AI: L’impatto sul lavoro e sull’occupazione

1.  Gli scenari relativi all’implementazione dell’intelligenza artificiale

L’intelligenza artificiale ha il potenziale per cambiare radicalmente il modo di lavorare all’interno delle organizzazioni, con un conseguente significativo impatto anche sull’occupazione. In parte ciò è già avvenuto nei casi in cui le macchine intelligenti si occupano dello svolgimento di attività semplici e ripetitive al fine di ridurre itempi di esecuzione e gli errori nel processo produttivo.

Quanto fino ad oggi avvenuto è soltanto un primo step di un processo destinato a proseguire, vista la rapida diffusione a cui sta andando incontro questa tecnologia. A tal proposito, gli esperti hanno espresso quattro differenti ipotesi relativamente all’impatto che l’implementazione dell’intelligenza artificiale può determinare a livello lavorativo e dal punto di vista occupazionale^[1]:

• Scenario ottimistico: Secondo questo scenario, l’uomo si affiderà ai robot per lo svolgimento dellamaggior parte delle attività in maniera tale da focalizzare la propria attenzione sulle operazioni più rilevanti per l’organizzazione;
• Scenario pessimistico: Secondo questa visione, l’intelligenza artificiale costituisce una minaccia perl’occupazione a causa della sua potenziale capacità di eccedere le abilità Secondo questa visione si ritiene probabile la diffusione dell’intelligenza di pensiero e di quella emotiva, che sono potenzialmente ingrado di sostituire l’uomo in quasi tutte le professioni;
• Scenario pragmatico: Secondo questo scenario, l’intelligenza artificiale ha il potenziale per rafforzare leskill s dell’uomo, ma è necessaria una regolamentazione e uno stretto controllo della stessa affinché ciò possa avvenire;
• Scenario scettico: Secondo questa visione, l’intelligenza artificiale è una moda passeggera, che puòincidere provvisoriamente sul livello occupazionale, ma che tornerà a lasciare nuovamente spazio agliesseri umani perché incapace di sostituirli in maniera

2.  Impatto che l’intelligenza artificiale è destinata ad esercitare dal punto di vista occupazionale

2.1.  Le ricerche McKinsey

Secondo una stima elaborata da McKinsey^[2], è preventivabile che la domanda di lavoro si sposterà dalle attività ripetitive, cioè quelle meccaniche, verso compiti che richiedono le cosiddette digital skills. In particolare, per quelle attività lavorative nelle quali le abilità digitali non rivestono un ruolo rilevante, è previsto un calo dell’occupazione dal 40% al 30% entro il 2030. In questa categoria rientrano per esempio alcune attività di back office legate al data entry, all’archiviazione documentale, alla gestione delle anagrafiche e delle e-mail.

Al contrario, per i compiti in cui sono richieste elevate digital skills, la quota dell’occupazione è destinata a crescere dal 40% al 50% nello stesso periodo temporale.

Lo stesso andamento è stato stimato anche relativamente al valore dei salari, i quali sono destinati ad aumentare per chi svolge attività innovative e a diminuire per chi si occupa di incarichi ripetitivi. Nello specifico, si prevede che circa il 13% della massa salariale complessiva si sposterà dalla seconda alla prima categoria di lavoratori.

Secondo un’altra ricerca condotta sempre da McKinsey^[3], tra 2000 differenti attività lavorative analizzate, 800 di esse mostrano alcune categorie di compiti facilmente automatizzabili. Di conseguenza, è presumibile che l’automazione sostituirà alcuni lavoratori. Nel periodo che va dal 2016 al 2030, si prevede che circa il 15% della forza lavoro mondiale, ossia circa 400 milioni di persone, verrà rimpiazzata dall’intelligenza artificiale. Contestualmente, verranno però generati nuovi posti di lavoro per un valore che, secondo le previsioni, oscilla tra 555 e 890 milioni entro il 2030. Pertanto, secondo i dati di questa stima, i posti di lavoro creati dall’intelligenzaartificiale saranno superiori rispetto a quelli eliminati.

Tuttavia, non tutte le simulazioni conducono agli stessi risultati incoraggianti.

Secondo alcuni, infatti, circa il 47% dei posti di lavoro presenti negli Stati Uniti sono a rischio automazione nei prossimi 20 anni^[4]. A tal   proposito, è interessante riportare anche i dati riscontrati da un sondaggio effettuato daStatista nel 2020 e indirizzato verso i responsabili delle risorse umane di alcune organizzazioni. Le risposte ottenute riguardo all’impatto dell’intelligenza artificiale sull’occupazione e sul lavoro sono riportate nel grafico seguente.

Figura 1 – Potenziale impatto dell’intelligenza artificiale a livello occupazionale secondo alcuni responsabili delle risorse umane [Fonte: https://www.statista.com/statistics/1119824/global-business- and-hr-leaders-on-ai-impact-to-job-numbers/ 2022/07/20].

Dai dati a disposizione si comprende come la maggior parte dei responsabili del personale ritenga che l’impatto maggiore riguarderà la natura dell’attività lavorativa, destinata a cambiare in maniera drastica. Poi vi sono coloro che ritengono che vi sarà un’incidenza negativa, con un calo dei posti di lavoro. Infine, la porzione rimanente è costituita da quelli che sostengono la possibilità di un’influenza positiva, con un aumento dell’occupazione, e chi pensa che l’intelligenza artificiale non eserciterà alcun impatto su questo fattore.

Per spiegare meglio queste statistiche, è opportuno precisare che le possibilità di automazione cambiano radicalmente a seconda del settore industriale e della professione presi in considerazione. Per esempio, mentre per la posizione di saldatore industriale la probabilità di sostituzione con le macchine intelligenti è del 90%, questa scende fino al 30% per quanto riguarda un rappresentante commerciale.

Alla base della scelta di automatizzare alcune attività lavorative da parte delle organizzazioni, vi è l’opportunità diincrementare la propria performance soprattutto in termini di efficienza, data l’abilità dell’intelligenza artificiale diprendere decisioni complesse in tempi rapidi e a bassi costi.

