Come l’AI sta ridisegnando i ruoli professionali nel software enterprise

I ruoli professionali nel software enterprise non stanno sparendo: si stanno trasformando in qualcosa di diverso da ciò per cui sono stati progettati. Chi sviluppava ora orchestra. Chi eseguiva ora supervisiona. Chi configurava ora descrive in linguaggio naturale. La differenza non è banale e le organizzazioni che non la riconoscono esplicitamente — nelle job description, nei percorsi formativi, nelle metriche di performance — stanno accumulando un ritardo che sarà difficile recuperare.

A documentare la trasformazione è uno studio pubblicato su arXiv da un gruppo di ricercatori di SAP SE. La ricerca si concentra sulla SAP Business Technology Platform (BTP), un ecosistema enterprise che tocca sviluppo, integrazione, gestione dei dati e analytics. Il campione è contenuto — 20 interviste a esperti e un workshop partecipativo con 24 professionisti — ma la metodologia qualitativa è rigorosa e i pattern identificati sono coerenti con le dinamiche visibili su altre piattaforme enterprise.

Dentro SAP BTP: lo studio su come cambia il lavoro vero

Il paper è firmato da Isabel Unger, Elizangela Valarini, Martin Schrepp, Nina Hollender, Gabriela Rocha ed Erik Bertram, tutti dipendenti SAP SE. L’approccio è dichiaratamente qualitativo: 20 interviste a esperti dell’ecosistema BTP seguite da un workshop con 24 partecipanti. L’obiettivo è capire come i ruoli cambiano nella pratica, non costruire previsioni astratte.

I ricercatori partono da una premessa precisa: il discorso pubblico sull’impatto dell’AI sul lavoro è dominato da scenari di sostituzione che non rispecchiano la complessità reale. L’alternativa è studiare come le attività concrete, le competenze richieste e le responsabilità evolvono internamente ai ruoli esistenti.

La SAP BTP è un banco di prova utile perché copre l’intera catena del valore del software enterprise: dalla creazione di applicazioni custom all’integrazione di sistemi eterogenei, dalla gestione dei dati al delivery di insight analitici. I profili professionali che operano su questa piattaforma — sviluppatori ABAP, integratori, data analyst, amministratori di sistema — sono rappresentativi di una larga fetta del lavoro enterprise in organizzazioni di medie e grandi dimensioni.

Tre tendenze: automazione, collaborazione, dipendenza da agenti

Lo studio identifica tre pattern ricorrenti che attraversano tutti i ruoli analizzati.

Il primo è l’automazione dei compiti operativi. Le attività ripetitive e a basso valore — configurazione standard, debugging di pattern noti, generazione di codice boilerplate, documentazione tecnica — vengono assorbite progressivamente dall’AI. Non scompaiono: vengono delegate. Il professionista resta responsabile del risultato ma non esegue più il compito nella sua forma elementare.

Il secondo è l’espansione della collaborazione uomo-AI. I professionisti non usano l’AI come strumento passivo ma entrano in un ciclo di interazione continua: propongono, l’AI suggerisce, il professionista valuta, corregge, rifiuta o approva. Questo ciclo richiede competenze nuove. Sapere quando fidarsi dell’output AI e quando non farlo è diventata una skill professionale distinta, che non viene insegnata nei percorsi formativi tradizionali.

Il terzo è la dipendenza crescente da sistemi agentici nei ruoli di sviluppo. Gli sviluppatori SAP BTP non interagiscono più solo con API e SDK ma con agenti autonomi che eseguono task in sequenza, mantengono contesto e prendono micro-decisioni nel processo. SAP sta già integrando agenti Joule in SuccessFactors per succession planning, workforce analytics e gestione dei casi — e la stessa logica si applica agli sviluppatori della piattaforma.

Il ruolo non sparisce: si trasforma in orchestratore

La conclusione più rilevante dello studio è che i ruoli analizzati non vengono eliminati: si ridefiniscono intorno alla supervisione e all’orchestrazione di sistemi AI piuttosto che all’esecuzione diretta delle attività. È una distinzione che sembra sottile ma ha implicazioni pratiche enormi per la formazione, le job description e i percorsi di carriera.

