Di cosa abbiamo parlato e perché
Secondo la sessione, il lavoro white collar sta attraversando una delle trasformazioni più profonde della sua storia. Cambia ciò che facciamo, cioè task e processi, e cambia il rapporto che abbiamo con il lavoro, perché in ciò che facciamo c'è anche una parte della nostra identità. Per questo task e processi, temi apparentemente noti, sono il punto da cui guidare un cambiamento radicale.
Molte organizzazioni oggi si pongono la stessa domanda: le persone che abbiamo assunto andranno ancora bene per il lavoro di domani, al tempo della generative AI? È la domanda da cui parte la ricerca di Luca Vendraminelli, ricercatore del Digital Economy Lab di Stanford, che studia cosa devono fare le organizzazioni per non scomparire al tempo della generative AI.
Una risposta frequente è mappare le competenze. La sessione ha mostrato perché non basta e quale ordine seguire invece: prima capire che lavoro fanno davvero le persone, solo in seguito parlare di competenze, assunzioni, formazione e misura. Ne nasce un framework pensato per chi si occupa di persone, per guidare questo cambiamento nella propria organizzazione.
L'AI cambia prima i task, poi le competenze
Molte aziende ragionano così: "se conosco le competenze, saprò assumere e promuovere per quelle". Il limite è che l'AI non agisce direttamente sulle competenze. Agisce prima su cosa le persone fanno, cioè sui task, e solo di conseguenza sulle competenze necessarie.
Task: un'attività concreta che una persona svolge per produrre un risultato. Una professione è un insieme di task.
Ogni competenza poggia su un lavoro. Mappare le competenze senza i task rischia di produrre una matrice che descrive un'organizzazione che non esiste più. Se un output richiedeva una certa competenza e oggi quel lavoro lo svolge l'AI, la competenza che serve per arrivare allo stesso risultato è cambiata. Senza sapere quali attività stanno cambiando, non si può sapere quali nuove competenze servono.
Ogni organizzazione è fatta di professioni, e ogni professione si scompone in attività. Chi si occupa di legal, ad esempio, svolge oggi un insieme di task: al 2030 una parte resterà in capo alla persona, altre passeranno ad agenti AI, altre ancora a robot umanoidi, e gran parte del lavoro nascerà dalla combinazione di persone, agenti e robot. Se cambia chi svolge le attività, cambiano le competenze: alcune serviranno a lavorare insieme all'AI, altre a guidare task svolti dall'AI con una persona nel loop (human in the loop), altre ancora a guidare task umani con l'AI come copilota. Per l'HR ne derivano tre domande: quali workflow e competenze cambiano, come costruire una workforce pronta per l'AI, come i leader sviluppano le proprie competenze AI per un futuro di persone, agenti e robot.
Domanda guida: "Nella mia organizzazione, so quali attività svolge una persona in un ruolo chiave, e quanto tempo ci dedica?"
Il compito dell'HR: un mercato interno dei task
Il compito di un'organizzazione che vuole restare rilevante si articola in tre passaggi, in quest'ordine:
- Mappare task, processi e comportamenti.
- Capire quali competenze serviranno nel lavoro trasformato.
- Decidere chi formare, chi spostare, chi assumere dall'esterno.
Il modello proposto tratta l'organizzazione come un mercato interno, con una domanda e un'offerta.
- Domanda: i task che servono all'azienda. Quelli di oggi, quelli che cambiano, quelli che nascono, comprese le attività per cui finora sono mancati tempo e risorse.
- Offerta: ciò che la workforce mette a disposizione, cioè il tempo liberato dall'AI e il talento delle persone che ci sono.
Il compito dell'HR del futuro è far incontrare offerta e domanda. Dove non c'è incontro, le leve sono upskilling, reskilling oppure assunzioni dall'esterno.
In un sistema giuslavoristico che tutela, giustamente, chi lavora, e con un mercato del lavoro che può non essere pronto a fornire i task che servono, formare internamente è spesso più conveniente: è più rapido e risponde a un'esigenza di business subito quantificabile.
Domanda guida: "Per le funzioni che conosco meglio, dove domanda e offerta di task non si incontrano?"
Assumere nell'era della generative AI: i tre livelli
In passato si assumeva soprattutto per la knowledge, cioè per conoscenze di settore il più possibile specifiche. Il modello presentato distingue tre livelli di ciò che una persona porta in azienda e sposta il peso su due di questi.
