Il tuo prossimo lavoro richiederà competenze di intelligenza artificiale

Leader di Clay, Vercel, Wiz e Zapier ci spiegano come assumere talenti “AI-native” (e come farsi assumere in questo nuovo mercato)

Ciao, sono Giornalista Zero e questo è il mio spazio su www.dariodeleonardis.me. Oggi parliamo di un tema che sta diventando, giorno dopo giorno, sempre più ineludibile: il lavoro e l’intelligenza artificiale.

Diciamocelo chiaramente: la fluidità con l’AI è la competenza chiave del 2025. Sta entrando nelle valutazioni delle performance, viene testata nei processi di assunzione. Persino Meta, a quanto pare, sta lasciando che i candidati usino l’AI durante i test di programmazione. Insomma, il vento sta cambiando e soffia forte in una direzione precisa.

Ma essere “fluido” con l’intelligenza artificiale è un concetto che cambia a seconda del contesto. Un ingegnere dovrà conoscere gli assistenti di codifica AI (e i loro limiti), un recruiter dovrà accelerare lo screening dei curriculum (minimizzando i bias) e un addetto al supporto clienti dovrà usare l’AI per migliorare la documentazione. La questione, come sempre, è complessa e va analizzata con uno sguardo critico, perché dietro la facciata dell’innovazione si nascondono dinamiche che possono concentrare ricchezza e potere verso l’alto, sfruttando competenze che vengono dal basso.

In questo articolo

Il mercato del lavoro chiede AI: un’esplosione di richieste

Se guardiamo ai ruoli GTM (Go-to-Market) nel settore tecnologico, il numero di annunci di lavoro che richiedono competenze di intelligenza artificiale è letteralmente esploso. Secondo i dati di Sumble, si è passati da appena 65 annunci nel luglio 2023 a quasi 1.000 nel luglio 2025. Potete dare un’occhiata voi stessi a tutti gli annunci di lavoro aggregati qui.

La cosa che mi ha colpito è la varietà dei ruoli e delle competenze richieste. Non si parla solo di figure avveniristiche come i “growth engineer”, ma anche di social media producer, specialisti di paid search, BDR, analisti di marketing, content manager e persino CMO. Le competenze richieste vanno da un livello base (ad esempio, “conoscenza operativa di strumenti AI come ChatGPT”) a un livello molto sofisticato (ad esempio, “competenze nell’uso di copiloti e agenti AI per personalizzare i messaggi, automatizzare l’outreach e ricavare insight dai dati del CRM”).

È evidente che la domanda c’è. Ma come si fa a capire chi possiede davvero queste competenze? E, se stai pensando di cambiare lavoro, come puoi prepararti a dimostrarle durante un colloquio?

Il framework FLUENT: come assumere (e farsi assumere) nell’era dell’AI

Per rispondere a queste domande, ho messo insieme il framework FLUENT in sei passaggi, basandomi sui pareri di lettori e di alcuni leader GTM che stanno assumendo attivamente talenti “AI-native” in aziende come Clay, ClickUp, Wiz, Vercel e Zapier.

Step 1: Capire quali competenze AI servono davvero

Alcuni lavori richiedono pensatori sistemici in grado di costruire flussi di lavoro complessi e multi-step con agenti AI e dati proprietari. La maggior parte no.

Il primo passo è capire quali competenze AI sono davvero necessarie per quel ruolo specifico e quali sono solo un “nice-to-have”.

Zapier ha sviluppato un framework utile per valutare le competenze AI nei vari ruoli, distinguendo tra un candidato capace e uno trasformativo. L’ho adattato per i ruoli GTM:

