Lavoro tech 2026: i segnali da osservare per capire come stanno cambiando competenze, ruoli e organizzazioni

Prevedere l’evoluzione del lavoro nel settore tecnologico è diventato progressivamente più complesso perché le principali trasformazioni in atto, dall’intelligenza artificiale generativa all’automazione dei processi di sviluppo, fino alla diffusione di architetture cloud-native, piattaforme data-driven e nuovi modelli di cybersecurity, non stanno modificando soltanto gli strumenti a disposizione delle organizzazioni, ma stanno intervenendo direttamente sulla struttura delle attività, sulla distribuzione delle responsabilità e sulla composizione delle competenze necessarie per progettare, sviluppare e governare sistemi digitali sempre più complessi.

Per HR Manager, Tech Leader, Senior Developer e partner IT, questo significa che la lettura del mercato del lavoro non può più dipendere esclusivamente dai tradizionali indicatori di workforce management, perché metriche come turnover, time to hire, vacancy rate, livelli retributivi medi o tassi di engagement, pur continuando a essere essenziali per comprendere lo stato dell’organizzazione, descrivono prevalentemente fenomeni che hanno già prodotto i propri effetti e che, proprio per questo, offrono una capacità limitata di anticipare il cambiamento.

Quando il turnover aumenta, infatti, una parte della popolazione aziendale ha già deciso di lasciare l’organizzazione; quando le retribuzioni di mercato di una determinata professionalità registrano una crescita significativa, la pressione competitiva sulle competenze si è già manifestata; quando il time to hire di un profilo tecnologico si allunga, la scarsità relativa di quella capability è già diventata visibile nel mercato.

Per costruire una lettura più utile in chiave prospettica diventa quindi necessario affiancare a questi indicatori consuntivi una serie di segnali in grado di descrivere il modo in cui si stanno modificando il sistema tecnologico, gli investimenti delle imprese, la domanda di competenze e il modello operativo dei team.

La distinzione tra indicatori consuntivi e indicatori anticipatori è consolidata in ambito economico e gestionale e può essere applicata efficacemente anche al lavoro tecnologico: alcuni dati descrivono ciò che è già avvenuto, mentre altri consentono di individuare una direzione possibile prima che quella trasformazione si rifletta pienamente nelle job description, nelle strutture organizzative o nei KPI HR.

Nel settore IT questa prospettiva assume una rilevanza particolare, perché il ciclo di trasformazione delle competenze tende a essere più rapido rispetto ai tradizionali processi di workforce planning e, in molti casi, un ruolo professionale mantiene la stessa denominazione mentre cambia in modo sostanziale il set di attività, strumenti e responsabilità che lo caratterizzano.

Il mercato tecnologico cresce, ma cambia la struttura della domanda

Un primo elemento da considerare riguarda la dimensione della forza lavoro ICT europea e, soprattutto, la velocità con cui questa popolazione professionale continua a espandersi rispetto al mercato del lavoro complessivo.

Secondo Eurostat, nel 2025 nell’Unione europea lavoravano circa 10,45 milioni di specialisti ICT, pari a circa il 5% dell’occupazione complessiva; nell’arco di dieci anni il numero di professionisti tecnologici è cresciuto del 59,4%, un incremento nettamente superiore a quello registrato dall’occupazione totale nello stesso periodo.

Il dato conferma che la componente digitale continua ad ampliare il proprio peso all’interno del mercato del lavoro europeo, ma suggerisce anche la necessità di spostare l’attenzione dal semplice volume delle professionalità richieste alla composizione interna della domanda.

Negli anni più recenti, infatti, il ritmo di crescita degli specialisti ICT ha mostrato una progressiva decelerazione rispetto ai picchi registrati all’inizio del decennio, senza tuttavia invertire la tendenza complessiva; questo non segnala necessariamente una contrazione strutturale, quanto piuttosto una fase di maggiore maturità del mercato, nella quale l’evoluzione delle competenze all’interno dei ruoli può diventare più rilevante dell’espansione numerica delle singole job family.

