Soft skill nell'era dell'AI: le 3 che contano davvero

Last Updated on Luglio 21, 2026 by Marco Regazzo

Deleghiamo sempre più all’intelligenza artificiale. E allora, una domanda scomoda tra colleghi: quale competenza vi salva davvero, adesso che la macchina fa il lavoro tecnico meglio di voi? Non è quella che pensate.

di Marco Regazzo, founder di Primo Round.

Qualche settimana fa, a pranzo con un cliente. È il direttore operativo di una software house da 400 persone — quindi, per la gran parte, sviluppatori. Uomo di esperienza vasta, una carriera fuori dagli schemi alle spalle. Si chiacchiera del più e del meno e, come capita sempre a pranzo di lavoro, si finisce a parlare di AI. A un certo punto lui ci dice: «Sai, l’AI è un moltiplicatore.» — «In che senso, scusa?» — «Fai te. Per dieci, per cinquanta, per cento. Decidi tu quanto.» — «Ma moltiplicatore di cosa?» ribatto. E lui chiude il discorso: «di te! Se sei uno bravo, diventi dieci, cinquanta volte più bravo. Se sei un incompetente, diventi dieci, cinquanta volte più incompetente.»

Aveva ragione. E la battuta, letta bene, contiene tutto il punto di questo articolo. L’AI non produce competenza: moltiplica quella che già c’è. E il fattore che decide il segno del moltiplicatore non è più il tuo know-how tecnico. Sono le soft skill — solo che non sono quelle che pensi.

Con l’AI serve ancora la competenza tecnica?

Sempre meno, e la ricerca lo dice chiaro. Quando una macchina esegue il compito tecnico bene quanto lo specialista — a volte meglio, su dati strutturati e task ripetitivi — il valore del professionista smette di essere prevalentemente tecnico. Uno studio di Harvard Business School su 70 milioni di percorsi di carriera e 20 milioni di CV mostra che quasi l’80% del premio salariale delle competenze specialistiche poggia in realtà sulle competenze fondamentali sottostanti. La metafora dell’autore: le competenze generali sono il tronco dell’albero, quelle specialistiche i rami che se ne diramano. Con l’AI, i rami te li dà la macchina. Il tronco no.

Detto da chi lo vive: in Primo Round dirigiamo un’agenzia digitale e deleghiamo all’AI ogni santo giorno — testi, bozze, analisi, prime versioni. Ci abbiamo guadagnato tempo, non abbiamo guadagnato un cervello in più. Il cervello resta il collo di bottiglia. Ed è lì che si gioca la partita.

Quali sono le soft skill che contano davvero nell’era dell’AI?

Tre, e sono tutte e tre cognitive, non relazionali: cervello acceso (guidare invece di eseguire), capacità di lettura (capire davvero cosa l’AI ti sta dicendo) e pensiero critico (non prendere niente per oro colato). Banali nell’enunciato, decisive nella pratica: sono la differenza tra chi guida l’AI e chi ne è guidato.

Le teniamo distinte da empatia, comunicazione e leadership — che sono soft skill relazionali, un’altra categoria. È un errore diffusissimo metterle nello stesso calderone. Le relazionali riguardano come lavoro con gli altri; le cognitive riguardano come funziona il mio pensiero. E nel lavoro sempre più atomizzato in verticali individuali uomo-AI, la partita si sposta dalle prime alle seconde. Torniamo su questa distinzione più sotto, perché è scomoda.

Pilastro 1 — Il «cervello acceso»: guidare invece di eseguire

Per usare il cervello di qualcun altro — l’AI — il tuo deve essere acceso. Devi sapere cosa vuoi, scomporre il problema e decidere cosa delegare e fin dove. È il passaggio da esecutore a regista.

