L’intelligenza artificiale corre più velocemente della nostra capacità di comprenderla, valutarla e governarla.
Le imprese adottano nuovi strumenti, le professioni cambiano e il quadro normativo si evolve, ma resta un problema di fondo: per gestire l’AI, le competenze necessarie sono ancora troppo spesso separate in silos che faticano a dialogare.
Indice degli argomenti
La sfida di tenere insieme i punti di vista
Il giurista conosce le regole, l’informatico sviluppa le soluzioni, l’ingegnere ne valuta il funzionamento, l’esperto di cyber security analizza le minacce e il risk manager misura le esposizioni.
Ma chi tiene insieme questi punti di vista? È in questo spazio che si gioca una parte decisiva della trasformazione in corso: un sistema di IA non è soltanto una tecnologia da implementare o una norma da rispettare, ma una scelta che può incidere sulla sicurezza, sui diritti, sull’organizzazione del lavoro e sulla sostenibilità economica di un’impresa.
La vera sfida, quindi, non è soltanto adottare l’intelligenza artificiale, ma sviluppare le competenze necessarie per utilizzarla in modo consapevole e responsabile.
Servono professionisti capaci di superare i confini disciplinari, università in grado di aggiornare i percorsi formativi e imprese pronte a integrare saperi diversi nei processi decisionali.
Senza questa collaborazione, il rischio è duplice: rallentare l’innovazione oppure introdurre soluzioni i cui benefici non compensano i rischi.
Dati italiani: fra opportunità e competenze
I dati ISTAT sull’utilizzo delle tecnologie nelle imprese italiane indicano una crescita significativa dell’intelligenza artificiale.
Nel 2025, il 16,4% delle imprese con almeno dieci addetti ha dichiarato di utilizzare tecnologie di IA, rispetto all’8,2% del 2024 e al 5% del 2023.
La diffusione resta tuttavia disomogenea: la quota raggiunge il 53,1% tra le grandi imprese, mentre si ferma al 15,7% tra le piccole e medie imprese.
Il dato più significativo riguarda gli ostacoli all’adozione. Tra le imprese che avevano valutato l’utilizzo dell’IA senza poi introdurla, il 58,6% ha indicato la mancanza di competenze pertinenti.
Seguono l’incertezza sulle conseguenze giuridiche, segnalata dal 47,3%, e la disponibilità insufficiente di dati di qualità adeguata, indicata dal 45,2%.
Queste evidenze suggeriscono che il problema non sia esclusivamente tecnologico o finanziario.
La disponibilità di strumenti non si traduce automaticamente nella capacità di selezionarli, valutarli e integrarli nei processi di lavoro.
Occorrono persone in grado di comprendere le implicazioni dell’IA nel loro insieme, collegando requisiti normativi, caratteristiche tecniche, rischi operativi e obiettivi di business.
Per l’Italia, il rafforzamento delle competenze rappresenta quindi una condizione essenziale per evitare che l’adozione dell’IA resti concentrata nelle organizzazioni più strutturate e per consentire anche alle PMI di coglierne i benefici.
Il costo dell’approccio a silos: quando la tecnica non basta
I rischi di una valutazione limitata a una sola disciplina non sono teorici. Un sistema può funzionare secondo le specifiche tecniche e rispettare determinati parametri statistici, ma risultare comunque problematico nel contesto in cui viene utilizzato.
L’esempio di COMPAS
Un esempio noto è il dibattito del 2016 sul sistema COMPAS, impiegato negli Usa per stimare il rischio di recidiva.
Un’inchiesta di ProPublica evidenziò differenze nei tassi di errore tra imputati neri e bianchi: le persone nere risultavano più frequentemente classificate come ad alto rischio pur non commettendo successivamente nuovi reati, mentre per le persone bianche si osservava più spesso l’errore opposto.
L’interpretazione dei risultati e la scelta delle metriche di equità sono state oggetto di un ampio dibattito metodologico.
Il caso resta tuttavia significativo perché mostra come la valutazione di un sistema non possa fermarsi alla sua accuratezza complessiva.
Occorre interrogarsi sulla qualità dei dati, sui criteri adottati, sulle conseguenze delle classificazioni e sulla possibilità di contestare decisioni che incidono sulle persone.
Considerazioni analoghe valgono in altri ambiti. In sanità, un modello può offrire previsioni utili, ma risentire di dati non rappresentativi della popolazione.
Nelle risorse umane, uno strumento di selezione può riprodurre distorsioni presenti nei dati storici.
