Education & Future
Cosa studiare e come prepararsi al futuro?
Di Nicoletta Boldrini, Tech Journalist e Blogger
Quali saranno le nuove opportunità che si creeranno e quali le competenze richieste? Cosa significa davvero “esperto” di Intelligenza Artificiale e che tipo di lavoro dovrà svolgere?
La domanda di professionisti IT esperti continuerà ad essere consistente per il prossimo futuro. Lo dicono gli stessi CIO, insieme ad imprenditori e analisti riuniti nella community internazionale “The Enterprisers Project”. In un articolo pubblicato sul sito della community, le tre aree principali dove saranno sempre più richieste abilità e competenze specifiche sono:
Cloud
Security
Artificial Intelligence
La capacità di sviluppare software che può essere facilmente implementato nel Cloud diventerà sempre più critica, così come l’abilità - strettamente correlata - di comprendere le sfide di sicurezza, privacy, integrità e disponibilità, nonché di compliance normativa, di fronte a risorse aziendali digitali e online.
Ma sono gli ambiti dell’Intelligenza Artificiale e della Data Science a diventare mainstream nel 2021, aprendo interessanti prospettive dal punto di vista delle competenze e delle future professioni. La creazione di sistemi intelligenti richiede competenza nell'utilizzo dei dati per estrarre informazioni e conoscenze che possono aiutare l'efficienza delle interazioni, delle operazioni e dell'automazione, nonché abilitare processi decisionali più efficaci.
Nell’ambito dell’Intelligenza Artificiale, saranno sempre più richieste competenze e abilità in tre specifiche aree:
- supervisione e conformità dell’Intelligenza Artificiale;
- gestione dell’Intelligenza Artificiale;
- aggregazione e pulizia dei dati.
A prima vista possono sembrare materie/competenze tipiche di un percorso di studi di stampo scientifico che fino a oggi hanno seguito ingegneri, informatici e professionisti IT ma le capacità in ambito IA celano in realtà importanti sfide dal punto di vista della preparazione tecnica e del mix di competenze tecniche e umanistiche.
Benché la formazione scientifica rimanga il pilastro fondamentale, a partire dagli istituti tecnici e licei scientifico-informatici fino ad arrivare ai corsi di laurea in ingegneria informatica, scienza dell’informazione, matematica/statistica, diverrà sempre più importante arricchire i percorsi di studio con materie di natura umanistica come psicologia, filosofia, marketing e comunicazione. Questo perché tra le professioni emergenti spiccano ruoli chiamati a estendere la “cultura del dato e dell’analisi” in tutta l’organizzazione aziendale e a disegnare sistemi e interfacce per semplificare e rendere naturale l’interazione uomo-macchina.
Designer, evangelisti, scienziati e “scrittori” dei dati: le professioni emergenti
Il termine “esperto di Intelligenza Artificiale” rischia di “banalizzare” un ambito IT all’interno del quale saranno invece richieste skill fortemente specializzate, tanto da spingere analisti ed esperti del mondo del lavoro a ipotizzare il nascere di nuovi ruoli e “job title”. Ecco una selezione delle professionalità che secondo Kevin Casey, analista e autore premiato dalla American Society of Business Publication Editors per il suo impegno sull’analisi del cambiamento delle professioni IT, godranno di ampia richiesta nei prossimi anni e per le quali sarà fondamentale intraprendere fin d’ora un percorso di studi misto tra scienza e materie umanistiche.
1. Intelligence designer (il designer dell’Intelligenza Artificiale)
Potrebbe essere una posizione “discendente” dal data scientist, ma con una sostanziale differenza: il data scientist ha oggi il compito di “trasformare” le applicazioni e i servizi digitali in qualcosa di “intelligente” attraverso l’utilizzo dei dati. Man mano che questa intelligenza sarà diffusa e automatizzata, servirà qualcuno in grado di disegnare il quadro generale e riunire le varie e differenti intelligenze in un unico “cervello aziendale”, da governare al meglio: l’intelligence designer.
