Come l’intelligenza artificiale sta aiutando le persone neurodivergenti a lavorare meglio
13 Novembre 2025 - 6 minuti
Insight
AI Specialist, CRM Manager, eCommerce Manager: serve davvero un nuovo ruolo o nuove competenze nel team?
28 Ottobre 2026
Il mercato del lavoro digitale ha una certa facilità nel creare nuove job title: basta che una tecnologia acquisti peso nelle strategie aziendali e, nel giro di pochi mesi, compaiono specialist, manager, strategist e lead dedicati.
Con l’intelligenza artificiale sta succedendo qualcosa di simile. L’AI Specialist compare con frequenza crescente negli annunci e negli organigrammi, mentre figure già consolidate come CRM Manager ed eCommerce Manager vedono allargarsi il proprio perimetro. Automazione, analisi predittiva, generative AI, personalizzazione e gestione dei dati entrano nelle attività quotidiane.
Per chi si occupa di persone e organizzazione, la questione diventa meno lessicale e molto più concreta: serve davvero creare un nuovo ruolo? Oppure il bisogno può essere coperto facendo evolvere competenze, strumenti e responsabilità delle persone già presenti?
La risposta cambia da azienda ad azienda e proprio qui si trova il punto che interessa HR manager, direttori del personale e responsabili della formazione: una nuova tecnologia può generare una professione nuova, ma può anche trasformare profondamente professioni che esistono da anni.
Il 39% delle competenze cambierà entro il 2030
Il fenomeno va oltre l’intelligenza artificial: il lavoro sta attraversando una fase di ricomposizione delle competenze molto più ampia.
Secondo il Future of Jobs Report 2025 del World Economic Forum, i datori di lavoro stimano che entro il 2030 cambierà il 39% delle core skill richieste ai lavoratori. AI e big data guidano la crescita delle competenze tecnologiche, insieme a network e cybersecurity e technological literacy. Parallelamente restano centrali pensiero analitico, creatività, resilienza, flessibilità e leadership.
C’è un altro dato particolarmente rilevante per chi decide le politiche HR: il 63% dei datori di lavoro considera lo skill gap il principale ostacolo alla trasformazione del business.
Il problema, quindi, riguarda la distanza tra quello che l’azienda vuole fare e quello che le persone sono preparate a fare ed è una differenza sostanziale.
Se un’impresa introduce un nuovo CRM dotato di funzioni predittive, per esempio, potrebbe scoprire di avere bisogno di un data scientist. Potrebbe però emergere un bisogno diverso: un CRM Manager capace di definire segmentazioni più sofisticate, interpretare modelli di propensione, progettare automazioni e valutare la qualità degli output prodotti dall’AI.
La tecnologia è la stessa ma la risposta organizzativa cambia.
AI Specialist: quando la specializzazione diventa davvero un ruolo
L’AI Specialist è probabilmente il caso più evidente perché dentro questa etichetta finiscono professionalità molto diverse: chi sviluppa modelli, chi lavora su machine learning e data science, chi integra soluzioni generative nei processi, chi governa piattaforme e workflow, chi si occupa di AI governance.
Chiamare tutte queste attività “AI” rischia già di rendere poco leggibile il bisogno.
L’OECD offre un’indicazione utile. Nel paper Artificial intelligence and the changing demand for skills in the labour market osserva che la maggior parte dei lavoratori esposti all’intelligenza artificiale non avrà bisogno di competenze specialistiche di AI, come machine learning o natural language processing. Cambieranno, però, le attività svolte e quindi le competenze richieste.
È uno dei passaggi più utili per leggere ciò che sta accadendo nelle aziende: usare l’intelligenza artificiale nel lavoro e sviluppare sistemi di intelligenza artificiale sono due esigenze diverse.
Un’organizzazione che costruisce modelli proprietari, gestisce infrastrutture complesse, integra grandi quantità di dati o deve presidiare rischi tecnici significativi ha ragioni solide per ricorrere a competenze specialistiche dedicate.
