È il gennaio 2026. Mentre stai leggendo queste righe, oltre 57.000 dipendenti di Telus stanno risparmiando in media 40 minuti per ogni interazione con AI agents. Suzano, il più grande produttore di cellulosa al mondo, ha ridotto del 95% i tempi di query per 50.000 impiegati grazie a un agente AI che traduce domande in linguaggio naturale in codice SQL.
Questi non sono esperimenti futuristici. Sono realtà operative attuali.
Il 2025 è stato l’anno della transizione: dall’hype all’implementazione pratica. Ora, entrando nel 2026, ci troviamo di fronte a una domanda molto più concreta: quali competenze servono per prosperare in un mercato del lavoro dove l’AI non è più un’opzione, ma l’infrastruttura stessa su cui si costruiscono carriere e aziende?
L’Anno Zero dell’Agentic AI: Cosa Sta Succedendo Proprio Ora
Gartner prevede che entro il 2028—solo due anni da oggi—il 15% delle decisioni lavorative quotidiane sarà preso autonomamente dall’agentic AI, contro lo 0% del 2024. Il 33% delle applicazioni software enterprise includerà agenti AI entro il 2028, rispetto a meno dell’1% di oggi.
Ma cos’è l’agentic AI che tutti stanno discutendo all’inizio del 2026?
Tradizionalmente, gli strumenti AI erano “reattivi”: chiedevi a ChatGPT qualcosa, ti rispondeva. Fine. L’agentic AI rappresenta un salto qualitativo: sistemi autonomi che ragionano, pianificano ed eseguono workflow multi-step verso obiettivi definiti, prendendo decisioni indipendenti lungo il percorso.
Immagina un assistente che non solo risponde “Ecco la lista dei clienti VIP da contattare”, ma che autonomamente analizza i dati CRM, identifica i clienti ad alto valore, redige email personalizzate basandosi su conversazioni precedenti, le invia nell’orario statisticamente ottimale, monitora le risposte e richiama quelli che non hanno aperto entro 48 ore—tutto senza che tu muova un dito dopo l’input iniziale “Prepara outreach clienti VIP”.
Questo è agentic AI. E nel 2026 sta passando da pilota a produzione.
I Numeri che Raccontano la Trasformazione (Gennaio 2026)
Il report di Deloitte “Emerging Technology Trends 2025” (appena pubblicato) rivela una situazione curiosa:
- 30% delle organizzazioni sta esplorando opzioni agentic
- 38% sta pilotando soluzioni
- 14% ha soluzioni pronte per deployment
- 11% usa attivamente sistemi in produzione
- 42% sta ancora sviluppando la roadmap strategica
- 35% non ha alcuna strategia formale
In altre parole: siamo all’inizio, ma l’accelerazione è esponenziale. Mentre il 77% delle organizzazioni non ha ancora implementato agentic AI in produzione, le previsioni per fine 2026 indicano una triplicazione dei deployment.
IDC prevede che entro il 2029 la spesa IT globale dedicata all’AI supererà il 25% del totale, trainata proprio dall’agentic AI. Gli investimenti in AI registreranno un incremento annuo del 31,9% tra il 2025 e il 2029, superando i 1.300 miliardi di dollari a fine quadriennio.
La vera domanda non è più “Se” ma “Quanto velocemente”.
Le Nuove Professioni dell’AI: Chi Sta Assumendo Adesso
La Commissione Europea stima 1,7 milioni di nuovi impieghi legati all’AI entro il 2030 solo in Europa. In Italia, secondo ManpowerGroup, il 78% delle imprese fatica a trovare talenti con competenze AI—un paradosso in un paese con 4,7 milioni di lavoratori a rischio automazione.
Ecco le figure professionali che stanno emergendo proprio ora, all’inizio del 2026.
Prompt Engineer: L’Architetto del Linguaggio AI
Cosa fa: Progetta, testa e ottimizza input testuali per massimizzare l’efficacia delle risposte AI. Non è “solo” scrivere buone domande—è ingegneria linguistica applicata.