La situazione italiana presenta ulteriori elementi di attenzione, perché la quota di specialisti ICT sull’occupazione resta inferiore alla media europea e continua a collocare il Paese in una posizione di relativa debolezza rispetto alla disponibilità di competenze avanzate.

Per le organizzazioni, quindi, la questione strategica non consiste più soltanto nel prevedere quanti Software Developer, Cloud Engineer, Data Engineer o Cybersecurity Specialist saranno necessari nei prossimi anni, ma nel comprendere quali capability dovranno essere incorporate nei ruoli già esistenti e con quale profondità tecnica.

Un Java Developer, per esempio, può continuare a essere classificato come tale anche quando il perimetro professionale richiede competenze di cloud integration, secure coding, observability, AI-assisted development, container orchestration e comprensione di architetture distribuite; il titolo professionale rimane formalmente invariato, mentre la densità tecnica del ruolo aumenta.

Questo scarto tra job title e contenuto effettivo del lavoro rappresenta uno dei primi segnali che un modello di workforce planning basato esclusivamente sulle categorie professionali tradizionali rischia di non intercettare.

Gli investimenti tecnologici anticipano la trasformazione delle capability

Per comprendere come potrebbe evolvere la domanda di competenze, uno degli indicatori più rilevanti riguarda ciò che le imprese stanno effettivamente implementando nei propri processi e nelle proprie architetture.

Secondo Istat, in Italia l’utilizzo dell’intelligenza artificiale nelle imprese con almeno dieci addetti è passato dall’8,2% del 2024 al 16,4% nel 2025, dopo essersi attestato intorno al 5% nel 2023; nello stesso periodo, il 68,1% delle imprese ha acquistato servizi cloud di livello intermedio o avanzato, mentre la quota di aziende che effettua analisi dei dati internamente o tramite soggetti esterni è salita dal 26,6% al 42,7%.

A livello europeo, nel 2025 circa il 20% delle imprese con almeno dieci addetti utilizzava tecnologie di intelligenza artificiale, rispetto al 13,5% dell’anno precedente.

La rilevanza di questi dati non risiede nel tentativo di derivare automaticamente un corrispondente incremento del numero di AI Engineer o Data Scientist, perché l’adozione di una tecnologia tende a produrre un effetto molto più diffuso sul sistema delle competenze: modifica il lavoro di professionisti che non cambiano necessariamente ruolo, ma che devono integrare nuove capability all’interno del proprio perimetro operativo.

Un Backend Developer che utilizza strumenti di generazione assistita del codice deve possedere una capacità più elevata di validazione, debugging e controllo della qualità; un Software Architect che integra componenti AI in sistemi enterprise deve comprendere non soltanto i pattern architetturali tradizionali, ma anche le implicazioni legate a data governance, affidabilità del modello, observability e security; un DevOps Engineer può trovarsi a gestire pipeline che includono modelli e agenti, mentre un responsabile di cybersecurity deve presidiare nuove superfici di attacco e nuove tipologie di rischio.

Allo stesso modo, un Tech Lead non può limitarsi a valutare se un nuovo strumento incrementi la velocità di delivery, ma deve determinare quali attività possano essere automatizzate senza compromettere controllo, qualità e responsabilità tecnica.

Da questo punto di vista, i dati sugli investimenti tecnologici rappresentano un indicatore anticipatore più informativo rispetto alle sole job vacancy, perché consentono di osservare il cambiamento prima che venga formalizzato all’interno delle strutture organizzative.

Le competenze evolvono più rapidamente delle classificazioni professionali

Le analisi più recenti sul mercato del lavoro convergono su un elemento particolarmente rilevante: una parte significativa delle competenze utilizzate oggi cambierà entro la fine del decennio, anche quando i ruoli professionali continueranno formalmente a esistere.

Il World Economic Forum stima che entro il 2030 quasi il 40% delle competenze richieste nel lavoro sarà interessato da una trasformazione, mentre il 63% delle imprese coinvolte nel Future of Jobs Report 2025 considera già oggi il gap di competenze uno dei principali ostacoli alla trasformazione del business.