Prendere un developer SAP come esempio. La competenza nucleare tradizionale era la padronanza del linguaggio ABAP, la conoscenza dell’architettura BTP, la capacità di scrivere e debuggare codice complesso. Oggi quella competenza non sparisce, ma viene affiancata — e in certi contesti sopravanzata — dalla capacità di descrivere i requisiti in modo che un agente AI possa eseguirli correttamente, di valutare il codice generato automaticamente, di identificare le sue aree di rischio.

È un cambio di competenza, non di ruolo. Ma i sistemi HR di molte organizzazioni non hanno ancora aggiornato le job description per riflettere questa trasformazione. Si assumono developer con profili costruiti per il mondo pre-AI, si misurano le performance con KPI pre-AI, si costruiscono piani di carriera pre-AI. Il gap tra ciò che il lavoro è diventato e ciò che le organizzazioni dicono di cercare è reale e si allarga ogni mese.

Cosa significa per chi gestisce persone e organizzazioni

Lo studio SAP ha un valore diretto per chi si occupa di organizzazione, HR e trasformazione digitale. I risultati suggeriscono tre aree di intervento concrete.

La prima è la revisione dei profili professionali. Non bastano aggiornamenti incrementali: le job description dei ruoli che operano su piattaforme enterprise con AI integrata vanno riscritte partendo dalle attività reali. Cosa fa davvero un developer SAP oggi? Cosa fa un data analyst? Le risposte sono cambiate in modo sostanziale nell’ultimo anno. SAP spinge sulla Business AI come elemento strategico — le aziende che usano BTP devono allinearsi.

La seconda è la ridefinizione dei percorsi formativi. Le competenze di collaborazione con l’AI — prompt engineering applicato al contesto enterprise, valutazione critica degli output, gestione dei rischi degli agenti autonomi — non fanno ancora parte dei piani formativi standard di quasi nessuna organizzazione. Esistono come awareness generica, non come competenza operativa certificata.

La terza è la governance dei sistemi agentici. Quando un developer non scrive codice ma orchestra agenti che scrivono codice, chi è responsabile degli errori? Chi ha il potere di autorizzare o bloccare un’azione dell’agente? I flussi di approvazione e le matrici di responsabilità costruite per il lavoro pre-AI non funzionano per il lavoro con agenti autonomi. Vanno ridisegnati prima che l’adozione sia già a scala.

Questo è esattamente l’errore che produce l’illusione dell’automazione documentata da altri studi: i CEO vedono la produttività migliorare nei pilot, i COO faticano a capire perché l’organizzazione sia più lenta. La risposta è quasi sempre che l’AI ha cambiato il lavoro senza che nessuno abbia cambiato l’organizzazione intorno al lavoro.

Oltre SAP: una dinamica che tocca tutto il software enterprise

I pattern identificati nello studio SAP non sono specifici di BTP. Oracle, Salesforce, Microsoft, ServiceNow: tutte le grandi piattaforme enterprise stanno integrando AI agentica nei workflow core. La logica è la stessa ovunque: automatizzare le attività operative, assistere le decisioni complesse, delegare l’esecuzione agli agenti.

Il risultato è che i ruoli professionali nell’enterprise software stanno convergendo verso un profilo ibrido: parte esecutore tecnico, parte supervisore di sistemi AI, parte traduttore tra i requisiti del business e le capacità degli agenti. Nessuna piattaforma enterprise è immune da questa trasformazione.

I limiti dello studio vanno citati chiaramente. Il campione è piccolo: 44 partecipanti in totale. Tutti i ricercatori sono dipendenti SAP, con il rischio di bias verso la narrazione aziendale. La piattaforma BTP ha specificità che non si generalizzano facilmente ad altri ecosistemi. Lo studio è qualitativo, non quantitativo: descrive tendenze, non misura grandezze.

Detto questo, i pattern identificati sono coerenti con quanto emerge da altri contesti. La domanda non è se i ruoli enterprise stiano cambiando — su questo il consenso è ampio. La domanda è se le organizzazioni si stiano attrezzando per gestire la transizione o stiano aspettando che il problema diventi abbastanza grande da imporsi da solo. Chi sa collaborare con l’AI ottiene leva. Chi non lo sa fare viene sorpassato dai colleghi che lo sanno. La differenza tra i due gruppi, in un’organizzazione enterprise, è già visibile oggi — e crescerà.