• Inaccettabile: Chi è resistente agli strumenti AI e scettico sul loro valore. Si tratta di candidati che usano poco o nulla l’AI oltre a ChatGPT e, se messi alla prova, tornano a metodi manuali e obsoleti.
• Capace: Utilizza gli strumenti più popolari, probabilmente con meno di tre mesi di esperienza pratica. Queste persone usano l’AI forse settimanalmente per compiti legati al loro ruolo. Sono curiose e desiderose di sperimentare, comprendono alcuni limiti dell’AI e hanno iniziato a pensare a come gestirli (ad esempio con un processo di revisione umana).
• Adattivo: Integra l’AI nei flussi di lavoro personali, affina i prompt, concatena modelli e automatizza compiti per aumentare l’efficienza. Il loro uso dell’AI dovrebbe avere un impatto significativo sulla produttività nel loro ruolo specifico. Hanno integrato l’AI in almeno un flusso di lavoro complesso e multi-step.
• Trasformativo: Usa l’AI non solo come strumento, ma per ripensare la strategia e offrire un valore all’utente che un paio di anni fa era impensabile. Il loro uso dell’AI dovrebbe avere un impatto di business misurabile su tutto il team. A questo livello, le persone usano l’AI per “costruire compagni di squadra” e gestire più flussi di lavoro in parallelo.

Mentre in tutti i casi si vuole evitare chi è inaccettabile, per ruoli junior ci si può accontentare di qualcuno capace e desideroso di imparare. Per figure più esperte, l’asticella si alza verso adattivo o trasformativo.

Step 2: Misurare l’interesse e l’utilizzo reale dell’AI

“La gente pensa che serva una grande visione per adottare l’AI. La realtà è che vuoi il maggior numero possibile di persone che ci giochino a livello di produttività personale,” mi ha detto Phil Lakin, che guida l’innovazione enterprise in Zapier. Quando assume, Lakin cerca candidati che siano intrinsecamente curiosi riguardo all’AI. “Gli strumenti rendono tutto possibile, quindi cerchiamo persone curiose, interessate, costruttori tenaci che vogliono provare cose nuove,” ha detto.

Per Phil, questo significa andare oltre la classica domanda “hai mai usato ChatGPT?“. Le sue tre domande preferite in un colloquio sono:

“Qual è qualcosa che hai ricostruito da zero dopo che l’AI ha cambiato il modo in cui l’avresti approcciata?”
“Parlami di un momento in cui hai capito che l’AI ha reso obsoleto un flusso di lavoro o un ruolo.”
“Se ti dessi un ingegnere AI a tempo pieno domani, cosa gli faresti costruire?” Quest’ultima, dice, è la sua preferita perché gli fa capire se il candidato sta giocando d’attacco o si limita a guardare lo spettacolo.

Yash Tekriwal, il primo ingegnere GTM di Clay, esplora l’uso dell’AI sondando le sfumature che si imparano solo con il tempo e l’applicazione seria:

“Qual è la struttura di un ottimo prompt? Cambia in base al modello che stai usando o al compito da completare?”
“Qual è un esempio di qualcosa che l’AI fa molto bene e qualcosa che non fa molto bene?”

Step 3: Analizzare un esempio pratico di progetto AI

Da qui, è fondamentale passare del tempo con il candidato su un esempio di vita reale. L’obiettivo è valutare l’impatto sul business, come ha identificato il problema e se è stato davvero lui a guidare il progetto AI o se è stato trainato da altri.

Questa è la domanda preferita di Sam Kuehnle, VP of marketing di Loxo. Chiede ai candidati:

“Parlami di un progetto recente in cui hai sfruttato l’AI e di cui sei orgoglioso. Cos’era e cosa lo ha reso speciale?”

È una domanda di base, ma molto aperta, che mi permette di approfondire con altre domande a seconda della risposta. Mi aiuta a capire rapidamente se sono loro a guidare l’AI o se accettano l’output senza senso critico.

Tom Orbach, direttore del growth marketing di Wiz, ha una variante interessante. Chiede a ogni candidato: “Parlami di una volta in cui hai aiutato qualcun altro a usare l’AI.”

Questa domanda è ottima perché non riguarda strumenti specifici, ma la mentalità. Cerco di vedere se hanno quel “tarlo” di chi è ossessionato dal trovare scorciatoie con l’AI, e si divertono così tanto da farlo anche per gli altri. Mostra anche se sono giocatori di squadra.

Step 4: Valutare creatività e problem solving

Molti degli esempi reali sembrano fantastici sulla carta. Ma spesso c’è un problema: non reggono a un’analisi approfondita.