In tal senso, un’esemplificazione è rappresentata dalla compagnia di assicurazione Fukoku, la quale ha rimpiazzato 34 dipendenti con un sistema in grado di calcolare in maniera automatica i premi agli assicurati. Questointervento è costato circa 1,9 miliardi di dollari, ma ha consentito all’azienda giapponese di risparmiare circa 1 miliardo di dollari in ognuno dei successivi anni.

Un altro esempio è rappresentato da Amazon, che utilizza i robot Kiva, dotati di percezione sensoriale e abilità motorie, per gestire in modo automatizzato gli ordini di magazzino, ossia con una velocità 4 volte superiore rispettoa quando se ne occupavano delle persone^[5]. Nonostante la tendenza all’automazione, l’azienda guidata da JeffBezos a partire dal 2012, cioè l’anno in cui sono stati introdotti i   robot, ha generato circa 300 000 nuovi posti di lavoro. Questi ultimi riguardano prevalentemente la guida e il controllo dei robot, ma anche la gestione dellesituazioni di  imprevisti o di emergenza scaturite dall’impiego delle macchine intelligenti^[6].

Dati i diversi esiti forniti dalle stime citate, non è possibile stabilire con chiarezza se saranno più numerosi i posti di lavoro eliminati o creati dall’intelligenza artificiale. L’unica certezza è che questa innovazione tecnologica sostituirà alcune professioni in determinati settori e ne produrrà altre in settori differenti. Si presuppone inoltre che un cambiamento significativo riguarderà la natura dell’attività lavorativa, dato che si passerà da compiti svolti in maniera autonoma dalle persone a incarichi eseguiti tramite una collaborazione tra uomo e macchina intelligente.

2.2.  Il rapporto dell’OCSE sull’IA e il lavoro

Anche l’Organizzazione per la cooperazione e lo sviluppo economico (OCSE) ha studiato gli effetti dell’IA sull’occupazione e se da un lato ha evidenziato i potenziali rischi legati alla perdita di diversi posti di lavoro, dall’altro ha messo in luce anche le potenziali opportunità in termini di creazione di nuovi settori occupazionali e miglioramento complessivo della qualità del lavoro.

Nel rapporto OCSE, pubblicato nell’estate del 2023 e basato su una survey di oltre duemila imprese e 5.300 lavoratori condotta nel 2022 (che dunque di fatto prescinde dagli impatti dell’IA generativa, allora virtualmente assente sui luoghi di lavoro), si sottolinea che l’impatto netto dell’IA sull’occupazione è ambivalente.

L’IA sostituirà il lavoro di alcuni esseri umani (il cosiddetto effetto spostamento), ma potrà anche aumentare la domanda di lavoro a causa della maggiore produttività che comporta (il cosiddetto effetto produttività). Inoltre, l’IA potrebbe anche creare nuove attività lavorative, con conseguente creazione di nuovi posti di lavoro (il cosiddetto effetto reintegrazione), in particolare per i lavoratori con competenze ad essa complementari.

Un risultato interessante che emerge dalla ricerca condotta dall’OCSE è che, nonostante una diffusa ansia per il futuro del lavoro, quasi i due terzi (63%) dei lavoratori intervistati hanno riferito che l’IA ha aumentato il loro benessere sul lavoro: automatizzando mansioni pericolose o noiose, l’IA permette loro di concentrarsi su compiti più complessi e interessanti.

Se da un lato l’adozione dell’IA potrebbe condurre a un miglioramento della qualità del lavoro, il potenziale di sostituzione rimane significativo. Una quota rilevante di lavoratori intervistati (tre su cinque) teme di perdere completamente il lavoro a causa delle nuove tecnologie nei prossimi dieci anni, in particolare coloro che effettivamente lavorano con l’IA e dunque sono più consapevoli dei potenziali vantaggi ma anche dei potenziai rischi.

Non tenendo conto degli impatti dell’IA generativa, il rapporto OCSE conclude, come tutta la ricerca del decennio precedente alla comparsa di ChatGPT e al suo successo planetario, che i lavori altamente qualificati hanno il rischio più basso di automazione mentre i posti di lavoro poco e mediamente qualificati sono i più a rischio.

In media, tra i Paesi OCSE, le professioni a più alto rischio di automazione rappresentano il 27% dell’occupazione. L’Italia si colloca al di sopra della media OCSE con oltre il 30% di posti di lavoro a rischio di automazione.

2.3.  Le previsioni del World Economic Forum

Nonostante le tante posizioni allarmistiche sul numero di posti di lavoro che l’IA potrebbe sottrarre e sebbene la tecnologia continui a porre sfide ai mercati del lavoro e alle economie di tutto il mondo,

Lo studio “The Future of Jobs Report 2023” del “World Economic Forum (WEF)” sottolinea come la maggior parte dei datori di lavoro di tutto il mondo si aspetta che gran parte delle innovazioni tecnologiche, compresa l’intelligenza artificiale, contribuisca positivamente alla creazione di occupazione. Ad esempio, i big data sono al primo posto tra le tecnologie destinate a creare posti di lavoro, con il 65% degli intervistati dal WEF che prevede una crescita occupazionale nei ruoli correlati. Inoltre, si prevede che l’occupazione di analisti e scienziati dei dati, specialisti dei big data, specialisti del machine learning e professionisti della sicurezza informatica crescerà in media del 30% entro il 2027.

Secondo quanto riportato dal World Economic Forum, l’intelligenza artificiale dovrebbe essere adottata da quasi il 75% delle aziende intervistate e si prevede che porterà a un elevato ricambio, con il 50% delle organizzazioni che si aspetta che ciò creerà una crescita dell’occupazione e il 25% che prevede, invece, che causerà perdite di posti di lavoro.

Secondo le previsioni del World Economic Forum, al primo posto tra i profili professionali che nei prossimi cinque anni vedranno la maggiore crescita si collocano gli specialisti in IA e machine learning, seguiti dagli analisti per la sicurezza informatica, specialisti in trasformazione digitale ed ingegneri robotici.