1. Cognitive traits - difficili da insegnare, poco impattati dall'AI
Sono tratti di base, come il business acumen, la propensione al rischio e l'attitudine a imparare rapidamente. Sono difficili da sviluppare con la formazione, soprattutto nei tempi di un'organizzazione, e l'AI li sostituisce poco: per questo conviene cercarli già in selezione.
Domanda guida: "Nei miei processi di selezione, quanto peso do ai tratti cognitivi rispetto alle conoscenze dichiarate nel curriculum?"
2. Transversal skills - si possono sviluppare
Comprendono le soft skill (comunicazione, organizzazione, gestione delle priorità e delle relazioni) e la conoscenza generale di un dominio. Non conta saper scrivere articoli ottimizzati per la SEO, conta conoscere il marketing. Non conta essere iperspecializzati in un singolo aspetto delle relazioni sindacali, conta conoscere a fondo le implicazioni people dell'organizzazione. Su queste competenze la formazione può agire, anche in tempi compatibili con quelli dell'organizzazione.
Domanda guida: "Quali competenze trasversali sbloccherebbero i processi più congestionati della mia organizzazione?"
3. Knowledge skills - si insegnano, sono impattate dall'AI
Le hard skill, le conoscenze specialistiche, come la classica "conoscenza del pacchetto Office". Si insegnano, ma secondo la sessione sono le più esposte alla generative AI.
Domanda guida: "Quante delle conoscenze che oggi cerco in un profilo potrebbero essere coperte da uno strumento AI tra due anni?"
La tesi della sessione: nel futuro del lavoro le knowledge skills saranno le meno rilevanti, e si dovrà assumere sempre più per cognitive traits e transversal skills. In aula è stata citata, come indizio in questa direzione, una ricerca di Anthropic (Anthropic Economic Index, gennaio 2026): più un task richiede istruzione, più Claude lo accelera. I task che richiedono un diploma vengono svolti circa 9 volte più velocemente, quelli che richiedono una laurea circa 12 volte. Il dato misura quanto l'AI accelera i task specialistici, non quanto sostituisce chi li svolge: indica dove l'AI incide di più, non che quelle conoscenze smettano di servire.
Il limite: il GenAI wall
La specializzazione conta ancora? Una ricerca del team guidato da Vendraminelli risponde con un esperimento. Tre professioni ricevono lo stesso task, scrivere un articolo ottimizzato per la SEO secondo requisiti misurabili, e lo stesso stack tecnologico con l'AI: chi scrive articoli SEO per mestiere, un marketing manager e uno sviluppatore. I primi due lavorano nella stessa area, il terzo in un'area lontana.
Con l'AI, chi scrive per mestiere e il marketing manager arrivano a risultati paragonabili. Lo sviluppatore, che parte molto lontano dal task (distant outsider), resta indietro anche con il supporto dell'AI: è il GenAI wall.
GenAI wall: il limite oltre il quale l'AI non riduce più in modo significativo il divario tra chi conosce un dominio e chi ne è lontano.
L'esperimento indica che a fare la differenza non è la specializzazione sul singolo task, ma la vicinanza al dominio: il marketing manager supera il muro, lo sviluppatore no. Secondo la sessione, inoltre, il muro si sta spostando con l'evoluzione degli strumenti, e questo potrebbe rendere la workforce del futuro più generalista. Per questo conviene fare attenzione alle competenze per cui si assume: la conoscenza generale del dominio e l'attitudine a imparare rapidamente contano più del saper fare oggi un task specifico.
Dal confronto in aula è emerso un esempio concreto: gli stili di pensiero associativi, capaci di collegare ambiti diversi, acquistano valore quando l'AI fa da supporto sulle conoscenze. Questo modo di ragionare si può anche allenare, con le giuste condizioni di creatività ed entusiasmo.
Domanda guida: "Per quali ruoli sto assumendo specialisti di un singolo task, quando mi servirebbero persone che conoscono bene il dominio?"
Come si mappano i task
Il metodo tradizionale prevede gruppi di analisti che intervistano le persone una per una. Richiede tempi lunghissimi, è difficile da estendere a tutta la popolazione aziendale, soprattutto nelle organizzazioni grandi, e ha tempi incompatibili con la velocità del cambiamento. L'alternativa presentata è un agente AI, Daniel, che intervista in parallelo ogni persona dell'organizzazione: ognuno fissa uno slot in calendario, e anche migliaia di persone possono essere intervistate nella stessa giornata. La mappatura dell'intera organizzazione richiede così circa due settimane invece di sei mesi. Il processo ha tre fasi.
