Futuro: una parola che lascia all’immaginazione lo spazio di esprimersi. Negli anni ‘60 e ‘70  se si chiedeva alle persone cosa pensavano che sarebbe successo nel futuro, la maggior  parte avrebbe risposto macchine volanti o androidi che avrebbero svolto il lavoro al posto  loro. Negli anni ‘90, complici le pellicole cinematografiche, il pensiero collettivo ha iniziato ad  indirizzare l’idea dell’intelligenza artificiale come a qualcosa da tenere sotto controllo  affinché non possa rivoltarsi contro l’essere umano. E’ proprio in questo arco temporale di  circa 40 anni che si è vista la nascita e la diffusione di internet e dell’intelligenza artificiale.  Oggi, dopo quasi 60 anni, il mercato del lavoro si interfaccia seriamente con questo mondo  in evoluzione quasi sfrenata. Ma come prepararsi per una carriera nell'intelligenza  artificiale?  

In questo momento l’affascinante mondo professionale in questo ambito sta creando un  numero sempre maggiore di opportunità. Le richieste che ora vanno per la maggiore sono il  data scientist e gli specialisti in AI, che spaziano in diverse carriere che vanno dall’architetto  AI, lo sviluppatore di BI o ingegnere in ML.  

L'orizzonte delle professioni è ricco di opportunità, come detto, ma  anche colmo di sfide in cui le soft skills incentrate sul lavoro di gruppo e la collaborazione ne  fanno da padrone. Quindi se si pensa a come prepararsi per una carriera nell’intelligenza  artificiale, bisognerà pensare a sviluppare non solo le competenze tecnologiche e operative,  ma anche trasversali per questo mercato in costante espansione e che sembra già essere  pronto ad aprire le porte a milioni di posti di lavoro.  

Ma cerchiamo di capire di seguito quali sono le figure professionali che spiccheranno il volo  nel corso di pochissimo tempo.  

Il data scientist  

Lo scienziato dei dati è un termine che, se usato fino alla fine degli anni ‘90, avrebbe attirato  attorno a sé moltissime battute. Oggi, invece, rappresenta una figura per cui viene richiesto  un background di conoscenze tra cui spiccano quelle analitiche e di AI. Ma anche statistiche  ed analitiche nonché di machine learning che portano il professionista alla estrazione, da  enormi file di dati, di informazioni utili all’azienda per l’organizzazione della stessa.  Per coloro che volessero intraprendere questo percorso, è importante prendere  consapevolezza del fatto che, ad oggi, non esiste una chiara definizione del ruolo. Il che  presuppone una incredibile variabilità delle richieste nonché la necessità di avere tra le  proprie skills anche la conoscenza dello sviluppo di algoritmi o statistica.  

Ingegnere dell’apprendimento automatico  

L’ingegnere del machine learning, il professionista o ingegnere del software, è colui che  stabilisce tutti quei processi di apprendimento e che li rende automatici, implementando anche la machine learning nell’ottimizzazione dei processi, nelle prestazioni e nella  scalabilità.  

Operatività è la parola chiave di questa nuova professione perché, se il data scientist basa la  propria natura lavorativa sull’analisi e l’utilizzo dei dati, l’ingegnere del machine learning  basa il fulcro del proprio operato nella gestione dei vari strumenti utili all’apprendimento,  sulla costruzione e la valutazione delle alberature.  

Le skills utili per accedere a questa nuova professione sono la matematica applicata,  l’informatica, l’apprendimento automatico e le abilità associate all’AI ed all'ingegneria. Ultima  nota utile può essere data dal fatto che mentre il data scientist può volendo intraprendere la  carriera di ingegnere dell’apprendimento automatico, il contrario non può avvenire.  Soprattutto se si considera che il secondo non avrebbe tutte le conoscenze del primo mentre  il data scientist potrebbe portare ad operatività le proprie competenze.  

