Assunzioni basate su competenze: l’AI cambia le regole
Le assunzioni basate su competenze valutano ciò che un candidato sa fare davvero, non solo titoli di studio, incarichi passati o anni di esperienza. È una svolta che nel Regno Unito è già quasi totale: il 99 per cento dei datori di lavoro utilizza questo approccio in qualche misura.
Per anni il recruiting si è appoggiato a segnali indiretti. Una laurea, il nome di un’azienda nota nel CV, una job title prestigiosa o una lunga permanenza in un settore venivano letti come indicatori di capacità. Ma quei segnali non sempre dicono se una persona possiede le competenze richieste per il ruolo che dovrà svolgere oggi.
L’arrivo dell’intelligenza artificiale rende questa distanza ancora più evidente. Strumenti, processi e mansioni cambiano rapidamente, mentre le aziende devono capire non solo chi è pronto ora, ma anche chi saprà adattarsi al futuro del lavoro. Secondo l’analisi condivisa da Coursera, la domanda non è più solo che cosa ha fatto un candidato, ma che cosa può dimostrare di saper fare.
Il dato che spiega la pressione sul mercato è netto: il 58 per cento dei datori di lavoro si aspetta che più di un terzo delle competenze lavorative fondamentali cambierà entro il 2030. Per chi seleziona personale, questo significa assumere per le esigenze presenti senza perdere di vista l’evoluzione dei ruoli.
Dal titolo di studio alla prova pratica: perché il recruiting cambia
L’AI nel reclutamento sta accelerando un passaggio già in corso: dalla valutazione degree-first a una logica skills-first. La laurea resta un segnale importante, soprattutto per capacità come pensiero critico, comunicazione e conoscenza di dominio. Non scompare, ma non basta più da sola.
Le aziende cercano evidenze più concrete. Vogliono capire se un candidato sa applicare ciò che ha imparato in un contesto reale, con strumenti aggiornati e problemi vicini a quelli del lavoro quotidiano.
Per questo anche le job description devono diventare più precise. Invece di chiedere genericamente esperienza in un settore, i team HR dovrebbero indicare le capacità specifiche necessarie per svolgere il ruolo. Per esempio:
- analisi dei dati; - alfabetizzazione all’AI; - cloud computing; - consapevolezza dei rischi di cybersecurity; - project management; - capacità di interpretare output generati da sistemi di intelligenza artificiale.
Una descrizione più orientata alle competenze aiuta anche a intercettare profili forti che non hanno seguito percorsi tradizionali. Non tutti i candidati validi arrivano da università prestigiose o da aziende conosciute. Alcuni hanno costruito competenze attraverso formazione continua, progetti applicati o esperienze meno lineari.
Le credenziali AI stanno cambiando il peso dell’esperienza
L’esperienza continua a contare, ma non sempre nello stesso modo. Nei campi che si muovono più velocemente, come AI generativa, dati e cloud, un candidato con apprendimento recente e verificato può essere più pronto di una persona con molti anni di esperienza ma competenze ormai superate.
Il segnale è già visibile: il 42 per cento dei datori di lavoro nel Regno Unito afferma che preferirebbe un candidato meno esperto con una certificazione GenAI rispetto a un candidato più esperto senza di essa.
Questo non significa che l’esperienza professionale perda valore. Significa però che gli anni trascorsi in un ruolo non possono essere trattati automaticamente come prova di preparazione. In alcune posizioni, soprattutto quando gli strumenti cambiano in pochi mesi, una credenziale recente può indicare una maggiore vicinanza alle esigenze attuali.
La sfida per i recruiter è distinguere tra formazione puramente teorica e capacità applicata. Aver completato un corso non equivale sempre a saper usare una competenza in azienda. Per questo le credenziali più utili sono quelle che dimostrano risultati concreti: un progetto, un’analisi, una soluzione costruita, un problema affrontato con criteri vicini al lavoro reale.
Verificare le competenze diventa decisivo nell’era dei CV perfetti
L’intelligenza artificiale ha reso più semplice produrre CV, lettere di presentazione e portfolio molto curati. Questo può aiutare i candidati a presentarsi meglio, ma complica il lavoro delle aziende: capire quali prove siano affidabili diventa più difficile.
Da qui cresce il valore delle micro-credential. Nel Regno Unito, il 95 per cento dei datori di lavoro afferma che aiutano a identificare candidati con vera expertise applicata in aree come AI, dati e cloud.
