Il XXVII Rapporto AlmaLaurea sulla condizione occupazionale dei laureati italiani contiene per la prima volta un capitolo dedicato ai percorsi specifici in intelligenza artificiale. I numeri di copertina raccontano un mercato in salute: il 92% dei laureati in corsi AI trova lavoro entro 12 mesi dal titolo, contro l’81% della media nazionale. Sotto la superficie, però, il rapporto contiene un dato meno celebrativo. Solo il 40% di questi laureati lavora in ruoli che richiedono effettivamente le competenze algoritmiche codificate dalla norma UNI 11621-8 per il profilo di AI Algorithm Engineer. Il restante 60% finisce in mansioni che potrebbero essere coperte da figure tecniche meno specializzate. Mismatch strutturale tra la formazione universitaria italiana e i bisogni reali del mercato.
Cosa codifica UNI 11621-8
La norma UNI 11621-8 dedica al profilo dell’AI Algorithm Engineer una descrizione asciutta. Si tratta del professionista che progetta, analizza e ottimizza algoritmi di intelligenza artificiale, con responsabilità sulla scelta delle architetture, sul controllo della complessità computazionale e sulla validazione formale delle proprietà degli algoritmi. È una figura distinta dall’ML Engineer (che si occupa del deployment) e dal Research Scientist (che produce nuova conoscenza). L’Algorithm Engineer sta nel mezzo: prende un problema applicativo, lo formalizza, sceglie o adatta un algoritmo, ne misura le proprietà computazionali e di accuratezza, lo consegna pronto per l’integrazione.
Cinque blocchi di competenze.
Algebra lineare avanzata (operazioni su tensori, decomposizioni matriciali, autovalori e autovettori). Ottimizzazione convessa e non convessa (gradient descent, metodi quasi-Newton, ottimizzazione vincolata). Teoria della complessità computazionale (classi P, NP, complessità asintotica, analisi amortizzata). Statistica bayesiana (inferenza variazionale, MCMC, conjugate priors). Probabilità e processi stocastici. Un nucleo che richiede almeno cinque anni di formazione strutturata.
La mappa dei piani di studio italiani
L’analisi dei piani di studio dei principali atenei italiani per l’anno accademico 2025-2026 racconta una storia disomogenea. Il Politecnico di Milano, con la laurea magistrale in Computer Science Engineering, indirizzo AI e Robotics, copre in modo strutturato algebra lineare avanzata e ottimizzazione convessa, con corsi obbligatori da 8 e 6 crediti rispettivamente. Bologna, con la laurea magistrale in Artificial Intelligence, ha un percorso simile con corsi obbligatori su Machine Learning, Deep Learning, Optimization Methods for Machine Learning. La Sapienza di Roma offre la laurea magistrale in Data Science, dove l’ottimizzazione convessa è un corso a scelta non obbligatorio. Pisa, con la laurea magistrale in AI and Data Engineering, offre corsi obbligatori in Mathematical Logic for AI e Machine Learning ma rimanda l’ottimizzazione avanzata a corsi opzionali. Padova, Torino e Trento presentano profili intermedi con coperture parziali.
Il dato che colpisce è uno.
Solo Politecnico di Milano e Bologna hanno corsi obbligatori dedicati all’ottimizzazione convessa nel curriculum AI standard 2026. Tutti gli altri atenei la lasciano come opzione facoltativa. È un buco formativo. L’ottimizzazione convessa è la base matematica di tutti i metodi di addestramento dei modelli moderni, dal regressore logistico ai transformer. Senza padronanza solida di questi metodi, un Algorithm Engineer non può progettare un nuovo algoritmo: può solo applicarne uno esistente prendendolo da una libreria.
Cosa significa il 60% sotto-qualificato
Il dato AlmaLaurea sul 60% dei laureati AI in ruoli sotto-qualificati va letto con attenzione. Non significa che questi professionisti siano disoccupati o sottopagati. La maggioranza lavora in posizioni che richiedono competenze di programmazione (Python, SQL, framework ML), capacità di applicare modelli pre-esistenti, di interpretare risultati. Sono ruoli rispettabili, retribuiti tra 35.000 e 55.000 euro per le posizioni junior, con buone prospettive di crescita. Quello che manca è la copertura di mansioni che richiedono progettazione algoritmica vera e propria: la scelta di una nuova architettura per un problema specifico, la dimostrazione formale di proprietà di convergenza, l’analisi della complessità computazionale di una variante.
