Introduzione
La diffusione dell’intelligenza artificiale generativa ha riaperto una domanda già presente nel dibattito sull’istruzione superiore: conviene possedere una formazione STEM, cioè in scienze, tecnologia, ingegneria e matematica, oppure una formazione in ambito economico, giuridico, umanistico o sociale? La domanda nasce da un’osservazione corretta: l’intelligenza artificiale è in grado di scrivere codice, produrre testi, analizzare dati e generare prime versioni di documenti tecnici, e quindi cambia il valore relativo delle competenze che il mercato del lavoro premia.
La risposta più solida a questa domanda non consiste nell’indicare un vincitore assoluto tra le due aree. L’intelligenza artificiale aumenta il valore delle competenze tecniche necessarie per costruire, mantenere e governare i sistemi, ma allo stesso tempo rende più importanti le conoscenze di dominio, il giudizio critico e la capacità di comprendere persone, organizzazioni e istituzioni. Il profilo più solido nel prossimo mercato del lavoro è quindi ibrido: una specializzazione disciplinare profonda, in un campo tecnico o non tecnico, accompagnata da competenze quantitative, digitali e metodologiche sufficienti a usare e verificare l’output dell’intelligenza artificiale. Questo articolo sviluppa questa tesi attraverso tre passaggi: prima descrive quanti laureati italiani hanno oggi una formazione STEM e con quali caratteristiche occupazionali; poi analizza la letteratura economica recente sull’esposizione dei diversi lavori all’intelligenza artificiale, distinguendo tra competenze tecniche esecutive e competenze di dominio; infine trae le implicazioni per chi deve orientare oggi un percorso di studi o di aggiornamento professionale.
Le competenze richieste nei lavori esposti all’intelligenza artificiale
Un secondo elemento importante riguarda il tipo di competenze effettivamente richieste nei lavori più esposti all’intelligenza artificiale, che non coincidono necessariamente con competenze tecniche specialistiche. L’OCSE osserva che la maggior parte delle persone che lavorerà a contatto con l’intelligenza artificiale non avrà bisogno di competenze specialistiche di IA in senso stretto. Nelle professioni maggiormente esposte risultano particolarmente richieste competenze manageriali e aziendali, insieme a capacità cognitive, sociali e digitali di base; nelle offerte di lavoro analizzate dall’OCSE, la domanda di queste competenze trasversali è inoltre aumentata nel tempo [4]. Questa evidenza riprende l’impianto empirico dei rapporti flagship dell’OCSE sull’esposizione e la complementarità occupazionale rispetto all’intelligenza artificiale, tra cui l’Employment Outlook 2023 [5] e, più di recente, un’analisi dedicata al mercato del lavoro giapponese, che conferma un quadro simile anche in un contesto nazionale diverso da quello europeo [6]. La tecnologia diventa quindi una componente trasversale del lavoro, paragonabile per diffusione al foglio elettronico o a Internet, pur con effetti potenzialmente più profondi sulla organizzazione dei compiti.
Il problema dal lato dell’impresa: potenziare il singolo o costruire soluzioni aziendali
Fin qui la discussione ha riguardato le competenze del singolo lavoratore. Un problema distinto, e altrettanto rilevante, riguarda l’impresa: conviene concentrare gli sforzi sul potenziamento delle capacità individuali dei dipendenti, lasciando che ciascuno adotti autonomamente strumenti di intelligenza artificiale nel proprio lavoro, oppure l’impresa deve costruire soluzioni proprie, integrate nei processi aziendali, che il dipendente utilizza secondo procedure predefinite? La letteratura disponibile non affronta direttamente questa alternativa in questi termini, ma i dati sull’adozione dell’intelligenza artificiale a livello di impresa offrono alcune indicazioni indirette.
L’analisi della Banca europea per gli investimenti mostra che l’adozione dell’intelligenza artificiale ha già contribuito per circa il 12% all’aumento complessivo di produttività delle imprese dell’Unione europea registrato dal 2019, con un incremento annuo stimato in 0,34 punti percentuali di produttività aggregata tra il 2019 e il 2025, particolarmente marcato nel settore manifatturiero ad alta tecnologia [3]. Questo guadagno non si distribuisce però in modo uniforme tra le imprese. Le imprese di maggiori dimensioni catturano la quota prevalente dei benefici, mentre le piccole e medie imprese mostrano tassi di adozione più bassi, un divario legato ai costi di integrazione dell’intelligenza artificiale nei processi esistenti più che a una carenza di competenze dei singoli dipendenti [3]. La rilevazione sugli investimenti condotta dalla stessa banca su un campione di imprese europee documenta livelli di adozione delle tecnologie digitali, tra cui l’intelligenza artificiale e l’analisi di grandi quantità di dati, differenziati per settore e dimensione d’impresa [7].
