Per buona parte della mia vita professionale il consiglio ricevuto è stato abbastanza semplice: specializzati.
Il mantra era sempre del tipo: “Trova qualcosa che sai fare bene, approfondiscila più degli altri e costruisci lì il tuo valore”. Più il mercato diventava complesso, più sembrava logico dividere il lavoro in competenze sempre più precise. Il programmatore backend, quello frontend, l’esperto di database, quello di cybersecurity, il designer, il data analyst, il project manager, il marketing specialist.
Non c’era niente di sbagliato in questo modello. Anzi, per molto tempo ha funzionato benissimo.
Ma l’AI sta introducendo una variabile interessante: sta riducendo drasticamente il costo di accedere, almeno in prima battuta, a competenze che prima erano distribuite fra persone diverse.
E questo potrebbe cambiare il valore relativo di generalisti e specialisti.
E questo non perché improvvisamente lo specialista non serva più. E nemmeno perché basti avere ChatGPT davanti per diventare competenti in dieci discipline diverse.
Il cambiamento è più sottile.
Prima, andrare oltre il proprio ambito professionale costava, a volte tanto
Pensiamo ad uno sviluppatore software che quindici anni fa avesse bisogno di capire qualcosa fuori dal proprio ambito.
Doveva progettare un’interfaccia? Probabilmente parlava con un designer.
Doveva interpretare un contratto? Chiedeva doveva chiedere a qualcuno che conoscesse la materia.
Doveva preparare una campagna marketing, analizzare un dataset, configurare un server che non conosceva o capire una normativa particolare? La soluzione normale era trovare qualcuno con quella competenza specifica oppure investire tempo e denaro per acquisirla.
Non necessariamente mesi. Ma abbastanza da creare una barriera.
Oggi quella barriera, grazie all’AI, è divenuta molto più bassa.
Apro un qualsiasi modello di LLM e posso partire da un problema di software, discutere l’architettura, passare alla struttura del database, farmi spiegare una tecnologia che conosco poco, analizzare una user interface, confrontare approcci commerciali e arrivare persino a preparare una prima analisi economica dello stesso progetto.
Questo comunque non significa che io sia diventato di punto in bianco esperto in DBA, UX designer, avvocato, marketer e commercialista.
Significa una cosa diversa: posso attraversare quei confini molto più facilmente.
Ed è qui che il generalista comincia a diventare interessante.
Il generalista non deve più sapere tutto
La caricatura del generalista è sempre stata quella della persona che sa un po’ di tutto e niente veramente bene.
È una critica legittima.
Se devo progettare un ponte non voglio qualcuno che abbia letto qualcosa di ingegneria civile la settimana scorsa. Se devo subire un intervento chirurgico non cerco una persona particolarmente curiosa con una buona comprensione generale della medicina.
Ci saranno sempre problemi nei quali la profondità della conoscenza conta enormemente.
Ma una quantità enorme di lavoro professionale non consiste nel risolvere un problema isolato all’interno di una singola disciplina.
Consiste nel mettere insieme problemi diversi e, un prodotto software non è soltanto codice: deve risolvere un problema reale, essere utilizzabile, funzionare con l’infrastruttura esistente, rispettare determinati vincoli, avere costi sostenibili, integrarsi con altri sistemi e produrre qualcosa che qualcuno sia disposto effettivamente a utilizzare o acquistare.
In quel contesto la capacità importante non è necessariamente sapere più JavaScript del miglior programmatore JavaScript dell’azienda.
È capire abbastanza JavaScript, abbastanza architettura, abbastanza prodotto, abbastanza business e abbastanza delle persone che useranno quel sistema da vedere qualcosa che i singoli specialisti, guardando ciascuno il proprio pezzo, potrebbero non vedere.
L’AI aumenta enormemente questa capacità perché permette di colmare rapidamente molte delle lacune fra un dominio e l’altro.
Ma c’è una condizione fondamentale: devi sapere quando l’AI sta scantonando
Ed è qui che una parte dell’entusiasmo sul tema “AI democratizza le competenze” comincia a diventare pericolosa.
