Indice
- La governance dell’AI
- Cinque specializzazioni per costruire l’intelligenza
- I dati. Il carburante dell’AI che richiede due figure distinte
- La sicurezza AI
- Una norma che arriva al momento giusto
Quanti sono stati i ruoli nati per necessità immediata, senza una definizione condivisa, titoli inventati su misura delle singole aziende, profili ibridi difficilmente comparabili tra un contesto e l’altro, con l’avvento fulmineo dell’AI? La norma UNI 11621-8:2026, un documento tecnico di straordinaria importanza per il sistema produttivo e formativo italiano, porta un po’ di ordine dove fino a ieri regnava l’improvvisazione.
La norma individua dodici profili di ruolo professionale nell’ambito dell’AI, costruiti seguendo una metodologia rigorosa — quella della UNI 11621-1 — e allineati al framework europeo delle competenze digitali, l’e-Competence Framework richiamato dalla UNI EN 16234-1. Non si tratta di semplici job description, né di elenchi di tecnologie da conoscere, in quanto per ciascun profilo la norma specifica la missione del ruolo, i compiti principali, i risultati attesi, le competenze richieste, le conoscenze e le abilità sottostanti, e persino gli indicatori chiave di prestazione. Un impianto completo, dunque, che consente alle aziende di strutturare team coerenti, alle scuole e alle università di disegnare percorsi formativi aderenti al mercato, e ai professionisti di capire dove si collocano e verso dove possono crescere.
La governance dell’AI
La norma parte dall’alto, dal livello in cui le decisioni sull’AI vengono prese con una visione d’insieme. Il Chief AI Officer — in italiano, responsabile dell’Intelligenza Artificiale — è la figura apicale che presidia la strategia, la governance e la conformità dei sistemi AI dell’organizzazione. Non è semplicemente un dirigente tecnico, ma è il punto di raccordo tra il business, l’etica dell’AI, i rischi normativi e l’innovazione. In un contesto in cui il Regolamento europeo sull’AI impone obblighi sempre più stringenti, avere questa figura chiaramente definita e qualificata diventa una necessità concreta, non un lusso. L’AI Consultant si muove invece spesso al confine tra l’organizzazione cliente e il mercato esterno. Il suo compito è analizzare contesti, comprendere bisogni, proporre soluzioni AI appropriate e accompagnare la trasformazione. È una figura che deve sapere parlare tanto con il management quanto con gli ingegneri, traducendo esigenze di business in architetture possibili e viceversa.
A completare questo livello di governance è l’AI Product Manager, responsabile del prodotto AI. A differenza del product manager tradizionale, questa figura deve essere in grado di padroneggiare non solo le logiche di mercato e di utente, ma anche le specificità dei sistemi intelligenti, e quindi l’incertezza intrinseca dei modelli, la gestione dei dataset, le implicazioni etiche delle scelte di design. È lui o lei a tenere insieme la visione del prodotto con i vincoli tecnici e le aspettative degli stakeholder.
Cinque specializzazioni per costruire l’intelligenza
Il cuore tecnico della norma è occupato da cinque figure ingegneristiche, ciascuna con un dominio ben delimitato ma profondamente interdipendente con le altre. L’AI Prompt Engineer è una figura relativamente nuova, emersa con la diffusione dei modelli linguistici di grandi dimensioni. Il suo lavoro consiste nel progettare, raffinare e valutare le istruzioni che guidano il comportamento dei modelli AI — un’attività che sembra semplice ma richiede una comprensione approfondita di come i modelli elaborano il linguaggio, di come si manifestano i bias, di come si ottimizza la qualità dell’output. La norma ne riconosce ufficialmente l’esistenza e la specificità, sancendo che si tratta di una professione con competenze proprie.