Un elemento più diretto riguarda il tipo di investimento che genera i maggiori guadagni di produttività. Le imprese che investono in intelligenza artificiale generativa integrandola in due o più aree applicative del proprio processo produttivo registrano un aumento di produttività totale dei fattori vicino al 30%, contro circa il 25% per le imprese che investono in una sola area applicativa e un guadagno non significativo per le imprese che non investono affatto [3]. Il dato suggerisce che il beneficio maggiore deriva da un’integrazione sistemica dell’intelligenza artificiale nei processi aziendali, non dalla semplice disponibilità di strumenti che il singolo dipendente utilizza in modo isolato. Il vincolo più stringente per molte imprese, in particolare le più piccole, sembra quindi essere non la capacità individuale dei dipendenti di usare l’intelligenza artificiale, ma la capacità organizzativa di ridisegnare i processi attorno ad essa: un problema di investimento e di governance interna, prima ancora che di formazione del personale.
La vulnerabilità delle competenze tecniche puramente esecutive
Da questa evidenza deriva una conclusione che riguarda direttamente la scelta tra formazione STEM e non-STEM: anche una formazione tecnica può risultare vulnerabile se resta puramente esecutiva. L’intelligenza artificiale è già in grado di produrre codice standard, risolvere esercizi noti, riassumere letteratura tecnica e generare prime versioni di analisi statistiche. Un tecnico che si limita a eseguire procedure note, senza comprendere il problema economico, scientifico o organizzativo sottostante, può subire la stessa pressione competitiva a cui è esposto chi produce testi amministrativi standardizzati.
Un aggiornamento del 2026 dell’analisi del Fondo monetario internazionale conferma questo rischio con dati più recenti, introducendo uno Skill Imbalance Index costruito sugli annunci di lavoro. Gli annunci che richiedono esplicitamente competenze in intelligenza artificiale pagano un premio salariale più alto rispetto agli annunci comparabili senza questo requisito. Allo stesso tempo, però, la diffusione di queste competenze nel mercato del lavoro è associata a una minore occupazione proprio nelle professioni caratterizzate da alta esposizione all’intelligenza artificiale e bassa complementarità con essa, cioè nelle professioni in cui il compito umano è più facilmente riproducibile dalla macchina anziché rafforzato da essa. Questo problema colpisce in particolare i lavoratori più giovani, spesso neolaureati STEM alle prime esperienze professionali, che hanno meno margine per dimostrare competenze di giudizio e contesto non ancora acquisite con l’esperienza [11]. Simmetricamente, un laureato non-STEM che rifiuta l’uso di dati, statistica e strumenti digitali rischia di dipendere eccessivamente dalle risposte prodotte dalla macchina, senza essere in grado di verificarle. In entrambi i casi il pericolo nasce dalla stessa causa: una competenza troppo stretta e procedurale, indipendentemente dal fatto che sia di tipo tecnico o umanistico.
Il valore della conoscenza di dominio
Le discipline non-STEM conservano un vantaggio specifico quando forniscono una reale conoscenza di dominio, non sostituibile da un modello linguistico generico. Diritto, economia, storia, filosofia, psicologia e scienze sociali aiutano a definire correttamente gli obiettivi di un’analisi, a interpretare il contesto in cui un risultato verrà utilizzato e a valutare conseguenze che non possono essere ricavate automaticamente dai dati. Un modello di intelligenza artificiale può stimare la probabilità di insolvenza di un debitore, ma non stabilisce da solo se le variabili utilizzate siano economicamente sensate, se producano discriminazioni indirette verso alcuni gruppi, se rispettino la regolamentazione applicabile o se il risultato sia adatto alla decisione concreta che deve essere presa. Allo stesso modo, generare un testo giuridico con l’assistenza di un modello linguistico non equivale ad assumersi la responsabilità della sua interpretazione e delle sue conseguenze pratiche. Quanto più l’intelligenza artificiale rende economica la produzione di una prima risposta a basso costo, tanto più acquistano valore relativo la scelta della domanda corretta da porre, la verifica delle fonti utilizzate e il giudizio finale sul risultato prodotto.