Avere accesso alla conoscenza non equivale ad avere competenza.
Un modello può spiegarmi un problema legale in modo estremamente convincente. Questo non significa che io sia diventato un avvocato. Può suggerirmi un’architettura software che sembra impeccabile. Se non possiedo abbastanza esperienza per interrogare quella soluzione, potrei implementare qualcosa di completamente sbagliato con una sicurezza che prima non avrei avuto.
Paradossalmente, quindi, l’AI può produrre due tipi molto diversi di generalista.
Il primo è qualcuno che possiede già una certa profondità professionale e usa l’AI per estendere il proprio raggio d’azione.
Il secondo è qualcuno che non possiede sufficiente profondità in nessun campo e usa l’AI per simulare competenza.
Da fuori possono sembrare simili… finché qualcosa non va storto La differenza non è nella capacità di ottenere una risposta. Oggi quella capacità costa praticamente nulla. La differenza è nel giudizio necessario per capire se quella risposta ha senso.
Forse è la specializzazione procedurale a essere realmente sotto pressione
Questo, secondo me, è il punto più interessante: non credo che l’AI stia eliminando il valore degli specialisti.
Potrebbe però ridurre il valore di una particolare forma di specializzazione: quella nella quale gran parte della competenza consiste nell’eseguire procedure relativamente definite.
Se il valore di una persona deriva principalmente dal conoscere una sequenza di operazioni, l’AI è un concorrente formidabile.
Se invece deriva dal riconoscere situazioni anomale, comprendere conseguenze, formulare ipotesi, contestualizzare informazioni incomplete o sapere quando una regola non deve essere applicata, la situazione cambia parecchio.
La distinzione non segue necessariamente le professioni.
Può esistere un programmatore estremamente specializzato il cui lavoro è altamente procedurale e un altro che lavora sulla stessa tecnologia ma possiede una comprensione profondissima dei sistemi distribuiti e dei loro failure mode.
Formalmente sono entrambi specialisti però, il loro rapporto con l’AI potrebbe però essere completamente diverso.
È significativo che anche le analisi più recenti sul lavoro non descrivano un futuro fatto soltanto di competenze tecniche sempre più strette. Il Future of Jobs Report 2025 del World Economic Forum mette contemporaneamente fra le competenze in maggiore crescita AI e big data, technological literacy, analytical thinking, creative thinking, resilience e flexibility. Non è esattamente il profilo di una persona chiusa dentro una sola casella professionale.
McKinsey osserva inoltre che l’utilizzo dell’AI sul lavoro è passato, nei propri dati, dal 30% dei dipendenti nel 2023 al 76% nel 2025, sottolineando che il cambiamento riguarda non soltanto gli strumenti utilizzati ma il contenuto stesso del lavoro e il modo in cui vengono prese le decisioni.
Non è difficile immaginare cosa succede quando questa trasformazione continua.
Il valore si sposta dal “saper fare” al “saper orchestrare”
Prendiamo un progetto abbastanza normale: un’azienda vuole automatizzare la gestione delle richieste dei clienti. Qualche anno fa avremmo potuto dividere il lavoro fra business analyst, developer, database specialist, qualcuno dell’infrastruttura, magari UX designer e project manager.
Oggi una persona con sufficiente esperienza trasversale e gli strumenti AI giusti può coprire una parte sorprendentemente grande di quel percorso.
Può analizzare il processo, creare un prototipo, scrivere codice, configurare API, preparare test, generare documentazione e discutere con il business. Quando incontra un problema realmente specialistico può ancora coinvolgere uno specialista. La differenza è che ora sa molto più facilmente dove gli serve.
Questo per me è fondamentale: il generalista efficace non sostituisce necessariamente gli specialisti.
Riduce il numero di volte in cui ne ha bisogno e aumenta la qualità delle domande che pone quando finalmente li coinvolge.
E soprattutto mantiene una visione che gli specialisti, proprio perché stanno approfondendo parti differenti del problema, rischiano di perdere.