Un prompt engineer lavora con catene di ragionamento complesse (chain-of-thought), few-shot learning, controllo temperatura, e tecniche avanzate come il tree-of-thoughts reasoning. Deve capire come diversi modelli (GPT-4, Claude, Gemini) rispondono a sfumature linguistiche, costruire framework riusabili, e misurare performance quantitativamente.
Competenze richieste:
- Comprensione profonda NLP e architetture LLM
- Logica computazionale e pensiero algoritmico
- Eccellente capacità di scrittura in linguaggio naturale
- Conoscenza psicologia cognitiva e bias linguistici
- Testing iterativo e A/B testing
Stipendio medio 2026: €45.000-€75.000 entry level, €80.000-€120.000+ senior (Italia). Negli USA si parte da $90K e si arriva facilmente a $180K+ per posizioni senior.
Dove cercano: Anthropic, OpenAI, Google DeepMind, startup AI-first, consulenze digitali
La realtà: Su LinkedIn, termini come “Prompt Engineering”, “Prompt Crafting”, e “GPT” sono stati aggiunti ai profili dal 75% degli utenti globali nell’ultimo anno. La domanda supera largamente l’offerta.
Un esempio pratico: Klarna ha sostituito 700 agenti customer service umani con un assistente AI che gestisce il lavoro di 700 persone, fornendo risposte in 23 lingue. Chi ha progettato i prompt dietro questo sistema? Un team di prompt engineers che ha iterato per mesi su migliaia di scenari.
AI Trainer: Il Professore delle Macchine
Cosa fa: Addestra modelli AI attraverso Reinforcement Learning from Human Feedback (RLHF), la tecnica che ha reso ChatGPT così efficace. Fornisce feedback qualitativo su output AI per “insegnare” al modello cosa è desiderabile e cosa no.
Gli AI trainer non sono data scientists, sono esperti di dominio (medici, avvocati, scrittori, educatori) che portano expertise umana nell’addestramento AI. Un AI trainer medico valuta se le diagnosi suggerite da un’AI sono appropriate. Un AI trainer legale verifica se i contratti generati contengono clausole corrette.
Competenze richieste:
- Profonda expertise nel dominio specifico
- Capacità di articolare giudizi qualitativi in modo strutturato
- Comprensione base di come funziona ML supervisionato
- Pazienza (iterazioni continue)
- Pensiero critico per identificare bias
Stipendio medio 2026: €35.000-€55.000 (molto variabile per settore)
Dove cercano: Scale AI, OpenAI, Anthropic, aziende che sviluppano AI verticali (healthcare, legal, finance)
La realtà: Questo ruolo è diventato critico dopo che si è scoperto che i modelli migliori non vengono solo da più dati, ma da dati di migliore qualità supervisionati da umani esperti. Claude di Anthropic deve buona parte della sua “personalità” a migliaia di ore di feedback qualitativo da AI trainers.
AI Ethicist: Il Guardiano della Responsabilità
Cosa fa: Garantisce che l’AI sia sviluppata e implementata secondo principi etici, legali e socialmente responsabili. Analizza bias, valuta impatti su minoranze, progetta guardrail per evitare usi dannosi.
Con l’EU AI Act entrato in vigore nel 2025 e regolamentazioni simili in arrivo globalmente, gli AI ethicists sono passati da “nice to have” a requisito legale. Forrester prevede che il 60% delle Fortune 100 nominerà un Head of AI Governance nel 2026.
Competenze richieste:
- Formazione in filosofia, etica, diritto o scienze sociali
- Comprensione tecnica di come funzionano algoritmi ML
- Conoscenza regolamentazioni (GDPR, EU AI Act, etc.)
- Capacità di tradurre principi etici in requisiti tecnici implementabili
- Comunicazione efficace con board e stakeholder non tecnici
Stipendio medio 2026: €55.000-€90.000 (Italia), significativamente più alto in EU per compliance con AI Act
Dove cercano: Big tech, banche, healthcare, public sector, consulting firms
La realtà: Quando Anthropic ha lanciato Claude, l’intero processo è stato supervisionato da un team di AI ethicists che ha progettato i “Constitutional AI principles”. Questo non è marketing—è infrastruttura operativa. Le aziende che ignorano governance AI rischiano multe salate sotto il nuovo framework regolatorio europeo.
