Da qualche anno l’intelligenza artificiale è uscita dai laboratori ed è entrata nei processi aziendali. Secondo uno degli ultimi report McKinsey 2026 quasi nove organizzazioni su dieci la utilizzano almeno in una area operativa, ma meno del 20 % registra un impatto significativo sui ricavi e solo l’1 % dei dirigenti considera matura l’adozione dei modelli generativi.
Allo stesso tempo, il white paper Better Leaders of Tomorrow realizzato da Buono & Partners in collaborazione con Rome Business School, mette in evidenza una crescita di oltre venti volte del numero di utenti LinkedIn che aggiungono competenze legate all’AI sui propri profili dal 2016 e segnala una crescente domanda di “durable skills”, ovvero competenze trasversali ad alto valore relazionale e cognitivo.
Indice degli argomenti
I trend che stanno ridefinendo il lavoro nell’era dell’AI
Democratizzazione della tecnologia
La democratizzazione della tecnologia rende l’AI accessibile a un pubblico più ampio: tecnologie generative, copilot integrati e piattaforme low‑code abbassano le barriere. Nella classifica 2026 delle competenze in ascesa pubblicata da LinkedIn, tra le prime dieci spiccano large‑language models, strumenti di AI generativa, automazione dei processi CI/CD, infrastrutture cloud e sistemi di monitoraggio e affidabilità. I datori di lavoro cercano professionisti capaci di implementare modelli generativi e monitorare le performance.
Nuovi ruoli e competenze ibride
L’AI genera un nuovo mercato del lavoro: oltre a data scientist e machine learning engineer emergono figure come AI product owner, trust & safety lead e prompt engineer, responsabili di orchestrare agenti autonomi e garantire trasparenza. McKinsey rileva che la domanda di AI fluency, la capacità di usare e gestire strumenti di AI, è cresciuta di sette volte in soli due anni e che l’esigenza di talento applicato all’AI (NLP, data science, PyTorch) è più che triplicata.
Tuttavia, il vero salto è nel lavoro ibrido. Oltre il 70 % delle skill richieste si sovrappone tra lavori automatizzabili e non automatizzabili e circa il 75 % dei ruoli esistenti dovrà essere ridisegnato per integrare maggiore fluency tecnologica con capacità sociali, emotive e cognitive superiori.
Orchestrazione di sistemi intelligenti
Le organizzazioni che desiderano trarre maggior valore dalla generative AI devono riprogettare i processi con l’AI al centro. Nel report sopracitato, McKinsey sottolinea la necessità di decomporre ogni attività e decidere consapevolmente, sulla base di considerazioni economiche, etiche e di maturità tecnologica, quale compito delegare agli algoritmi e quale mantenere alle persone.
La riflessione sposta l’attenzione dall’uso degli strumenti alla governance dei sistemi: orchestrare agenti significa governare dati, regole e persone attraverso workflow. Nonostante l’88 % delle organizzazioni utilizzi l’AI, solo il 19 % dei C‑level osserva un incremento di ricavi superiore al 5 % e l’86 % dei leader ammette di non essere preparato alle potenzialità e alle attività quotidiane necessarie.
Un terzo dei progetti di intelligenza artificiale non raggiunge il valore atteso perché cultura e competenze non seguono il ritmo del cambiamento.
Le competenze chiave per orchestrare sistemi di intelligenza artificiale
L’analisi delle competenze in ascesa di LinkedIn evidenzia tre cluster: competenze tecniche (large‑language models, strumenti di AI generativa, automazione CI/CD, cloud e monitoraggio), competenze di leadership e product strategy (visione strategica, sviluppo delle persone, product strategy, negoziazione e gestione dei partner) e competenze legate all’efficienza operativa e alla comunicazione (standardizzazione, misurazione delle performance, risk management, comunicazione interculturale, ascolto attivo, risoluzione dei conflitti, relationship building e problem solving collaborativo).
Data literacy avanzata
Interpretare, valutare e utilizzare i dati in modo critico è una delle competenze più richieste. Il white paper Better Leaders of Tomorrow segnala che l’attenzione ai dati è diventata una capacità trasversale. La data literacy comprende la conoscenza dei bias, della qualità dei dati, della privacy e della governance, così come abilità di misurazione della performance e di risk management.