Nella pubblica amministrazione, un sistema di valutazione del rischio può incidere sull’accesso a servizi e prestazioni senza che gli interessati comprendano adeguatamente i criteri utilizzati.
Il sistema olandese SyRI
Il caso olandese del sistema SyRI, utilizzato per individuare possibili frodi nell’ambito del welfare, evidenzia ulteriormente la rilevanza delle garanzie giuridiche e della trasparenza.
Nel 2020, un tribunale dell’Aia dichiarò illegittimo il quadro normativo che ne disciplinava l’impiego, ritenendo che non assicurasse un equilibrio adeguato rispetto al diritto alla vita privata tutelato dall’articolo 8 della Convenzione europea dei diritti dell’uomo.
Da questi esempi emerge una lezione comune: valutare l’IA significa considerare non soltanto ciò che un sistema è in grado di fare, ma anche come viene progettato, quali dati utilizza, chi ne subisce gli effetti e quali strumenti esistono per controllarne le decisioni.
L’AI Act: dalla conformità formale alla responsabilità concreta
Il regolamento europeo sull’intelligenza artificiale, noto come AI Act, definisce un quadro di obblighi per lo sviluppo e l’utilizzo dei sistemi di IA.
La sua applicazione richiede competenze che non possono essere confinate al solo ambito legale. Per i sistemi ad alto rischio, l’articolo 15 disciplina requisiti di accuratezza, robustezza e cyber security.
L’articolo 14 stabilisce disposizioni sulla sorveglianza umana, mentre l’articolo 4 richiede a fornitori e deployer di adottare misure per garantire un livello sufficiente di alfabetizzazione in materia di IA al personale coinvolto.
L’effettiva applicazione di questi obblighi richiede il contributo congiunto di giuristi, ingegneri, informatici, specialisti di sicurezza e professionisti della gestione dei rischi.
Non basta conoscere la norma: bisogna saperla tradurre in requisiti tecnici, verifiche e controlli adeguati al contesto.
È importante, inoltre, distinguere la conformità documentale dalla capacità concreta di prevenire e gestire i problemi.
Registri, policy e valutazioni sono strumenti utili, ma il loro valore dipende dalle decisioni che supportano e dalle misure che consentono di attuare.
La conformità non dovrebbe diventare un esercizio burocratico separato dalla progettazione e dall’utilizzo effettivo della tecnologia.
Nuove figure professionali: la norma UNI 11621-8:2026
Per superare la frammentazione delle competenze non basta auspicare una maggiore collaborazione tra specialisti: occorre anche definire ruoli, responsabilità e capacità professionali in modo comprensibile per imprese, istituzioni e sistema formativo.
Un riferimento importante è la norma UNI 11621-8:2026, pubblicata il 30 aprile 2026.
La norma, dedicata ai profili di ruolo professionale relativi all’intelligenza artificiale nell’ambito delle attività professionali non regolamentate ICT, individua dodici profili e ne descrive compiti, risultati attesi, competenze, conoscenze, abilità e indicatori di prestazione.
Il modello si collega alla serie UNI 11621 e all’e-Competence Framework europeo.
Le 12 nuove figure professionali
I dodici profili individuati sono:
- Chief AI Officer, responsabile dell’IA.
- AI Consultant, consulente di IA.
- AI Product Manager, responsabile di prodotto IA.
- AI Prompt Engineer, ingegnere dei prompt.
- AI Algorithm Engineer, ingegnere di algoritmi IA.
- AI Deep Learning Engineer, ingegnere di deep learning.
- AI Data Engineer, ingegnere dei dati IA.
- AI Data Scientist, data scientist specializzato in IA.
- AI Security Specialist, specialista di sicurezza dell’IA.
- AI Machine Learning Engineer, ingegnere di machine learning.
- AI Natural Language Processing Engineer, ingegnere di elaborazione del linguaggio naturale.
- AI Research Scientist, ricercatore scientifico nell’ambito dell’IA.
L’elenco copre ambiti diversi dell’ecosistema dell’intelligenza artificiale: direzione strategica, consulenza, gestione del prodotto, progettazione degli algoritmi, sviluppo, dati, sicurezza e ricerca.
La norma offre così un linguaggio comune per rendere più trasparenti e confrontabili le competenze richieste, aiutando le organizzazioni a individuare i profili di cui hanno bisogno e il sistema formativo a orientare i propri percorsi.
È importante chiarire la portata dello standard. La UNI 11621-8:2026 definisce profili professionali nell’ambito delle attività non regolamentate: non istituisce automaticamente nuove professioni regolamentate e non impone alle imprese di assumere dodici figure distinte.
