24 Novembre 2025

Competenze ICT 2026: guida per HR

Per chi si occupa di HR e di formazione interna, il 2026 potrebbe rappresentare l’inizio di una crisi strutturale, con un impatto finanziario significativo.
Le stime sono preoccupanti:

il divario tra le competenze richieste e quelle disponibili causerà perdite globali per circa 5.5 trilioni di dollari entro il 2026.

Questo significa prodotti che escono in ritardo, commesse perse e competitività compromessa. Entro il 2026, il 90% delle aziende globali risentirà direttamente di questo divario di competenze (Fonte, link esterno).

In Europa la situazione è particolarmente critica: si prevede una mancanza di 8 milioni di professionisti tech entro il 2030 e già oggi, il 76% dei datori di lavoro fatica a trovare professionisti qualificati (Fonte, link esterno). La rapida adozione dell’Intelligenza Artificiale, paradossalmente, ha allargato questo divario invece di colmarlo: il rapporto globale tra domanda e offerta di talenti AI è ormai di 1 a 3.2.

Perché assumere non è l’unica soluzione

Di fronte a questi numeri, la strategia tradizionale di “acquistare” talenti sul mercato (Buy) sta diventando insostenibile sia per i costi, sia per la scarsità di offerta. È qui che la funzione L&D (Learning & Development) assume un ruolo di salvataggio strategico. I dati confermano che puntare su una strategia di “Build“, ovvero sullo sviluppo interno delle competenze, è una delle pochissime vie rimaste per assicurare la resilienza aziendale.

Investire in piani strutturati di Reskilling e Upskilling del personale esistente non è solo una scelta etica, ma anche di efficienza economica:

  • Ottimizzazione dei costi: sviluppare talenti internamente permette di risparmiare tra il 70% e il 92% rispetto ai costi di assunzione esterna (che includono fee di recruiting, onboarding e compensation premium per profili rari).
  • Retention e stabilità: i programmi di formazione agiscono come potente strumento di fidelizzazione e possono ridurre il turnover fino al 58%. In un mercato dove i talenti tech sono volatili, la formazione diventa uno dei principali benefit percepiti.

In altre parole, la formazione dovrebbe cessare di essere un evento isolato per diventare una responsabilità lavorativa quotidiana, integrata nel flusso di lavoro (embedded learning) e misurata non sulle ore di aula, ma sull’impatto diretto sui risultati di business.

Un caso esemplare di questa filosofia è Amazon. Di fronte alla carenza cronica di ingegneri, l’azienda non ha cercato solo all’esterno, ma ha guardato ai propri magazzinieri e addetti alla logistica che dimostravano la giusta mentalità e dedizione. Attraverso la Amazon Technical Academy, ha formato dipendenti non tecnici con un programma intensivo di 9 mesi, trasformandoli in Software Engineer pienamente operativi.
Questo dimostra che le competenze tecniche sono temporanee e insegnabili, mentre l’attitudine, la resilienza e la cultura aziendale sono asset permanenti su cui costruire. (Fonte, link esterno)

L’identikit del profilo ibrido nell’ICT

Per anni, il recruiting ICT si è concentrato sulla ricerca di persone verticalmente specializzate. La complessità dell’ecosistema tecnologico del 2026, dove l’AI è operativa, richiede una nuova tipologia di professionista: il talento “T-Shaped” ibrido.
Questo profilo combina una profonda competenza tecnica verticale (la gamba della T, ad esempio in Data Engineering o Cloud Architecture) con un’ampia capacità orizzontale di comprendere il business, comunicare e collaborare attraverso le discipline. Non basta più saper scrivere codice performante; il professionista del 2026 deve possedere quella che viene definita Systems Fluency. Si tratta della capacità di comprendere come dati, modelli, piattaforme e workflow si colleghino per creare valore aziendale reale. In un contesto dove l’ingegneria dei dati impatta direttamente sui risultati finanziari, chi non comprende il sistema nel suo complesso rischia di costruire soluzioni tecnicamente perfette ma strategicamente inutili.

AI Fluency

Una competenze che prescinde dal ruolo e dal settore, ma che è definente di questo nuovo identikit è l’AI Fluency (fluidità nell’uso dell’AI). Entro il 2026, questa competenza smetterà di essere un “plus” per diventare un requisito di base, al pari di quello che oggi sono la conoscenza della lingua inglese o del pacchetto Office.
Questo passaggio ha implicazioni profonde per la formazione. Non si tratta solo di formare Data Scientist, ma di dotare l’intera popolazione aziendale, dagli sviluppatori agli HR, della capacità di interagire con l’Intelligenza Generativa. Il Prompt Engineering, ad esempio, non è più una competenza di nicchia ma una skill in forte crescita, richiesta a tutti i livelli e business unit, necessaria per architettare interazioni complesse e ottenere output di qualità dagli strumenti aziendali.