- Preparazione. L'agente costruisce per ogni persona un profilo del lavoro atteso, partendo da organigramma, job title, settore e da O*NET, un database pubblico e gratuito che descrive i task di oltre 900 professioni. Arriva all'intervista con un'ipotesi sul lavoro della persona, che la conversazione serve a validare.
- Intervista. Una conversazione individuale di circa un'ora, anche solo vocale, in cui la persona racconta la propria giornata tipo. L'agente scende dal generico al concreto: quali attività, con chi, quante volte, con quale preparazione manuale. Non chiede mai cosa la persona potrebbe fare meglio con l'AI, per due ragioni: descrivere da capo a fondo un processo automatizzabile è difficile, e chi lo vive non sempre sa se potrebbe farlo meglio. Chiede solo di descrivere il lavoro nel modo più oggettivo possibile. Dove intervenire lo individua l'agente, a valle.
- Ricostruzione. I task vengono aggregati in processi, classificati e messi in ordine di priorità per impatto e sforzo.
Poiché coinvolge tutta l'organizzazione, l'intervista restituisce una vista a 360 gradi: il lavoro di ciascuno emerge anche dai racconti di colleghi, collaboratori e responsabili.
Ogni intervista produce due output.
- Per la persona: un report su come lavora oggi e un percorso di crescita personalizzato, costruito sui problemi che ha descritto, con indicazioni pratiche e prompt pronti da usare negli strumenti AI aziendali. Già mettere in fila cosa si fa dal lunedì al venerdì è un esercizio di consapevolezza: a volte basta descrivere un collo di bottiglia per vederne la soluzione.
- Per l'organizzazione: un processo agentico aggrega le interviste e ricostruisce task e processi in una mappa unica.
La mappatura ha due livelli. Quello alto, l'intervista, descrive il lavoro di tutta l'organizzazione, ma resta una descrizione conversazionale: "preparo il follow-up e aggiorno il CRM" non dice come. Quello granulare lavora dove il lavoro accade davvero, cioè sul computer della persona, e ricostruisce un processo passo per passo, al punto da renderlo eseguibile.
Nel livello granulare un applicativo affianca la persona, osserva senza interromperla come svolge un'attività e, solo dopo averla compresa, propone un'automazione. Esempio: dopo una call commerciale, raccogliere gli appunti, scrivere l'email di follow-up e aggiornare il CRM. L'automazione nasce dal racconto della persona e dall'osservazione, senza richiedere l'intervento del team tecnico, e gira sul computer della persona a partire da un trigger (ad esempio: dopo ogni colloquio con un candidato, prepara il follow-up e aggiorna il gestionale).
Le quattro leve: cosa delegare e cosa proteggere
È il cuore del tema: non tutto ciò che si può automatizzare va automatizzato. Il principio è delegare all'AI ciò che ha basso valore aggiunto, per lasciare più spazio a ciò che è umano e relazionale. Più tecnologia entra nell'organizzazione, più il lavoro dovrebbe diventare umano. Ogni processo mappato viene assegnato alla leva che può migliorarlo di più.
1. Automazione - processi ripetitivi
Processi con una forte componente ripetitiva, che strumenti digitali e AI possono svolgere in tutto o in parte. L'AI non è l'unica risposta: a volte basta uno script ben scritto.
Domanda guida: "Questo processo è ripetitivo e stabile, o cambia ogni volta?"
2. Protezione - alto valore umano
Processi ad alto valore umano e relazionale. Non si automatizzano: si proteggono e, dove possibile, si fanno crescere.
Domanda guida: "Se questo processo lo svolgesse una macchina, cosa perderebbe chi lo riceve?"
3. Formazione - migliorare senza tecnologia
Processi per cui basta la formazione, ad esempio su gestione del tempo e gestione degli stakeholder. Non serve aggiungere strumenti.
Domanda guida: "Il problema di questo processo è lo strumento o una competenza di chi ci lavora?"
4. Redesign - ripensare ciò che non ha senso
Processi da ripensare nella struttura. Spesso sono pratiche stratificate nel tempo, che sopravvivono solo perché si è sempre fatto così.