Non è aria fritta motivazionale: è documentato. Una ricerca Microsoft Research + Carnegie Mellon presentata a CHI 2025, su 319 knowledge worker e 936 casi d’uso reali, descrive tre spostamenti nella natura del lavoro cognitivo con l’AI: dall’esecuzione del compito alla sua supervisione (gli autori la chiamano task stewardship), dal risolvere problemi all’integrare le risposte nel proprio contesto, dal raccogliere informazioni al verificarle. Tradotto: il lavoro non sparisce, cambia mestiere. Diventa regia. E la regia la sa fare solo chi ha un obiettivo chiaro in testa prima di aprire il prompt. È la stessa cosa che diciamo da sempre ai clienti sugli eventi e sulla comunicazione: la prima domanda non è «come», è «perché lo stai facendo» — solo che adesso vale anche davanti a una macchina.

Pilastro 2 — La capacità di lettura (quella vera, lunga e densa)

Se non riesci a leggere più di un capoverso e capire di cosa si parla, tutto quello che l’AI ti restituisce ti risulta, di fatto, illeggibile. Serve capacità di lettura: capire cosa la macchina sta dicendo e cosa sta facendo — non solo nell’output finale, ma nei passaggi intermedi, andando a vedere come si è comportata.

È il pilastro con i dati più brutali. L’indagine OECD PIAAC 2024 (31 paesi) racconta che in media il 26% degli adulti ha basse competenze di lettura — Livello 1 o sotto: sanno decodificare frasi brevi, non reggere un testo articolato. Negli ultimi dieci anni la literacy è migliorata solo in Danimarca e Finlandia, ed è stabile o in calo ovunque; il dato che spaventa è il calo tra i 16-24enni e persino tra i laureati. Nel frattempo è nato un fenomeno nuovo, l’output overwhelm: la fatica di processare e verificare montagne di testo generato. La macchina per produrre documenti migliora in fretta; la macchina per leggerli restano due occhi stanchi e un caffè. Chi non sa leggere criticamente più di un paragrafo non può né valutare né guidare l’AI: può solo fidarsi. Che è esattamente il problema del pilastro tre.

Pilastro 3 — Il pensiero critico: non prendere niente per vero

Non prendere niente come verità assoluta. Fare sempre challenging: chiedersi se è la scelta giusta, se si poteva fare diversamente, mettere mano quando l’AI si incaglia. Detto da noi che quell’AI la usiamo tutti i giorni, sono più le volte che l’AI prende una strada e poi ci risponde «hai ragione, scusa, non avevo considerato…» di quelle in cui ci convince che aveva ragione lei.

Due studi convergono, e non sono rassicuranti. Gerlich (2025, rivista Societies), su 666 partecipanti, trova una correlazione negativa significativa tra uso frequente dell’AI e pensiero critico, mediata dal cognitive offloading — la delega del carico mentale a un sistema esterno. I più giovani mostrano la dipendenza maggiore e i punteggi di pensiero critico più bassi. La ricerca Microsoft/CMU aggiunge l’effetto più insidioso: chi ha più fiducia nell’AI applica meno pensiero critico; chi ha più fiducia nelle proprie competenze ne applica di più — verifica, raffina, integra. La fiducia sbagliata è quella riposta nella macchina. Ecco perché misurare invece di applaudire è una disciplina, non un dettaglio: vale per il ROI di un webinar come per l’output di un modello.

Cognitive o relazionali: quali soft skill servono con l’AI?

Le cognitive. Ed è una tesi controcorrente, dichiariamolo. Il filone dominante — World Economic Forum, McKinsey — punta tutto sulle relazionali: empatia, comunicazione, leadership. Numeri veri: il WEF segnala profili di competenze molto più ampi rispetto a pochi anni fa e una crescita del valore delle human skill anche in ruoli tecnici; McKinsey proietta al 2030 una domanda in forte crescita di competenze sociali ed emotive. Ma quel filone fotografa l’organizzazione, non il singolo davanti allo schermo.