Il vecchio modello a T forse non basta più
Per anni abbiamo utilizzato l’immagine delle competenze “a T”.
Una persona possiede una conoscenza ampia di molti argomenti, la parte orizzontale della T, e una competenza molto profonda in un singolo settore: la parte verticale. Sembra ancora un buon modello: solo che l’AI potrebbe allargare enormemente quella barra orizzontale.
Uno sviluppatore con vent’anni di esperienza non deve necessariamente diventare esperto di marketing per poter ragionare seriamente di go-to-market.
Un product manager non deve diventare programmatore professionista per poter prototipare qualcosa.
Un imprenditore non deve diventare data scientist per poter esplorare direttamente i propri dati.
La profondità resta.
Ma intorno a quella profondità si costruisce una superficie operativa molto più grande. È forse per questo che la discussione “generalista contro specialista” è formulata male.
La figura interessante non è il generalista che non sa fare niente particolarmente bene.
È qualcuno che possiede abbastanza profondità da avere un proprio sistema di giudizio e usa l’AI per espandere continuamente il perimetro entro il quale quel giudizio può essere applicato.
E questo crea un problema per chi sta iniziando oggi
C’è però un paradosso che non riesco a ignorare, ovvero, che molte delle persone che oggi riescono a diventare generalisti efficaci hanno costruito la propria profondità quando l’AI non esisteva.
Hanno passato anni a programmare senza Copilot, cercare bug senza chiedere a un LLM, leggere documentazione, sbagliare architetture, mettere sistemi in produzione e scoprirne le conseguenze.
Ora possono usare l’AI come moltiplicatore perché possiedono qualcosa da moltiplicare.
Ma cosa succede alla persona che entra oggi nel mercato del lavoro e delega immediatamente proprio quelle attività attraverso cui normalmente avrebbe sviluppato quella profondità? È un problema molto diverso da quello della semplice sostituzione dei posti di lavoro.
Se automatizziamo il lavoro junior, potremmo anche automatizzare una parte del percorso che produce gli specialisti senior di domani. È una preoccupazione che sta emergendo anche nella discussione sul futuro delle organizzazioni: eliminare attività entry-level perché possono essere automatizzate può avere conseguenze sul modo in cui viene costruita l’expertise nel tempo.
Il problema quindi diventa quasi circolare. Per utilizzare bene l’AI serve esperienza. Ma se utilizziamo l’AI per evitare le attività attraverso cui l’esperienza viene acquisita, da dove arriverà quell’esperienza?
Non sceglierei tra generalista e specialista
Se oggi dovessi consigliare qualcuno all’inizio della propria carriera, probabilmente non gli direi né “specializzati il più possibile” né tantomeno “impara un po’ di tutto”.
Direi qualcosa di meno comodo: diventa veramente bravo in qualcosa. Abbastanza bravo da sviluppare un tuo metro di giudizio. Poi, eventualmente, puoi utilizzare l’AI per invadere continuamente territori che prima non avresti potuto permetterti di esplorare.
Impara abbastanza di quei territori da capire come si collegano al tuo e, quando incontri il limite della tua competenza, riconoscilo. Perché forse è proprio questo che l’AI sta cambiando.
Per molto tempo abbiamo attribuito valore professionale anche alla quantità di conoscenza che una persona riusciva a conservare dentro il proprio perimetro. Ora abbiamo macchine capaci di mettere a disposizione una quantità enorme di quella conoscenza quasi istantaneamente.
La conoscenza non è diventata inutile: è diventata molto più accessibile e, il valore conseguentemente, tende a spostarsi verso la capacità di formulare il problema giusto, di collegare informazioni provenienti da domini differenti, di distinguere una risposta plausibile da una risposta corretta e, di capire le conseguenze di una decisione.
E forse, soprattutto, di sapere quando abbiamo raggiunto il punto in cui un generalista deve smettere di fare domande a una macchina e andare a cercare uno specialista vero.
Forse quindi l’AI non sta facendo vincere i generalisti sugli specialisti: sta semplicemente rendendo molto più preziose le persone capaci di essere entrambe le cose.