Machine Learning Engineer: L’Idraulico dell’Intelligenza
Cosa fa: Traduce modelli ML da prototipi di ricerca a sistemi production-ready scalabili. Mentre il data scientist sperimenta, l’ML engineer costruisce pipeline che reggono milioni di richieste al giorno.
Competenze richieste:
- Programmazione avanzata (Python, Java, C++)
- MLOps, Docker, Kubernetes
- Architetture cloud (AWS, GCP, Azure)
- Ottimizzazione performance e debugging
- Comprensione deep learning frameworks (PyTorch, TensorFlow)
Stipendio medio 2026: €60.000-€95.000 (Italia), $130K-$220K (USA)
Dove cercano: Ovunque. Letteralmente ogni azienda tech.
La realtà: La domanda per ML engineers continua a superare l’offerta. Nel Q4 2025, il 63% delle aziende tech ha riportato difficoltà a trovare questi profili—un miglioramento rispetto al 72% del 2023, ma ancora critico.
Data Curator & Knowledge Engineer: I Bibliotecari 2.0
Cosa fa: Organizza, etichetta e mantiene la qualità dei dati usati per addestrare AI. Con l’agentic AI che necessita di “grounding” su knowledge base aziendali specifiche, questo ruolo è esploso.
Il mercato della “data labeling” raggiungerà i 3,5 miliardi di dollari entro la fine del 2026. Ma non è solo etichettare immagini di gatti e cani. I data curators gestiscono tassonomie complesse, assicurano coerenza semantica, e progettano ontologie che permettono all’AI di “ragionare” sui dati.
Competenze richieste:
- Information science, librarian background (sorprendentemente utile!)
- Comprensione basi di dati relazionali e graph databases
- Attenzione al dettaglio maniacale
- Comprensione domain-specific del business
- Tool: SQL, knowledge graph platforms, annotation tools
Stipendio medio 2026: €35.000-€60.000
Dove cercano: Enterprise che implementano RAG (Retrieval-Augmented Generation), aziende con grandi knowledge bases legacy
Conversation Designer: Lo Sceneggiatore dei Bot
Cosa fa: Progetta l’esperienza conversazionale di chatbot e voice assistants. Combina UX design, copywriting, e comprensione di come le persone realmente comunicano.
Non è “scrivere risposte”. È architettare flussi conversazionali che anticipano intent, gestiscono ambiguità, recuperano da errori, e mantengono coerenza di personalità attraverso centinaia di touchpoint.
Competenze richieste:
- UX/UI design background
- Eccellenti skill di copywriting
- Comprensione pragmatica del linguaggio (come le persone davvero parlano)
- Familiarità con tool conversational AI (Dialogflow, Rasa, etc.)
- Empatia e user-centric thinking
Stipendio medio 2026: €40.000-€70.000
Dove cercano: Banking, insurance, e-commerce, customer service operations
La realtà: Salesforce e Google Cloud stanno costruendo agent cross-platform usando il protocollo Agent2Agent (A2A). Chi progetta come questi agenti conversano tra loro? Conversation designers.
I Lavori Tradizionali che Stanno Evolvendo (Non Sparendo)
La narrativa “AI sostituirà tutti” è semplicistica. La realtà: il 75% dei lavoratori prevede che l’AI influenzerà il proprio ruolo entro fine 2026, ma questo significa trasformazione, non estinzione.
Medici → Medici Aumentati da AI
Diagnosi radiologiche assistite da AI. Piani terapeutici personalizzati generati da algoritmi che analizzano milioni di case studies. Drug discovery accelerato da ML.
