Le competenze AI sono la prima posizione “impossibile da riempire” nel 2026, davanti a ingegneria e IT

Il 72% dei datori di lavoro globali segnala difficoltà a riempire posizioni che richiedono competenze AI specifiche, secondo il rapporto Talent Shortage 2026 di ManpowerGroup. Le competenze AI hanno superato per la prima volta nella storia del rilevamento (oltre quindici anni di serie) le competenze ingegneristiche e IT tradizionali, salendo al primo posto come categoria “hardest to find”. Il rapporto tra domanda e offerta è di 3,2 a 1, con 1,6 milioni di posizioni aperte e circa 518 mila candidati qualificati disponibili sul mercato globale.

Le specializzazioni più difficili da riempire sono concentrate in cinque ruoli: AI infrastructure engineer (gestione GPU cluster, distributed training, inferenza ottimizzata), AI safety engineer (red teaming, alignment, evaluation), machine learning ops engineer (pipeline di deployment, monitoring di model drift), AI product manager con background tecnico, forward deployed engineer capace di lavorare a stretto contatto con clienti enterprise per costruire soluzioni custom. Il dato Tom’s Hardware sul fatto che il 78% degli annunci IT richiede competenze AI conferma che il vincolo si sta diffondendo a tutto il segmento tecnico. I salari su questi profili sono cresciuti del 15-30% rispetto al 2024-2025, con punte fino al 50% sui ruoli senior in California e nei principali hub europei.

Perché il talent crunch è strutturale

La prima causa strutturale è la velocità di evoluzione tecnologica: i framework AI cambiano ogni sei mesi (PyTorch, JAX, TensorFlow, ora vLLM, Triton, SGLang per inferenza), e questo significa che le competenze richieste oggi non coincidono con quelle insegnate nelle università nemmeno tre anni fa. Le aziende cercano persone che hanno costruito sistemi AI in produzione negli ultimi diciotto mesi, e questa platea è per definizione piccola.

La seconda causa è la concentrazione geografica: il 65% dei profili AI senior è negli Stati Uniti (con epicentro Bay Area e Seattle), il 18% in Cina, il 7% nel Regno Unito, e il resto distribuito tra Israele, Germania, Francia, Canada, India. L’Italia ha meno dell’1% della platea globale. Anche il mercato del lavoro IT italiano sta cambiando profondamente per assorbire la nuova domanda di competenze AI, e una proporzione ancora più bassa sui ruoli di frontiera. Le aziende italiane che cercano di assumere ML engineer senior si scontrano con offerte che arrivano direttamente dalle Big Tech statunitensi, con pacchetti retributivi che il mercato italiano fatica a replicare.

La terza causa è il pricing premium della categoria. Le aziende che hanno avviato programmi AI nel 2023-2024 hanno gonfiato i salari per attirare i pochi profili disponibili, creando un’inflazione retributiva che oggi rende difficile per chi entra ora trovare persone a prezzi sostenibili. Il pattern già osservato sull’adozione cloud nel 2018-2020 si ripete amplificato: chi è arrivato prima ha consumato la riserva, chi arriva ora paga di più. Lo stesso fenomeno si riflette nelle PMI italiane che fanno fatica a costruire competenze interne anche con budget dedicato.

Tre strategie alternative all’hiring puro

Per le aziende italiane che oggi pianificano un’iniziativa AI di scala, l’hiring tradizionale non è una strada percorribile nei tempi del business. Il primo approccio alternativo è la partnership con un vendor di consulenza AI dedicata (la nuova categoria di Deployment Company di Anthropic e OpenAI, oppure system integrator specializzati come Lutech, Reply, Almaviva con verticali AI). Si paga un premio sul tempo-uomo ma si compra disponibilità immediata di competenze che il mercato non offre.

Il secondo approccio è il reskilling interno. Le aziende che hanno team IT solidi possono formare ingegneri software esistenti su AI infrastructure in sei-nove mesi, con risultati spesso superiori a quelli ottenibili assumendo profili esterni. L’esperienza di LinkedIn che certifica le competenze di sviluppo con AI mostra che il segnale di mercato si sposta sulla validazione formale delle skill. La condizione è investire in tempo di formazione strutturato (non solo corsi online), in mentoring esterno qualificato, in progetti pilota controllati dove i nuovi formati possano sbagliare senza danni. Le banche che sono partite con questa strategia nel 2024 stanno oggi gestendo le proprie pipeline AI con team interni; quelle che hanno cercato di assumere dall’esterno stanno ancora pagando consulenti esterni a tariffe crescenti.

Il terzo approccio è la specializzazione su un sottoinsieme tecnologico ristretto. Non tutte le aziende devono diventare laboratori di frontier AI. La maggior parte ha bisogno di integrare bene un modello chiuso (Claude, GPT, Gemini) nei propri processi, e questo richiede competenze di prompt engineering avanzato, integrazione MCP, valutazione qualità output, governance. Sono competenze più formabili rispetto al training di modelli, e il mercato dell’offerta è sensibilmente più ampio.

L’arrivo dei vendor-consulenti (Anthropic + Blackstone, OpenAI Deployment Company) sposta una parte significativa della platea AI dal mercato del lavoro aperto a quello chiuso del consulting captive. I migliori profili saranno assunti da Anthropic, OpenAI, Google, Microsoft e da chi paga di più. Per le aziende italiane il talent crunch peggiorerà prima di migliorare, e l’orizzonte di stabilizzazione dei salari AI non è prima del 2028. Pianificare assunzioni AI come fossero assunzioni IT standard, oggi, è una sottostima sistematica del problema.

Il talent crunch AI è la conseguenza inevitabile di un mercato che cresce a velocità superiore alla formazione delle competenze. Per i prossimi trentasei mesi, il vincolo umano sarà più stringente del vincolo tecnologico o di budget per la grande maggioranza dei progetti AI italiani. Le aziende che riconoscono il problema oggi e adattano la propria strategia (reskilling, partnership consulenziali, specializzazione su sottoinsiemi) usciranno dal 2028 in posizione di forza. Le aziende che continuano a cercare profili che non esistono a prezzi che non sono sostenibili stanno costruendo iniziative che resteranno annunciate ma non realizzate, con tutto quello che ne consegue in termini di reputazione interna e di credibilità verso il board.