Nel knowledge work atomizzato succede l’opposto. Man mano che il lavoro si spezza in verticali individuali uomo-AI — ognuno con i suoi agenti che lavorano sotto — la relazione col collega diventa una derivata sempre più marginale: si dirada la superficie di contatto umano, e con lei le competenze relazionali. Le cognitive, invece, diventano il terreno di gioco: sono ciò che distingue chi guida da chi è guidato. Cervello acceso, capacità di lettura, pensiero critico si allenano in solitudine, davanti a uno schermo — esattamente la condizione in cui il lavoro oggi si svolge.

C’è un concetto che tiene insieme i tre pilastri?

Sì: la metacognizione, cioè pensare sul proprio pensiero. La ricerca Microsoft (Tankelevitch et al., 2024) mostra che usare bene l’AI impone una domanda metacognitiva alta: formulare il prompt (autoconsapevolezza dell’obiettivo), valutare l’output e decidere se fidarsi (monitoraggio e giudizio), scegliere cosa delegare (regia del proprio flusso). Sono i tre pilastri, visti da sopra.

Il rovescio ha pure lui un nome, ed è il rischio vero: la metacognitive laziness. Quando la delega diventa eccessiva non si atrofizza la relazione col collega — si atrofizza la tua capacità di monitorare e valutare. Peggio: la ricerca documenta un disallineamento tra performance e metacognizione. Più usi l’AI, più passi da un pensiero riflessivo a uno fatto di automatismi: aumenta la sicurezza, cala l’accuratezza. Diventi più convinto e meno capace di accorgerti quando sbagli. Chi accetta passivamente l’output errato di un modello e chi clicca il link del finto capo commettono lo stesso identico errore: accettare invece di monitorare. I tre pilastri servono a non farlo.

L’AI conviene più ai giovani o ai «boomer»?

Sorpresa: oggi il professionista tra i 45 e i 60 anni può diventare più performante del giovane — un ribaltamento rispetto a pochi anni fa. Non è anagrafe, è capitale cognitivo, e quello tende a correlarsi con l’esperienza. La variabile vera resta la metacognizione, non l’età.

Fino a poco tempo fa il vantaggio era strutturalmente dei giovani: mente elastica, apprendimento rapido, più veloci ad acquisire le competenze tecniche. Ma l’AI azzera quasi del tutto il valore differenziale della tecnica pura — proprio quella su cui il giovane correva — e sposta il baricentro sulle competenze cognitive, che l’esperienza costruisce: il pensiero critico maturato sbagliando e imparando; la capacità di lettura di chi, per formarsi, doveva leggersi un manuale intero e non un thread; la regia di chi ha tenuto insieme mille progetti. Sono fondamenta su cui si costruisce un palazzo più alto. Il rovescio, affilato: il junior rischia di essere fragile dove ora conta — prende male una critica, fatica a tenere insieme più fili, ha meno abitudine a immergersi in profondità. E i dati non lo smentiscono: PIAAC segnala il calo di literacy proprio tra i 16-24enni, Gerlich trova nei più giovani la dipendenza maggiore dall’AI. Non dobbiamo correre il rischio di generalizzare e scivolare nella banalità: un giovane metacognitivamente attrezzato batte un senior col cervello spento — ma il senza-cervello non ha più l’alibi dell’età.

Perché le competenze relazionali non bastano più a proteggerti

Perché sono già in declino, per cause che con l’AI non c’entrano. L’AI non svuota un serbatoio pieno: dà la spinta finale a un declino già avviato. E qui non è opinione: è misurato, su due fronti.