I medici non stanno sparendo—stanno diventando supervisori di sistemi diagnostici AI. Google DeepMind ha sviluppato un algoritmo che rileva cancro al seno con 89% di accuratezza, superando i patologi umani al 74%. Ma servono ancora medici per contestualizzare, comunicare con pazienti, e prendere decisioni finali.
Skill nuove richieste: Alfabetizzazione AI, capacità di interpretare output algoritmici, validazione critica di suggerimenti AI
Avvocati → Legal Engineers
Ricerca giurisprudenziale automatizzata. Analisi contratti tramite NLP. Predizione outcome processi tramite ML.
Il 40% delle attività legali di routine è già automatizzabile. Ma l’advocacy, la negoziazione, la strategia processuale? Rimangono umane. Gli studi legali assumono ora “legal engineers” che costruiscono workflow ibridi dove AI gestisce discovery e research, permettendo agli avvocati di focalizzarsi su elementi ad alto valore.
Marketing Manager → AI-Augmented Marketers
Segmentazione clienti tramite unsupervised learning. Copywriting assistito da GPT-4. Analisi sentiment su milioni di interazioni social.
Il marketing è diventato data science applicata. I marketer del 2026 non scrivono solo copy—definiscono parametri per sistemi AI che generano e testano migliaia di varianti. Non scelgono un’immagine—addestrano modelli di brand recognition.
Developer → AI-Fueled Coders
Abbiamo già parlato di vibe coding in un altro articolo. Ma vale ribadire: GitHub Copilot è solo l’inizio. Nel 2026, developer tools come Cursor, Replit Agent, e Windsurf stanno trasformando i programmatori da “writer di codice” a “architect di sistemi”.
I developer stanno diventando manager di workforce agentic. Non scrivono più ogni funzione—supervisionano agenti AI che generano, testano, e debuggano codice. Il loro valore si sposta verso architettura di sistema, design decisions, e code review critico.
Le Competenze Trasversali Che Serviranno a Tutti (2026-2030)
Indipendentemente dalla professione, alcune skill diventeranno universali come Excel lo è stato negli anni 2000.
Alfabetizzazione AI: Non Sei Più “Non Tecnico”
Secondo il Future of Jobs Report 2025 del World Economic Forum, il 39% delle competenze attuali dei lavoratori dovrà essere aggiornato o trasformato entro il 2030.
Cosa significa “alfabetizzazione AI”?
- Capire cosa AI può/non può fare (evitare sia hype che skepticismo)
- Scrivere prompt efficaci per strumenti come ChatGPT
- Interpretare output AI criticamente (riconoscere hallucinations)
- Comprendere basics di supervised/unsupervised/reinforcement learning
- Familiarità con termini: LLM, neural networks, training data, bias
Come acquisirla: Corsi Coursera/edX su AI for Everyone, sperimentazione pratica con ChatGPT/Claude/Gemini, seguire newsletter AI (The Batch, Import AI)
Pensiero Critico e Problem Solving Complesso
Paradossalmente, più AI gestisce task routinari, più il valore umano si sposta su giudizio, creatività e risoluzione di problemi ambigui.
Il World Economic Forum identifica “pensiero analitico e problem solving” come la competenza singola più ricercata. Perché? Perché AI eccelle su problemi ben definiti, ma crolla su sfide mal strutturate che richiedono giudizio contestuale.
Collaborazione Uomo-AI: La Nuova Literacy
Non “usare” AI. Non “essere sostituito da” AI. Collaborare con AI.
Citizens Financial Group sta addestrando ogni dipendente a “guidare, supervisionare e ottimizzare colleghi digitali”. Non è più un’opzione—è la modalità operativa base.
Cosa comporta:
- Decomporre task in parti che AI può gestire vs quelle che richiedono giudizio umano
- Progettare workflow ibridi umano-AI
- Monitorare performance AI e fornire feedback per miglioramento
- Identificare quando delegare e quando supervisionare direttamente
Gestione del Cambiamento e Adattabilità
In un mondo dove nuovi AI tools lanciano ogni settimana, la capacità di apprendere velocemente, disimparare approcci obsoleti, e adattarsi a nuovi workflow è critica.