La conseguenza è pratica. Le aziende italiane che hanno bisogno di Algorithm Engineer veri (banche di investimento per il pricing, energy traders, società farmaceutiche per il drug discovery, alcune fintech) si rivolgono frequentemente a profili con dottorato di ricerca o a candidati formati all’estero. Il mercato dei laureati italiani con master non riesce a coprire la fascia alta. Divario formativo, non di domanda.
Salari e mercato di assorbimento
I livelli retributivi per AI Algorithm Engineer in Italia nel 2026 si collocano in una forchetta interessante. La fascia mid-level (con dottorato o tre-cinque anni di esperienza specifica) parte da 65.000 euro e arriva a 100.000, con mediana intorno a 82.000. La fascia senior (cinque-otto anni con almeno due algoritmi originali pubblicati o in produzione) si attesta tra 120.000 e 170.000 euro. I ruoli più alti, in aziende ricerca-driven come Pirelli (sui sensori), Leonardo (sulle sue divisioni quantum e cyber), Almawave (su language models), possono raggiungere e superare i 220.000 euro per profili con track record consolidato.
Cinque settori di assorbimento.
Finanza quantitativa (Mediobanca, BNL Banca, Generali Investments). Energy trading (Eni, Edison, A2A Energy Solutions). Farmaceutica (Chiesi, Menarini, Recordati). Telecomunicazioni (TIM, WindTre con i loro laboratori AI). Industria avanzata (Leonardo, Fincantieri, alcune aziende del cluster manifatturiero del Nord). Una caratteristica comune: tutti questi settori hanno problemi computazionali specifici che non si risolvono prendendo modelli pre-addestrati da Hugging Face. Servono Algorithm Engineer veri, e per averli oggi le aziende italiane competono con offerte estere.
La risposta formativa di AIPIA
Il gap formativo individuato dal rapporto AlmaLaurea apre uno spazio per percorsi specializzati post-laurea. AIPIA ha strutturato a partire dal 2025 una serie di percorsi formativi modulari sui dodici profili UNI 11621-8, con focus particolare sulle competenze che il sistema universitario italiano copre in modo disomogeneo. Per l’AI Algorithm Engineer l’offerta si concentra su tre aree: ottimizzazione avanzata, statistica bayesiana applicata, complessità computazionale per modelli generativi. I percorsi non sostituiscono la formazione universitaria ma la integrano per chi è già laureato in CS, Matematica, Fisica o Ingegneria e vuole acquisire le competenze algoritmiche specifiche al ruolo.
L’esito atteso non è un titolo di studio ma una Credenziale Digitale Europea con sigillo eIDAS, riconosciuta in tutti gli stati membri dell’Unione Europea. Strumento che porta in dote l’identità del professionista AI in modo verificabile: un datore di lavoro può scansionare il QR code della credenziale e leggere in tempo reale quali competenze sono state validate, quando, da chi.
Il differenziale geografico interno
Un dato meno noto ma concreto.
Le opportunità per AI Algorithm Engineer non sono distribuite in modo uniforme sul territorio italiano. Milano, Torino, Bologna, Roma e in misura crescente Trento e Trieste concentrano il 78% delle posizioni aperte. Il Sud Italia partecipa con quote modeste, principalmente attorno ai poli universitari di Napoli, Bari e Catania. Concentrazione che riflette quella delle aziende ricerca-driven e dei laboratori industriali avanzati.
Per i laureati del Sud le opzioni concrete sono tre: trasferimento al Nord, lavoro in remoto per società italiane o estere, mobilità verso Parigi, Zurigo, Londra. Le prime due opzioni sono in crescita, la terza resta dominante per i profili con dottorato.
Cosa rischia un sistema universitario che non si adegua
Il dato del 60% di laureati in ruoli sotto-qualificati non è un problema dei laureati. È un problema del sistema universitario italiano che continua a formare un volume crescente di profili AI senza differenziare sufficientemente i percorsi. La domanda di mercato è polarizzata: serve una grande quantità di tecnici applicativi e una quantità più piccola di Algorithm Engineer veri. Se gli atenei continuano a produrre soprattutto i primi e a chiamarli con nomi che suggeriscono i secondi, il mercato si adatta nel modo che già conosciamo: le aziende italiane assumono profili junior senza aspettative algoritmiche, le posizioni alte le coprono con candidati formati all’estero o con dottorati italiani, e il divario di valore aggiunto tra Italia e Nord Europa resta intatto. La risposta richiede coraggio nelle scelte curriculari e investimenti che oggi non sono ancora visibili.