Molte altre aziende utilizzeranno invece l’AI dentro marketing, vendite, customer service, amministrazione, HR, eCommerce e operations. Qui il valore nasce dalla combinazione tra conoscenza della funzione e capacità di utilizzare correttamente la tecnologia.
Un Marketing Manager che conosce bene brand, customer journey e media planning e sa integrare strumenti generativi nei propri processi può produrre più valore di uno specialista AI privo della stessa competenza di dominio. Viceversa, quando il problema richiede sviluppo, integrazione tecnica o governance su scala aziendale, quella specializzazione diventa difficilmente sostituibile.
La job title dovrebbe arrivare dopo questa analisi, non prima.
Le professioni più esposte all’AI hanno bisogno anche di competenze manageriali
Un dettaglio dello studio OECD rende il quadro ancora più interessante. Tra le vacancy relative alle occupazioni ad alta esposizione all’AI considerate dalla ricerca, il 72% richiede almeno una competenza manageriale e il 67% almeno una competenza legata ai processi di business. Più della metà richiede inoltre competenze sociali, emotive o digitali.
L’esposizione all’intelligenza artificiale, quindi, convive con project management, organizzazione, customer support, capacità decisionali e comprensione dei processi. È un’indicazione importante anche per la formazione: preparare un team all’AI attraverso un corso indistinto di prompting rischia di lasciare scoperta la parte più difficile: come cambia il mestiere.
Un CRM Manager ha domande diverse da un copywriter; un eCommerce Manager ha responsabilità diverse da un HR Business Partner. Anche quando utilizzano lo stesso modello generativo, il livello di rischio, le decisioni da prendere e i dati coinvolti cambiano.
La formazione diventa più efficace quando parte dal lavoro reale: per le aziende che devono sviluppare competenze diverse tra funzioni e seniority, può quindi essere utile valutare percorsi di formazione su misura per il team, costruiti a partire dai fabbisogni e dagli obiettivi aziendali, invece di applicare lo stesso programma a ruoli molto distanti tra loro.
CRM Manager: il ruolo resta, il mestiere si allarga
Il CRM Manager è un buon esempio di professione la cui evoluzione passa più facilmente dalle competenze che da una nuova denominazione.
Il suo lavoro si è già trasformato diverse volte. Dalla gestione del database alla marketing automation, dalle campagne email alla customer journey, fino a segmentazione, loyalty, integrazione dei touchpoint e analisi del customer lifetime value. L’AI aggiunge un altro livello.
La segmentazione può diventare predittiva e le campagne possono adattarsi più rapidamente ai comportamenti. Modelli generativi possono assistere la produzione di varianti creative e contenuti e sistemi di scoring possono aiutare a individuare churn, propensione all’acquisto o next best action.
Questo allarga il set di competenze richiesto al CRM Manager: diventano più rilevanti la capacità di leggere e interrogare i dati, comprendere il funzionamento e i limiti delle automazioni, definire criteri di valutazione, collaborare con IT e data team, governare la personalizzazione senza perdere il controllo sul customer journey.
La capacità tecnica resta collegata a una competenza di business molto specifica: conoscere il cliente e trasformare i dati in azioni utili.
Creare un “AI CRM Specialist” per ogni nuovo utilizzo sarebbe poco sostenibile per molte organizzazioni. Ha più senso farlo quando l’ampiezza e la complessità del lavoro giustificano una responsabilità stabile e dedicata.
Altrimenti è il CRM Manager a diventare un professionista diverso rispetto a cinque anni fa.
eCommerce Manager: dall’operatività alla gestione di sistemi sempre più automatizzati
Un’evoluzione analoga riguarda l’eCommerce Manager: Catalogo, merchandising, campagne, promozioni, conversion rate, marketplace, analytics, logistica e customer experience sono già responsabilità intrecciate. L’intelligenza artificiale introduce strumenti che intervengono su molti di questi passaggi: recommendation, ricerca interna, creazione e ottimizzazione delle schede prodotto, forecasting, pricing, advertising, customer assistance.
La conseguenza per il ruolo è evidente: l’eCommerce Manager deve capire dove l’automazione produce valore, quale metrica utilizzare per valutarla e quando l’output di un sistema richiede controllo umano.