ServiceNow prevede che “AI agents built on proven, deterministic workflows” richiederanno nuove competenze di “agent management” che oggi non esistono in nessun curriculum universitario.
Le Sfide Reali che Affronteremo (2026-2028)
Non tutto è entusiasmo. Ci sono problemi concreti che emergeranno nei prossimi 2-3 anni.
Shadow Agents: Il Nuovo Shadow IT
Snyk predice che nel 2026 “a surge in shadow agentic AI will create one of the largest blind spots in enterprise security.”
Cosa sono gli shadow agents? Dipendenti che creano AI agents autonomi senza approvazione IT, usando tool accessibili come Make, Zapier con integrazione GPT, o API calls dirette a OpenAI. Questi agenti accedono a dati aziendali, prendono decisioni, e operano senza governance.
È il problema Shadow IT 2.0, ma con stakes più alti perché gli agents possono agire autonomamente, non solo leggere dati.
La soluzione: Governance frameworks che bilanciano innovazione e controllo. Forrester prevede che il 60% delle Fortune 100 nominerà un Head of AI Governance nel 2026.
Il Divario di Competenze AI (Skills Gap)
ManpowerGroup riporta che il 74% delle imprese globali e il 78% di quelle italiane fatica a trovare talenti con competenze AI adeguate.
La velocità di evoluzione tecnologica supera largamente la velocità del sistema educativo. Università stanno ancora insegnando curriculum progettati nel 2020, mentre il mercato richiede competenze su tecnologie lanciate nel 2024.
La risposta: Corporate upskilling massiccio. Le aziende non possono aspettare che le università si aggiornino—devono costruire programmi interni. Amazon ha investito $1,2 miliardi in upskilling AI per i propri dipendenti. Google offre certificazioni AI gratuite.
Etica e Bias: Chi È Responsabile Quando un Agent Sbaglia?
Scenario: Un AI agent autonomous nel recruiting filtra inconsciamente contro candidati da certi codici postali correlati a minoranze etniche. Chi è responsabile? Il vendor del software? L’azienda che l’ha implementato? Il team HR che l’ha configurato?
L’EU AI Act del 2025 inizia a rispondere, ma la giurisprudenza pratica si svilupperà attraverso casi reali nei prossimi anni. Le aziende stanno entrando in territorio inesplorato legal.
ROI e Costi Nascosti dell’AI
Mentre la spesa globale in AI systems raggiungerà $300 miliardi nel 2026, oltre il 40% dei progetti agentic AI verranno cancellati entro fine 2027 per costi crescenti, valore business poco chiaro, o controlli rischio inadeguati.
Implementare AI ha costi nascosti:
- Compute infrastructure (GPUs non sono economici)
- Data curation e preparation (il 80% del lavoro ML)
- Testing e validation continua
- Change management e training dipendenti
- Manutenzione e monitoring
Le aziende che vincono saranno quelle che misurano ROI realistico, non quelle che inseguono hype.
Il Futuro Lontano: 2030-2035
Guardando oltre l’orizzonte immediato, cosa possiamo ragionevolmente prevedere?
Narrow AI Ovunque, AGI Mai (Probabilmente)
Artificial General Intelligence—AI con intelligenza umana generale—rimane speculativa. I ricercatori più prudenti la collocano 20-50+ anni nel futuro, se mai.
Ma Narrow AI specializzata? Sarà ubiqua. Ogni processo aziendale avrà AI agents dedicati. Ogni smartphone avrà assistenti AI sempre più capaci. Ogni automobile sarà almeno parzialmente autonoma.
La rivoluzione non sarà AGI che sostituisce umani. Sarà miliardi di Narrow AI che amplificano capacità umane in domini specifici.
Fusione Uomo-Macchina: Brain-Computer Interfaces
Neuralink di Elon Musk ha dimostrato nel 2024 il primo impianto cerebrale che permette a una persona paralizzata di controllare computer col pensiero. Synchron e altri competitor progrediscono rapidamente.
