Le competenze che l'intelligenza artificiale non sostituisce

Nota rivista il 25 maggio 2026. Articolo inizialmente pubblicato nell'aprile 2026 — riscrittura integrale.

L'intelligenza artificiale non sostituisce mestieri. Sopprime compiti all'interno di ciascun mestiere. Questa distinzione non è un raffinamento retorico. Cambia il modo in cui un'impresa, un lavoratore, un dirigente devono pensare l'occupazione, la formazione e la competitività.

Questa nota espone la meccanica del fenomeno, identifica sei competenze che resistono a questa trasformazione, e qualifica ciò che la situazione richiede in pratica alle PMI svizzere, in particolare vallesane.

La meccanica osservabile: soppressione di compiti, non di mestieri

La conversazione pubblica sull'IA e l'occupazione oscilla tra due estremi poco utili. Da un lato, l'annuncio periodico di un'ondata di licenziamenti di massa che non arriva con l'ampiezza annunciata. Dall'altro, il diniego che pretende che nulla cambi perché nessun mestiere è completamente sparito. La realtà osservabile è più precisa.

Un mestiere è composto da un insieme di compiti che non sono colpiti allo stesso modo dalle capacità dei modelli generativi. Alcuni compiti — analisi documentaria ripetitiva, redazione di documenti standardizzati, codifica di pattern noti, classificazione di informazioni, traduzione letterale — possono ormai essere assistiti o presi in carico da sistemi alimentati da modelli, con un guadagno di tempo tangibile. Altri compiti — giudizio contestuale, negoziazione tesa, concezione di un prodotto nuovo, accompagnamento di un cliente nel tempo — restano ampiamente estranei a ciò che i modelli sanno fare.

La conseguenza pratica non è dunque la sparizione di un mestiere, ma la ricomposizione del valore che produce. Uno studio fiduciario vallesano, uno studio di architettura a Martigny, un'agenzia immobiliare a Verbier, una tenuta vinicola a Fully vedono una parte dei compiti amministrativi, analitici o redazionali delle proprie équipe assorbiti da sistemi. Ciò che resta — il giudizio di mestiere, la relazione cliente, la comprensione fine del contesto locale — guadagna in peso relativo nel valore prodotto dall'équipe.

Questa ricomposizione si traduce raramente in licenziamenti brutali. Si traduce più spesso in un'erosione silenziosa: un posto junior che non è rinnovato dopo una partenza naturale, un mandato esternalizzato che non lo è più, un'équipe che mantiene la propria produzione con un effettivo progressivamente più ridotto. I profili a inizio carriera sono i primi interessati, perché i loro compiti d'ingresso — precisamente quelli che permettono storicamente di provare il proprio valore e di acquisire un'esperienza riconosciuta — sono anche quelli che i sistemi trattano più efficacemente.

L'esempio del vigneto vallesano, che illumina il resto

Il vigneto vallesano illustra questa meccanica meglio di ogni discorso astratto. Il cantone porta diverse migliaia di ettari di vigna, decine di migliaia di parcelle, trasmesse di generazione in generazione su pendii spesso scoscesi sostenuti da chilometri di muri a secco. Il mestiere di viticoltore vi è ancorato, esigente e strutturalmente difficile da industrializzare.

Eppure, alcuni compiti del mestiere possono già essere trasformati dagli strumenti disponibili. Robot autonomi diserbano meccanicamente i filari là dove équipe stagionali operavano ieri. Droni equipaggiati con telecamere multispettrali mappano lo stato sanitario dei ceppi a una precisione che nessun occhio umano può tenere sull'insieme di una tenuta. Modelli predittivi incrociano dati meteo, storici di raccolta e curve di maturità per proporre una data di vendemmia ottimale.