Le organizzazioni possono distribuire le responsabilità in modo proporzionato alle proprie dimensioni, alla complessità dei sistemi e ai rischi associati.
Inoltre, la classificazione non esaurisce tutte le competenze necessarie. La valutazione degli impatti sui diritti, la protezione dei dati, la gestione del rischio, la conformità normativa e le conseguenze organizzative e sociali possono richiedere il contributo di giuristi, esperti di privacy, professionisti del risk management, specialisti di settore e responsabili dei processi aziendali.
Il valore della norma sta, quindi, anche nel fornire un riferimento condiviso a partire dal quale costruire gruppi di lavoro multidisciplinari.
Definire i profili è un passo importante; farli collaborare efficacemente è ciò che può produrre risultati concreti.
Università, ordini professionali e imprese: una responsabilità condivisa
La formazione è il presupposto per rendere efficaci i profili professionali. Le università possono integrare le discipline attraverso corsi congiunti, laboratori e progetti basati su casi reali.
Gli ordini professionali possono promuovere aggiornamento continuo e confronto tra competenze giuridiche, tecniche e organizzative.
Le imprese possono contribuire indicando le capacità effettivamente necessarie, offrendo contesti applicativi e partecipando alla progettazione dei percorsi formativi.
La UNI 11621-8:2026 può essere utilizzata come riferimento nella definizione dei programmi, nella descrizione delle competenze attese e nel dialogo tra sistema educativo e mercato del lavoro.
Non dovrebbe, tuttavia, diventare una classificazione rigida: le esigenze delle organizzazioni cambiano in funzione del settore, delle tecnologie adottate e delle responsabilità associate ai sistemi.
Serve una collaborazione stabile, non limitata a iniziative occasionali. Le università devono poter confrontare i contenuti dei corsi con i bisogni reali delle imprese; le organizzazioni devono contribuire a individuare le competenze emergenti; gli ordini professionali possono aiutare i professionisti a mantenere aggiornate le proprie conoscenze.
L’obiettivo non è formare soltanto esperti di IA, ma persone capaci di comprendere le implicazioni della tecnologia anche al di fuori della propria specializzazione.
Un professionista tecnico deve saper riconoscere quando è necessario coinvolgere competenze legali o organizzative; allo stesso modo, chi si occupa di diritto o gestione dei rischi deve comprendere almeno i principi essenziali del funzionamento e dei limiti dei sistemi utilizzati.
Nelle imprese, decisioni informate e responsabilità chiare
L’approccio multidisciplinare deve trovare applicazione nei processi decisionali quotidiani.
Il punto di partenza non dovrebbe essere la scelta di uno strumento tecnologico, ma l’identificazione del problema da risolvere e del risultato atteso.
Un percorso operativo efficace può articolarsi in cinque passaggi:
- Definire il problema e gli obiettivi. Chiarire perché si intende utilizzare l’IA, quali benefici ci si attende e quali alternative sono disponibili.
- Valutare rischi e opportunità. Considerare aspetti tecnici, giuridici, organizzativi, economici e sociali, in proporzione alla natura e alla criticità dell’applicazione.
- Verificare il sistema nel contesto reale. Esaminare qualità dei risultati, sicurezza, affidabilità, limiti e possibili effetti indesiderati prima dell’impiego e durante il suo utilizzo.
- Assegnare responsabilità e poteri. Stabilire chi decide, chi controlla, chi interviene in caso di problemi e chi può sospendere o modificare l’utilizzo del sistema.
- Monitorare e migliorare. Verificare nel tempo prestazioni e impatti, aggiornando le misure adottate quando cambiano il sistema, i dati o il contesto operativo.
Un esempio
Si consideri l’introduzione di un assistente generativo per supportare le attività interne di un’impresa.
L’IT può valutarne l’integrazione con gli strumenti esistenti; la cyber security può analizzare le minacce, comprese quelle legate alla divulgazione di informazioni riservate; il legale può esaminare gli obblighi applicabili e i profili contrattuali; il risk management può valutare gli impatti; i responsabili dei processi possono verificare l’effettiva utilità dello strumento e la necessità di controlli umani.
Il confronto permette di prendere decisioni più complete: quali dati possono essere utilizzati, quali attività possono essere supportate, quali risultati richiedono una verifica e in quali situazioni è necessario l’intervento umano.
La collaborazione deve incidere sulle scelte effettive, non limitarsi a una consultazione formale.
La necessità di un modello organizzativo flessibile
Il modello organizzativo va adattato alle dimensioni dell’impresa e alla complessità dei sistemi impiegati.