I manager che assumono devono scavare più a fondo, mettendo alla prova la creatività e le capacità di problem solving del candidato. Ecco alcuni follow-up specifici raccomandati da Sam Kuehnle:

• Come hai iterato per arrivare all’output finale?
• Dove ti sei bloccato lungo il percorso e cosa hai fatto?
• In quali punti hai notato che l’AI non “capiva” correttamente?
• Dove hai ignorato l’output dell’AI e perché?

Step 5: Affrontare insieme problemi complessi con un “caso di studio”

I primi 15 minuti di costruzione di un flusso di lavoro AI possono essere strabilianti. Ma a quella magia iniziale possono seguire 15 ore di debugging.

I manager più lungimiranti dedicano tempo a chiedere come i candidati affrontano i problemi difficili legati alla progettazione e all’implementazione di flussi di lavoro AI pronti per i clienti reali. Queste domande assumono spesso la forma di un “caso di studio” legato a un problema specifico che il team sta affrontando.

Everett Berry, head of GTM engineering di Clay, ama proporre un caso su come automatizzare l’outbound con l’AI. Chiede ai candidati di discutere i pro e i contro di due sistemi: uno completamente automatizzato e uno con un essere umano nel processo, e di spiegare quale sceglierebbero e perché.

In un buon caso di studio, non c’è una risposta giusta. Si cercano pensiero critico, comunicazione chiara e la capacità del candidato di navigare in situazioni nuove.

Step 6: Assegnare un compito pratico per confermare le capacità

Indipendentemente da quanto un candidato sia convincente nel parlare di AI, può esserci un grande divario tra conoscenza ed esecuzione. Molti manager includono un compito pratico per verificare che i candidati siano a loro agio nel “costruire” da soli.

Non è facile trovare il compito giusto, ma è un passaggio cruciale. Alcuni, come Zeb Hermann di Vercel, chiedono esplicitamente di costruire prototipi AI:

“Non mi interessa affatto se qualcuno ha una grande narrazione su come ha adottato l’AI. Voglio solo vedere le cose concrete che produce con essa.”

Molti non menzionano esplicitamente l’AI nel compito, per vedere se i candidati pensano in modo “AI-first” o se tornano a approcci manuali. È l’approccio preferito di Gaurav Agarwal, COO di ClickUp, che mi ha detto:

“Abbiamo un compito basato sui dati nel nostro processo di assunzione. Valuto se hanno usato l’AI per analizzare i dati e ho una conversazione dettagliata su questo punto. Un’altra domanda è come userebbero l’AI per automatizzare o migliorare di 10 volte una parte del sistema. L’obiettivo è usare il caso come punto di riferimento e cercare di classificare la persona in una di quattro categorie: (1) non usa l’AI, (2) la usa a livello base, (3) può costruire flussi di lavoro con l’AI, o (4) usa l’AI per ‘costruire compagni di squadra’ e operare in parallelo.”

Conclusione: un nuovo paradigma per lavoratori e aziende

Per i candidati là fuori: anche se un colloquio non riguarda esplicitamente l’AI, dovete essere sempre più preparati a parlarne. Rimanete aggiornati su come evolvono gli strumenti, siate consapevoli dei loro limiti e di come superarli. Sporcatevi le mani e costruite qualcosa con gli strumenti AI voi stessi: molti offrono versioni gratuite generose.

L’intelligenza artificiale non è più un argomento per pochi addetti ai lavori; è una realtà che sta ridefinendo il mercato del lavoro. E come ogni grande trasformazione, presenta opportunità e rischi. L’opportunità è quella di aumentare la nostra produttività e creatività, ma il rischio, sempre presente, è che diventi l’ennesimo strumento per amplificare le disuguaglianze, concentrando il valore generato nelle mani di pochi e rendendo obsolete competenze acquisite con fatica, senza un’adeguata riconversione. La partita è aperta, e per giocarla da protagonisti, e non da semplici pedine, bisogna capire le regole e, soprattutto, imparare a usare i nuovi strumenti del mestiere.