. (2025, July 3). Generative AI: The Game-Changer in Data Analytics for 2025. 14
• Medium (ODSC – Open Data Science). (2025, January 10). AI Leads the 2025 LinkedIn Jobs on the Rise Report. 25
• Medium (Sadagopan). (2025, September 26). Enterprise Gen-AI: From Pilots to Workforce Transformation. 28
• NCBI. (2023). The impact of Artificial Intelligence in academia: Views of academics. 22
• NStarX Inc. (2025, August 14). Building In-House Tech Talent: The Strategic Imperative for AI-Era Reskilling. nstarxinc.com. 24
• Rezi.ai. (2025, September 9). 20 AI Skills for Your Resume 2025: Examples & Tools. 26
• Sand Technologies. (2025). AI and the Future of Work: Insights from the World Economic Forum’s 2025 Report. sandtech.com. 5
• SkyWork AI. (2025, August 20). The AI Job Boom: Growth, Trends, and Future Projections for the U.S. Labor Market. skywork.ai. 30
• Splunk. (2025, January 24). Supporting the Workforce of Tomorrow, Today. splunk.com. 23
• Teckedin. (n.d.). AI and Its Effects on Jobs. docs.teckedin.info. 44
• Towards AI. (2025, April 17). The 2025 U.S. Data Job Market: A Case Study in AI Disruption and International Talent Strategy. towardsai.net. 17
• University of Washington. (2023). CREATE faculty and students present research at ASSETS ’23. create-test.cs.washington.edu. 12
• World Economic Forum. (2025, January 9). Future of Jobs Report 2025: These are the fastest growing and declining jobs. weforum.org. 6
• World Summit AI. (n.d.). World Summit AI Amsterdam. worldsummit.ai. 45

Bibliografia

1. L’impatto trasformativo dell’IA generativa sui ruoli professionali e le …, accesso eseguito il giorno ottobre 10, 2025, https://ia2023.it/ia-professionisti-ict/impatto-trasformativo-ia-generativa-sui-ruoli-professionali-competenze-ict/
2. Superagency in the workplace: Empowering people to unlock AI’s full potential – McKinsey, accesso eseguito il giorno ottobre 10, 2025, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work
3. AI in the Future of Jobs Report 2025 – Arisa, accesso eseguito il giorno ottobre 10, 2025, https://aiskills.eu/news/ai-in-the-future-of-jobs-report-2025/
4. Future of Jobs Report 2025 – World Economic Forum: Publications, accesso eseguito il giorno ottobre 10, 2025, https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
5. AI and the Future of Work: Insights from the World Economic Forum’s Future of Jobs Report 2025 – Sand Technologies, accesso eseguito il giorno ottobre 10, 2025, https://www.sandtech.com/insight/ai-and-the-future-of-work/
6. Future of Jobs Report 2025: These are the fastest growing and declining jobs – The World Economic Forum, accesso eseguito il giorno ottobre 10, 2025, https://www.weforum.org/stories/2025/01/future-of-jobs-report-2025-the-fastest-growing-and-declining-jobs/
7. Corporate Training for the US Workforce: Why It’s More Critical Than Ever – CommLab India, accesso eseguito il giorno ottobre 10, 2025, https://www.commlabindia.com/blog/corporate-training-united-states-workforce
8. ICT professionals: skills opportunities and challenges (2023 update) | CEDEFOP, accesso eseguito il giorno ottobre 10, 2025, https://www.cedefop.europa.eu/en/data-insights/ict-professionals-skills-opportunities-and-challenges-2023-update
9. The AI Productivity Paradox Research Report | Faros AI, accesso eseguito il giorno ottobre 10, 2025, https://www.faros.ai/blog/ai-software-engineering
10. From Pilots to Payoff: Generative AI in Software Development | Bain …, accesso eseguito il giorno ottobre 10, 2025, https://www.bain.com/insights/from-pilots-to-payoff-generative-ai-in-software-development-technology-report-2025/
11. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity – METR, accesso eseguito il giorno ottobre 10, 2025, https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
12. Conferences – UW CREATE, accesso eseguito il giorno ottobre 10, 2025, https://create-test.cs.washington.edu/faculty/conferences/
13. The Impact of Generative AI on Test & Evaluation … – VTechWorks, accesso eseguito il giorno ottobre 10, 2025, https://vtechworks.lib.vt.edu/bitstreams/1dbc4af8-9ebe-4394-ad5d-79d600117bc9/download
14. Generative AI: The Game-Changer in Data Analytics for 2025 | by Satyam Mishra | Medium, accesso eseguito il giorno ottobre 10, 2025, https://medium.com/techsutra/generative-ai-the-game-changer-in-data-analytics-for-2025-200a813c60d9
15. How AI is reshaping data analytics in 2025 UK – FDM Group, accesso eseguito il giorno ottobre 10, 2025, https://www.fdmgroup.com/news-insights/ai-for-data-analysts/
16. 6 Use Cases for Generative AI in Data Analytics + Best Practices, accesso eseguito il giorno ottobre 10, 2025, https://www.analytics8.com/blog/6-use-cases-for-generative-ai/
17. The 2025 U.S. Data Job Market: A Case Study in AI Disruption and International Talent Strategy | Towards AI, accesso eseguito il giorno ottobre 10, 2025, https://towardsai.net/p/artificial-intelligence/the-2025-u-s-data-job-market-a-case-study-in-ai-disruption-and-international-talent-strategy
18. Incorporating AI impacts in BLS employment projections: occupational case studies, accesso eseguito il giorno ottobre 10, 2025, https://www.bls.gov/opub/mlr/2025/article/incorporating-ai-impacts-in-bls-employment-projections.htm
19. Generative AI – IEEE ComSoc Technology Blog, accesso eseguito il giorno ottobre 10, 2025, https://techblog.comsoc.org/category/generative-ai/
20. Generative AI Literacy: A Comprehensive Framework for Literacy …, accesso eseguito il giorno ottobre 10, 2025, https://arxiv.org/pdf/2504.19038
21. A Primer on Generative Artificial Intelligence – MDPI, accesso eseguito il giorno ottobre 10, 2025, https://www.mdpi.com/2227-7102/14/2/172
22. The impact of Artificial Intelligence in academia: Views of Turkish academics on ChatGPT, accesso eseguito il giorno ottobre 10, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC10558923/
23. Supporting the Workforce of Tomorrow, Today | Splunk, accesso eseguito il giorno ottobre 10, 2025, https://www.splunk.com/en_us/perspectives/upskilling-workforce-ai-era.html
24. Building In-House Tech Talent: The Strategic Imperative for AI-Era Reskilling – NStarX Inc., accesso eseguito il giorno ottobre 10, 2025, https://nstarxinc.com/blog/building-in-house-tech-talent-the-strategic-imperative-for-ai-era-reskilling/
25. AI Leads the 2025 LinkedIn Jobs on the Rise Report | by ODSC …, accesso eseguito il giorno ottobre 10, 2025, https://odsc.medium.com/ai-leads-the-2025-linkedin-jobs-on-the-rise-report-578554ceefc0
26. 20 AI Skills for Your Resume 2025: Examples & Tools – Rezi AI, accesso eseguito il giorno ottobre 10, 2025, https://www.rezi.ai/posts/ai-skills-for-your-resume
27. FALL 2020 – Worldskills Russia, accesso eseguito il giorno ottobre 10, 2025, https://rda.worldskills.ru/storage/app/media/Reports/2020%20Future%20Skills%202.0/Future%20Skills%20for%20the%202020s_A%20New%20Hope.pdf
28. Enterprise Gen-AI: From Pilots to Workforce Transformation | by Sadagopan – Medium, accesso eseguito il giorno ottobre 10, 2025, https://medium.com/@123suds/enterprise-gen-ai-from-pilots-to-workforce-transformation-2674baf34a6c
