A maggio 2026 le quattro principali società italiane di language tech (Translated, Almawave, Expert.ai, iGenius) impiegano complessivamente oltre 800 ingegneri specializzati in elaborazione del linguaggio naturale. Il numero, riferito alle sole aziende italiane di medie e grandi dimensioni del settore, sale a circa 2.000 considerando anche le startup, i laboratori di ricerca pubblici e i team NLP all’interno di banche, assicurazioni e telco. Densità di specialisti che colloca l’Italia tra i primi cinque paesi europei per concentrazione di NLP Engineer, anche se i salari restano nettamente inferiori a quelli del Regno Unito e della Francia. Sotto i numeri c’è una storia industriale specifica, che parte dagli anni Sessanta e arriva al 2026 con un comparto specializzato che pochi paesi possono mostrare.
Il polo italiano del language tech
Le aziende italiane che oggi guidano il comparto language tech non sono nate per caso.
Translated, fondata a Roma nel 1999 da Marco Trombetti e Isabelle Andrieu, ha costruito nel corso di vent’anni un team di ricerca dedicato alla traduzione neurale che nel 2024 ha rilasciato Lara, uno dei pochissimi modelli linguistici sviluppati da società europea con valutazione superiore al miliardo di euro. Almawave, parte del Gruppo Almaviva, ha sviluppato Velvet (il modello linguistico specializzato per la pubblica amministrazione italiana) ed Estia, il sistema di virtual assistant adottato da diverse PA centrali e locali. Expert.ai (con sede a Modena) ha una storia che parte dagli anni Novanta come Expert System, ed è oggi una delle poche società europee con prodotti consolidati sull’analisi semantica del testo, particolarmente diffusa nell’intelligence e nel financial services. iGenius, fondata a Milano nel 2016 da Uljan Sharka, ha rilasciato Italia, un modello linguistico specializzato per il dominio finanziario.
A queste quattro si aggiungono il progetto MIIA (Modello Italiano di Intelligenza Artificiale), iniziativa pubblico-privata coordinata da CINI e Governo, e una serie di startup come Aindo, Cortilia AI e altre che operano su nicchie specifiche. La densità del comparto consente al professionista NLP italiano di costruire una carriera senza dover lasciare il paese, condizione che pochi altri segmenti AI italiani offrono.
La tradizione che parte da Padre Busa
L’industria italiana del language tech ha radici profonde. La norma UNI 11621-8 dedica al profilo dell’AI NLP Engineer una codifica che riflette competenze costruite nel corso di decenni in Italia. Il primo dizionario elettronico al mondo (Index Thomisticus, l’analisi computazionale dell’opera di Tommaso d’Aquino) fu progettato da Padre Roberto Busa S.J. tra il 1949 e il 1980, in collaborazione con IBM. Quel progetto pose le basi della linguistica computazionale come disciplina e generò una scuola italiana che si è mantenuta attiva fino ad oggi attraverso istituti come l’ILC del CNR a Pisa, il Dipartimento di Informatica di Pisa, il CIRCSE di Milano, e laboratori dedicati in diverse altre università italiane.
La conseguenza per il mercato del lavoro 2026 è una pipeline formativa più consolidata che in altri segmenti AI.
I corsi di laurea magistrale in Linguistica computazionale (Pisa, Pavia), gli indirizzi NLP all’interno dei master di AI di Bologna, Trento e Sapienza, i dottorati specializzati a Pisa e a Padova producono ogni anno tra 200 e 350 specialisti con formazione adeguata. Non sono numeri grandi rispetto alla domanda totale, ma sono numeri qualificati: la maggioranza dei laureati in questi percorsi trova lavoro in aziende language tech italiane entro sei mesi.
Lara di Translated e il caso Almawave Velvet
Due casi specifici raccontano lo stato dell’arte del language tech italiano. Translated Lara, lanciato nella sua versione enterprise nel 2024, è un sistema di traduzione neurale che combina modelli linguistici di grandi dimensioni con un layer di adattamento al dominio specifico del cliente. La valutazione di Translated, basata su un round di finanziamento del 2023, ha superato il miliardo di euro, rendendola uno dei primi unicorni AI europei. Il prodotto è oggi adottato da un numero crescente di aziende multinazionali italiane ed estere per gestire la traduzione di volumi consistenti di contenuti tecnici.
Almawave Velvet è un caso diverso ma altrettanto rilevante. Si tratta di un modello linguistico specializzato per la pubblica amministrazione italiana, addestrato su corpora di documenti amministrativi e legali italiani. Il modello è stato adottato da diverse amministrazioni centrali e locali per applicazioni di sintesi documentale, classificazione automatica delle pratiche, supporto agli operatori. Velvet rappresenta una scelta strategica precisa: invece di competere con i modelli americani o cinesi sui benchmark generici, Almawave si è specializzata su un dominio dove la conoscenza linguistica e amministrativa italiana fa la differenza.