2.4.  La survey di PwC sulla percezione dell’IA da parte dei CEO

Nella sua “Global CEO survey”, presentata in occasione del “World Economic Forum (WEF)” di gennaio 2024, PwC ha messo in luce come i CEO mondiali credano pienamente nelle enormi potenzialità dell’IA generativa nel trasformare i modelli di business e ridefinire i processi di lavoro.

Secondo PwC, circa la metà dei CEO si aspetta che l’IA generativa migliori la capacità dell’azienda di creare più solidi rapporti di fiducia con gli stakeholder e circa il 60% prevede che migliori la qualità del prodotto/servizio offerto. Inoltre, entro i prossimi tre anni, quasi il 70% degli intervistati ritengono che l’IA generativa aumenterà la concorrenza, guiderà i cambiamenti nei loro modelli di business e richiederà nuove competenze alla loro forza lavoro.

Nel complesso, i CEO intervistati dagli analisti di PwC prevedono impatti positivi dell’IA generativa nel breve termine che si traducono in un aumento dei ricavi, ad esempio grazie ad una migliore qualità del prodotto e una maggiore fiducia dei clienti, nonché in un aumento dell’efficienza complessiva.

I risultati della survey sono coerenti con il Global Risk Survey 2023 di PwC, che ha rilevato che il 60% degli intervistati vede l’IA generativa principalmente o completamente come un’opportunità piuttosto che un rischio.

PwC evidenzia però che alcuni di questi vantaggi in termini di efficienza sembrano derivare da una riduzione dell’organico dei dipendenti, almeno nel breve termine, con un quarto dei CEO che prevede di ridurre la forza lavoro di almeno il 5% nel 2024 a causa dell’IA generativa.

Secondo il sondaggio condotto da PwC tra i principali CEO a livello mondiale, il settore dei media e intrattenimento, le banche e le assicurazioni, e il settore della logistica sembrano essere quelli più suscettibili a perdite di posti di lavoro a causa dell’IA. Le società di ingegneria e costruzione insieme alle aziende tecnologiche sono, invece, meno propense ad operare tagli di personale a causa dell’automazione.

Gli analisti di PwC precisano però che le aziende che effettuano inizialmente riduzioni di personale in alcune aree di business per via dell’IA generativa potrebbero compensarle con assunzioni in altre, man mano che le opportunità di crescita e di fatturato diventano più chiare. Ad esempio, sebbene il 14% dei CEO del settore tecnologico preveda di ridurre l’organico nel prossimo anno a causa dell’IA generativa, il 56% di loro prevede anche di assumere nel 2024, a un tasso superiore di quasi 20 punti percentuali rispetto alla media globale riportata nel sondaggio.

3.  I settori più colpiti

L’IA sta trasformando il mercato del lavoro. Ad esempio, il settore dell’assistenza clienti sta vedendo un aumento dell’uso di chatbot e assistenti virtuali, riducendo la necessità di operatori umani per gestire richieste di routine. Al contempo, cresce la domanda di specialisti in IA per sviluppare e mantenere questi sistemi. La sfida principale è la riqualificazione della forza lavoro e l’adattamento ai nuovi ruoli che l’IA sta creando.

Vediamo nello specifico lo scenario relativo ad alcune industry:

• Manifatturiero: L’automazione industriale e i robot intelligenti stanno sostituendo molte mansioni manuali. Le fabbriche stanno adottando sempre più spesso sistemi automatizzati per migliorare l’efficienza e ridurre i costi. Ad esempio, nelle linee di assemblaggio automobilistico, robot avanzati svolgono compiti di saldatura e montaggio con precisione e velocità superiori rispetto agli operai umani.
• Servizi finanziari: Le tecnologie di IA, come il machine learning, stanno rivoluzionando il settore finanziario. I robot advisor, ad esempio, offrono consulenze finanziarie automatizzate, riducendo la necessità di consulenti umani. Algoritmi di trading automatico gestiscono investimenti e transazioni, spesso con risultati più efficienti e privi di errori umani.
• Sanità: Sebbene l’IA stia migliorando l’efficienza in molti settori della sanità, come la diagnostica e la gestione dei dati, essa non sostituirà completamente il personale medico. Tuttavia, le mansioni amministrative e di supporto sono quelle più a rischio. Sistemi di intelligenza artificiale stanno già aiutando nella diagnosi precoce di malattie attraverso l’analisi di immagini mediche e dati clinici.
• Logistica e trasporti: I veicoli autonomi e i sistemi di gestione delle flotte stanno riducendo la domanda di autisti e personale di magazzino. Amazon, come già visto, utilizza già robot per la gestione del magazzino. I droni per le consegne e i veicoli a guida autonoma promettono di rivoluzionare ulteriormente il settore, aumentando l’efficienza ma riducendo la necessità di manodopera umana.

4.  Nuove opportunità di lavoro

Nonostante l’automazione stia riducendo alcuni tipi di lavoro, l’IA sta anche creando nuove opportunità. Vediamone alcuni esempi:

• Sviluppo di IA: La domanda di ingegneri e sviluppatori di intelligenza artificiale è in forte crescita. Questi professionisti sono essenziali per progettare, sviluppare e mantenere sistemi di IA. Le competenze in machine learning, deep learning e data science sono particolarmente richieste.
• Analisi dei dati: Gli analisti di dati e i data scientist sono sempre più richiesti per interpretare i dati generati dai sistemi di IA e utilizzare queste informazioni per prendere decisioni strategiche. La capacità di trasformare grandi volumi di dati in informazioni utili è una competenza chiave nell’era dell’IA.
• Cybersecurity: Con l’aumento dell’uso dell’IA, cresce anche la necessità di proteggere i dati e i sistemi da possibili minacce. Gli esperti di cybersecurity sono fondamentali per garantire la sicurezza delle tecnologie di IA. La protezione delle infrastrutture critiche e la prevenzione delle intrusioni diventano priorità assolute.
• Ruoli ibridi: Stanno emergendo nuove professioni che combinano competenze tecnologiche con altre discipline. Ad esempio, i medici che sanno utilizzare sistemi di IA per migliorare la diagnostica, o gli avvocati esperti in tecnologie di IA e privacy. Questi ruoli ibridi richiedono una conoscenza cross approfondita sia del dominio tradizionale che delle nuove tecnologie.