Fronte adulti: lo smart working ha eroso le competenze sociali di chi era già al lavoro. Un’indagine ResumeBuilder su 1.000 lavoratori da remoto (novembre 2024) trova che un su quattro (25%) dichiara un calo delle proprie social skill da quando lavora interamente a distanza; il 20% si sente più ansioso nelle situazioni sociali, un altro 20% più a disagio, il 18% più impacciato; il 69% non mette quasi mai piede fuori di casa per lavorare. Non è solo autopercezione soggettiva: uno studio pubblicato su Quality & Quantity (Gnecco, Landi e Riccaboni, 2024) ha simulato l’impatto del Covid sulle social soft skill per 88 settori economici italiani (dati ISTAT), partendo dall’ipotesi che l’interazione mediata da uno schermo inibisca le competenze sociali che un team in presenza sviluppa condividendo lo stesso spazio fisico. E che queste competenze, se non allenate, si atrofizzino non è una metafora: lo studio longitudinale di Melin e Correll pubblicato su PNAS (2022) documenta un vero e proprio soft skill decay — durante la pandemia, le donne early-career in ambito STEM senza un intervento formativo dedicato hanno subìto un declino nella percezione delle proprie soft skill; il gruppo con l’intervento no. Le soft skill sono un muscolo: senza palestra, si accorciano.

Fronte nuove generazioni: arrivano con un deficit relazionale a monte. La tesi più discussa è quella di Jonathan Haidt in The Anxious Generation (2024): il passaggio da un’infanzia play-based a una phone-based avrebbe privato la Gen Z proprio delle esperienze in cui storicamente si sviluppano le competenze sociali. Il dato che regge anche a chi contesta le conclusioni più forti è il crollo del tempo di interazione faccia-a-faccia — nei numeri citati, da 122 a 67 minuti al giorno. Il gioco libero non supervisionato è il contesto in cui si imparano risoluzione dei conflitti, sincronizzazione e alternanza dei turni: sostituirlo con l’interazione asincrona dei social significa arrivare al lavoro con quel repertorio sotto-allenato. A questo si sommano la scuola in DAD durante la pandemia e l’ingresso nel mondo del lavoro in piena ondata remota, saltando l’apprendistato relazionale d’ufficio.

Va detto, per onestà intellettuale — che è poi la stessa disciplina di cui parla tutto l’articolo: parte di questa letteratura misura l’autopercezione, non sempre la competenza oggettiva, e le tesi di Haidt sono dibattute. Ma la direzione è coerente su ogni fonte: meno interazione in presenza, meno allenamento del muscolo relazionale. E se le relazionali cedono per conto loro, puntarci sopra la propria strategia professionale è costruire su un terreno che frana. Le cognitive, al contrario, restano difendibili e — soprattutto — sono l’unica leva che puoi allenare da solo, senza dipendere da un contesto sociale che si sta rarefacendo.

Come si allenano queste soft skill, in pratica?

Si comincia trattando ogni output dell’AI come una bozza da interrogare, non come un verdetto. Prima di accettare: è vero? si poteva fare meglio? cosa sto delegando che dovrei tenere? È lo stesso riflesso di trasparenza che applichiamo al nostro mestiere — dire al cliente quando una cosa non serve, anche contro il nostro fatturato. Con la macchina è identico: la disciplina di non fidarti a scatola chiusa è ciò che rende il moltiplicatore positivo.

Torniamo al direttore operativo del pranzo. L’AI moltiplica: per dieci, per cento, per cinquanta. Ma prima devi essere qualcosa. Se sei un cervello acceso che legge e dubita, puoi mettere in leva l’AI. Se sei un cervello spento che accetta e incolla, l’AI ti fa sbagliare più in fretta e con più convinzione. Il numero lo scegli tu. Il segno, pure.

Ora confessa: l’ultima volta che hai preso per buono l’output di un modello senza rileggerlo, di che segno eri?

Fonti e approfondimenti

Articolo scritto da

Marco Regazzo

Marco Regazzo è Founder & CEO di Primo Round, agenzia specializzata nella produzione di contenuti digitali e nella comunicazione Online con una esperienza di oltre 15 anni nel contesto di meeting, congressi ed eventi B2B Aziendali. Da oltre 15 anni affianca brand e organizzatori nella…

Leggi la bio completa →in