Cosa codifica UNI 11621-8 per l’NLP Engineer
La norma UNI 11621-8 codifica l’NLP Engineer con un set di competenze specifiche che vanno oltre la generica padronanza di librerie.
Cinque aree.
Tokenization avanzata: comprensione dei diversi schemi di tokenization (BPE, SentencePiece, WordPiece), capacità di adattare la tokenization a domini specifici, gestione di lingue a basse risorse. Padronanza degli embeddings: dai word embeddings classici ai contextual embeddings dei transformer, fino agli embeddings multimodali che combinano testo, immagini e audio. Fine-tuning di transformer, con padronanza di tecniche specifiche come PEFT (LoRA, QLoRA, prefix tuning), instruction tuning, RLHF. Valutazione multilingue, con familiarità con i benchmark FLORES (per traduzione), XNLI (per inferenza), MGSM (per ragionamento matematico cross-lingual). Adattamento a low-resource languages, capacità che ha valore industriale in scenari come l’italiano regionale, il sardo, o lingue minoritarie europee.
Skills 2026: oltre transformer e BERT
Le competenze richieste agli NLP Engineer italiani nel 2026 si stanno spostando rapidamente. Le posizioni base che richiedevano BERT e i suoi derivati (RoBERTa, DistilBERT, multilingual BERT) sono state largamente saturate. Le posizioni di valore oggi richiedono competenze più recenti: padronanza dei modelli generativi italiani (Velvet, Lara, Italia), capacità di costruire pipeline RAG (Retrieval Augmented Generation) di grado enterprise, esperienza con l’addestramento distribuito di modelli oltre i 10 miliardi di parametri.
Una competenza emergente è la valutazione di modelli linguistici per use case specifici italiani. Gli evaluation set italiani sono pochi e spesso datati. Costruire un evaluation set proprietario, calibrato su un dominio aziendale specifico, è diventato un valore di mercato. Gli NLP Engineer che sanno fare bene questo lavoro sono pagati parecchio di più dei loro colleghi che si limitano a usare benchmark pubblici.
Salari italiani nel comparto
I livelli retributivi nel comparto NLP italiano 2026 si collocano in una forchetta che riflette sia la scarsità del profilo sia la maturità del settore. Un NLP Engineer mid-level (tre-cinque anni di esperienza, con almeno un progetto NLP portato a produzione) percepisce tra 60.000 e 90.000 euro lordi annui. La fascia senior (cinque-otto anni con responsabilità di team o di progetti di scala) sale tra 100.000 e 150.000 euro. I ruoli lead, presso provider language tech come Translated o Almawave, possono superare i 180.000 euro per profili senior con track record consolidato.
I bonus nel comparto language tech sono generalmente più contenuti che nel consulting o nelle big tech, ma le componenti equity hanno guadagnato peso, specialmente nelle scaleup come Translated e iGenius.
L’acquisto di azioni a sconto e i piani di stock option sono diventati pratica diffusa per trattenere i profili più esperti. La struttura del settore, con poche aziende grandi e molte aziende medie, favorisce traiettorie di carriera fluide: cambiare azienda dopo tre-cinque anni è la norma, e ogni cambio porta tipicamente un incremento retributivo del 15-25%.
Aziende che assumono e percorsi formativi
Per chi vuole entrare nel comparto NLP italiano nel 2026 i percorsi di accesso sono identificabili. La via accademica passa dai corsi di laurea magistrale specializzati: Pisa con Computational Linguistics, Pavia con Linguistica Computazionale, Bologna con Artificial Intelligence (indirizzo NLP), Trento con il master in AI. La via professionalizzante passa da percorsi post-laurea o da specializzazioni interne alle aziende language tech. Translated, Almawave, Expert.ai e iGenius hanno programmi di onboarding strutturati per neolaureati che durano tipicamente sei-dodici mesi.
L’iscrizione ad AIPIA come associazione professionale ha valore aggiunto specifico per gli NLP Engineer: accesso a percorsi formativi mirati ai profili UNI 11621-8, copertura assicurativa per consulenti freelance, possibilità di ottenere la Credenziale Europea AI con specializzazione NLP. Per i freelance e i consulenti indipendenti, la formalizzazione delle proprie competenze attraverso uno standard riconosciuto a livello europeo è un asset commerciale concreto.
L’industria italiana del language tech come asset strategico
Il comparto language tech italiano è un caso interessante di nicchia industriale che ha mantenuto, e in alcuni casi accresciuto, la propria competitività in un settore tecnologico dove l’Italia raramente compete a livello globale. Le ragioni non sono casuali: tradizione accademica radicata, presenza di aziende che hanno investito a lungo termine, specializzazione su domini dove la conoscenza linguistica italiana ed europea fa differenza. Il professionista NLP italiano nel 2026 ha opzioni di carriera che colleghi di altri segmenti AI possono solo invidiare. La traiettoria del comparto dipenderà dalla capacità di attrarre capitali per accelerare lo sviluppo di prodotti, e dalla capacità delle aziende italiane di far crescere internamente i propri ricercatori senza perderli verso le big tech americane.