I viticoltori che adottano questi strumenti non rinunciano al proprio mestiere. Liberano tempo su compiti meccanici per consacrarlo a ciò che la macchina non fa — la scelta di vinificazione, la relazione con il sommelier, la trasmissione al successore, l'arbitraggio su un'annata difficile. Per converso, una tenuta che riduce il proprio ricorso a determinati compiti stagionali grazie a questi strumenti può farlo senza reclutare in compensazione ingegneri in robotica viticola. I profili creati da questa transizione non compensano meccanicamente i compiti assorbiti, né nella stessa geografia né negli stessi effettivi.

Questa dinamica vale al di là del vigneto. È costitutiva dello spostamento in corso, in tutti i settori dell'economia svizzera.

Tre trappole ricorrenti nella conversazione pubblica

Tre argomentazioni ricorrono regolarmente nelle conversazioni su IA e occupazione. Nessuna regge alla misura osservabile.

La prima sostiene che l'IA creerà tanti posti di lavoro quanti ne distruggerà. Questo equilibrio, osservato su alcune transizioni tecnologiche precedenti, non è garantito per l'ondata attuale. L'asimmetria dei profili interessati è raramente trattata da questo argomento. I compiti assorbiti in un'azienda vitivinicola, in uno studio fiduciario o in uno studio di progettazione non sono meccanicamente sostituiti da posti equivalenti nella stessa geografia. I profili creati dalla nuova economia sono pochi, altamente qualificati, geograficamente concentrati, e i loro effettivi non compensano in specchio i compiti assorbiti altrove.

La seconda sostiene che le competenze relazionali — soft skill — bastano. L'idea non è falsa, è incompleta. Le competenze relazionali hanno un valore reale e crescente, ma farne l'unica risposta allo spostamento in corso equivale a trattare il sintomo senza affrontare la causa. Il mercato valorizza ormai profili ibridi, che combinano una competenza di mestiere solida e una padronanza effettiva degli strumenti alimentati da modelli. Questa ibridazione non è un'opzione di differenziazione: diventa una soglia di occupabilità.

La terza sostiene che è meglio aspettare di vedere prima di agire. È la trappola più pericolosa. L'adozione da parte delle imprese è più rapida dell'adattamento delle competenze dei collaboratori. Quando un dirigente constata che un sistema può assorbire una parte dei compiti di un'équipe, generalmente non ridistribuisce il tempo guadagnato in un programma di sviluppo personale: ridimensiona l'équipe. I collaboratori che aspettano che la propria fiche di posto evolva prima di iniziare a formarsi prendono un rischio sostanziale.

Sei competenze che resistono alla trasformazione

Sei competenze si distinguono per la propria resistenza strutturale alle capacità dei sistemi alimentati da modelli. Non sono esaustive, ma marcano l'investimento personale e organizzativo che produce più valore all'orizzonte di cinque anni.

Lo spirito critico anzitutto. Non il dubbio sistematico o lo scetticismo di facciata, ma la capacità di interrogare i propri bias, di cambiare opinione di fronte a informazioni nuove, di rimettere in discussione un enunciato piuttosto che eseguirlo ciecamente. Un modello generativo produce la risposta statisticamente più probabile secondo i suoi dati di addestramento. Non dubita mai di sé. Questa capacità di dubbio argomentato resta profondamente umana.

L'apprendimento continuo poi. La competenza decisiva nel 2026 non è più di padroneggiare un dominio dato, è di dimostrare una capacità di padroneggiarne uno nuovo rapidamente. I sistemi educativi strutturati intorno alla restituzione di saperi fissi producono profili che faticano ad adattarsi alla cadenza delle riconfigurazioni in corso. L'apprendimento in autonomia, su progetti reali, con strumenti accessibili, diventa un vantaggio osservabile.

La collaborazione umano-macchina come terza competenza. Utilizzare un modello generativo non si riassume nel copia-incolla di prompt trovati online. È comprendere come un sistema di questo tipo funziona, identificare i suoi limiti, saper formulare una domanda per ottenere un risultato sfruttabile, e conservare il proprio giudizio prima e dopo ciascuna interazione. Questa competenza si costruisce per pratica, non per formazione teorica.