Tra le capability destinate a crescere maggiormente compaiono AI, big data e cybersecurity, ma la traiettoria non riguarda esclusivamente competenze tecniche verticali: pensiero analitico, resilienza, adattabilità, capacità di risolvere problemi complessi e comprensione del contesto diventano sempre più rilevanti proprio perché aumenta la quota di attività esecutive che può essere supportata dall’automazione.

Anche LinkedIn, partendo da dataset e metodologie differenti, rileva un’elevata probabilità di trasformazione del portafoglio di competenze associato alle professioni entro il 2030.

Questi dati non devono essere letti in termini deterministici, ma evidenziano un fenomeno strutturale: il cambiamento non consiste necessariamente nella sostituzione di una professione con un’altra, ma nella progressiva ricomposizione delle capability che definiscono il valore di quella professione.

Per i team IT questo implica un’evoluzione del workforce planning da una logica prevalentemente basata sulle job title a una logica capability-based.

La domanda strategica diventa quindi meno legata a quanti Java Developer o Cloud Architect saranno necessari e più orientata a comprendere quali livelli di competenza in AI-assisted development, secure coding, cloud governance, data architecture, systems thinking e software quality saranno richiesti all’interno di quei ruoli.

In questa prospettiva, una struttura organizzativa può apparire formalmente invariata e risultare, al tempo stesso, profondamente trasformata sotto il profilo tecnico.

L’intelligenza artificiale modifica la distribuzione delle attività più che l’esistenza dei ruoli

Il dibattito sull’impatto dell’intelligenza artificiale sul lavoro tende spesso a essere semplificato attraverso una domanda binaria, ovvero se l’AI sostituirà o meno determinate professioni.

Nel settore software questa domanda viene frequentemente formulata in termini ancora più diretti, chiedendosi se gli sviluppatori saranno progressivamente sostituiti da sistemi di generazione automatica del codice.

Le evidenze disponibili supportano una lettura più articolata.

Il World Economic Forum stima che entro il 2030 le trasformazioni strutturali del mercato potrebbero interessare il 22% degli attuali posti di lavoro a livello globale, con circa 170 milioni di nuove posizioni create e 92 milioni di ruoli sostituiti o eliminati.

Il saldo complessivo stimato rimane positivo, ma ciò che appare più rilevante per il settore IT non è tanto il numero netto di occupati, quanto la redistribuzione delle attività all’interno delle professionalità esistenti.

Attività come generazione del codice, predisposizione di test, documentazione tecnica, analisi preliminare dei log, ricerca di pattern anomali e parte del troubleshooting possono essere accelerate o parzialmente automatizzate, mentre cresce il peso relativo delle attività di verifica, progettazione, integrazione, controllo e assunzione di responsabilità sul risultato finale.

L’OECD sottolinea inoltre che l’intelligenza artificiale tende ad aumentare il valore delle competenze qualificate e rende ancora più importante la capacità di analisi e interpretazione dei dati; contemporaneamente, la mancanza di competenze rappresenta uno degli ostacoli principali all’adozione dell’AI nelle imprese.

Il dato italiano conferma questa dinamica, perché tra le imprese che hanno valutato investimenti nell’intelligenza artificiale senza poi procedere all’implementazione, quasi il 60% individua nella carenza di competenze adeguate una barriera significativa.

La questione centrale, quindi, non riguarda semplicemente l’accessibilità della tecnologia, ma la capacità dell’organizzazione di incorporarla in un operating model coerente.

Accedere a un modello AI, a una piattaforma cloud o a un sistema di automazione è relativamente semplice; integrare questi strumenti all’interno di processi, architetture, controlli e responsabilità è molto più complesso e richiede una maturità tecnica che non può essere sostituita dalla sola disponibilità della tecnologia.

La capacità produttiva dei team diventa una funzione ibrida

La diffusione dell’intelligenza artificiale modifica anche il modo in cui viene interpretata la capacità produttiva di un team software.

