L’AI e la fine della gavetta: chi costruirà le competenze di domani?

Automazione delle mansioni junior

Negli ultimi cinque anni, strumenti di intelligenza artificiale come ChatGPT, GitHub Copilot e i sistemi di revisione legale automatizzata hanno ridotto il tempo necessario per completare attività di routine. Secondo un rapporto di McKinsey del 2023, il 30 % dei compiti di analisi dati e il 25 % delle attività di redazione di documenti possono essere svolti interamente da algoritmi. Queste tecnologie consentono a chiunque, anche a chi ha poca esperienza, di produrre output di qualità professionale senza passare per le fasi di “bozza‑correzione‑revisione” tipiche della gavetta.

Conseguenze sul processo di apprendimento

Le attività tradizionalmente “low‑skill” non erano solo lavoro di routine; rappresentavano una palestra in cui i neolaureati potevano osservare processi, commettere errori in un contesto controllato e ricevere feedback. L’eliminazione di questi step rischia di creare un “deskilling” sistemico, dove i giovani professionisti non acquisiscono le competenze di base necessarie per gestire problemi più complessi. Un’indagine dell’Università di Oxford del 2022 ha evidenziato che il 42 % dei neodiplomati ritiene di aver ricevuto una formazione pratica insufficiente a causa dell’uso intensivo di AI nei loro tirocini.

Il ruolo del mentoring nell’era dell’AI

Il mentoring non può più limitarsi alla supervisione di compiti semplici. Deve evolversi in una relazione di “co‑coaching” dove il mentore guida il junior nell’interrogare, validare e contestare i risultati prodotti dall’AI. Questo approccio richiede che i mentori stessi siano aggiornati sugli algoritmi, capiscano i bias dei modelli e sappiano trasmettere metodologie di verifica. Un esempio virtuoso è il programma “AI‑Buddy” di IBM, che affianca i nuovi assunti a esperti di machine learning per analizzare insieme i risultati generati da Watson, trasformando ogni output in un’opportunità di apprendimento.

Nuove competenze richieste

Per rimanere rilevanti, i professionisti junior devono sviluppare capacità che le macchine non possono replicare facilmente. Tra queste emergono:

• Pensiero critico e interpretativo: saper valutare la validità di una risposta AI, individuare errori logici o omissioni.
• Gestione dei dati etici: comprendere le implicazioni di privacy, bias e trasparenza nella raccolta e nell’uso di dataset.
• Competenza interdisciplinare: combinare conoscenze tecniche con domain‑specific expertise per contestualizzare i risultati.
• Comunicazione empatica: tradurre insight tecnici in linguaggio comprensibile per stakeholder non specialisti.
• Apprendimento continuo: utilizzare piattaforme di micro‑learning per aggiornarsi rapidamente su nuove tool AI.

Strategie per aziende e università

Le istituzioni devono ristrutturare i percorsi formativi per integrare l’AI senza sacrificare la fase pratica. Alcune azioni concrete includono:

• Curriculum ibridi: combinare moduli teorici di AI con laboratori pratici in cui gli studenti completano compiti tradizionali prima di passare all’automazione.
• Progetti “human‑in‑the‑loop”: assegnare ai junior la responsabilità di verificare e migliorare i risultati generati dall’AI, garantendo un feedback reale.
• Programmi di mentorship evoluti: formare i mentori su come utilizzare l’AI come strumento di insegnamento, includendo sessioni di debriefing su errori e successi.
• Partnership con fornitori di AI: stipulare accordi con aziende come OpenAI o Microsoft per accedere a versioni di prova di modelli, favorendo la sperimentazione controllata in ambienti accademici.
• Valutazione basata su competenze trasversali: introdurre criteri di assessment che premiino la capacità di analisi critica, l’etica dei dati e la creatività nella risoluzione di problemi complessi.

Prospettive future

Se da un lato l’AI può accelerare la produttività, dall’altro rischia di erodere le basi dell’apprendimento professionale se non si interviene tempestivamente. Una possibile evoluzione è l’emergere di “piani di rotazione AI‑centrici”, in cui i neo‑assunti trascorrono una parte del loro percorso formativo in team dedicati alla supervisione delle soluzioni automatizzate. In tali contesti, il valore aggiunto del professionista sarà la capacità di orchestrare, interpretare e migliorare le decisioni generate dalle macchine. Solo con una visione integrata tra industria, università e policy sarà possibile trasformare la fine della gavetta in un’opportunità per costruire competenze più robuste e resilienti, pronte ad affrontare le sfide di un mercato del lavoro sempre più dominato dall’intelligenza artificiale.