Prendiamo le descrizioni prodotto. Generare migliaia di testi con un modello linguistico è relativamente semplice ma stabilire quali informazioni devono essere presenti, evitare errori fattuali, preservare tono del brand, considerare SEO, requisiti normativi e conversione richiede invece competenza e responsabilità.
Lo stesso vale per le recommendation: un algoritmo può proporre prodotti con una probabilità elevata di acquisto. La scelta su assortimento, marginalità, disponibilità, priorità commerciali e customer experience rimane parte della gestione del business.
L’AI modifica il modo in cui il lavoro viene eseguito. Il ruolo acquista una componente crescente di orchestrazione, controllo e interpretazione.
In Italia le competenze digitali sono già una richiesta trasversale
Il mercato italiano restituisce un segnale coerente. Il rapporto Le competenze digitali 2025 del Sistema Informativo Excelsior di Unioncamere e Ministero del Lavoro rileva che circa il 72% delle imprese italiane ha investito in almeno uno dei tre ambiti considerati della trasformazione digitale: tecnologie, integrazione digitale nell’organizzazione o sviluppo di nuovi modelli di business.
Le imprese chiedono inoltre competenze legate alle tecnologie Internet e agli strumenti di comunicazione visiva e multimediale al 61,2% dei profili in ingresso. Le competenze matematiche e informatiche interessano il 48,8% delle entrate programmate e la capacità di gestire soluzioni innovative il 36%.
Sono percentuali che aiutano a leggere il digitale come una componente distribuita del lavoro aziendale.
Ci saranno professionisti per i quali la tecnologia costituisce il nucleo della professione e altri per i quali rappresenta uno strumento. Confondere i due livelli porta facilmente a organigrammi affollati di specialist e, allo stesso tempo, a team che continuano a dipendere da poche persone per attività ormai quotidiane.
Per HR la domanda utile diventa allora: quali competenze devono essere diffuse e quali devono rimanere concentrate?
Prima della job description conviene guardare alle attività
Un nuovo ruolo viene spesso formalizzato partendo da una lista di competenze: conoscenza dell’AI, capacità analitiche, utilizzo di determinate piattaforme, project management.
Il rischio è costruire la persona ideale prima di aver definito il problema, invece, un metodo più utile parte dalle attività.
Quali processi stanno cambiando? Quanto tempo assorbono? Quale livello di competenza richiedono? Che rischio comporta un errore? La responsabilità sarà occasionale oppure continuativa? Quante funzioni aziendali dipendono da quella capacità?
Se l’azienda deve progettare un’architettura AI, selezionare modelli, impostare governance, gestire integrazioni e controllarne le prestazioni, emerge un dominio professionale abbastanza ampio da giustificare uno specialista.
Se il bisogno riguarda l’uso dell’AI per analizzare campagne, velocizzare reporting, preparare contenuti, interrogare dati o migliorare attività CRM, la priorità può essere l’upskilling dei ruoli esistenti.
Tra questi estremi esistono naturalmente configurazioni ibride: un piccolo competence center può affiancare specialisti centrali a persone formate nelle singole business unit; oppure un professionista senior può assumere temporaneamente la responsabilità di guidare l’adozione, mentre le competenze vengono distribuite nel resto del team.
Il numero delle job title dice poco. Conta il modo in cui conoscenza e responsabilità vengono distribuite.
Per HR cambia anche il modo di leggere lo skill gap
Lo skill gap viene spesso misurato confrontando le competenze possedute con quelle previste da una job description.
Con l’AI questo esercizio diventa più mobile: una parte delle attività può cambiare prima ancora che la descrizione del ruolo venga aggiornata. Un dipendente comincia a utilizzare strumenti generativi per preparare analisi, creare bozze o sintetizzare documenti; un team introduce un’automazione; una piattaforma incorpora nuove funzioni AI attraverso un aggiornamento software.
Il lavoro reale anticipa l’organigramma: per HR significa osservare task e competenze emergenti, oltre ai ruoli formali. Serve capire dove l’apprendimento avviene già spontaneamente, quali persone stanno diventando punti di riferimento interni e dove, invece, l’adozione rimane superficiale o poco governata.
