Nuove figure nel mercato del lavoro

Le innovazioni tecnologiche destano da sempre un misto di interesse e preoccupazione: dalla macchina a vapore fino all’elettricità, passando per l’automobile fino all’odierno sviluppo di macchine intelligenti. Ogni avanzamento porta con sé il timore di una minaccia allo status quo dell’economia, della società e perfino della salute.

Senza spingersi troppo a ritroso e guardando agli ultimi trent’anni, diversi studiosi hanno analizzato l’impatto dell’automazione sul capitale umano, concludendo in alcuni casi che la sostituzione della macchina all’uomo è un fattore determinante di crescita economica (a scapito della questione sociale); in altri, invece, l’orientamento è verso un approccio più equilibrato, dove la domanda e la peculiarità di alcuni lavori non verrà a mancare ma, semplicemente, verrà alterata.

Ecco due figure di spicco, nonché più ricercate oggi, nel mondo del lavoro a causa dell’introduzione dell’Intelligenza Artificiale.

Data Scientist & Data Engineer

L’analisi dei dati non può essere improvvisata né tantomeno inventata dal nulla. Bensì richiede preparazione, studio e un’attitudine che non sono facili da trovare nel mondo del lavoro. Soprattutto, prevede l’introduzione di nuove figure professionali con competenze specifiche in grado di condurre tali analisi.

Nascono così lo scienziato dei dati e l’ingegnere dei dati. Sono due delle figure attualmente più ricercate (e anche più pagate) dell’intero mercato del lavoro, nonché due dei lavori più interessanti e affascinanti secondo diversi studi e sondaggi.

Vediamo più in dettaglio di cosa si occupano.

Lo scienziato dei dati è l’analista per eccellenza, ovvero la persona che connette i “puntini”, prende in considerazione dati differenti, apparentemente non collegati fra loro, e identifica relazioni nascoste che possono apportare valore all’impresa e alle persone. È colui che trova risposte a domande che ancora nessuno ha posto, ma che non per questo sono meno importanti. Questo è un lavoro che si impara tanto sui libri quanto sul campo, dove la preparazione teorica e l’attitudine sperimentale ed empirica non possono prescindere l’una dall’altra.

Essere un bravo scienziato dei dati prevede infatti un insieme di competenze difficili da maturare: bisogna essere in parte ingegneri (meglio se informatici), in parte statistici, buoni comunicatori ed esperti in domini particolari. Non è affatto banale trovare tutte queste competenze in un’unica figura.

Se queste sono le competenze necessarie per essere un buon scienziato dei dati, per essere un ottimo data scientist bisogna essere capaci di lavorare in team. La scienza dei dati è infatti uno sport di squadra, in cui un singolo individuo non può né dovrebbe lavorare in isolamento, sperando di risolvere un problema o trovare una soluzione.

Da qui la ragione fondamentale di avere altre figure, come l’ingegnere dei dati, a supporto. L’ingegnere dei dati, infatti, cura l’aspetto relativo alla corretta creazione, gestione, immagazzinamento e uso dei dati all’interno dei flussi e dei processi aziendali. L’ingegnere ha il compito di disegnare e mantenere un’architettura funzionante ed efficiente per consentire allo scienziato di avanzare teorie e analizzare i dati con tecniche statistiche.

Chiudiamo il cerchio con altre due figure essenziali per un data team: l’analista di business intelligence e l’analista di customer intelligence. Queste due figure rappresentano l’interfaccia pubblica dello scienziato dei dati, gli interlocutori principali del team con il mondo esterno.

Il primo traduce le conclusioni e le analisi in contesti aziendali aiutando a capirne gli impatti sul business e delineando le corrette azioni da intraprendere per ottenere i risultati che i dati suggeriscono, ed è, di fatto, uno stratega.

Il secondo, invece, è l’interfaccia del team verso il cliente finale: colui che gestisce l’interazione col pubblico e i dati che entrano ed escono da questi scambi. Il suo scopo finale è far sì che dati e decisioni vengano utilizzati per migliorare l’esperienza dell’utente e il prodotto di cui egli si serve.

Queste quattro figure sono essenziali in qualsiasi data team che si rispetti. Ma se queste sono le figure di oggi, forse potrebbe essere interessante dare un’occhiata a quelle di domani.

Se lo scienziato dei dati e l’ingegnere dei dati sono le figure che attualmente dominano il panorama lavorativo, non sono sicuramente le uniche che scaturiranno con l’avvento di macchine sempre più “intelligenti”.

Secondo recenti studi, esistono tre possibili nuovi ruoli, al momento forse difficili da concepire, ma che potrebbero assumere molto presto una rilevanza fondamentale.

“L’allenatore di macchine” (the trainer) è la prima di queste figure. Molti degli algoritmi di intelligenza artificiale si basano sulla capacità intrinseca del sistema di discernere diversi avvenimenti e imparare dalle proprie azioni (o esempi). Un allenatore di algoritmi potrebbe quindi aiutare la macchina a trovare quelle sofisticate correlazioni tra i dati e insegnarle ad imitare comportamenti più “umani”, sviluppando un’empatia più affine ai nostri modi di fare.

Il “traduttore di macchine” (the explainer) si occuperebbe, invece, di spiegare i processi nascosti per svelare come le macchine sono arrivate ad una certa azione o decisione. Diventerebbero i nuovi etologi delle macchine, che studiano e comprendono il comportamento degli algoritmi; ma anche i nuovi medici legali della tecnologia, capaci di identificare dove, come e quando un sistema ha commesso un errore, evidenziando le ragioni sottostanti.