Tradizionalmente, per incrementare la delivery capacity era necessario intervenire sull’organico, sull’efficienza dei processi, sulla riduzione del perimetro o sul livello di automazione infrastrutturale.

L’AI introduce una variabile ulteriore, perché una quota crescente di attività può essere eseguita da strumenti software che aumentano la velocità operativa senza corrispondere a un incremento diretto del numero di persone.

Il Work Trend Index di Microsoft del 2025 indicava che il 46% dei leader intervistati dichiarava già di utilizzare agenti AI per automatizzare almeno alcuni processi.

Il dato, considerando la natura della fonte, deve essere interpretato con cautela, ma risulta coerente con l’incremento dell’adozione evidenziato dalle statistiche istituzionali e suggerisce che il modello operativo dei team possa evolvere verso configurazioni in cui la capacità produttiva deriva sempre più dall’interazione tra persone, strumenti e automazione.

Per un Tech Leader la questione diventa quindi più complessa rispetto alla semplice determinazione dell’headcount necessario.

Diventa necessario comprendere come distribuire le attività tra componenti umane e sistemi automatizzati, quali fasi del ciclo di sviluppo richiedano controllo diretto, quali possano essere supportate dall’AI e quali nuove competenze diventino necessarie proprio in conseguenza dell’aumento dell’automazione.

In questo scenario, se alcune attività esecutive diventano più rapide, può crescere il peso relativo di architecture, code review, quality assurance, security, analisi funzionale e governance.

L’automazione non elimina necessariamente la complessità del lavoro tecnologico, ma può spostarla verso livelli più elevati di astrazione e controllo.

La produttività apparente deve essere distinta dalla qualità del sistema

Un’altra implicazione riguarda la misurazione della produttività.

Se un developer riesce a produrre più codice attraverso strumenti di AI-assisted development, sarebbe metodologicamente scorretto concludere che la capacità del team sia aumentata in modo proporzionale o che il fabbisogno di professionalità possa essere ridotto automaticamente.

La quantità di codice prodotta non costituisce infatti una misura sufficiente del valore generato.

La produttività software deve essere valutata insieme a maintainability, defect density, performance, sicurezza, debito tecnico, costi infrastrutturali, lead time, capacità di evoluzione del sistema e qualità complessiva dell’architettura.

Un incremento significativo della capacità di generare codice può persino aumentare il fabbisogno di competenze senior se cresce contemporaneamente la necessità di verificare coerenza, qualità, sicurezza e sostenibilità tecnica delle soluzioni.

Il codice generato deve essere compreso, validato, integrato, mantenuto e governato nel tempo.

Per questo motivo, gli indicatori anticipatori acquistano significato soprattutto quando vengono letti in combinazione.

L’aumento dell’adozione dell’AI, la crescita degli investimenti in data analytics, la difficoltà nel reperire competenze avanzate e l’aumento della complessità delle architetture descrivono insieme una trasformazione molto più rilevante rispetto a ciascun dato isolato.

La disponibilità di competenze diventa parte dell’architettura decisionale

Un aspetto spesso trattato come esclusivamente HR riguarda la disponibilità e la composizione delle competenze, ma nel contesto attuale questa variabile è sempre più direttamente collegata alle decisioni tecnologiche.

Nel 2025 circa il 68,8% degli specialisti ICT europei possedeva un titolo di istruzione terziaria, mentre le donne rappresentavano soltanto il 19,5% della popolazione ICT. Parallelamente, l’Unione europea ha fissato l’obiettivo di raggiungere almeno 20 milioni di specialisti ICT entro il 2030, mentre nel 2025 il numero effettivo si attestava poco sopra i 10 milioni.

La distanza dall’obiettivo non può essere interpretata automaticamente come una previsione di deficit, ma evidenzia la rilevanza attribuita alla disponibilità di competenze digitali nel modello di sviluppo europeo.