Competenze trasversali e complementarità con l’intelligenza artificiale
Le competenze umane più generali non rappresentano un’alternativa nostalgica alla tecnologia, ma un complemento necessario al suo utilizzo produttivo. Il World Economic Forum colloca, accanto alle competenze in intelligenza artificiale e big data, il pensiero analitico e creativo, la resilienza, la curiosità, la leadership e la capacità di collaborazione tra le competenze destinate a restare centrali nel mercato del lavoro fino al 2030 [2]. La loro utilità aumenta proprio perché l’intelligenza artificiale produce rapidamente un numero elevato di soluzioni plausibili a un dato problema: qualcuno deve confrontarle tra loro, riconoscere gli errori presenti, spiegare le scelte fatte a chi non ha competenze tecniche e rispondere delle conseguenze delle decisioni prese sulla base di quell’output. La capacità di comunicare con persone diverse, di comprendere conflitti di interesse tra le parti coinvolte e di inserire un singolo risultato tecnico all’interno di una strategia più ampia diventa quindi complementare, e non alternativa, alla capacità tecnica.
Conclusione
La formazione STEM mantiene un vantaggio specifico nei ruoli dedicati alla costruzione e alla manutenzione dell’infrastruttura tecnologica, ma questo vantaggio non costituisce una protezione universale contro la trasformazione del lavoro indotta dall’intelligenza artificiale. Nella maggior parte dei lavori in cui l’intelligenza artificiale viene applicata a problemi reali, la combinazione più preziosa risulta essere una competenza verticale, bancaria, medica, industriale, giuridica, scientifica o sociale a seconda del settore, unita alla capacità di dialogare operativamente con dati e algoritmi. L’intelligenza artificiale riduce il valore economico dell’esecuzione standardizzata di compiti noti e aumenta quello della formulazione corretta del problema, della verifica dei risultati e dell’assunzione di responsabilità sulle decisioni finali. Il vantaggio competitivo nel prossimo mercato del lavoro appartiene quindi meno a uno “STEM puro” o a un “non-STEM puro” e più alle persone capaci di collegare competenza tecnica e conoscenza approfondita del mondo in cui quella competenza viene applicata.
Trasparenza sull’uso dell’intelligenza artificiale
L’uso di strumenti di intelligenza artificiale generativa è dichiarato esplicitamente in quanto parte del processo di lavoro seguito nella redazione del presente documento. Tali strumenti sono stati impiegati a supporto della lettura, della sintesi, della riorganizzazione argomentativa e della revisione testuale, sempre nell’ambito di un processo pienamente controllato dall’autore.
La responsabilità per le fonti utilizzate, le analisi condotte, le verifiche effettuate, le interpretazioni proposte e le conclusioni formulate resta interamente in capo all’autore.
L’intelligenza artificiale è stata utilizzata come ambiente di supporto cognitivo ed editoriale, non come fonte primaria, autore autonomo o sostituto del giudizio critico.
Referenze
[3]
European Investment Bank, «Investment Report 2025/26: Capitalising on Europe’s Strengths», European Investment Bank, 2026.
[4]
A. Green, «Artificial Intelligence and the Changing Demand for Skills in the Labour Market», OECD, OECD Artificial Intelligence Papers 14, 2024. doi:
10.1787/88684e36-en.
[5]
OECD, «OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market», OECD Publishing, 2023.
[6]
OECD,
Artificial Intelligence and the Labour Market in Japan. OECD Publishing, 2025. doi:
10.1787/b825563e-en.
[8]
M. Cazzaniga
et al., «Gen-AI: Artificial Intelligence and the Future of Work», International Monetary Fund, IMF Staff Discussion Note 2024/001, 2024. doi:
10.5089/9798400262548.006.
[9]
P. Gmyrek, J. Berg, D. Bescond, P. A. Gmyrek, e E. Ramirez, «Generative AI and Jobs: A Refined Global Index of Occupational Exposure», International Labour Organization, ILO Working Paper 140, 2025. doi:
10.54394/HETP0387.
[10]
L. Abrardi, C. Cambini, e L. Rondi, «Artificial Intelligence, Firms and Consumer Behavior: A Survey»,
Journal of Economic Surveys, vol. 36, fasc. 4, pp. 969–991, set. 2022, doi:
10.1111/joes.12455.
[11]
F. Jaumotte et al., «Bridging Skill Gaps for the Future: New Jobs Creation in the AI Age», International Monetary Fund, IMF Staff Discussion Note SDN/2026/001, 2026.
Torna in cima