Infine, “l’ispettore degli algoritmi” che avrebbe il compito di controllare e verificare continuamente se la macchina fa ciò per cui è stata programmata e nulla di più. Sarebbe il professionista incaricato di ridurre al minimo la possibilità di conseguenze inattese e negative generate dall’utilizzo dell’intelligenza artificiale nella vita di tutti i giorni, e di creare un ambiente di fiducia verso le azioni compiute da macchine intelligenti.

Di certo, nell’era dell’intelligenza artificiale non ci si può aspettare che i ruoli dirigenziali rimangano immutati. In particolare, diventa necessario individuare figure specializzate che possano guidare la rivoluzione tecnologica in corso, comprendendone tanto gli aspetti tecnici quanto le implicazioni sociali e commerciali.

Tre ruoli stanno recentemente emergendo per rispondere a questa esigenza, anche se è facile pensare che non saranno i soli.

Il primo è quello del Chief Data Officer, o CDO.

Il CDO nasce dalla necessità di centralizzare in un’unica figura capacità tecniche, legali e amministrative, e connettere il capo dell’infrastruttura tecnica (detto anche Chief Technical Officer, o CTO) con il capo di reparto analisi (il Chief Analytics Officer, o CAO).

Il suo ruolo è quello di occuparsi della corretta gestione dei dati all’interno di un’azienda e di gestire i processi attraverso i quali questi dati vengono creati, immagazzinati e usati. Egli ha quindi come obiettivo finale quello di garantire l’accesso alle giuste informazioni da parte di altre unità aziendali e di “democratizzare” i dati all’interno dell’azienda.

Anche se all’apparenza può sembrare un semplice “vigile dei dati”, il CDO è invece una figura di estrema importanza poiché delinea la strategia aziendale sull’utilizzo del dato come fonte di vantaggio competitivo. Non si colloca su un gradino gerarchico organizzativo ben preciso ma dovrebbe operare in maniera indipendente, parallelamente su molteplici divisioni e dipartimenti.

Se pensiamo alla funzione del CDO come a quella di un responsabile centrale del flusso di dati, che controlla l’intera catena del valore delle capacità analitiche della società, diventa chiaro che è molto più facile trovarlo in società di dimensioni molto grandi, di solito quotate in borsa.

Infatti, la sua posizione trova terreno fertile in organizzazioni rigide e complesse, troppo grandi per riuscire ad adattarsi agilmente ai cambiamenti tecnologici. Sono proprio le grandi compagnie che hanno bisogno di usare i dati per sopravvivere alla concorrenza delle aziende più piccole e veloci.

Ma come si capisce se un CDO ha successo o meno nel suo lavoro? La risposta forse sorprenderà. Se nel breve periodo, infatti, il successo è determinato dalla riduzione delle preoccupazioni del Consiglio di Amministrazione sulla qualità dei dati e gli effetti della regolamentazione, nel lungo periodo il successo del “vigile dei dati”, consiste nel creare un’azienda in cui il suo stesso lavoro smetta di avere un’utilità.

Come un vigile smette di regolare il traffico quando la corretta cultura stradale è ormai diffusa e adottata da ogni automobilista, così un CDO assolve il suo compito se instaura una corretta cultura del dato e una sua democratizzazione all’interno dell’azienda senza frizioni o barriere.

Se questo ruolo è essenziale per guidare le compagnie nell’attuale rivoluzione industriale in corso, il capo dell’Intelligenza Artificiale, o Chief Artificial Intelligence Officer (CAIO), in futuro sarà sicuramente determinante per la loro trasformazione. Come suggerisce il nome stesso, il CAIO è responsabile di tutte le attività connesse all’uso dell’intelligenza artificiale, tanto a livello di prodotto quanto di processo. Il suo principale compito consiste nel guidare lo sviluppo di progetti di AI, machine learning, e data science che possano estrarre valore dai dati immagazzinati e analizzati dai singoli reparti dell’azienda.

Si tratta di una figura estremamente tecnica che trova la sua origine in un background fortemente accademico ed empirico e che sperimenta nuove tecnologie e applicazioni al solo fine di creare nuove fonti di valore per l’impresa.

Vale la pena menzionare un ruolo che di fatto ancora non esiste ma di cui si parla da qualche anno. Lo Chief Robotics Officer (CRO) potrebbe infatti diventare la figura manageriale che si assumerà il compito di gestire tutti i processi automatici e la forza lavoro non umana all’interno dell’impresa.

Questi sono solo alcuni degli esempi di figure manageriali che si potranno incontrare in differenti contesti aziendali. Sicuramente anche altri che ancora non immaginiamo, ne verranno ideati in un futuro non molto lontano.

“The data scientist is better at statistics than any software engineer, and better at coding than any statisticians”

In altre parole, per essere dei buoni data scientist, è necessario conoscere sia la programmazione sia la statistica. Ma ancor prima di queste due discipline, è la curiosità – la volontà interiore che ti conduce a capire come avvengono certi processi – ad essere il motore che ti porta a diventare un vero professionista.

LINK UTILI:

Data Scientist: The Sexiest Job of the 21st Century

The Jobs That Artificial Intelligence Will Create

AI and the Future of Work

Chief Artificial Intelligence Officer

Data scientists really love their jobs, survey finds

Rubrica: “Il Pensiero Artificiale“

Anass El Fares

Sono un ricercatore presso Co.Mac – CFT, un importante gruppo italiano che opera nell’ambito degli impianti industriali. Laureato in ingegneria Meccanica con specializzazione in Meccatronica al Polimi. Attualmente studio automazione con particolare focus verso gli algoritmi di intelligenza artificiale e le sue applicazioni nel mondo reale.
Comunicare significa donare parte di noi stessi, ed è questo il motivo per cui la divulgazione scientifica è una delle mie più grandi passioni.