Domanda guida: "Se partissi da zero, disegnerei questo processo così?"
Il risultato è un backlog di processi ordinato per sforzo e impatto, da cui capire dove partire per trasformare l'organizzazione. Per ogni dipartimento i task si leggono in quattro categorie: automatizzabili, assistiti dalla tecnologia, potenziabili, da mantenere umani.
Conta anche da dove si parte. Quando il redesign è affidato solo all'IT, il rischio è prendere la scorciatoia tecnica senza partire da ciò che pesa davvero a chi svolge il processo. Partire dalle persone cambia l'ordine delle priorità: prima ciò che la persona sente come un peso, anche se non è il processo più automatizzabile. Quando si sperimenta che la tecnologia alleggerisce invece di sostituire, diventa più facile estendere l'adozione al resto, comprese le attività che all'inizio la persona difendeva.
Cosa emerge da una mappatura reale
Il caso presentato riguarda un'azienda di migliaia di persone, tutte intervistate: 943 processi unici mappati. I risultati mostrano che tipo di dati diventano disponibili.
- Efficienza: una stima del cost saving possibile, ottenibile non solo introducendo l'AI ma con l'insieme delle leve.
- Sovraccarico: un livello elevato, cioè persone che devono fare più di quanto il loro tempo consenta. È un ottimo punto di partenza, perché la trasformazione parte da un desiderio delle persone.
- Rischio e maturità: nessun processo critico dipendente da una sola persona, che in caso di uscita bloccherebbe il flusso di lavoro, e una maturità AI ancora bassa.
- Qualità della gestione: le interviste a 360 gradi mostrano, ad esempio, se un manager fatica a delegare. Qui la risposta è la formazione manageriale, non la tecnologia.
- Fabbisogni formativi: dedotti dal racconto del lavoro invece che da una domanda diretta sulle necessità formative. Emergono bisogni legati a ciò che la persona fa davvero, non a ciò che il manager pensa che dovrebbe fare. In questo caso le competenze con il maggior beneficio sono la gestione del tempo e la gestione degli stakeholder, ciascuna collegata ai processi che ne beneficiano.
Un esempio di processo: il monitoraggio manuale delle scadenze delle licenze. Coinvolge 37 persone in 9 ruoli, che tengono traccia a mano delle scadenze tra Excel, Outlook e altri sistemi e verificano liste poco affidabili prima di contattare i clienti, anche per ordini di valore minimo. La proposta è un sistema che, incrociando gli ordini passati, calcoli le scadenze reali e generi da solo le email di sollecito. Il recupero stimato è di 29 ore a settimana. Ogni processo del backlog è descritto così: as is (come funziona oggi), to be (come dovrebbe funzionare), fattibilità tecnica, persone coinvolte, ore recuperabili. L'idea della soluzione, in questo caso, arriva proprio da una delle persone intervistate.
Il punto di partenza sono le citazioni delle persone intervistate, cioè la voce di chi lavora nel processo: partire dal loro desiderio rende più facile la trasformazione organizzativa.
Misurare il ROI della formazione
Capire se un percorso di formazione ha portato valore è la grande domanda del mondo HR. Un approccio basato sui task offre una risposta quantificabile: se i task sono mappati, la misura esiste già.
- Prima: la mappa dei task, cioè cosa fanno le persone e quanto tempo ci mettono.
- In mezzo: la formazione, costruita sui task emersi dalla mappatura.
- Dopo: una nuova mappa. Lo scarto tra prima e dopo segnala ciò che è cambiato, da leggere insieme agli altri cambiamenti avvenuti nel frattempo (nuovi strumenti, riorganizzazioni, carichi di lavoro) per capire quanto è attribuibile alla formazione.
La variazione dei task diventa così un indicatore concreto, anche se non l'unico, del cambiamento delle competenze. Lo stesso vale per i fabbisogni: se una sola competenza potesse essere sviluppata, la mappa indica quale porta più beneficio e quali processi ne trarrebbero vantaggio. Ripetendo la mappatura dopo la formazione, si vede se lo spazio delle attività umane è cresciuto.
L'organizzazione del futuro: tre livelli di adozione
L'organizzazione del futuro è fatta di intelligenze diverse, alcune umane e altre artificiali. L'obiettivo è che ogni persona, partendo da ciò che fa oggi, possa contare su colleghi AI a cui delegare la parte più ripetitiva del proprio lavoro, e si senta promossa invece che sostituita. Resta una domanda: se ognuno costruisce le proprie automazioni, come si scala a livello di organizzazione? La risposta combina tre livelli.