L’AI Algorithm Engineer lavora alla progettazione e all’ottimizzazione degli algoritmi che stanno alla base dei sistemi intelligenti. La sua preoccupazione principale è l’efficienza computazionale, la correttezza formale delle soluzioni, la scalabilità. Si muove in un territorio che tocca la matematica, l’informatica teorica e l’ingegneria del software in senso stretto.
L’AI Deep Learning Engineer si specializza nella progettazione e nell’addestramento delle reti neurali profonde, le architetture che hanno rivoluzionato il riconoscimento di immagini, la sintesi vocale, la traduzione automatica e molto altro. È una figura che richiede una solida base di algebra lineare, calcolo differenziale e una padronanza dei framework più diffusi nel settore.
L’AI Machine Learning Engineer ha un profilo più orientato alla messa in produzione: il suo lavoro non finisce con la costruzione del modello, ma si estende alla creazione di pipeline robuste, al monitoraggio delle prestazioni nel tempo, all’integrazione con i sistemi aziendali. È la figura che abita lo spazio tra la sperimentazione scientifica e l’ingegneria del software, spesso definito con il termine MLOps.
L’AI Natural Language Processing Engineer si occupa di tutti i sistemi che trattano il linguaggio umano in forma scritta o parlata: analisi del sentiment, classificazione di testi, estrazione di informazioni, sintesi automatica. Con l’esplosione dei modelli linguistici, questa specializzazione ha acquisito un peso enorme nell’industria e nella ricerca.
I dati. Il carburante dell’AI che richiede due figure distinte
La norma distingue con precisione due ruoli legati ai dati, spesso confusi o sovrapposti nella pratica aziendale. L’AI Data Engineer si occupa dell’infrastruttura: costruisce e mantiene le pipeline di acquisizione, trasformazione e archiviazione dei dati, garantisce la qualità e la disponibilità delle informazioni necessarie ai modelli. È un ingegnere nel senso pieno del termine, con attenzione all’affidabilità, alla scalabilità e alla governance dei dati. L’AI Data Scientist lavora invece sull’analisi e sulla modellazione: esplora i dati, identifica pattern, costruisce modelli predittivi, valuta le loro prestazioni. È una figura con una forte componente statistica e matematica, che deve saper comunicare i propri risultati con chiarezza a interlocutori non tecnici.
La sicurezza AI
La norma dedica un profilo specifico all’AI Security Specialist, e lo fa in un momento in cui la sicurezza dei sistemi AI è diventata una priorità assoluta — tanto per i legislatori europei quanto per le organizzazioni che deployano modelli in produzione. Questa figura si occupa di identificare e mitigare i rischi specifici dell’AI, come gli attacchi adversarial, le vulnerabilità nei dati di training, le problematiche di privacy, la conformità normativa. Non è semplicemente un esperto di sicurezza informatica che si occupa anche di AI, ma è una specializzazione distinta, con conoscenze proprie. L’AI Research Scientist chiude il cerchio, occupandosi della frontiera della conoscenza. Il suo lavoro produce pubblicazioni, brevetti, nuove architetture e paradigmi che alimentano l’intero ecosistema. È una figura che opera tipicamente in ambienti accademici o nei laboratori di ricerca delle grandi aziende tecnologiche, con una missione che va oltre il prodotto immediato.
Una norma che arriva al momento giusto
Nel loro insieme, questi dodici profili coprono l’intera filiera dell’Intelligenza Artificiale — dalla governance allo sviluppo, dalla gestione dei dati alla sicurezza, dalla progettazione dei prodotti alla ricerca pura. La UNI 11621-8:2026 non è un documento astratto: è uno strumento concreto che risponde a un bisogno reale. Fornisce un linguaggio comune a tutti gli attori del mercato del lavoro, rende trasparenti le aspettative di competenza, e pone le basi per una certificazione professionale che possa finalmente dare sostanza ai titoli che oggi troppo spesso si autoproclamano senza un riferimento condiviso. In un Paese che fatica ancora a misurare e valorizzare le competenze digitali, è un passo nella direzione giusta.