Entro il 2035, è plausibile che interfacce cervello-computer diventeranno opzionali per professionisti che vogliono operare alla velocità del pensiero con AI tools. È fantascienza? Forse. Ma lo era anche l’idea che avresti avuto un supercomputer in tasca 15 anni fa.
Economia dell’Abbondanza AI?
Se AI gestisce la maggior parte del lavoro cognitivo e robot gestiscono lavoro fisico, cosa succede all’economia basata su lavoro umano?
Esperimenti con Universal Basic Income stanno avvenendo in Finlandia, Olanda, Kenya. Mentre AI genera produttività senza precedenti, come distribuire i benefici diventerà la domanda politica centrale degli anni 2030.
La Tua Strategia Personale per il Futuro AI (Azioni Concrete 2026)
Teoria è utile. Azione è necessaria. Ecco cosa puoi fare concretamente nel 2026.
Nei Prossimi 30 Giorni:
- Sperimenta con AI tools daily: ChatGPT, Claude, Gemini—usa uno diverso ogni settimana, impara limiti e forze
- Identifica 3 task ripetitivi nel tuo lavoro: quali potrebbero essere automatizzati o assistiti da AI?
- Completa un corso “AI Literacy” gratuito: Coursera “AI for Everyone”, edX “Introduction to AI”
Nei Prossimi 6 Mesi:
- Costruisci un progetto AI personale: usa Teachable Machine o simile per risolvere un problema reale
- Ottieni una certificazione: Google AI Essentials, IBM AI Fundamentals, o simili
- Networka con professionisti AI: LinkedIn groups, meetup locali, conferenze virtuali
Nei Prossimi 12 Mesi:
- Ridefinisci il tuo ruolo: Come posso diventare “AI-augmented” nella mia professione attuale?
- Considera specializzazione: Quale delle nuove professioni AI allinea con i tuoi skills esistenti?
- Insegna ad altri: Il miglior modo per consolidare conoscenza è spiegarla
Per Aziende:
- Inizia piccolo con pilot projects mirati
- Misura ROI rigorosamente
- Investi in upskilling dipendenti esistenti prima di assumere esterni
- Costruisci governance AI prima che diventi problema
- Tratta AI come transformation, non solo technology
Conclusione: Scrivere il Futuro, Non Subirlo
Mentre entriamo nel 2026, la domanda non è “L’AI prenderà il mio lavoro?” ma “Come posso evolvere insieme all’AI per creare valore che solo io posso offrire?”
La storia della tecnologia è sempre stata la stessa: nuovi strumenti eliminano task routinari, liberando umani per attività ad alto valore. La rivoluzione industriale ha eliminato 90% dei lavori agricoli, ma ha creato intere industrie manifatturiere. Internet ha distrutto l’editoria tradizionale, ma ha generato l’economia digitale.
L’AI seguirà questo pattern. Sì, alcuni lavori spariranno. Ma molti altri emergeranno—ruoli che oggi non esistono nemmeno nelle proiezioni più audaci.
Il privilegio e la responsabilità di vivere questa transizione è che possiamo scegliere come partecipare. Possiamo essere spettatori passivi o architetti attivi di questo futuro.
Nel 2026, ogni professionista—dal medico all’avvocato, dal marketer al developer—sta ridefinendo cosa significhi “expertise” in un mondo dove AI eccelle su task cognitivi routinari. L’expertise si sposta da “sapere tutto” a “saper navigare ambiguità, esercitare giudizio contestuale, e collaborare efficacemente con intelligenze artificiali”.
Le professioni elencate in questo articolo—Prompt Engineer, AI Trainer, AI Ethicist—sono solo le prime. Nei prossimi 5 anni ne emergeranno decine altre che oggi non riusciamo nemmeno a immaginare.
La domanda finale non è “Cosa farà l’AI?” ma “Cosa farò io con l’AI?”
Inizia oggi. Sperimenta domani. Construisci dopodomani. Il futuro del lavoro non è qualcosa che ci capita—è qualcosa che costruiamo insieme, una competenza acquisita alla volta.
2 risposte