2. Data curator, data scientist e data evangelist (gli esperti dei dati)
In una realtà in cui il dato ricopre un ruolo fondamentale, si avrà sempre più bisogno di data curator, coloro che operano prevalentemente sulla preparazione dei dati per il loro utilizzo da parte di algoritmi di AI. Non solo, per poter sfruttare realmente il potenziale dell’apprendimento automatico in ambito big data, le aziende avranno bisogno di nuove figure come quella del machine learning data scientist che avrà le competenze per ‘addestrare’ correttamente il sistema e fornire le corrette analisi dei dati.
Il tutto dovrà essere supportato dai data evangelist, coloro che avranno il compito di “educare” l’intera organizzazione al corretto utilizzo dei dati e dei sistemi di Intelligenza Artificiale.
3. Integration designer for AI (l’esperto di integrazione dei sistemi)
Per favorire al meglio la diffusione e l’adozione dell’Intelligenza Artificiale in azienda saranno necessarie nuove competenze di sviluppo di interfacce AI fruibili da un pubblico di massa e per l’integrazione di sistemi; saranno infatti sempre più richiesti designer, sviluppatori, system integrator per la realizzazione di agent di Intelligenza Artificiale quanto più “umani” possibile (nell’accezione di una sempre più semplice e naturale interazione uomo-macchina).
4. AI copywriter (gli “scrittori” dei sistemi cognitivi)
Secondo gli esperti tra qualche anno vedremo crescere la richiesta di una nuova competenza che oggi sembra quasi solo una moda, quella degli “scrittori” dei sistemi cognitivi, cioè di coloro che, mixando capacità scientifiche e tecnologiche, marketing e comunicazione, servizi e assistenza alle persone con altre discipline (come la psicologia o la filosofia), saranno in grado di sviluppare nuove funzioni di elaborazione del linguaggio naturale.
Come diventare un "esperto"?
Saranno fondamentali le competenze di ingegneria del software e di programmazione statistica. Competenze cui devono aggiungersi conoscenze matematico statistiche (algoritmi, tecniche di machine learning), di algebra lineare e calcolo multivariata, nonché skill nell’ambito della visualizzazione e comunicazione dei dati.
Una delle strade più efficaci da percorrere richiede il raggiungimento del “titolo” di data scientist e le opzioni sono svariate.
L'ingegneria del software e
la programmazione statistica
saranno fondamentali
Si parte da una laurea (meglio se in ingegneria del software o comunque ad indirizzo scientifico), e si prosegue con una specializzazione post-laurea specifica nel settore dell’analisi dei dati (si tratta di specializzazioni e master che oggi inglobano anche materie “tipiche” dell’AI come la scrittura e la programmazione di algoritmi di machine learning) oppure con i master ad indirizzo scientifico (ingegneria, matematica, informatica) promossi da diverse università italiane.
Materie cui oggi, sempre più spesso, si affiancano quelle di discipline di natura più umanistica vicine alla filosofia ed alla psicologia, soprattutto per stimolare uno sviluppo etico e responsabile di nuove tecnologie.
28 giugno 2021
Articoli consigliati
-
Innovation sparksAI e innovazione dei dati: come l’intelligenza artificiale cambia i processi e protegge le informazioniNaica Tedesco, Senior Manager di Target Reply con anni di esperienza nella consulenza strategica dei dati, condivide una visione pragmatica sull’AI, in cui il potenziale innovativo si bilancia con la necessità di garantire sicurezza e privacy.
-
Innovation sparksDall'analisi predittiva all'etica dei dati: il futuro della Loss Prevention nel RetailNel settore retail, dove margini sempre più sottili e complesse catene di fornitura richiedono costanti sforzi di ottimizzazione, il tema della prevenzione delle perdite (Loss Prevention) emerge con forza.
-
What's HotLe previsioni di SAS per il 2025: L'AI si specializza e abbraccia la sostenibilitàExecutive di SAS hanno esplorato il futuro per anticipare tendenze e sviluppi chiave nel business e nella tecnologia per il 2025. Ecco alcune delle loro previsioni.
-
Innovation SparksSAS Viya Workbench: il futuro dell’Intelligenza Artificiale è quiSAS Viya Workbench è l'ambiente di lavoro flessibile e adattabile che offre agli utenti la libertà di sviluppare modelli di AI e machine learning con una velocità e una coerenza senza rivali.