Annunci di lavoro AI: titoli e competenze disallineati

Quasi 50.000 annunci, metà dei ruoli AI mescola due mestieri

L'analisi pubblicata da Andela il 17 settembre 2026 copre quasi 50.000 descrizioni di ruoli nell'ingegneria e arriva a una conclusione netta: i titoli degli annunci di lavoro AI descrivono male le competenze richieste.

Su oltre 1.800 posizioni aperte per AI engineer, ML engineer e figure affini, più della metà mescola set di competenze che appartengono ad almeno due ruoli distinti, come riporta HR Dive^[1]. Tra le voci accostate compaiono orchestrazione di LLM, architettura di agenti autonomi e progettazione di database vettoriali.

Il perimetro è preciso: annunci tecnologici, raccolti da una società di talent tech. La lettura vale per chi assume profili di ingegneria AI, e si ferma lì.

Il metodo è l'analisi testuale delle descrizioni pubblicate, con campione e data dichiarati. La cifra da tenere a mente è una sola: più della metà.

L'etichetta "AI engineer" ha smesso di descrivere un mestiere

Il capo della ricerca di Andela, Cory Hymel, sintetizza il punto in modo diretto: molte organizzazioni dichiarano di cercare un AI engineer, e il termine resta larghissimo. Le competenze richieste si allontanano dai profili classici di back-end, e le persone finiscono nelle sedie sbagliate.

La stessa analisi identifica bundle nuovi, tra cui l'LLM application engineer: chi costruisce sopra i modelli di base, invece di addestrarli.

Il comparto tecnologico inventa ruoli più in fretta di quanto riesca a nominarli. Product manager, sviluppatori front-end e back-end, esperti DevOps: le descrizioni si sovrappongono e i confini sfumano.

Un titolo è una promessa fatta a due parti. Promette a chi legge un mestiere riconoscibile, e promette a chi assume un criterio di giudizio. Quando la promessa resta vaga, entrambe le parti lavorano al buio.

Il difetto sta a monte del processo di assunzione

La lettura corrente attribuisce questi numeri alla scarsità di talento. L'evidenza racconta altro: un difetto di job architecture, collocato a monte di ogni colloquio.

Quando una posizione somma due mestieri, la valutazione perde il suo riferimento. L'organizzazione confronta le persone con un'etichetta, al posto di un profilo definito da attività reali, grado di autonomia e risultati attesi.

Ne discende una catena prevedibile: criteri di screening incoerenti, panel di colloquio che pesano cose diverse, offerte costruite su un mercato immaginato. Il fallimento emerge dopo l'ingresso, quando il lavoro vero prende forma. E il costo viene archiviato come errore di recruiting.

L'errore quindi sta due passi prima, nel documento che definisce il ruolo. È una decisione di disegno organizzativo, con un proprietario che in molte strutture resta ambiguo.

Cosa accade alle persone valutate contro un'etichetta

Chi entra attraverso un annuncio ambiguo arriva in un ruolo ancora da definire. I primi mesi si consumano nel negoziare i confini del lavoro, al posto di produrre valore.

L'effetto sulla valutazione è più serio. Criteri vaghi lasciano spazio alle preferenze implicite di chi decide, e il giudizio scivola verso la somiglianza con il valutatore. È il terreno dove il bias cresce meglio: in assenza di una scala chiara, vince la familiarità.

Il tema tocca anche l'ingresso dei giovani. Un annuncio che somma due mestieri alza la soglia di esperienza richiesta, e chiude la prima porta ai profili junior che imparerebbero in fretta una delle due metà.

La prima porta si chiude per una scelta di scrittura, prima che per una scelta di budget.

Il mercato paga già il prezzo dell'ambiguità

Il costo di questa confusione si legge nelle retribuzioni annunciate. L'analisi di Indeed Hiring Lab pubblicata il 17 settembre 2026 rileva che l'esposizione all'AI spinge verso l'alto la paga indicata negli annunci statunitensi, invece di comprimerla (Indeed Hiring Lab^[2]).

Due segnali pubblicati lo stesso giorno convergono. I titoli si moltiplicano e perdono definizione; i compensi promessi salgono.

Un'organizzazione che sbaglia la definizione del ruolo paga quindi un premio su un profilo che descrive male. Il premio salariale legato alle competenze AI è ormai un fatto acquisito nella letteratura sul mercato del lavoro. Il punto nuovo riguarda la destinazione di quella spesa.

Una quota di questi budget finanzia posizioni la cui architettura resta indefinita. È una voce di costo che il CFO vede come compensation, e che nasce come debito di disegno.

Chi possiede l'architettura dei ruoli

La domanda di governance è semplice: chi possiede la definizione dei ruoli quando il lavoro cambia ogni trimestre?

Nella maggior parte delle strutture la risposta resta divisa tra ingegneria, HR e finance. La divisione produce annunci scritti per approssimazione, con ciascuna funzione che aggiunge la propria riga e lascia scoperto il quadro d'insieme.

Le ricerche Cornerstone mostrano una distanza ampia tra i leader che vedono l'impatto dell'AI e le persone che si sentono pronte ad affrontarlo. La readiness della leadership resta il collo di bottiglia dell'adozione, prima delle competenze tecniche di chi lavora ogni giorno sui sistemi.

Una sintesi ripresa da HCAmag^[3] descrive la trasformazione AI come 10% tecnologia e 90% persone. L'architettura dei ruoli è il punto esatto dove quel 90% diventa una decisione operativa, con un nome e una data.

Cosa fanno diversamente le organizzazioni ad alto funzionamento

Le strutture che reggono questa fase condividono tre pratiche osservabili.

• Descrivono le attività prima del titolo
• Aggiornano l'architettura dei ruoli a cadenza trimestrale
• Convertono talento interno prima di aprire al mercato

La prima pratica capovolge l'ordine abituale. Il ruolo nasce da un elenco di compiti reali e di risultati attesi, e il nome arriva alla fine, come conseguenza.

La seconda tratta la job architecture come il budget: un documento vivo, con revisione periodica e un proprietario dichiarato. Josh Bersin descrive il passaggio dell'intelligenza HR a scala enterprise, con sistemi che leggono competenze e ruoli in modo continuo (Josh Bersin^[4]).

La terza sfrutta un vantaggio già presente in casa. Chi conosce sistemi, dati e clienti impara l'orchestrazione di modelli in poche settimane, mentre il mercato esterno chiede mesi di ricerca e un premio di prezzo su un titolo ambiguo.

Cosa cambia per chi decide

L'evidenza si traduce in quattro conversazioni distinte, una per ogni tavolo.

• CEO: portare al board la qualità della definizione dei ruoli come indicatore di readiness organizzativa
• CHRO: riscrivere le famiglie professionali AI partendo dalle attività osservate, con revisione trimestrale
• CFO: misurare quanta parte del premio salariale AI finanzia posizioni prive di profilo stabile
• Talent & Compensation Committee: monitorare il tasso di conversione interna sui ruoli AI aperti

La metà degli annunci che mescola due mestieri è un dato da tavolo di board, al pari di un indicatore finanziario. Racconta la capacità dell'organizzazione di nominare il proprio lavoro mentre cambia.

La domanda di disegno per il prossimo trimestre è concreta: quante delle posizioni AI aperte oggi hanno una descrizione che una persona interna leggerebbe e riconoscerebbe come un mestiere unico?