L'intelligenza emotiva come quarta. Sentire, intuire, percepire ciò che non è detto, rilevare un'incoerenza attraverso una percezione fine prima ancora di poterla formulare: queste capacità restano fuori dalla portata dei modelli. In un cantone come il Vallese in cui il tessuto economico poggia massicciamente sulle microimprese e sulla relazione di prossimità, questa competenza pesa più fortemente che in ambienti puramente transazionali.

La creatività divergente come quinta. Non la capacità di produrre dodici varianti di uno stesso visuale — i modelli lo fanno già molto bene. La vera creatività è quella che crea legami inattesi tra domini lontani, che formula domande che nessuno pone, che propone approcci che i dati esistenti non suggeriscono. I modelli eccellono nell'interpolazione tra punti noti; l'estrapolazione al di là delle frontiere del già-mappato resta un vantaggio umano.

L'etica applicata e la comprensione dei limiti come sesta. Sapere dove un sistema è affidabile e dove non lo è. Comprendere le poste di riservatezza, di bias, di conformità regolamentare in un quadro legale dato — la Legge federale sulla protezione dei dati per la Svizzera^[1], il Regolamento europeo per le imprese che si rivolgono all'Unione Europea. Questa competenza non è un pretesto per respingere l'adozione. È la condizione di un'adozione seria, che non crolli al primo controllo regolamentare o al primo incidente reputazionale.

Ciò che questo significa in pratica per le PMI vallesane

Il tessuto economico vallesano ha asset che pesano nella transizione descritta. Un'economia dominata dalle microimprese e dalle PMI, strutturalmente più agile dei grandi gruppi per far evolvere le pratiche. Settori interi — turismo, viticoltura, costruzioni, immobiliare, servizi — che poggiano sulla relazione umana e sul giudizio di terreno, là precisamente dove i modelli faticano a sostituirsi. Una cultura della precisione e del tempo lungo che si accorda con la pazienza necessaria a integrare correttamente gli strumenti nuovi, piuttosto che ad adottarli in modo precipitoso.

Questi asset non proteggono meccanicamente. Producono il proprio effetto solo se l'impresa li coglie attivamente. Lo studio fiduciario che non forma le proprie équipe alla collaborazione umano-macchina vede i propri margini fondere di fronte a concorrenti che lo fanno. L'agenzia immobiliare che non integra l'automazione amministrativa perde in competitività senza misurarne immediatamente l'impatto. Lo studio di ingegneria che non mantiene la propria vigilanza attiva sugli strumenti disponibili prende un ritardo che si addensa con i mesi.

Il segnale inviato non è drammatico. È preciso. Le competenze che distinguono durevolmente gli attori economici nel 2026 non sono quelle che i modelli sanno riprodurre. Sono quelle che i modelli non raggiungono, e che le imprese possono decidere, fin da subito, di coltivare presso le proprie équipe.

Questa decisione è meno una questione tecnologica che una questione di governance. L'adozione seria degli strumenti alimentati da modelli in una PMI svizzera non si gioca nell'acquisto di licenze. Si gioca nel lavoro paziente di identificazione dei compiti assorbibili, nella riqualifica dei collaboratori su ciò che resta il loro valore proprio, e nell'integrazione di questa trasformazione al ritmo proprio dell'impresa — senza precipitazione, senza attesa eccessiva.

L'intelligenza artificiale non sostituisce l'intelligenza umana. Ridefinisce ciò che l'intelligenza umana deve produrre per restare pertinente.

Sources

[1] Legge federale sulla protezione dei dati (LPD), revisione del 25 settembre 2020, entrata in vigore il 1° settembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/it [↩]

Jérôme Deshaie è CEO di MCVA Consulting SA, studio svizzero di consulenza strategica in intelligenza artificiale, con sede in Vallese.