Pensiero sistemico e architetturale
Comprendere come interagiscono modelli, flussi di dati, algoritmi e processi aziendali è cruciale per strutturare sistemi modulari e flessibili. Occorre progettare architetture che integrino software, dati e persone e valutare l’impatto di ogni decisione su efficienza, etica e rischio. La standardizzazione dei processi e la misurazione delle performance diventano elementi chiave per scalare l’AI.
Prompting e interaction design evoluto
Le interfacce conversazionali richiedono competenze nella formulazione di prompt chiari e specifici e nella progettazione dell’interazione uomo‑macchina. Questa capacità combina linguistica, psicologia e user experience. Le competenze comunicative citate da LinkedIn, comunicazione interculturale, ascolto attivo, risoluzione dei conflitti, relationship building e problem solving collaborativo, diventano fondamentali per progettare interazioni efficaci con agenti intelligenti.
Le soft skill per restare rilevanti nell’era dell’AI
Nel white paper Leadership, Manager e Soft Skill, co-firmato da Buono & Partners, Eggup | Zucchetti Group e YOURgroup, gli autori sostengono che la leadership del futuro dovrà essere adattabile, empatica e purpose‑driven. Lo stesso report presenta il Big Five Model, energia, apertura, responsabilità, stabilità emotiva e gradevolezza, e sottolinea l’importanza di allenare queste dimensioni per navigare l’incertezza. Le soft skill non sostituiscono le competenze tecniche, ma ne amplificano l’impatto: ecco quelle che non possono mancare.
Pensiero critico e capacità di giudizio
La tecnologia produce informazioni, ma spetta agli esseri umani interpretarle, valutarle e decidere se e come agire. La capacità di mettere in discussione gli output dei modelli, di porre domande e di distinguere tra soluzioni plausibili e appropriate è uno dei principali antidoti all’“allucinazione” dei sistemi.
Apprendimento continuo e adattabilità
L’evoluzione dell’AI e la rapida obsolescenza delle competenze richiedono una mentalità di crescita e la volontà di aggiornarsi costantemente. L’apprendimento continuo, la curiosità e la flessibilità saranno qualità distintive dei leader. Occorre apprendere nuovi linguaggi, strumenti e metodologie e adattarsi a contesti e ruoli in continua evoluzione.
Capacità relazionali e collaborazione uomo‑macchina
Il ruolo del leader cambia, oggi infatti, la sfida consiste nell’ abilitare e orchestrare team ibridi composti da persone e agenti intelligenti. Empatia, ascolto attivo e intelligenza emotiva sono cruciali. LinkedIn evidenzia che competenze come comunicazione interculturale, ascolto attivo, risoluzione dei conflitti, relationship building e problem solving collaborativo sono tra le più richieste. Queste capacità permettono di costruire fiducia, gestire conflitti e collaborare in contesti caratterizzati da incertezza e interdipendenza.
Intelligenza emotiva
L’intelligenza emotiva, la capacità di riconoscere, comprendere e gestire le proprie emozioni e quelle altrui, è una leva distintiva per i leader nel mondo AI. Le competenze emotive sono fondamentali per creare ambienti inclusivi e motivanti e per costruire relazioni basate sulla fiducia.
Conclusioni
Le evidenze indicano chiaramente che il valore non deriva esclusivamente dall’implementazione degli strumenti di generative AI, bensì dalla capacità di integrarli nei processi, nelle competenze e nei modelli decisionali.
Per le aziende, ciò implica strutturare programmi sistemici di upskilling e reskilling che non separino competenze tecniche e soft skill, ma le integrino.
Parallelamente, emerge la necessità di rafforzare la governance. I progetti di AI che generano impatto reale sono quelli accompagnati da:
- una solida gestione dei dati,
- processi strutturati di change management,
- chiari modelli di responsabilità.
In questo contesto, diventano centrali nuovi ruoli organizzativi e la costruzione di team interdisciplinari che includano competenze diversificate.
Il rischio, per le organizzazioni, è duplice. Da un lato, un approccio tecnocentrico può portare allo sviluppo di soluzioni efficienti ma prive di direzione strategica. Dall’altro, un’eccessiva enfasi sulle sole competenze umane, senza integrazione tecnologica, può ridurre la capacità competitiva.