Riprogettare i ruoli: il caso IKEA

L’integrazione dell’AI impone agli HR di ripensare la progettazione dei ruoli, specialmente quelli entry-level. Gli strumenti di AI stanno rapidamente automatizzando i compiti di base come il troubleshooting, il QA standard o la scrittura di codice boilerplate. Questo fenomeno rischia di eliminare i tradizionali punti di ingresso nel settore per i junior, creando una futura crisi di leadership se non gestito correttamente.

La risposta non è tagliare l’organico, ma elevare le mansioni umane verso attività a maggior valore aggiunto, dove l’empatia, il giudizio e la creatività sono insostituibili. Un caso di successo esemplare in questa direzione è quello di IKEA. L’azienda ha implementato un bot di AI (Billie) per gestire le query di routine dei call center, ma invece di ridurre il personale, ha riqualificato 8.500 addetti al servizio clienti trasformandoli in consulenti di interior design remoti. Questo ha permesso di coprire un nuovo bisogno di business e aumentare le vendite, dimostrando come la tecnologia possa agire da moltiplicatore del talento umano anziché da sostituto.
(Fonte, link esterno)

Questa strategia riflette perfettamente la necessità, sottolineata dalle previsioni per il 2026, di investire nel talento ibrido: professionisti che sanno quali compiti affidare all’automazione e quali gestire personalmente per mantenere alta la produttività e il morale. In questo contesto, le competenze puramente umane — pensiero critico, adattabilità e comunicazione — diventano i veri elementi di differenziazione, valutati dai datori di lavoro tanto quanto le hard skills tecniche.

Formazione per i dipendenti

Percorsi formativi tecnici e trasversali

Per colmare il divario di competenze, i responsabili della formazione e delle risorse umane dovrebbero promuovere il profilo “T-Shaped”: una profonda specializzazione tecnica verticale (Hard Skills) supportata da una solida capacità trasversale di collaborazione e adattamento (Soft Skills).
Ecco come strutturare l’Academy Interna su tre verticali tecniche distinte, con un livello trasversale comune.

Percorso 1: AI & Data Factory

Questo percorso mira a creare figure in grado di portare l’AI dalla sperimentazione alla produzione affidabile e risponde alla domanda di mercato che vede una richiesta sempre più alta di manutentori di modelli, piuttosto che di costruttori.

  • Agentic AI & Workflow Management: il 2026 sarà l’anno degli “Agenti AI” autonomi. È necessario formare sviluppatori e PM non solo sull’uso di chatbot, ma sulla creazione e supervisione di agenti in grado di ragionare ed eseguire task complessi. Le competenze chiave includono la gestione di architetture RAG e l’uso di Vector Databases.
  • MLOps & AIOps: Questa è identificata come una delle carenze più gravi (gap del 60%). Il curriculum deve coprire l’industrializzazione dell’AI: gestione delle pipeline di retraining, monitoraggio del data drift (degrado dei dati) e containerizzazione con Docker/Kubernetes.
  • Data Stewardship & Governance: non più un ruolo tecnico di nicchia, ma una competenza di leadership. I manager devono imparare a garantire che i dati siano puliti, privi di bias e conformi alle normative (GDPR, AI Act), poiché la qualità dei dati determina direttamente l’affidabilità delle decisioni algoritmiche.

Percorso 2: l’infrastruttura (Cloud & DevOps)

L’infrastruttura è il terreno su cui poggia l’AI. La formazione deve orientare i ruoli IT tradizionali verso logiche di piattaforma e sicurezza integrata.

  • Da DevOps a Platform Engineering: il ruolo classico del DevOps si sta evolvendo per diventare Platform Engineering, ovvero lo sviluppo “piattaforme interne” che offrano percorsi standardizzati agli sviluppatori. Le tecnologie core da inserire nei piani di sviluppo sono Kubernetes e Terraform (Infrastructure as Code).
  • Architetture Multi Cloud: il mercato che richiede professionisti capaci di gestire architetture multi-cloud e ibride sempre più complesse. Non si sceglie più se utilizzare AWS oppure Azure, ma si cercano professionisti in grado di gestire infrastrutture complesse e automatizzare i deployment su larga scala.
  • FinOps: con l’esplosione del Multi-Cloud (AWS, Azure, GCP), i costi rischiano di andare fuori controllo. È vitale formare personale tecnico in grado di ottimizzare la spesa tecnologica, legandola al valore e agli obiettivi di business.

