Ogni piano di sviluppo della forza lavoro scritto negli ultimi due anni ha una sezione dedicata all'IA. La maggior parte descrive l'assunzione di ingegneri di machine learning.
I dati sul mercato del lavoro non confermano che sia questo il vero evento centrale, e nel divario tra il piano e i dati è dove i budget vengono sprecati.
Due numeri che puntano in direzioni diverse
Dal Future of Jobs Report 2025 del World Economic Forum: l'86% dei datori di lavoro si aspetta che l'IA e le tecnologie di elaborazione delle informazioni trasformino il proprio business entro il 2030, e IA e big data sono in cima alla classifica delle competenze in più rapida crescita fino al 2030. Reti e cybersecurity sono al secondo posto.
Dal Bureau of Labor Statistics statunitense: si prevede che l'occupazione degli analisti della sicurezza informatica cresca del 29% tra il 2024 e il 2034, molto più della media di tutte le professioni.
Il primo numero riguarda un'aspettativa. Il secondo è una proiezione dell'occupazione reale in una professione reale, ed è quello legato a un titolo di lavoro specifico.
I datori di lavoro si aspettano che l'IA cambi tutto. Il ruolo che le proiezioni del mercato del lavoro mostrano crescere più in fretta in questo ambito è quello che lo mette in sicurezza.
Non è una contraddizione. È una descrizione di come l'adozione della tecnologia crea occupazione, che raramente coincide con dove si concentra l'entusiasmo.
Perché la sicurezza è dove la domanda atterra davvero
Il meccanismo è semplice, una volta esplicitato.
Adottare l'IA significa spostare più dati in più sistemi, collegare più cose tra loro, esporre più interfacce e dipendere da più fornitori esterni. Ognuno di questi fattori allarga la superficie di attacco.
Aggiungi i problemi specifici che la tecnologia introduce. Modelli addestrati su dati che non devono trapelare. Sistemi che possono essere manipolati attraverso i loro input. Output che sembrano autorevoli e possono essere sbagliati. Filiere di modelli e componenti la cui provenienza è difficile da verificare.
E aggiungi la realtà organizzativa: l'adozione dell'IA mette capacità nelle mani di persone in tutta l'azienda che non sono formate sulla sicurezza, a grande velocità, spesso attraverso strumenti procurati fuori dall'IT.
Quindi un'ondata di adozione dell'IA produce un'ondata di lavoro sulla sicurezza, e il lavoro sulla sicurezza è misurabile in organico in un modo in cui spesso il lavoro sull'IA non lo è.
Per un piano di sviluppo della forza lavoro, l'implicazione è scomoda ma utile: se un'organizzazione finanzia un programma di IA senza finanziare la sicurezza in proporzione, sta costruendo la cosa e non ciò che la tiene al sicuro.
I tre strati di capacità sull'IA di cui un'organizzazione ha bisogno
La maggior parte dei piani confonde questi tre livelli, che hanno organici, profili di competenza e percorsi formativi completamente diversi.
| Strato | Cosa fanno | Organico necessario |
|---|---|---|
| Costruire | Sviluppare e addestrare modelli, ricerca | Pochissime persone, e solo in alcune organizzazioni |
| Applicare e integrare | Distribuire, integrare, gestire, monitorare, mettere in sicurezza | Consistente |
| Usare e valutare | Lavorare con i sistemi, giudicare la qualità dell'output, conoscerne i limiti | Molto ampio, quasi tutti |
La prima riga è dove va l'attenzione delle assunzioni ed è la più piccola. La maggior parte delle organizzazioni non deve addestrare modelli. Deve usare modelli costruiti da altri, in modo sicuro e corretto.
La seconda riga è ingegneria vera e non coincide con la prima. Distribuire un sistema, monitorarne il degrado, gestire i modi di guasto, controllare i costi e metterlo in sicurezza sono competenze di infrastruttura e operations, non di ricerca.
La terza riga è la più ampia e la meno presidiata.