1. Bottom-up - la singola persona
Ogni persona si costruisce gli strumenti che le tolgono il lavoro meccanico: il follow-up dopo una call, il codice da copiare da una fattura fornitore a un altro sistema. Un commerciale, ad esempio, dedica una parte rilevante del tempo ad attività amministrative invece che ai clienti: ha bisogno di qualcosa che gli restituisca tempo subito.
Domanda guida: "Quale attività ripetitiva mi toglie più tempo alle cose che contano davvero?"
2. Team - i flussi condivisi
È il livello intermedio tra persona e organizzazione. Ciò che la persona crea in autonomia resta alla persona; ciò che crea il team, insieme a ciò che nasce dall'alto, resta all'organizzazione. È così che le soluzioni smettono di essere solo individuali e diventano patrimonio condiviso: si scala attraverso il team e i processi centrali, non sommando le singole automazioni.
Domanda guida: "Quali passaggi del mio team si ripetono identici per tutti?"
3. Top-down - i grandi processi
Performance management, hiring, vendite: i macro-processi vanno governati dall'alto, con agenti costruiti centralmente. Vivono sulla stessa piattaforma delle automazioni individuali, così l'organizzazione mantiene monitoraggio e osservabilità su ciò che gli agenti fanno.
Domanda guida: "Quali processi della mia organizzazione richiedono una regia centrale e non possono essere lasciati all'iniziativa individuale?"
Esercizi e Strumenti
Strumento 1: Mappa dei task di un ruolo
Scopo: spostare l'attenzione dalle competenze dichiarate ai task reali di un ruolo.
Procedura:
- Scegliere un ruolo chiave e una persona disponibile a collaborare.
- Chiedere di descrivere la giornata tipo, scendendo dal generico al concreto: quali attività, con chi, quante volte a settimana, con quali strumenti. Non chiedere cosa si potrebbe fare meglio con l'AI: chiedere solo di descrivere il lavoro (45-60 minuti).
- Elencare i task emersi e stimare per ciascuno le ore settimanali.
- Per ogni task annotare se oggi potrebbe essere svolto dall'AI, insieme all'AI o solo da una persona.
- Ripetere con una seconda persona nello stesso ruolo e confrontare le due mappe.
Risultati attesi: un elenco di task con il tempo associato e una prima idea di quali attività stanno cambiando.
Tempo necessario: 1 ora per persona.
Configurazione: un foglio con quattro colonne: task, ore a settimana, strumenti, impatto dell'AI.
Come farlo da soli: svolgere l'esercizio sul proprio ruolo, tenendo traccia delle attività per una settimana.
Strumento 2: Classificare un processo con le quattro leve
Scopo: decidere cosa delegare all'AI e cosa proteggere.
Procedura:
- Scegliere tre processi della propria area.
- Per ciascuno rispondere alle quattro domande guida: è ripetitivo e stabile? Ha alto valore umano? Il problema si risolve con la formazione? Lo disegnerei così partendo da zero?
- Assegnare a ogni processo la leva più adatta: automazione, protezione, formazione o redesign.
Risultati attesi: una prima priorità di intervento e la consapevolezza che non tutto ciò che è automatizzabile va automatizzato.
Tempo necessario: 30 minuti.
Configurazione: carta e penna o una tabella con quattro colonne.
Come farlo da soli: l'esercizio è già individuale; confrontare il risultato con chi lavora nel processo.
Strumento 3: Domanda e offerta di task
Scopo: individuare dove servono upskilling, reskilling o nuove assunzioni.
Procedura:
- Elencare i task che una funzione dovrà svolgere nei prossimi due anni: quelli di oggi, quelli che cambiano, quelli che nascono.
- Elencare i task che le persone della funzione sanno svolgere oggi.
- Segnare le aree in cui domanda e offerta non si incontrano.
- Per ogni area scegliere la leva: spostare e formare persone interne, oppure assumere.
- Per le assunzioni, scrivere quali cognitive traits e transversal skills cercare prima delle knowledge skills.
Risultati attesi: una lista di gap con una decisione per ciascuno.
Tempo necessario: 45-60 minuti.