La parola chiave è verifica. Un attestato basato solo sulla fruizione di contenuti ha un peso diverso rispetto a una credenziale che misura competenze applicate. Le aziende hanno bisogno di elementi che resistano a un controllo più attento, soprattutto quando selezionano ruoli legati a tecnologie complesse o processi critici.
Per migliorare l’accuratezza delle decisioni, lo screening del CV dovrebbe essere affiancato da prove più solide. Tra le opzioni più efficaci ci sono:
- assessment pratici; - colloqui strutturati; - esercizi basati su casi reali; - work-sample task; - discussione di progetti già svolti dal candidato.
Un processo misto riduce il rischio di farsi guidare solo da documenti ben scritti. E permette di osservare non solo che cosa una persona dichiara, ma come ragiona e lavora davanti a un compito concreto.
AI literacy sì, ma il vero discriminante è il giudizio umano
Saper usare strumenti di intelligenza artificiale sta diventando una richiesta comune, anche in ruoli non tecnici. Tuttavia l’AI literacy da sola non è sufficiente. Le aziende hanno bisogno di persone capaci di collaborare con l’AI senza delegarle il giudizio.
Un candidato deve saper valutare un output, controllare le fonti, riconoscere ragionamenti deboli e applicare il contesto corretto. Accettare contenuti generati dall’AI senza spirito critico può introdurre rischi, anche quando la persona possiede buone competenze tecniche.
Questo cambia anche il modo in cui si conduce una selezione. I recruiter potrebbero chiedere a un candidato di criticare una risposta generata dall’AI, migliorare un’analisi incompleta o spiegare quali informazioni aggiuntive servirebbero prima di prendere una decisione.
Esercizi di questo tipo mostrano qualcosa che un CV raramente rivela: la capacità di trasformare un output automatico in un’azione aziendale sensata. Per molti ruoli, la differenza non sarà saper scrivere un prompt, ma capire quando fidarsi, quando verificare e quando fermarsi.
Assumere meglio non basta: serve una strategia contro lo skills gap
L’AI riduce la durata utile di molte competenze. Se più di un terzo delle skill fondamentali è destinato a cambiare entro il 2030 per molti datori di lavoro, il recruiting da solo non potrà tenere il passo.
Lo conferma un altro dato: il 74 per cento dei leader tecnologici riconosce di non poter contare solo su nuove assunzioni per colmare i gap di competenze in AI.
Le assunzioni basate su competenze devono quindi entrare in un framework più ampio di sviluppo dei talenti. Lo stesso metodo usato per definire le capacità richieste da un ruolo può servire a mappare quelle già presenti in azienda, individuare lacune e costruire percorsi di crescita più chiari per i dipendenti.
Alcune competenze dovranno comunque arrivare dall’esterno, soprattutto in ambiti rapidi come AI, dati e cloud. Molte altre, però, dovranno essere sviluppate internamente man mano che i ruoli cambiano.
Le organizzazioni più solide saranno quelle capaci di combinare selezione skills-first e upskilling continuo. In questo modo i dipendenti avranno percorsi più visibili per adattarsi, mentre le aziende potranno reagire più velocemente ai cambiamenti tecnologici.
Il nuovo vantaggio competitivo nel recruiting
L’intelligenza artificiale sta cambiando ciò che i datori di lavoro devono sapere sui candidati. Non basta più riconoscere segnali tradizionali: bisogna individuare capacità reali, verificare competenze applicate e riconoscere il potenziale anche quando non segue percorsi convenzionali.
I risultati sul lavoro sembrano confermare il valore di questa direzione. Il 92 per cento dei datori di lavoro afferma che le assunzioni entry-level con micro-credential performano meglio nel loro primo anno di lavoro.
Per i candidati, il messaggio è altrettanto chiaro. In un mercato abilitato dall’AI, l’occupabilità dipenderà sempre meno da ciò che una persona ha imparato una volta per tutte e sempre più da ciò che può provare di saper fare adesso, insieme alla capacità di continuare a imparare.
Per le aziende, il recruiting diventa parte di una strategia più ampia sulle competenze. L’AI può cambiare strumenti e mansioni, ma la sfida resta profondamente umana: trovare persone con capacità, giudizio e adattabilità per competere e innovare.