Sviluppatore di business intelligence  

Questo nuovo ruolo sta generando una crescita di visibilità pari solo all’oscurità che ancora  lo avvolge. Lo sviluppatore di business intelligence, grazie alla profonda conoscenza e  preparazione nel campo dei software e della loro programmazione associata alla business  intelligence, incentra il proprio operato nella visualizzazione dei dati, che poi esporrà ai  dirigenti. O, comunque, a coloro che detengono i poteri decisionali all’interno dell’azienda. In  questo modo avrà a disposizione i migliori strumenti per comprendere le principali aree  d’interesse da poter sviluppare.  

Generalmente per questo ruolo sono utilizzati software incentrati su dashboard, portali, data  analisi e suite software. Ovviamente, dal momento che questa figura rappresenta un  connubio tra professionisti di intelligenza artificiale ed esperti di business, l’utilizzo di tool  appositi serve a trasformare i dati quali mappe, grafici, report, in informazioni utili alle  decisioni che prenderà l’azienda.  

Sebbene a parole possa sembrare un ruolo dedito solo all'estrapolazione di dati che poi altri  gestiranno, in realtà si tratta di operazioni complesse che richiedono anche una buona dose  di esperienza pregressa, utile al fine di poter portare i dati che sono più utili all’azienda. E,  per logica, eliminare dall’analisi effettuata tutti quelli che possono risultare inutili o non  completi. Ne consegue, quindi, l’importanza fondamentale di avere alle spalle un’ottima  esperienza di codifica piuttosto che una comprensione di database SQL. Ma deve essere  anche dotato di eccellenti doti relazionali, soprattutto con il team decisionale dell’azienda.  

Architetto AI  

Se parliamo di esperienza, allora l’architetto dell’intelligenza artificiale di sicuro risulta essere  quello che più ne necessita come ruolo. E, quindi, non potrà mai essere configurato come  una posizione entry level.  

Questo ruolo molto diverso dai precedenti scienziati dei dati ed ingegnere  dell’apprendimento automatico è responsabile, tramite l’utilizzo dei framework tecnologici AI,  della creazione e del mantenimento dell’architettura dell’intelligenza artificiale.  Proprio come succede con un architetto aziendale, anche questa figura nascente focalizza  le proprie doti sulla strategia aziendale, sul coordinamento e sulla pianificazione con  metodologie determinate ed indirizzate da skills quali la comprensione degli obiettivi generali  della mission, la conoscenza di approcci diversi utili agli obiettivi tramite le applicazioni della AI, anche se potrebbe sembrare ovvio, la coordinazione dei team per il fine del  raggiungimento degli obiettivi.  

Non meno importanti sono le skills quali conoscenza delle condizioni dei dati e le profonde  conoscenze dei modelli di intelligenza artificiale applicate a vari modelli. 

La crescita della richiesta  

La domanda da parte delle aziende per i professionisti che abbiamo descritto nei paragrafi  precedenti non accenna a diminuire. Anzi, continua ad accelerare. Conoscenze  matematiche ed ingegneristiche sono alla base di questi nuovi ruoli che però richiedono  anche una profonda conoscenza di data analysis.  

Ma quali sono i focus su cui deve porre l’attenzione chi vuole prepararsi per una carriera  nell’intelligenza artificiale? Il primo riguarda sicuramente l’esperienza, perché lavori del  genere non sono facili da imparare, e quindi, non si deve pensare che semplici corsi  improvvisati possano creare professionisti già formati. Per raggiungere un certo grado di  background utile per potersi affermare in questi ruoli richiede tempo, dedizione, pazienza e,  ovviamente, svolge un ruolo importantissimo anche la continua formazione ed informazione  che deve sempre rimanere al passo con le evoluzioni della AI.  

Gli altri punti su cui concentrare la propria formazione sono:  

• un’approfondita formazione in informatica e matematica, con particolare attenzione  alla statistica, all’algebra lineare, l’analisi dei dati e la teoria dei grafi;  
• un costante aggiornamento in termini di programmazione, soprattutto in linguaggi  come C++, Python e Java;  
• rimanere al passo con i tempi leggendo libri, documenti tecnici sull’intelligenza  artificiale e articoli. Ma anche partecipando a seminari specifici di settore; 
• studiare le tecniche di apprendimento automatico, come gli alberi decisionali, le reti  neurali e le macchine a vettori di supporto;  
• sviluppare le proprie competenze in data science 

Altri articoli che potrebbero interessarti