5.  Impatto esercitato dall’intelligenza artificiale sulla sostenibilità ambientale

Un altro aspetto meritevole di considerazione è rappresentato dall’impatto esercitato dall’intelligenza artificialesulla sostenibilità ambientale. In questo senso, secondo alcune  ricerche^[7], ad oggi le tecnologie dell’informazione e della comunicazione rappresentano circa l’8-10% del consumo di elettricità in Europa e sono responsabili di emissioni di anidride carbonica per un valore pari al 4%. Secondo alcune previsioni poi, entro il 2040  l’impatto diquesta tecnologia sulle emissioni globali di gas serra sarà pari al 14%.

Scendendo nel dettaglio, secondo alcuni ricercatori dell’Università del Massachusetts^[8], per  addestrare in maniera corretta una rete neurale possono essere necessari fino a 284 tonnellate di anidride carbonica, ossia un valore di emissioni pari a quasi cinque volte quelle prodotte da un’auto americana nella sua vita media.

Nonostante gli aspetti negativi appena descritti, l’intelligenza artificiale ha anche il potenziale per supportare ilconseguimento di alcuni obiettivi di sviluppo sostenibile. In particolare, si può fare riferimento alla possibilità di usufruire di questa tecnologia per gestire in modo più efficiente i consumi a livello energetico^[9]. In questo senso le macchine intelligenti sono capaci di predire non solo i consumi, ma anche il tempo, le maree e il vento, in manieratale da orchestrare reti distribuite di energie eolica, solare e mareale.

A tal proposito un esempio concreto deriva dagli Stati Uniti, dove il Dipartimento dell’Energia ha avviato un sistemadi intelligenza artificiale in grado di supportare le reti elettriche nella gestione delle fluttuazioni di potenza, nella prevenzione dei guasti e nella resistenza ai danni derivanti dalle tempeste. Inoltre, l’abilità predittiva delle macchineintelligenti consente di individuare le zone in cui la rete elettrica è più vulnerabile alle interruzioni, in maniera tale darinforzarla.

6.  Gli scenari

Dopo aver visto le statistiche e le tendenze future, è possibile individuare quelli che hanno le probabilità più elevate di verificarsi.

In particolare, allo stato attuale, si può affermare che i due scenari che si stanno avverando maggiormente sono quello ottimistico e quello pragmatico. Infatti, le organizzazioni stanno usufruendo progressivamente dell’intelligenza artificiale per svolgere alcune tipologie di compiti come quelli meccanici definiti nel primo capitolo, quelli routinari e quelli di monitoraggio e controllo tipici del middle management.

Nonostante ciò, l’intervento umano risulta essere sempre decisivo per l’esecuzione delle attività più rilevanti delle organizzazioni, quali quelle cognitive ed emotive. Quindi, si può ritenere che l’impiego di questa tecnologia consenta alle persone di dedicare più tempo e più energie agli incarichi veramente importanti, provocando così una sorta di potenziamento delle abilità umane.

Allo stesso tempo, però, per godere di questi benefici è necessario, come sostenuto dai pragmatici, regolamentare e fronteggiare adeguatamente tutti i rischi correlati all’impiego di questa innovazione tecnologica. Relativamente allo scenario pessimistico invece, si può dire che questo potrebbe verificarsi nel caso in cui si diffondano l’intelligenza artificiale “forte” e la super-intelligenza artificiale, anche se non sono ancora certi gli effetti che queste potenziali evoluzioni potrebbero avere sull’occupazione.

Infine, per quanto riguarda quello scettico, occorre sottolineare che soltanto recentemente questa tecnologia è entrata a far parte della vita quotidiana delle organizzazioni. Di conseguenza, è necessario aspettare i prossimi anni per stabilire se si tratta di una semplice moda passeggera, oppure di un fenomeno destinato a cambiare persempre le modalità con cui operano le aziende.

7.  Competenze necessarie per sfruttare l’intelligenza artificiale

Dopo aver descritto l’impatto che l’intelligenza artificiale esercita sul mondo del lavoro e sull’occupazione, sianalizzano le principali competenze richieste ai dipendenti per andare a coprire i posti di lavoro creati dall’implementazione di questa tecnologia nelle organizzazioni. Come è già stato anticipato, l’automazione determinerà un rapido cambiamento nelle abilità richieste alla forza lavoro.

Un’esemplificazione di quanto si prevede possa accadere in futuro è rappresentata nella seguente tabella.

Tabella 7 – Confronto tra ore lavorate nel 2016 e ore di lavoro previste nel 2030 per singola competenza in Europa e negli USA [Fonte: Manyika J., & Sneader K. (2018)].

Questo schema mostra che la domanda per le abilità manuali e quella per le capacità cognitive di base sono destinate a decrescere, a causa del progressivo impiego dell’intelligenza artificiale in questi ambiti. Contestualmente, invece, si prevede un incremento della domanda per le skill cognitive avanzate, per quelle emozionali e per quelle tecnologiche.

Allo stato attuale l’intelligenza artificiale non è ancora riuscita a superare definitivamente le abilità di pensiero umane, mentre è ancora molto distante da quelle di natura emotiva.

Infine, il boom della richiesta di competenze tecnologiche è dovuto all’esigenza di avere persone in grado di sviluppare, gestire e mantenere i sistemi di intelligenza artificiale. A tal proposito, secondo un report del 2020^[10],le figure professionali più richieste nel futuro sono le seguenti:

Tabella 8 – Principali figure professionali che si svilupperanno in futuro [Fonte: Malins, A. (2022)].

Tra le figure professionali elencate nella tabella, assumono particolare importanza gli esperti di data science.Quest’ultima è quella scienza che studia i dati per estrarre informazioni dettagliate utili a livello di business.

