Il tema della mancanza di talenti e dello skill gap in ambito IT non è certo una novità. Investire nelle competenze per dare modo alle soluzioni di AI di estendere la propria diffusione nei settori pubblico e privato in modo efficace e autonomo è però fondamentale.
La necessità di una maggiore conoscenza dei dati
Una recente ricerca di Qlik in collaborazione con The Future Labs mette in evidenza come sarà la “data literacy”, ovvero la capacità di conoscere e gestire i dati con sicurezza, la competenza più richiesta dal mercato del lavoro entro il 2030, con l’85% dei responsabili aziendali che crede che diventerà un requisito strategico alla pari dell’abilità di utilizzare un computer.
Una delle aree di intervento del programma strategico sull’intelligenza artificiale, recentemente adottato dal Governo, è proprio incentivare l’adozione dell’AI e delle sue applicazioni nella pubblica amministrazione anche attraverso il rafforzamento delle competenze dei dipendenti. Su questo punto una delle proposte presenti nella strategia è quella di attivare tre cicli di nuovi corsi di dottorato specificamente progettati per le esigenze delle amministrazioni pubbliche in collaborazione con il Ministro per la Pubblica Amministrazione e interagendo con la Scuola Nazionale dell’Amministrazione. C’è evidentemente un gap da colmare per gestire in modo corretto l’enorme e crescente quantità di dati della pubblica amministrazione e le risorse competenti in grado di affrontare tale compito consapevolmente e con le necessarie skill.
Emergono nuovi profili e competenze
Nello specifico, le figure cercate per operare in questo ambito ricadranno all’interno dei profili di “data scientist” e “data engineer”, ma avranno specializzazioni in campi piuttosto diversi, in funzione del punto di contribuzione offerto da ciascuno. La maggior parte dei candidati provengono da studi in discipline scientifiche quali fisica, matematica, ingegneria, che hanno ottenuto dottorati presso istituti nazionali e internazionali svolgendo lavori di ricerca in intelligenza artificiale.
In particolare, si tratta di specialisti nella manipolazione di grandi basi dati (Big Data Analysis), esperti nelle tecniche di machine learning per la determinazione di schemi e la previsione di trend futuri dei fenomeni analizzati, oltre a competenze nel deep learning impiegate per addestrare sistemi complessi a compiti specifici ma estremamente sofisticati. Infatti, sin dalla fase di addestramento dei data model è decisivo indirizzare un aspetto fondamentale per il successo di qualsiasi progetto AI: mettere in produzione modelli addestrati in modo che la soluzione si integri con gli strumenti preesistenti in modo appropriato.