Una grande organizzazione può avere funzioni specialistiche dedicate; una PMI può distribuire le responsabilità tra le persone già presenti o ricorrere a competenze esterne.
In entrambi i casi, l’essenziale è che le responsabilità siano chiare e che le decisioni rilevanti non vengano prese senza una valutazione adeguata.
Quattro priorità per l’Italia
Per colmare il divario tra diffusione tecnologica e capacità di gestirla, sono necessarie quattro azioni:
- Integrare le discipline nella formazione. Corsi universitari, master e laboratori dovrebbero mettere in relazione diritto, informatica, ingegneria, cyber security e gestione dei rischi, attraverso progetti e casi concreti.
- Rafforzare la formazione continua. Università, ordini professionali e imprese dovrebbero collaborare alla progettazione di percorsi di aggiornamento rivolti sia agli specialisti sia ai professionisti che utilizzano l’IA nei rispettivi settori.
- Allineare formazione e profili professionali a riferimenti condivisi. La UNI 11621-8:2026 può offrire una base per descrivere competenze e responsabilità delle figure che operano nell’IA. Il suo utilizzo nella progettazione dei percorsi formativi e nel dialogo con il mercato del lavoro dovrebbe accompagnarsi allo sviluppo delle competenze giuridiche, organizzative e sociali necessarie nei diversi contesti.
- Valorizzare le competenze integrate nelle imprese. La capacità di collaborare tra funzioni dovrebbe diventare un criterio concreto nella selezione, nella formazione e nella valutazione dei professionisti coinvolti nei progetti di IA.
I progressi dovrebbero essere misurati attraverso risultati osservabili: qualità delle valutazioni, capacità di individuare e correggere problemi, chiarezza delle responsabilità e affidabilità dei sistemi nel contesto reale.
Il numero di documenti prodotti o di corsi organizzati, da solo, non è un indicatore sufficiente.
Conta soprattutto la capacità di trasformare le conoscenze in decisioni motivate, verificabili e coerenti con gli obiettivi perseguiti.
La sfida italiana: governare l’IA, non soltanto adottarla
L’intelligenza artificiale non è una questione esclusivamente tecnologica, giuridica o informatica.
Le sue conseguenze riguardano la sicurezza, la qualità dei servizi, la protezione dei dati, l’equità delle decisioni, l’organizzazione del lavoro e la sostenibilità economica delle iniziative.
La UNI 11621-8:2026 rappresenta un passo avanti nel rendere riconoscibili i profili professionali dell’IA.
La sfida successiva è tradurre questa maggiore chiarezza in percorsi formativi efficaci, collaborazione tra discipline e responsabilità concrete nelle organizzazioni.
Per affrontare le sfide dell’intelligenza artificiale, l’Italia deve investire non soltanto negli strumenti, ma anche nelle persone e nelle relazioni professionali che rendono possibile un uso consapevole della tecnologia. Università, ordini professionali, imprese e mercato del lavoro hanno responsabilità diverse, ma un interesse comune: sviluppare competenze capaci di superare la frammentazione disciplinare.
La partita dell’intelligenza artificiale non si vince scegliendo tra diritto e tecnologia, tra innovazione e controllo. Si vince facendo in modo che competenze diverse lavorino insieme per rendere l’innovazione utile, sicura e responsabile.
Fonti e riferimenti
- ISTAT, Imprese e ICT – Anno 2025: https://www.istat.it/comunicato-stampa/imprese-e-ict-anno-2025/
- UNI – Ente Italiano di Normazione, UNI 11621-8:2026 – Profili di ruolo professionale relativi all’Intelligenza Artificiale: https://www.uni.com
- Dipartimento per la trasformazione digitale, Intelligenza Artificiale: pubblicata la norma UNI 11621-8, 30 aprile 2026: https://innovazione.gov.it/notizie/articoli/intelligenza-artificiale-pubblicata-la-norma-uni-11621-8/
- Commissione europea, AI talent, skills and literacy: https://digital-strategy.ec.europa.eu/en/policies/ai-talent-skills-and-literacy
- Regolamento (UE) 2024/1689 – AI Act: https://eur-lex.europa.eu/eli/reg/2024/1689/oj
- ProPublica, Machine Bias: https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
- NIST, AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework
- MITRE, ATLAS – Adversarial Threat Landscape for Artificial-Intelligence Systems: https://atlas.mitre.org/
- OWASP, GenAI Security Project: https://genai.owasp.org/
- ISO, ISO/IEC 42001 – Artificial intelligence management systems: https://www.iso.org/standard/81230.html
Partecipa alla community