Per l’Italia il tema è ancora più significativo, perché la quota di specialisti ICT sull’occupazione rimane inferiore alla media europea e il livello generale delle competenze digitali continua a presentare un gap rispetto agli obiettivi comunitari.

Nel 2025 circa il 54,3% degli italiani tra 16 e 74 anni possedeva almeno competenze digitali di base, rispetto a un obiettivo europeo dell’80% entro il 2030.

Per aziende e partner IT, questa dinamica implica che la disponibilità di competenze non può essere considerata una variabile successiva alla scelta tecnologica ma diventa parte della scelta tecnologica stessa. L’adozione di un framework, di una piattaforma, di una soluzione cloud o di un’architettura dovrebbe essere valutata anche considerando la disponibilità futura delle competenze, la maturità dell’ecosistema, i costi di formazione, la capacità di reperire professionalità sul mercato e la sostenibilità operativa nel medio periodo.

Un’architettura tecnicamente efficiente può diventare fragile sotto il profilo organizzativo se dipende da competenze troppo rare o difficili da mantenere.

Le attività cambiano prima dei ruoli

Per anticipare la trasformazione del lavoro tecnologico può essere quindi più utile osservare quali attività vengono automatizzate, accelerate o ridistribuite rispetto a concentrarsi esclusivamente sull’emergere di nuove professioni.

Una job title può sopravvivere anche quando cambia una parte rilevante delle attività che la compongono.

Il software developer ne rappresenta un esempio particolarmente evidente.

Nel momento in cui una parte della scrittura del codice viene supportata dall’intelligenza artificiale, cresce il peso relativo della comprensione del dominio, della definizione dei requisiti, della progettazione architetturale, della verifica dell’output e della capacità di individuare errori non immediatamente visibili.

La stessa dinamica può riguardare un Data Analyst che dedica meno tempo alla costruzione manuale delle query e più tempo alla qualità del dato e all’interpretazione, un Project Manager che automatizza parte della reportistica e concentra maggiormente il proprio lavoro sulla gestione delle dipendenze e degli stakeholder, oppure un QA Engineer che utilizza strumenti generativi per produrre test ma assume maggiore responsabilità nella definizione della coverage e dei criteri di qualità.

In questo senso, il cambiamento del lavoro si manifesta spesso molto prima che venga modificata formalmente la denominazione del ruolo.

Dal talent shortage allo skill mismatch

Nel mercato IT il concetto di talent shortage viene utilizzato frequentemente per descrivere la difficoltà delle imprese nel reperire professionalità adeguate.

In molti casi, tuttavia, il fenomeno può essere interpretato più precisamente come uno skill mismatch, ovvero una distanza crescente tra le competenze disponibili nell’organizzazione e quelle richieste dalla nuova configurazione tecnologica.

La distinzione è importante perché le due situazioni richiedono strategie differenti.

Una carenza quantitativa di persone richiede soprattutto recruiting e attraction; uno skill mismatch richiede anche reskilling, upskilling, mobilità interna, revisione dei percorsi di carriera e maggiore integrazione tra workforce planning e technology roadmap.

La velocità con cui cambiano le capability rende inoltre inefficiente affidarsi esclusivamente al mercato esterno.

Se ogni nuova competenza viene acquisita tramite recruiting, l’organizzazione entra in una competizione permanente per skill già scarse, spesso caratterizzate da elevata pressione retributiva e ridotta disponibilità.

La formazione assume quindi una funzione strutturale.

Non rappresenta semplicemente una leva di engagement, ma una componente dell’infrastruttura organizzativa necessaria per mantenere la capacità tecnologica nel tempo.

Quali indicatori osservare per leggere in anticipo il mercato IT

Anticipare il cambiamento non significa costruire previsioni deterministiche su quali professioni esisteranno tra cinque anni, ma sviluppare un sistema di osservazione in grado di rilevare le trasformazioni prima che diventino pienamente visibili nei tradizionali KPI aziendali.

