AI education: colmare il gap di competenze e cultura digitale

Education, competenze e cultura AI

Il vero collo di bottiglia dell'AI non è tecnologico

L'intelligenza artificiale (AI) sta trasformando profondamente il modo in cui le organizzazioni operano, ma la sua diffusione non procede ovunque allo stesso ritmo. Nonostante la disponibilità crescente di soluzioni tecnologiche mature, molte aziende europee e italiane incontrano ancora ostacoli rilevanti nell'adozione efficace dell'AI. Il punto critico non riguarda tanto l'accesso all'infrastruttura tecnologica, quanto la presenza di un ampio gap di competenze e di cultura digitale all'interno delle imprese.

Secondo ISTAT, nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti utilizza almeno una tecnologia di intelligenza artificiale, il doppio rispetto all'8,2% del 2024 (ISTAT, Imprese e ICT - Anno 2025). Il dato mostra un'accelerazione dell'adozione, ma anche un divario ancora significativo tra imprese di dimensioni diverse: nello stesso anno l'utilizzo dell'AI raggiunge il 53,1% tra le grandi imprese e il 15,7% tra le PMI. In questo scenario, la disponibilità della tecnologia è solo una parte della questione: competenze, capacità organizzativa e qualità dei dati incidono sulla possibilità di trasformare la sperimentazione in un uso efficace.

Il gap, inoltre, non riguarda esclusivamente i ruoli tecnici. Per adottare l'AI in modo consapevole servono competenze trasversali: comprendere opportunità e limiti dei sistemi, valutare l'impatto sui processi, presidiare dati e rischi, interpretare i risultati e conoscere il quadro normativo applicabile. La maturità organizzativa dipende quindi dalla diffusione di una cultura AI che coinvolga i diversi livelli aziendali e metta in relazione competenze tecnologiche, di business, legali e organizzative.

Quali competenze servono davvero: una mappa per ruolo

Quando si parla di competenze per l’intelligenza artificiale (AI), è fondamentale distinguere tra skill tecniche e AI literacy, ovvero la comprensione dei principi, delle opportunità e dei limiti dell’AI, anche senza una formazione informatica avanzata. Questa differenziazione è cruciale perché l’adozione efficace dell’AI coinvolge molteplici ruoli aziendali, oltre ai profili strettamente tecnologici.

Le competenze tecniche riguardano figure come sviluppatori e data scientist. Gli sviluppatori sono professionisti che scrivono codice per progettare, implementare e mantenere soluzioni AI; i data scientist, invece, si occupano della raccolta, analisi e interpretazione dei dati, utilizzando modelli matematici e algoritmi per estrarre valore informativo. Queste figure devono possedere conoscenze avanzate di programmazione, statistica, machine learning (cioè sistemi capaci di apprendere dai dati) e gestione dei dati.

La diffusione dell’AI richiede anche una base solida di AI literacy trasversale. Per manager e figure di business, significa saper valutare potenzialità e rischi delle soluzioni AI, comprenderne i limiti e integrare questi strumenti nei processi decisionali. Per le funzioni compliance, è essenziale conoscere le normative di riferimento, come il Regolamento generale sulla protezione dei dati (GDPR) e l’AI Act, valutare gli impatti e presidiare la conformità. Per le risorse umane, l’AI literacy si traduce invece nella capacità di supportare la formazione interna, accompagnare i cambiamenti organizzativi e promuovere un uso consapevole degli strumenti.

Il tema delle competenze emerge con chiarezza anche dai dati italiani. Tra le imprese che nel 2025 non utilizzano tecnologie AI ma ne hanno preso in considerazione l’adozione, il 58,6% indica la mancanza di competenze adeguate tra i principali ostacoli (ISTAT, Imprese e ICT - Anno 2025). La criticità non coincide quindi soltanto con la disponibilità di specialisti: riguarda anche la capacità di comprendere, valutare e governare l’AI nei diversi ruoli aziendali. Per questo, un percorso di crescita dovrebbe combinare approfondimenti specialistici e iniziative di formazione diffusa, adattate alle responsabilità delle diverse funzioni.

Nuovi ruoli e competenze nell'ecosistema AI

L’introduzione dell’intelligenza artificiale nei processi aziendali sta consolidando nuove combinazioni di competenze e, in alcune organizzazioni, anche ruoli dedicati. Si tratta spesso di profili ibridi, collocati all’intersezione tra tecnologia, gestione, conoscenza del dominio, etica e processi organizzativi. Più che un catalogo di professioni completamente nuove, emerge quindi un’evoluzione delle responsabilità e delle competenze richieste all’interno dei team.