Lo strato che quasi nessuno presidia
La valutazione merita una sezione a sé, perché è la capacità la cui assenza causa più danni e compare in quasi nessun piano di sviluppo della forza lavoro.
Questi sistemi producono output fluenti e sicuri di sé che a volte sono sbagliati. L'errore non è segnalato. Sembra esattamente uguale all'output corretto.
Il che significa che il valore del sistema dipende interamente dal fatto che qualcuno sappia riconoscere la differenza, e quel qualcuno deve capire il dominio, non il modello.
Un modello che redige una procedura di manutenzione è utile se un ingegnere competente la controlla ed è pericoloso se nessuno lo fa. Un sistema che riassume la letteratura clinica è utile a chi avrebbe potuto leggere quella letteratura. Il giudizio è il meccanismo di sicurezza, e il giudizio risiede nella competenza di dominio.
Questo produce la conclusione più importante sull'organico di tutto l'articolo.
Un esperto di dominio con una buona alfabetizzazione sull'IA è di solito più prezioso di uno specialista di IA senza conoscenza del dominio. L'esperto di dominio sa riconoscere quando la risposta è sbagliata. Lo specialista no, e la rilascerà comunque.
Il che ridefinisce la domanda formativa. Invece di assumere specialisti di machine learning scarsi e costosi, forma il metallurgista, l'ingegnere di processo, il medico e l'analista che già impieghi a lavorare con questi sistemi con competenza e scetticismo. Quella popolazione è ampia, già assunta, e detiene ciò che non si può formare in fretta.
Il dominio IA, dati e computing
Il primo dominio di Astra Trainer copre otto direzioni: informatica, ingegneria del software, intelligenza artificiale e machine learning, data science e analytics, cybersecurity, cloud computing e DevOps, sistemi IT e reti di computer, e blockchain e sistemi distribuiti.
Cybersecurity e cloud sono affiancati deliberatamente alla direzione IA, perché gli strati sopra sono ciò che un'organizzazione deve presidiare insieme. I percorsi vanno dai fondamentali al lavoro applicato, così lo stesso catalogo serve sia l'esperto di dominio che acquisisce alfabetizzazione sia l'ingegnere che si sposta verso la sicurezza. Puoi vedere qui le otto direzioni.
Chi può essere formato per questo, e chi no
Verso la sicurezza, la carenza più acuta. Gli amministratori di rete e di sistema sono il percorso più breve e più ovvio, perché già capiscono l'infrastruttura da difendere. Gli ingegneri software si spostano facilmente verso la sicurezza applicativa. I professionisti di compliance, audit e rischio portano la metà legata alla governance e hanno bisogno della metà tecnica. Il personale di help desk e supporto, spesso trascurato, conosce il parco macchine, gli utenti e come le cose si rompono davvero, il che è un vantaggio autentico.
Verso lo strato di applicazione e integrazione. Gli ingegneri software e i data engineer sono vicini. Lo sono anche le persone di infrastruttura e operations, perché gran parte della gestione in produzione di un sistema IA è un problema operativo con un vocabolario nuovo.
Verso lo strato di uso e valutazione. Quasi ogni esperto di dominio, ed è la formazione a maggior rendimento nella maggior parte delle organizzazioni perché la popolazione è ampia e la distanza è breve. Ciò che serve non è l'architettura dei modelli. È sapere cosa fanno questi sistemi, dove falliscono, come interrogare un output, cosa non inserirvi e quando fare escalation.
Verso la costruzione. Realisticamente, persone con un solido background quantitativo, ed è un percorso lungo. Per la maggior parte delle organizzazioni è la cosa sbagliata da fare.
Sulla certificazione in sicurezza e sul rischio specifico dell'IA. Molti ruoli di sicurezza prevedono certificazioni riconosciute e alcuni settori richiedono credenziali specifiche. La formazione costruisce la capacità e prepara le persone a quei percorsi, senza sostituirli. Separatamente, un programma di alfabetizzazione sull'IA che insegna a usare questi strumenti senza insegnare cosa non deve mai esservi inserito, e su cosa non si può fare affidamento in uscita, ha peggiorato il profilo di rischio dell'organizzazione invece di migliorarlo. I limiti vanno nella prima lezione, non in un'appendice.