Anche la distinzione tra hard e soft skill perde parte della sua utilità.
Interpretare un output dell’AI richiede conoscenze tecniche sufficienti per riconoscerne i limiti, ma anche giudizio. Utilizzare un modello generativo sul CRM richiede dimestichezza digitale e conoscenza del cliente. Automatizzare un processo richiede familiarità con gli strumenti e capacità di ridisegnare il flusso di lavoro.
Le competenze funzionano in combinazione.
Formare tutti sull’AI allo stesso modo rischia di creare competenze poco utilizzabili
L’aumento dell’attenzione verso l’intelligenza artificiale ha generato una forte domanda di formazione. Per le aziende si presenta però una seconda decisione: che cosa deve imparare ciascuno?
Un corso introduttivo può servire per costruire un linguaggio comune, ma il passaggio successivo richiede maggiore precisione.
Il CRM team potrebbe lavorare su segmentazione, customer insight, automation e utilizzo responsabile dei dati. Nell’eCommerce diventano rilevanti catalogo, search, merchandising, advertising e conversione. Per i manager entrano in gioco valutazione degli use case, redesign dei processi, governance e misurazione del ritorno.
Persino il prompting assume forme diverse a seconda della funzione.
Qui la formazione si avvicina all’organizzazione del lavoro. Un assessment dei fabbisogni permette di individuare distanza tra competenze disponibili e attività che l’azienda vuole introdurre; da quel punto si può decidere quali persone formare, su quali casi applicativi e con quale profondità. È la logica alla base dei percorsi formativi aziendali costruiti su misura: partire dagli obiettivi e dal lavoro del team prima di definire programma e modalità della formazione.
L’alternativa, soprattutto sull’AI, è accumulare conoscenza generale che fatica a trasferirsi nei processi.
Quando assumere e quando formare
La distinzione può essere ricondotta a una domanda molto pratica: quella competenza rappresenta un mestiere oppure una nuova parte del mestiere?
Quando richiede presidio continuativo, profondità tecnica, responsabilità autonoma e un volume di attività sufficiente, un nuovo ruolo ha senso.
Quando serve a svolgere meglio una responsabilità già appartenente a marketing, CRM, eCommerce, HR o vendite, l’evoluzione delle competenze tende a essere la strada più naturale.
C’è poi il fattore tempo. Un’azienda può avere un bisogno urgente che il team impiegherebbe mesi a sviluppare internamente. In quel caso il recruiting può accelerare. Al contrario, cercare sul mercato una figura estremamente specifica per ogni nuova tecnologia può rendere l’organizzazione dipendente da profili rari e rapidamente soggetti a obsolescenza delle competenze.
Il Future of Jobs Report segnala proprio la crescente centralità di upskilling e reskilling nelle strategie aziendali. La quota di forza lavoro che, secondo le imprese intervistate, ha completato attività di formazione nell’ambito di strategie di apprendimento a lungo termine è salita al 50%, dal 41% indicato nell’edizione precedente.
Il dato suggerisce una direzione: la trasformazione dei ruoli richiede infrastrutture di apprendimento più continue, non interventi episodici ogni volta che arriva un nuovo software.
La job title arriverà dopo
Tra AI Specialist, CRM Manager ed eCommerce Manager c’è una differenza evidente: il primo nasce intorno a una tecnologia, gli altri intorno a una funzione di business.
Questa distinzione continuerà a contare. Allo stesso tempo, i confini stanno diventando più permeabili. Il CRM Manager utilizzerà sempre più AI. L’eCommerce Manager dovrà conoscere sistemi predittivi e generativi. Chi lavora con l’AI dovrà comprendere processi, clienti, organizzazione e obiettivi economici.
Per HR, quindi, inventare la job title perfetta è probabilmente la parte meno difficile: la vera scelta riguarda dove deve vivere una competenza nell’organizzazione: in una persona dedicata, dentro un team specialistico oppure distribuita tra professionisti che conoscono già il business.
È da quella risposta che conviene partire, perché il titolo nella tua firma email può aspettare.
Potrebbe interessarti anche