29. The state of AI: How organizations are rewiring to capture value – McKinsey, accesso eseguito il giorno ottobre 10, 2025, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
30. The AI Job Boom: Growth, Trends, and Future Projections for the U.S. Labor Market, accesso eseguito il giorno ottobre 10, 2025, https://skywork.ai/skypage/en/The-AI-Job-Boom:-Growth,-Trends,-and-Future-Projections-for-the-U.S.-Labor-Market/1950091780397285376
31. Announcements – IBM, accesso eseguito il giorno ottobre 10, 2025, https://newsroom.ibm.com/announcements?l=100&o=100
32. HBR Research Report: Harnessing the Power of Generative AI and AI Agents | SnapLogic, accesso eseguito il giorno ottobre 10, 2025, https://community.snaplogic.com/discussions/getting_started/hbr-research-report-harnessing-the-power-of-generative-ai-and-ai-agents/40028
33. Decoding ICT Job Demand in South Africa Web | PDF | Cost Of Living – Scribd, accesso eseguito il giorno ottobre 10, 2025, https://www.scribd.com/document/898584836/Decoding-ICT-Job-Demand-in-South-Africa-Web
34. Workforce Transformation In The AI Era – Oliver Wyman Forum, accesso eseguito il giorno ottobre 10, 2025, https://www.oliverwymanforum.com/ceo-agenda/state-of-world-global-business-trends/ai-and-the-future-of-work.html
35. [2504.08832] Generative AI in Collaborative Academic Report Writing: Advantages, Disadvantages, and Ethical Considerations – arXiv, accesso eseguito il giorno ottobre 10, 2025, https://arxiv.org/abs/2504.08832
36. The Future of Jobs Report 2025 | World Economic Forum, accesso eseguito il giorno ottobre 10, 2025, https://www.weforum.org/publications/the-future-of-jobs-report-2025/
37. Europe’s Innovation Progress Faces Crossroads as 2025 Scoreboard Signals Momentum Shift – ComplexDiscovery, accesso eseguito il giorno ottobre 10, 2025, https://complexdiscovery.com/europes-innovation-progress-faces-crossroads-as-2025-scoreboard-signals-momentum-shift/
38. 2025 DORA State of AI-assisted Software Development Report – Google Cloud, accesso eseguito il giorno ottobre 10, 2025, https://cloud.google.com/resources/content/2025-dora-ai-assisted-software-development-report
39. Real-world gen AI use cases from the world’s leading organizations | Google Cloud Blog, accesso eseguito il giorno ottobre 10, 2025, https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders
40. Managing the Future of Work – Harvard Business School, accesso eseguito il giorno ottobre 10, 2025, https://www.hbs.edu/managing-the-future-of-work/Pages/default.aspx
41. [ACM ICAIF 2025] Call for Papers and Participation-Posted on behalf of Professor Ke-Wei Huang | INFORMS Open Forum, accesso eseguito il giorno ottobre 10, 2025, https://connect.informs.org/discussion/acm-icaif-2025-call-for-papers-and-participation-posted-on-behalf-of-professor-ke-wei-huang
42. AI Skill Pathways – LinkedIn Learning, accesso eseguito il giorno ottobre 10, 2025, https://learning.linkedin.com/resources/upskilling-and-reskilling/ai-skill-pathways
43. Learning Paths & Certifications Prep | AI Skill Pathways Library – LinkedIn Learning, accesso eseguito il giorno ottobre 10, 2025, https://learning.linkedin.com/resources/upskilling-and-reskilling/ai-skill-pathways-library
44. AI’s Effects on Jobs – Teckedin, accesso eseguito il giorno ottobre 10, 2025, https://docs.teckedin.info/docs/ai-and-its-effects-on-jobs
45. World Summit AI, accesso eseguito il giorno ottobre 10, 2025, https://worldsummit.ai/

 

L’immagine è stata realizzata da ChatGPT con il prompt: Crea un’immagine sul concetto “Impatto dell’IA Generativa sui Ruoli e Competenze Professionali nel Settore ICT.”