Nello specifico, si prevede che questa posizione vada incontro a un incremento occupazionale del 38% nei prossimi 10 anni. Inoltre, ci si aspetta che anche la domanda per esperti di machine learning sia destinata acrescere del 37% nello stesso periodo temporale. Queste figure, infatti, sono fondamentali per semplificare le fasi di installazione, funzionamento e aggiornamento dei sistemi di intelligenza artificiale all’interno delle organizzazioni. Infine, un’altra professione cruciale nel futuro è quella di “traduttore di analytics”. Quest’ultimo non è né un dataarchitects né un data engineers, in quanto non è esperto di programmazione e di costruzione di modelli. Nonostante ciò, svolge un ruolo cruciale, ossia quello di collegare le competenze tecniche dei data scientists e dei data engineers con quelle operative dei manager in prima linea, che si occupano per esempio di marketing, catena di approvvigionamento e produzione. Questa figura professionale permette ai leader di identificare i problemi e di classificarli in ordine di priorità, considerando il valore che può essere generato dalla loro risoluzione. In seguito, i traduttori sfruttano la loro conoscenza dell’intelligenza artificiale e dell’analisi dei dati per comunicare gli obiettivi organizzativi ai professionisti di dati, i quali svilupperanno modelli e soluzioni. Infine, i traduttori si assicurano che la soluzione formulata produca informazioni utili per l’organizzazione e trasmettono questi vantaggi agli utenti. A testimoniare l’importanza della figura professionale appena descritta, una stima prevede che la domanda negli Stati Uniti per i traduttori è destinata a raggiungere un valore compreso tra 2 e 4 milioni entro il 2026^[11].

Per fronteggiare questi significativi cambiamenti in termini di competenze, le aziende necessitano di investire profondamente nella riqualificazione del capitale umano, argomento che verrà trattato nel prossimo paragrafo.