Per un’organizzazione tecnologica, questo significa mettere in relazione l’evoluzione dell’adozione di AI, cloud, cybersecurity e data analytics con i dati di recruiting, l’utilizzo effettivo degli strumenti da parte dei team, la qualità della delivery, il tempo necessario per coprire le vacancy e la difficoltà crescente nel reperire determinate capability.

Il valore del dato esterno aumenta quando viene confrontato con quello interno.

Se il mercato evidenzia una crescente domanda di competenze cybersecurity e contemporaneamente aumenta il numero di security review necessarie nei progetti, il segnale acquisisce consistenza.

Se gli strumenti di sviluppo assistiti dall’AI vengono adottati rapidamente ma aumentano anche il tempo di code review o il numero di defect rilevati nelle fasi successive, il tema non riguarda più soltanto la produttività, ma la governance della qualità.

Se aumenta il tempo necessario per reperire determinate competenze e contemporaneamente quelle stesse capability diventano sempre più centrali nella roadmap tecnologica, il problema deve essere affrontato prima che produca effetti sulla delivery.

Il principio metodologico consiste nel utilizzare i dati esterni per generare ipotesi e i dati interni per validarle.

Nessun indicatore, isolatamente, è sufficiente a formulare una previsione affidabile.

È la convergenza tra più segnali a produrre una lettura utile.

Tecnologia, competenze e organizzazione convergono nello stesso sistema

Il futuro del lavoro continuerà a essere descritto attraverso report, classifiche delle professioni emergenti, survey sulle competenze e analisi sul mercato dell’occupazione.

Questi strumenti rimangono utili, ma per chi opera nell’IT risultano insufficienti se non vengono integrati con una lettura più ampia dell’evoluzione tecnologica.

I dati attuali mostrano simultaneamente una crescita della popolazione ICT, un’accelerazione nell’adozione dell’intelligenza artificiale, una maggiore diffusione di cloud e data analytics e una persistente difficoltà nel reperire competenze adeguate.

Questi fenomeni non descrivono semplicemente un mercato in cui il lavoro tecnologico aumenterà o diminuirà.

Descrivono una trasformazione nella quale cambia il valore relativo delle competenze, cambia la distribuzione delle attività e cambia il modo in cui le organizzazioni costruiscono capacità produttiva.

Per Tech Leader, Senior Developer e partner IT, la capacità di leggere questa trasformazione diventa quindi una componente della strategia tecnologica.

Un’architettura può essere tecnicamente corretta e risultare comunque insostenibile se l’organizzazione non dispone delle capability necessarie per governarla.

Allo stesso modo, una workforce apparentemente adeguata può diventare rapidamente insufficiente se le competenze richieste evolvono più velocemente dei percorsi di crescita interni.

Tecnologia, competenze e organizzazione non possono più essere pianificate come dimensioni separate.

Sono componenti dello stesso sistema e, sempre più spesso, è dall’analisi delle loro interdipendenze che emergono i segnali più utili per comprendere come evolverà il lavoro tecnologico nei prossimi anni.

Fonti citate

• European Commission. (2025). Italy 2025 Digital Decade Country Report. Directorate-General for Communications Networks, Content and Technology.
• European Commission. (2026). State of the Digital Decade 2026. Directorate-General for Communications Networks, Content and Technology.
• Eurostat. (2025). Artificial intelligence by size class of enterprise. European Commission.
• Eurostat. (2026). ICT specialists in employment. Statistics Explained. European Commission.
• Eurostat. (2026). Number of ICT specialists in the EU continues to grow. European Commission.
• Istituto Nazionale di Statistica. (2025). Imprese e ICT. Anno 2025. ISTAT.
• Istituto Nazionale di Statistica. (2026). Cittadini e ICT. Anno 2025. ISTAT.
• LinkedIn Economic Graph. (2025). Work Change Report: AI is coming to work. LinkedIn.
• Microsoft. (2025). 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born. Microsoft WorkLab.
• Organisation for Economic Co-operation and Development. (2026). AI and skills: What we know so far. OECD Publishing.
• World Economic Forum. (2025). The Future of Jobs Report 2025. World Economic Forum.

Autore: Martina Pegoraro