L’AI product manager è un esempio di questa evoluzione: coordina la definizione, lo sviluppo e la gestione di prodotti o servizi basati su intelligenza artificiale, traducendo obiettivi di business in requisiti concreti e facilitando il lavoro di team multidisciplinari. Il ruolo richiede di tenere insieme esigenze degli utenti, vincoli tecnici, aspetti normativi e sostenibilità del prodotto nel tempo.

Il prompt engineering va invece considerato soprattutto come una competenza specialistica emergente nella progettazione e ottimizzazione delle istruzioni per i modelli di AI generativa. In alcuni contesti può dare origine a ruoli dedicati, ma spesso viene incorporato in profili più ampi, per esempio nell’ambito di product management, sviluppo, content design, data science o automazione. Richiede conoscenza dei modelli, capacità di strutturare e valutare gli input e attenzione a qualità, bias e affidabilità delle risposte.

Anche la governance dell’AI sta assumendo maggiore rilevanza. In alcune organizzazioni queste responsabilità vengono concentrate in figure dedicate, come un AI governance officer, mentre in altre sono distribuite tra compliance, risk management, legal, sicurezza e team tecnologici. L’obiettivo è definire policy, processi di controllo e responsabilità coerenti con il GDPR, l’AI Act e con le altre norme applicabili al caso d’uso.

Un altro ambito riguarda l’AI trainer o AI evaluator: un professionista o domain expert che contribuisce al miglioramento dei modelli generando, classificando e valutando esempi e risposte, fornendo feedback umano e individuando errori o comportamenti indesiderati. A seconda dell’organizzazione, queste attività possono includere data annotation, model evaluation, preference ranking o produzione di dati specialistici.

Questi esempi mostrano come l’evoluzione dell’AI stia rendendo le competenze sempre più ibride e aumentando la necessità di collaborazione tra reparti tecnici, legali e di business. L’adozione della tecnologia può quindi modificare ruoli esistenti, distribuire nuove responsabilità e, dove necessario, portare alla creazione di posizioni dedicate. La composizione dei team dipende però dal settore, dalla scala dei progetti e dal livello di maturità dell’organizzazione.

Cultura AI: perché non basta formare i tecnici

L’introduzione dell’intelligenza artificiale in azienda riguarda tutte le funzioni che utilizzano, supervisionano o subiscono l’impatto dei sistemi AI. Limitare la formazione all’area IT rischia quindi di lasciare scoperti proprio i ruoli che devono prendere decisioni, definire processi, gestire dati o verificare la conformità. La cultura AI serve a creare un linguaggio comune e criteri condivisi per valutare opportunità, limiti e responsabilità.

Questo approccio ha oggi anche un fondamento normativo concreto. L’articolo 4 dell’AI Act richiede a provider e deployer di sistemi AI di adottare misure a sostegno dell’AI literacy del personale e delle altre persone che operano con tali sistemi per loro conto, tenendo conto delle conoscenze tecniche, dell’esperienza, della formazione e del contesto d’uso (Commissione europea, AI talent, skills and literacy, 2026). L’AI literacy non coincide quindi con una formazione tecnica uniforme: deve essere proporzionata ai ruoli, alle responsabilità e ai sistemi utilizzati.

Coinvolgere le diverse funzioni aziendali nel percorso di acculturazione digitale aiuta inoltre a gestire le resistenze al cambiamento, valorizzare le competenze esistenti e favorire la collaborazione tra team. La cultura AI non è un semplice aggiornamento tecnico, ma un processo organizzativo che richiede dialogo, formazione continua e una visione condivisa degli obiettivi e delle responsabilità legate all’uso dell’intelligenza artificiale.

Da dove partire: principi per un percorso formativo efficace

Colmare il gap di competenze in ambito AI richiede un approccio strutturato, che tenga conto delle esigenze specifiche dei diversi ruoli e della maturità digitale dell’organizzazione. Un primo passo utile è l’assessment iniziale: valutare in modo oggettivo le competenze esistenti, le aree di forza e quelle da sviluppare, coinvolgendo team tecnici, manager, funzioni di business, compliance e risorse umane. Questo consente di costruire percorsi formativi mirati e realmente utili.

La formazione efficace può svilupparsi per livelli: dalla sensibilizzazione trasversale, con AI literacy di base e consapevolezza di rischi e opportunità, fino all’aggiornamento specialistico per chi opera direttamente su progetti AI. È importante prevedere momenti di aggiornamento continuo, dato il ritmo con cui evolvono tecnologie e scenari applicativi. L’AI Continent Action Plan della Commissione europea include infatti competenze, upskilling e reskilling tra le leve strategiche per sostenere lo sviluppo e l’adozione dell’AI in Europa (Commissione europea, AI Continent Action Plan, 2025).

Per valutare la maturità digitale, alcuni criteri utili sono: la presenza di competenze AI diffuse nei diversi ruoli, la capacità di integrare l’AI nei processi decisionali, la gestione consapevole dei dati e il rispetto delle normative.