Configurazione: due colonne affiancate, domanda e offerta.
Come farlo da soli: partire dalla propria funzione e validare la colonna della domanda con chi ne guida la strategia.
Strumento 4: Misurare l'impatto di una formazione sui task
Scopo: valutare se una formazione ha prodotto competenze acquisite.
Procedura:
- Prima della formazione, mappare i task del gruppo coinvolto con il tempo dedicato a ciascuno (Strumento 1).
- Costruire o scegliere contenuti formativi sui task emersi.
- Due o tre mesi dopo la formazione, ripetere la mappatura con le stesse domande.
- Confrontare le due mappe: quali task sono cambiati, quali richiedono meno tempo.
Risultati attesi: una misura del cambiamento basata su cosa fanno le persone, non sulla soddisfazione di fine corso.
Tempo necessario: due sessioni di mappatura a distanza di due o tre mesi.
Configurazione: la stessa griglia di mappatura usata prima e dopo.
Come farlo da soli: applicarlo su un gruppo piccolo, anche di tre o quattro persone, prima di estenderlo.
Strumento 5: Scheda processo as is / to be
Scopo: trasformare un processo mappato in una proposta di intervento chiara e condivisibile.
Procedura:
- Scegliere un processo che chi lo svolge descrive come pesante o ripetitivo.
- Descrivere l'as is: persone e ruoli coinvolti, strumenti usati, passaggi, ore settimanali complessive (15 minuti).
- Raccogliere una o due frasi, anonime, di chi lavora nel processo su cosa vorrebbe cambiare (10 minuti).
- Scrivere il to be: come dovrebbe funzionare, quali passaggi passano a uno strumento e quali restano alle persone (15 minuti).
- Assegnare la leva (automazione, protezione, formazione, redesign), stimare impatto in ore recuperabili e sforzo (basso, medio, alto), e posizionare il processo in un backlog ordinato per impatto e sforzo.
Risultati attesi: una scheda che rende visibile il costo del processo attuale e la direzione del cambiamento, con la voce di chi lo vive.
Tempo necessario: 45 minuti per processo.
Configurazione: una scheda con sei campi: as is, citazioni, to be, leva, impatto, sforzo.
Come farlo da soli: compilare la scheda su un processo che si svolge in prima persona, poi validarla con un collega che lo svolge allo stesso modo.
Concetti chiave
La trasformazione guidata dall'AI parte da una domanda semplice: che lavoro fanno davvero le persone?
Primo: mappare i task prima delle competenze. L'AI cambia cosa si fa, e da lì cambiano le competenze necessarie.
Secondo: classificare ogni processo con le quattro leve: automatizzare, proteggere, ridisegnare, formare. Non tutto ciò che si può automatizzare va automatizzato.
Terzo: assumere per tratti cognitivi e competenze trasversali, e misurare la formazione con la variazione dei task.
L'ordine conta: task, competenze, assunzioni, formazione, misura. Seguendolo, l'HR guida la trasformazione invece di subirla, e ogni persona può contare su colleghi AI a cui delegare la parte più ripetitiva del proprio lavoro.
Bibliografia e Riferimenti
Ricerca e autori citati:
- Vendraminelli, Luca. Ricercatore del Digital Economy Lab e dello Stanford Institute for Human-Centered AI. Studia come l'AI cambia task, competenze e divisione del lavoro nelle grandi organizzazioni. hai.stanford.edu
- Vendraminelli, Luca; DosSantos, Matthew; Hildebrandt, Annika; McFowland III, Edward; Karunakaran, Arvind; Bojinov, Iavor (2025). The GenAI Wall Effect: Examining the Limits to Horizontal Expertise Transfer Between Occupational Insiders and Outsiders. Working paper. L'esperimento su insider, adjacent outsider e distant outsider da cui nasce il concetto di GenAI wall. digitaleconomy.stanford.edu
- Anthropic (2026). Anthropic Economic Index: New building blocks for understanding AI use. Fonte dei dati sull'accelerazione dei task: circa 9 volte per quelli che richiedono un diploma, circa 12 volte per quelli che richiedono una laurea. anthropic.com
Strumenti citati:
- O*NET, U.S. Department of Labor. Database pubblico e gratuito che descrive task, competenze e conoscenze di oltre 900 professioni. È la base da cui l'intervistatore AI costruisce un'ipotesi del lavoro di ogni persona. onetonline.org