Bibliografia

• Agrawal, A., Gans, J., & Goldfarb, A. (2017). The trade-off every AI company will face.
• Harvard Business Review Digital Articles.
• Aspan, M. (2020). Siri, Did I Ace the Interview? Fortune International (Europe), 181(2).
• Bhimani, A., & Willcocks, L. (2014). Digitisation, Big Data and the transformation of accounting information. Accounting and Business Research, Taylor & Francis, Vol. 44 No. 4.
• Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., … & Amodei, D. (2018). The malicious use of artificial intelligence: Forecasting, prevention, and mitigation. arXiv preprint arXiv:1802.07228.
• CGMA (2016). Business Analytics And Decision Making. Baseline.
• Costa, G., & Gianecchini, M. (2019). Risorse umane: persone, relazioni e valore (Vol. 454). McGraw-Hill.
• Craigen, D., Diakun-Thibault, N., & Purse, R. (2014). Defining cybersecurity. Technology Innovation Management Review, 4(10).
• Daft, R. L. (2017). Organizzazione aziendale. Sesta edizione. Daft, R. L. (2021). Organizzazione aziendale. Maggioli, Milano.
• Davenport, T., Guha, A., & Grewal, D. (2021). How to Design an AI Marketing Strategy: What the Technology Can Do Today—and What’s Next. Harvard Business Review, 99, 42- 47.
• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24- 42.
• Doke, D. (2021). Software AI. Recruiter.
• Forger, G. (2020). AI and IoT are ready for your warehouse. Logistics management (Highlands Ranch, Colo.: 2002).
• Fountaine, T., McCarthy, B., & Saleh, T. (2021). Getting AI to scale. Harvard Business Review.
• Galeotti, M., & Garzella, S. (Eds.). (2013). Governo strategico dell’azienda: Prefazione del Prof. Umberto Bertini. G Giappichelli Editore.
• Gambhir, B., & Bhattacharjee, A. (2021). Embracing the role of artificial intelligence in accounting and finance: contemplating the changing skillset expectations. Development and Learning in Organizations: An International Journal.
• Gregg, M. (2005). CISSP security-management practices. Upper Saddle River, NJ: Pearson Education.
• Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California management review, 61(4), 5-14.
• Harrison, N., & O’Neill, D. (2017). If your company isn’t good at analytics, it’s not ready for AI. Harvard Business Review.
• Henke, N., Levine, J., & McInerney, P. (2018). You don’t have to be a data scientist to fill this must-have analytics role. Harvard Business Review.
• Huang, M. H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43-65.
• Lichtenthaler, U. (2020). Mixing data analytics with intuition: Liverpool Football Club scores with integrated intelligence. Journal of Business Strategy.
• Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021). Artificial intelligence coaches for sales agents: Caveats and solutions. Journal of Marketing, 85(2), 14-32.
• McAfee, A., & Brynjolfsson, E. (2012). Big data: the management revolution. Harvard business review, 90(10), 60-68.
• Miyashita, M., & Brady, M. (2019). The Health Care Benefits of Combining Wearables and AI. Harvard Business Review.
• Nair, K., & Gupta, R. (2021). Application of AI technology in modern digital marketing environment. World Journal of Entrepreneurship, Management and Sustainable Development.
• Niehueser, W., & Boak, G. (2020). Introducing artificial intelligence into a human resources function. Industrial and commercial training, 52(2), 121-130.
• Ore, O., & Sposato, M. (2021). Opportunities and risks of artificial intelligence in recruitment and selection. International Journal of Organizational Analysis.
• Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2B marketing. Journal of Business & Industrial Marketing.
• Paschen, U., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147-155.
• Petkov, R. (2020). Artificial intelligence (AI) and the accounting function—A revisit and a new perspective for developing framework. Journal of emerging technologies in accounting, 17(1), 99-105.
• Pighin, M., & Marzona, A. (2018). Sistemi informativi aziendali: ERP e sistemi di data analysis.
• Poba-Nzaou, P., Galani, M., Uwizeyemungu, S., & Ceric, A. (2021). The impacts of artificial intelligence (AI) on jobs: an industry perspective. Strategic HR Review, 20(2), 60- 65.
• Ponnapalli, P. (2022). Keys to successful innovation through artificial intelligence. Harvard Business Review.
• Ransbotham, S., Candelon, F., Kiron, D., LaFountain, B., & Khodabandeh, S. (2021). The Cultural Benefits of Artificial Intelligence in the Enterprise. MIT Sloan Management Review and Boston Consulting Group.
• Rudko, I., Bashirpour Bonab, A., & Bellini, F. (2021). Organizational structure and artificial intelligence. Modeling the intraorganizational response to the ai contingency. Journal of Theoretical and Applied Electronic Commerce Research, 16(6), 2341-2364.
• Samonas, S., & Coss, D. (2014). The CIA strikes back: Redefining confidentiality, integrity and availability in security. Journal of Information System Security, 10(3).
• Shrestha, Y. R., Ben-Menahem, S. M., & Von Krogh, G. (2019). Organizational decision- making structures in the age of artificial intelligence. California Management
• Review, 61(4), 66-83.
• Simonovich, L. (2021). Balancing AI advances with robust cybersecurity solutions. World Oil.
• Soni, V. D. (2020). Challenges and Solution for Artificial Intelligence in Cybersecurity of the USA. Available at SSRN 3624487.
• Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and policy considerations for deep learning in NLP. arXiv preprint arXiv:1906.02243.
• Tabesh, P. (2021). Who’s making the decisions? How managers can harness artificial intelligence and remain in charge. Journal of Business Strategy.
• S (2021). 3 areas where AI will boost your competitive advantage. Harvard Business Review Digital Articles.
• Truong, T. C., Zelinka, I., Plucar, J., Čandík, M., & Šulc, V. (2020). Artificial intelligence and cybersecurity: Past, presence, and future. In Artificial intelligence and evolutionary computations in engineering systems (pp. 351-363). Springer, Singapore.
• Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting automation: Implications for employment. Academy of Management Perspectives, 35(4), 642-659.
• Tse, T., Esposito, M., Takaaki, M., & Goh, D. (2020). The dumb reason your AI project will fail. Harvard business review digital articles, 2-5.
• Vadari, S., & Desik, P. A. (2021). The Role of AI/ML in Enhancing Knowledge Management Systems. IUP Journal of Knowledge Management, 19(2), 7-31.
• Wamba-Taguimdje, S. L., Wamba, S. F., Kamdjoug, J. R. K., & Wanko, C. E. T. (2020). Influence of artificial intelligence (AI) on firm performance: the business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893-1924.
• Whitmore, A., Agarwal, A., & Da Xu, L. (2015). The Internet of Things—A survey of topics and trends. Information systems frontiers, 17(2), 261-274.
• Yampolskiy, R. V. (2017). AI Is the Future of Cybersecurity, for Better and for Worse. Harvard Business Review. May, 8.
• Zaki, M., McColl-Kennedy, R., & Neely, A. (2021). Using AI to Track How Customers Feel—In Real Time. Harvard Business Review.
• Zhang, H., Zhang, X., & Song, M. (2021). Deploying AI for New Product Development Success: By embracing and incorporating AI in all stages of NPD, companies can increase their success rate of NPD projects. Research-Technology Management, 64(5), 50-57.
• Zouave, E., Gustafsson, T., Bruce, M., Colde, K., Jaitner, M., & Rodhe, I. (2020). Artificially intelligent cyberattacks. Swedish Defence Research Agency, FOI, Tech. Rep. FOI.
• (2017). Lavazza a caccia di “coffe addicted” con l’intelligenza artificiale. Il Sole 24 Ore. Retrieved fromhttps://www.ilsole24ore.com/art/lavazza-caccia-coffee-addicted-l- intelligenza-artificiale–AEBRpxQD 2022/08/02
• Amar, J., Majumder, S., Surak, Z., & von Bismarck, N. (2021). How AI-driven nudges can transform an operation’s performance. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/how-ai-driven- nudges-can-transform-an-operations-performance 2022/07/27
• Balabio, B., Orlando, P., & Scolari, T. (2021). Cresce il mercato dell’intelligenza artificiale in Italia. Retrieved from https://www.osservatori.net/it/ricerche/comunicati- stampa/artificial-intelligence-italia-mercato-progetti-20202022/07/08
• Berruti, F., Nel, P., & Whiteman R. (2020). An executive primer on artificial general intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/an-executive- primer-on-artificial-general-intelligence 2022/07/06
• Boehm, J., Curcio, N., Merrath, P., Shenton, L., & Stahle T. (2019). The risk-based approach to cybersecurity. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/risk-and-resilience/our-insights/the-risk- based-approach-to-cybersecurity 2022/08/03
• Brooks, C. (2022). Alarming cyber statistics for mid-year 2022 that you need to know. Forbes. Retrieved from https://www.forbes.com/sites/chuckbrooks/2022/06/03/alarming- cyber-statistics-for-mid-year-2022-that-you-need-to-know/?sh=7043d0247864 2022/08/03
• Brown, S., Gandhi, D., Herring, L., & Puri, A. (2019). The analytics academy: bridging the gap between human and artificial intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the- analytics-academy-bridging-the-gap-between-human-and-artificial-intelligence 2022/07/18
• Buehler, K., Dooley, R., Grennan, L., & Singla, A. (2021). Getting to know-and manage- your biggest AI risks. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/getting-to- know-and-manage-your-biggest-ai-risks 2022/07/11
• Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai- frontier-modeling-the-impact-of-ai-on-the-world-economy#part12022/07/15
• Chakraborty, A. (2021). A.I. can be a cornerstone of success – but only if leaders make the right choices. Fortune. Retrieved from https://fortune.com/2021/10/27/ai-artificial- intelligence-business-strategy-data-accenture/2022/07/29