Perché la formazione sull'IA invecchia più in fretta di qualsiasi altra
Un problema pratico specifico di questo dominio.
Strumenti, interfacce e capacità cambiano nell'arco di mesi. Una formazione costruita attorno a un prodotto specifico è superata in fretta, e un programma pensato come evento unico insegnerà qualcosa di obsoleto entro un anno.
Due risposte progettuali.
Insegna lo strato durevole. Cosa sono fondamentalmente questi sistemi, perché falliscono nei modi in cui falliscono, quali sono le implicazioni sui dati e sulla privacy, come valutare un output. Questo sopravvive a un ciclo di prodotto. La posizione dei pulsanti no.
Rendila continua invece che un evento. È il dominio in cui l'apprendimento breve e continuo supera davvero un corso, perché il settore si muove più in fretta dei cicli di revisione dei corsi. Una forza lavoro che dedica pochi minuti al giorno resta approssimativamente aggiornata. Una forza lavoro che ha fatto un corso di due giorni nel 2025 no.
Lo stesso vale, con ancora più forza, per la sicurezza, dove il panorama delle minacce è avversariale e cambia continuamente per definizione.
Cosa portare a casa
I datori di lavoro si aspettano che l'IA trasformi il loro business, e la professione che le proiezioni mostrano crescere più in fretta in questo ambito è analista della sicurezza informatica, con un +29%.
Separa i tre strati. Quasi nessuno deve costruire modelli. Tutti hanno bisogno di persone che sappiano applicarli, integrarli, metterli in sicurezza e valutarli.
La valutazione è lo strato meno presidiato e più decisivo, e richiede conoscenza di dominio più che conoscenza dei modelli.
Forma gli esperti di dominio che già impieghi. Un metallurgista con alfabetizzazione sull'IA batte uno specialista di IA senza conoscenza di metallurgia, perché solo uno dei due sa riconoscere quando la risposta è sbagliata.
E costruisci il programma intorno allo strato durevole, gestendolo in modo continuo, perché tutto ciò che è insegnato intorno a uno strumento specifico ha una durata misurabile in mesi.
Qual è il divario di competenze sull'IA più grande?
Nelle proiezioni del mercato del lavoro, la sicurezza. Si prevede che l'occupazione degli analisti della sicurezza informatica cresca del 29% dal 2024 al 2034. L'adozione dell'IA allarga la superficie di attacco più in fretta di quanto le organizzazioni riescano a presidiarla.
Dobbiamo assumere ingegneri di machine learning?
La maggior parte delle organizzazioni ha bisogno di pochissime persone che costruiscono modelli e di molte che sappiano applicare, integrare, mettere in sicurezza e valutare sistemi costruiti da altri. I piani che finanziano solo la prima categoria e trascurano le altre sono l'errore più comune.
Chi è meglio posizionato per spostarsi verso la cybersecurity?
Gli amministratori di rete e di sistema sono il percorso più breve, seguiti dagli ingegneri software verso la sicurezza applicativa e dai professionisti di compliance o audit che devono acquisire la metà tecnica. Il personale di supporto è spesso trascurato e conosce bene il parco macchine.
Meglio formare esperti di dominio sull'IA o assumere specialisti di IA?
Per lo strato della valutazione, forma gli esperti di dominio. Capire se un output è sbagliato richiede conoscere il settore, e la scioltezza di questi sistemi fa sì che un revisore non qualificato lasci passare gli errori.
Come manteniamo aggiornata la formazione sull'IA?
Insegna lo strato durevole invece dell'interfaccia di un prodotto, e gestiscila in modo continuo invece che come un evento. Il dominio IA, dati e computing di Astra Trainer copre otto direzioni tra cui cybersecurity e cloud, e puoi vederle qui.