Percorso 3: Cyber Security

Questo percorso è forse quello che subisce la trasformazione più radicale. La sicurezza non è più una barriera statica (firewall), ma un processo dinamico che deve muoversi alla “velocità delle macchine” per contrastare l’AI offensiva.

  • Cybersecurity “AI-Ready”: la sicurezza non è più delegabile al solo team Cyber. Ogni sviluppatore deve essere formato su nuove minacce specifiche come il Data Poisoning e la Prompt Injection.
  • Cloud & Zero Trust: ogni richiesta di accesso ai sistemi e alle applicazioni aziendali deve essere considerata come ostile. Inoltre è necessario formare sulla sicurezza dei container (Docker) e delle dipendenze software, per evitare casi in cui un pezzo di codice open source compromesso infetti l’intera azienda.
  • Quantum Security Awareness: Anche se i computer quantistici non sono ancora diffusi, la minaccia è “Harvest Now, Decrypt Later” (gli hacker rubano dati crittografati oggi per decifrarli tra 5 anni). I Security Architect devono essere formati sulla Crypto-agility e sugli standard di crittografia post-quantistica (PQC) per proteggere i segreti industriali a lungo termine.
  • Governance Normativa: conoscenze e competenze di GDPR, NIS2 e AI Act e altre normative che regolano la sicurezza delle informazioni in Italia e in Europa.

> Leggi anche: “Intelligenza Artificiale e Cyber Security: tre campi di applicazione”

Percorso Trasversale: le soft skill

Mentre le competenze tecniche servono per ottenere il colloquio, sono le competenze trasversali a garantire la carriera e il successo del team nel 2026. Queste competenze dovrebbero essere moduli da integrare in tutti e tre i percorsi verticali sopra descritti.

  • Pensiero critico & validazione: attualmente la competenza numero uno richiesta dal 73% dei Talent Acquisition Leaders. In un mondo di contenuti generati dall’AI, i dipendenti devono essere allenati a mettere in discussione l’output della macchina, esercitando un giudizio che gli algoritmi non possiedono. Ad esempio, un Data Scientist deve necessariamente interrogarsi sui bias del modello, così come un esperto Cyber deve dubitare di un alert che potrebbe essere un falso positivo generato da AI.
  • Collaborazione ibrida & intelligenza emotiva: i manager devono imparare a guidare team misti composti da umani e agenti AI. Questo richiede la “Systems Fluency” di cui accennavamo in precedenza per capire i flussi di lavoro e un’alta intelligenza emotiva per gestire il morale e la creatività delle persone, ambiti in cui l’AI non può competere. Ad esempio, Il FinOps Engineer deve saper spiegare al CFO perché la bolletta cloud è aumentata, così come il Security Expert deve saper spiegare un elevato livello di rischio al cliente senza tecnicismi.
  • Learning Agility: data la rapida obsolescenza delle competenze tecniche (con cicli di vita sempre più brevi), la capacità di “imparare a disimparare” e adattarsi rapidamente deve essere incentivata e premiata come una skill strategica, non come un’attitudine caratteriale.

La tecnologia, da sola, non basta. L’errore più costoso che un’azienda possa commettere nel percorso verso il 2026 è trattare la trasformazione digitale come un problema puramente IT. La realtà è che l’innovazione tecnologica fallisce sistematicamente senza una parallela innovazione delle competenze umane. Per HR e responsabili della formazione possono riuscire a plasmare il futuro attraverso tre leve fondamentali:

  • Pianificazione Strategica della Forza Lavoro (SWP): anticipare i bisogni futuri analizzando i dati.
  • Cultura e benessere strutturale: l’HR deve ridefinire il benessere affrontando le cause strutturali del burnout, come le aspettative insostenibili o i processi obsoleti, piuttosto che offrire semplici benefit superficiali. Mantenere alto il morale e il senso di appartenenza in team ibridi e remoti sarà cruciale per la retention.
  • Etica e governance: con l’AI che permea i processi decisionali, l’HR diventa il garante etico dell’azienda, assicurando che l’automazione supporti l’uomo senza disumanizzare il lavoro.

Per non farsi travolgere , basta iniziare con un piccolo passo: un audit delle competenze mirato su un singolo dipartimento, come il team di sviluppo o di sicurezza. Servirà ad identificare le lacune in ambito AI e Cloud e su quella base si può lanciare un “progetto pilota” di reskilling interno, misurandone non solo il completamento, ma l’impatto sui KPI di business, ad esempio la velocità di rilascio dei progetti o la riduzione degli errori).