• Chui, M., Hall, B., Singla, A., & Sukharevsky, A. (2021). The state of AI in 2021. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business- functions/quantumblack/our-insights/global-survey-the-state-of-ai-in-20212022/07/08
• Chui, M., Manyika, J., Miremadi, M., Henke, N., Chung, R., Nel, P., & Malhotra, S. (2018). Notes from the AI frontier: Applications and value of deep learning. McKinsey global institute discussion paper, April. Retrieved from https://www.mckinsey.com/featured- insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep- learning 2022/07/07
• Dandona, G. S., Sharma, J., & Wright, M. (2021). Our own digital journey: upskilling hundreds of McKinsey technologists in AI. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/about-us/new-at-mckinsey-blog/ai-upskilling-for-over-500- firm-technologists 2022/07/19
• Fowler, G. (2020). AI and its potential for cybersecurity. Forbes. Retrieved from https://www.forbes.com/sites/forbesbusinessdevelopmentcouncil/2020/12/18/ai-and-its- potential-for-cybersecurity/?sh=5d2f609e69d9 2022/08/03
• https://assets.siemens-energy.com/siemens/assets/api/uuid:cf20f2e1-ca9c-4589-9f88- 4e6592b4672d/brochure-deeparmour-industrial-200609.pdf 2022/08/05
• https://bids.berkeley.edu/news/berkeley-institute-data-science-and-accenture-applied- intelligence-announce-new-collaboration 2022/07/18
• https://info.algorithmia.com/hubfs/2020/Reports/2021-Trends-in- ML/Algorithmia_2021_enterprise_ML_trends.pdf?hsLang=en-us 2022/07/08
• https://wwd.com/business-news/technology/levis-ai-bootcamp-data-science-1234881378/ 22/09/04
• https://www.accenture.com/_acnmedia/PDF-63/Accenture-CoBE-Brochure-
• pdf#zoom=50 2022/08/23
• https://www.accenture.com/fr-fr/_acnmedia/36dc7f76eab444cab6a7f44017cc3997.pdf 2022/07/08
• https://www.bcg.com/publications/2020/is-your-company-embracing-full-potential-of- artificial-intelligence 2022/09/17
• https://www.capgemini.com/wp-content/uploads/2019/07/AI-in- pdf 2022/08/03
• https://www.careers.ox.ac.uk/article/the-pymetrics-games-overview-and-practice- guidelines 2022/07/26
• https://www.cnr.it/sites/default/files/public/media/attivita/editoria/VOLUME%20FULL%20 14%20digital%20LIGHT.pdf 2022/08/22
• https://www.levistrauss.com/2021/05/17/machine-learning-bootcamp/ 2022/07/19
• https://www.linkedin.com/pulse/how-coca-cola-using-ai-stay-top-soft-drinks-market- shivani-salunkhe 2022/08/23
• https://www.mckinsey.com/about-us/new-at-mckinsey-blog/mckinsey-receives-top- ranking-in-the-forrester-wave-ai-report 2022/07/19
• https://www.nist.gov/system/files/documents/cyberframework/cybersecurity-framework- pdf 2022/08/03
• https://www.statista.com/statistics/1083482/worldwide-ai-revenue-increase/ 2022/08/02 https://www.statista.com/statistics/1083516/worldwide-ai-cost-decrease/ 2022/08/02
• https://www.statista.com/statistics/1119824/global-business-and-hr-leaders-on-ai-impact- to-job-numbers/ 2022/07/20
• https://www.statista.com/statistics/1235395/worldwide-ai-enabled-cyberattacks- companies/ 2022/08/05
• https://www.statista.com/statistics/1293758/ai-marketing-revenue-worldwide/ 2022/07/25
• https://www.statista.com/statistics/472934/business-analytics-software-revenue- worldwide/ 2022/07/29
• https://www.statista.com/statistics/871513/worldwide-data-created/ 2022/07/29
• https://www.statista.com/statistics/941137/ai-investment-and-funding-worldwide/ 2022/07/08
• https://www.treccani.it/enciclopedia/intelligenza-artificiale 2022/07/04
• https://www.treccani.it/enciclopedia/sicurezza-informatica/#:~:text=sicur%C3%A9zza%20inform%C3%A0tica%20Ramo%20dell’informatica,dati%20riservati%20in%20essi%20contenuti. 2022/09/13
• https://www.tripwire.com/state-of-security/security-data-protection/43-billion-stolen- through-business-email-compromise-since-2016-reports-fbi/ 2022/09/13
• https://www.webfx.com/martech/pricing/ai/#:~:text=In%202020%2C%20companies%20can%20pay,house%20or%20freelance%20data%20scientists.&text=In%20comparison
• %2C%20custom%20AI%20solutions,from%20%246000%20to%20over%20%24300%2C 000. 2022/09/18
• Jeans, D. (2020). Companies will spend $50 billion on artificial intelligence this year with little to show for it. Forbes. Retrieved from https://www.forbes.com/sites/davidjeans/2020/10/20/bcg-mit-report-shows-companies- will-spend-50-billion-on-artificial-intelligence-with-few-results/?sh=7efe3fe57c87 2022/09/17
• Johar, P. (2020). How AI makes big data smarter. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2020/03/23/how-ai-makes-big-data- smarter/?sh=381f9b6a4684 2022/08/01
• Luchtenberg, D., & Migliorini, R. (2022). Coca-Cola: The people-first story of a digital transformation. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/coca-cola-the-people-first-story-of-a-digital-transformation 2022/08/02
• Malins, A. (2022). Machine learning and artificial intelligence: implementation in practice. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/01/25/machine-learning-and- artificial-intelligence-implementation-in-practice/?sh=7692b2a35c89 2022/07/15
• Manyika J., & Sneader K. (2018). AI, automation, and the future of work: Ten things to solve for. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured- insights/future-of-work/ai-automation-and-the-future-of-work-ten-things-to-solve-for 2022/07/15
• Marr, B. (2017). The Amazing Ways Coca Cola Uses Artificial Intelligence And Big Data To Drive Success. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2017/09/18/the-amazing-ways-coca-cola- uses-artificial-intelligence-ai-and-big-data-to-drive-success/?sh=1448c01778d2 2022/08/02
• Marr, B. (2018). The amazing ways how Unilever uses artificial intelligence to recruit & train thousands of employees. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/12/14/the-amazing-ways-how-unilever-uses-artificial-intelligence-to-recruit-train-thousands-of-employees/?sh=485a1ca76274 2022/07/26
• Marr, B. (2022). The most in – demand technical skills – and how to develop them. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2022/08/03/the-most- in-demand-technical-skills–and-how-to-develop-them/?sh=7a1c4e1362e4 2022/08/22
• Mohan S. (2022). How to make it easier to implement AI in your business. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/05/27/how-to- make-it-easier-to-implement-ai-in-your-business/?sh=481bfbd65300 2022/07/12
• Rossitto, S. (2021). “Senza intelligenza artificiale e big data impossibile un vaccino contro il Covid in tempi brevi”. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/senza-intelligenza-artificiale-e-big-data-impossibile-vaccino-contro-covid-tempi-brevi-AD5lOYHB 2022/08/01
• Rusconi, G. (2022). L’intelligenza artificiale facilita il cambiamento organizzativo. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/l-intelligenza-artificiale-facilita- cambiamento-organizzativo-AEitC2OB 2022/07/14
• Sinur, J., & Peters, E. (2019). AI & big data; better together. Forbes. Retrieved from https://www.forbes.com/sites/cognitiveworld/2019/09/30/ai-big-data-better- together/?sh=61a9e9a360b3 2022/08/01
• Taulli, T. (2021). Artificial intelligence: should you teach it to your employees? Forbes. Retrieved from https://www.forbes.com/sites/tomtaulli/2021/09/10/ai-artificial- intelligence-should-you-teach-it-to-your-employees/?sh=2bab6b507b73 2022/07/18
• Tremolada, L. (2019). Machine learning, deep learning e reti neurali. Ecco di cosa parliamo. Il sole 24 ore. Retrieved from https://www.ilsole24ore.com/art/machine- learning-deep-learning-e-reti-neurali-ecco-cosa-parliamo–AEaToEBH2022/07/07
• ASIMOV, I. (1950), I, Robot. (Cited at page 5)
• BABBAGE, C. (1982), «On the Mathematical Powers of the Calculating Engine», The Origins of Digital Computers. Texts and Monographs in Computer Science.
• BODEN, M. A. (2018), Artificial Intelligence: A Very Short Introduction.
• CAMPBELL, M., HOANE, A. J. e HSIUNG HSU, F. (2002), «Deep Blue», Artificial Intelligence, vol. 134, p. 57–83.
• CLARKE, A. C. e KUBRICK, S. (1968), 2001: A Space Odyssey.
• DICK, P. K. (1968), Do Androids Dream of Electric Sheep?
• HASHEMIPOUR, S. e ALI, M. (2020), «Amazon Web Services (AWS) – An Overview of the On-Demand Cloud Computing Platform».
• KRIZHEVSKY, A., SUTSKEVER, I. e HINTON, G. E. (2012), «ImageNet classification with deep convolutional neural networks», Communications of the ACM, vol. 60, p. 84 – 90.
• LECUN, Y., BENGIO, Y. e HINTON, G. E. (2015), «Deep Learning», Nature, vol. 521, p. 436–444.
• MASLEJ, N., FATTORINI, L., BRYNJOLFSSON, E., ETCHEMENDY, J., LIGETT, K., LYONS, T., MANYIKA, J., NGO, H., NIEBLES, J. C., PARLI, V., SHOHAM, Y., WALD, R., CLARK, J., e PERRAULT, R. (2023), «The AI Index 2023 Annual Report», Rap. tecn., AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA.
• MCCARTHY, J. (1960), «Programs with common sense».
• MCCARTHY, J., MINSKY, M., ROCHESTER, N. e SHANNON, C. E. (2006), «A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955», AI Mag., vol. 27, p. 12–14.
• RAO, A. S. e VERWEIJ, G. (2017), «Sizing the prize: what’s the real value of AI for your business and how can you capitalise?».
• RUSSELL, B. e WHITEHEAD, A. N. (1956), «Principia Mathematica to *56».
• RUSSELL, S. e NORVIG, P. (1995), «Artificial intelligence – a modern approach: the intelligent agent book».
• TURING, A. (1937), «On computable numbers, with an application to the Entscheidungsproblem», Proc. London Math. Soc.
• VASWANI, A., SHAZEER, N. M., PARMAR, N., USZKOREIT, J., JONES, L., GOMEZ, A. N., KAISER, L. e POLOSUKHIN, I. (2017), «Attention is All you Need», in «NIPS».
• https://www.agendadigitale.eu/cultura-digitale/lia-minaccia-o-migliora-il-lavoro-le-non-risposte-degli-ultimi-studi/

