nuovi metodi per misurare la domanda di competenze in era di intelligenza artificiale

Un resoconto chiaro sui progressi della collaborazione OECD–INAPP: metodi testuali per identificare la domanda di competenze in ambito IA e le implicazioni per politiche di formazione e transizione professionale.

Oecd e Inapp presentano metodi per misurare la domanda di competenze legate all’intelligenza artificiale

Un incontro pubblico ha illustrato lo stato della collaborazione tra OECD e INAPP, con particolare attenzione ai nuovi approi per quantificare la domanda di competenze direttamente connesse all’intelligenza artificiale. L’iniziativa si concentra sull’identificazione sia delle competenze specifiche legate all’AI, sia di quelle emergenti che integrano l’AI come competenza complementare.

L’analisi presentata si basa sull’esame testuale degli annunci di lavoro pubblicati online. L’obiettivo è convertire le descrizioni delle mansioni in indicatori utili per le politiche del lavoro e per chi progetta percorsi di formazione. Questa prima fase ha prodotto metodi e risultati preliminari che costituiranno la base della seconda parte della ricerca, dedicata all’esplorazione di possibili percorsi di upskilling e strategie di transizione professionale. I risultati finali saranno raccolti in un rapporto congiunto delle due organizzazioni al termine del progetto.

Metodologia: estrarre competenze dagli annunci di lavoro

Il team di ricerca utilizza tecniche di analisi testuale per identificare e quantificare termini associati all’IA e alle competenze correlate negli annunci di lavoro. L’approccio si basa su algoritmi di elaborazione del linguaggio naturale e su dizionari costruiti ad hoc per la codifica dei segnali rilevanti.

Gli indicatori creati distinguono tra competenze tecniche, come machine learning e data engineering, e abilità trasversali richieste nei profili ibridi. Tale distinzione consente di misurare sia la diffusione di skill specialistiche sia l’emergere di requisiti trasversali nei diversi settori professionali.

I risultati delle analisi alimentano le fasi successive del progetto, con l’obiettivo di fornire una mappatura dettagliata delle competenze che sarà integrata nel rapporto finale delle organizzazioni coinvolte.

Dal testo ai numeri: tag, classificazione e validazione

A valle della fase di estrazione, il team ha applicato etichettatura automatica a frasi e parole chiave per trasformare le descrizioni testuali in dati strutturati. Le etichette sono state seguite da operazioni di pulizia e normalizzazione volte a ridurre rumore e ambiguità lessicali. Successivamente i risultati preliminari sono stati sottoposti a controlli qualitativi per verificare la correttezza delle assegnazioni e l’affidabilità dei segnali.

Questo approccio rende possibile convertire valutazioni di tipo qualitativo in indicatori misurabili. I dati consentono di monitorare l’evoluzione della domanda di lavoro nel tempo e di integrare la mappatura delle competenze nel rapporto finale delle organizzazioni coinvolte. Le fasi successive prevedono ulteriori cicli di validazione incrociata con campioni manuali prima della pubblicazione dei risultati.

Risultati principali e interpretazione

A seguito dei cicli di validazione incrociata, l’analisi mostra una crescita della domanda di competenze legate all’intelligenza artificiale. Tale crescita si accompagna a una diffusione di competenze contestuali, ovvero abilità pratiche nel integrare strumenti automatici nei processi aziendali.

I risultati indicano che molte posizioni professionali richiedono combinazioni di saperi tecnici e abilità trasversali. Questo cambiamento influenza le scelte formative e le politiche di sviluppo delle risorse umane nelle organizzazioni.

Giulia Romano, ex Google Ads specialist, osserva: “I dati raccontano una storia interessante: le aziende cercano profili ibridi in grado di operare sull’automazione mantenendo competenze di contesto”. Questa evoluzione richiede percorsi formativi misurabili e orientati al lavoro.

Per le funzioni HR e per i responsabili della formazione, l’indicazione operativa è chiara: rafforzare programmi di upskilling che combinino competenze tecniche e capacità applicative. Lo sviluppo atteso riguarda l’adeguamento dei curricula e l’adozione di percorsi di formazione continua mirati.

Implicazioni pratiche per formazione e policy

Il documento prosegue illustrando le azioni operative necessarie per tradurre evidenze in interventi formativi. A seguito dell’indicazione che lo sviluppo atteso riguarda l’adeguamento dei curricula e l’adozione di percorsi di formazione continua mirati, si propone di prioritizzare percorsi di upskilling destinati ai lavoratori più esposti alle trasformazioni occupazionali.

La distinzione tra competenze core e competenze complementari costituisce il criterio principale per progettare programmi. Tale distinzione orienta programmi di formazione continua, incentivi all’apprendimento sul lavoro e politiche attive per il lavoro. I percorsi devono essere modulati in base a esigenze settoriali e a propensioni di mercato verificate dai dati.

Prossime fasi della collaborazione

La seconda fase del progetto OECD–INAPP tradurrà gli insight raccolti in percorsi pratici. Le attività comprenderanno il mapping delle professionalità, la definizione di scenari di transizione e la formulazione di proposte per interventi formativi.

Saranno condotte analisi dettagliate dei flussi occupazionali e simulazioni di possibili scenari di upskilling, finalizzate a fornire strumenti operativi a policy maker, istituzioni formative e imprese. Le simulazioni informeranno la progettazione di interventi misurabili e facilmente implementabili sul territorio.

A seguire, alle presentazioni tecniche hanno partecipato rappresentanti di INAPP: Davide Premutico, responsabile della struttura Lavoro, e Valentina Ferri, che ha illustrato il contributo intitolato misurare la domanda di competenze nell’era dell’IA: il ruolo della collaborazione OECD–INAPP. Le conclusioni sono state affidate al presidente di INAPP, Natale Forlani, il quale ha sottolineato la necessità di consolidare i risultati e tradurli in azioni operative.

La collaborazione tra OECD e INAPP fornisce una metodologia replicabile per monitorare la domanda di competenze in rapida evoluzione. Tale approccio offre una base empirica per progettare interventi formativi e politiche del lavoro mirate, con prossimi sviluppi orientati all’implementazione di progetti pilota e al monitoraggio degli esiti sul territorio.