Note

[1] Poba-Nzaou, P., Galani, M., Uwizeyemungu, S., & Ceric, A. (2021). The impacts of artificial intelligence (AI) on jobs: an industry perspective. Strategic HR Review, 20(2), 61.

[2] Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018), op. cit.

[3] Manyika J., & Sneader K. (2018). AI, automation, and the future of work: Ten things to solve for. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured-insights/future-of-work/ai- automation-and-the-future-of-work-ten-things-to-solve-for 2022/07/15.

[4] Tschang, F. T., & Almirall, E. (2021), op. cit., 643.

[5] Poba-Nzaou, P., Galani, M., Uwizeyemungu, S., & Ceric, A. (2021), op. cit., 62.

[6] Tschang, F. T., & Almirall, E. (2021), op. cit., 654.

[7] https://www.cnr.it/sites/default/files/public/media/attivita/editoria/VOLUME%20FULL%2014%20digital%2 0LIGHT.pdf 2022/08/22.

[8] Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and policy considerations for deep learning in NLP. arXiv preprintarXiv:1906.02243.

[9] https://www.cnr.it/sites/default/files/public/media/attivita/editoria/VOLUME%20FULL%2014%20digital%2 0LIGHT.pdf 2022/08/22

[10] Malins, A. (2022). Machine learning and artificial intelligence: implementation in practice. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/01/25/machine-learning-and- artificial-intelligence-implementation-in-practice/?sh=7692b2a35c89 2022/07/15.

[11] Henke, N., Levine, J., & McInerney, P. (2018). You don’t have to be a data scientist to fill this must-have analytics role.Harvard Business Review, 3.