Lo State of AI Report 2026 di McKinsey, il rilevamento annuale sulle pratiche di adozione dell’intelligenza artificiale nelle imprese, contiene tra centinaia di numeri uno che merita di stare in apertura: il 73% dei progetti AI falliti in Europa cita la qualità dei dati come causa primaria del fallimento. Non gli algoritmi, non i modelli, non le competenze dei data scientist. La qualità dei dati. Conferma quantitativa di una verità nota da tempo agli operatori: il professionista che decide se un progetto AI vede o meno la luce non è il data scientist da copertina, è una figura più sobria e meno celebrata. L’AI Data Engineer.
Il profilo invisibile e la sua centralità
Per anni il data engineering è stato considerato il lavoro idraulico dell’AI: necessario, poco glamour, sotto-pagato rispetto alle figure più visibili.
Il quadro è cambiato negli ultimi due anni. La norma UNI 11621-8 distingue formalmente l’AI Data Engineer dal Data Engineer tradizionale, codificando un profilo specializzato sui requisiti specifici del machine learning. Le differenze sono operative. Un Data Engineer tradizionale costruisce data warehouse, gestisce pipeline ETL, ottimizza query SQL su dataset relazionali. Un AI Data Engineer fa tutto questo, ma aggiunge una serie di competenze che il primo tipicamente non possiede: feature engineering per modelli ML, gestione di vector databases per RAG, embeddings storage, real-time streaming per inferenza online, governance dei dati di addestramento, gestione del lineage tra dataset, modelli e versioni in produzione.
La distinzione non è accademica.
Un buon AI Data Engineer riduce di mesi i tempi di un progetto perché sa cosa serve a un modello, non solo cosa serve a un report. Sa che un dataset di addestramento richiede etichette tracciabili, validazioni esplicite, controlli di leakage temporale. Sa che le feature numeriche devono essere normalizzate in modo consistente tra training e inference, che le embeddings vanno versionate insieme al modello che le ha generate, che il dato in ingresso al modello deve avere lo stesso schema del dato visto in addestramento. Sono dettagli che non interessano a un report mensile ma decidono se un modello funziona o produce risultati casuali.
Lo stack tecnologico che il mercato chiede
L’analisi degli annunci italiani aprile-maggio 2026 per profili AI Data Engineer mostra un consolidamento attorno a uno stack riconoscibile. Sul livello warehouse il mercato si è polarizzato tra Snowflake (preferito da banche e assicurazioni) e Databricks (preferito da industrie manifatturiere e telco). Sui sistemi di ingestion dei dati gli strumenti dominanti sono Airbyte (open source, in crescita) e Fivetran (enterprise, posizione consolidata). Per la trasformazione dei dati dbt è diventato lo standard de facto, con il 78% degli annunci enterprise che lo richiedono esplicitamente. Per i vector database il mercato è più frammentato: Pinecone domina le soluzioni cloud-managed, Weaviate e Qdrant sono le scelte preferite per deployment on-premise, Milvus per progetti su scala molto grande.
Sul livello streaming, Apache Kafka resta lo standard per messaggistica distribuita, mentre Apache Flink e Spark Streaming si dividono il mercato della stream processing. Una novità del 2026 è la crescita di Materialize e RisingWave, due database streaming che permettono di costruire pipeline real-time con SQL. Su orchestrazione e workflow Airflow tiene la posizione storica, Prefect e Dagster crescono soprattutto nelle aziende che si stanno modernizzando.
Il caso della banca italiana: 18 mesi e 12 milioni
Un caso documentato. Una banca italiana top-3 ha completato tra 2024 e 2025 la realizzazione della propria pipeline RAG aziendale.
Investimento dichiarato: circa 12 milioni di euro su un orizzonte di 18 mesi. Il team coinvolto contava al picco 14 AI Data Engineer, supportati da quattro DevOps specializzati su Kubernetes e da un consulente esterno di architettura dati. Il risultato è una pipeline che ingerisce ogni notte tre milioni di documenti aziendali (circolari, policy, procedure, knowledge base interni), li chunka con strategie diverse a seconda del tipo di documento, calcola embeddings con un modello multilingue, li indicizza in un vector database governato, espone un’API interna che alimenta il chatbot aziendale e tre applicazioni di supporto al lavoro degli operatori.
Il numero che colpisce non è il costo. È il rapporto tra ingegneri e data scientist nel team.
Quattordici Data Engineer per due Data Scientist. Il rapporto che le aziende italiane meno mature avrebbero rovesciato è il rapporto giusto. Senza i Data Engineer le pipeline non esistono e i Data Scientist lavorano in sandbox.
Il dato strutturale che pochi raccontano
Il rapporto McKinsey citato in apertura è coerente con altre rilevazioni. Gartner stima che entro fine 2026 l’85% dei progetti AI europei in fase di scaling avrà incontrato problemi di qualità dei dati abbastanza seri da rallentare o bloccare il deployment. Le aziende italiane sono nella media. Il punto è che i problemi di qualità dei dati raramente sono problemi di quantità. Sono problemi di governance: dati duplicati, etichette inconsistenti, schema cambiati senza documentazione, dati di addestramento contaminati da informazioni del futuro (data leakage), assenza di controlli di drift in produzione.
Risolvere questi problemi richiede una figura che combini competenze tecniche (saper scrivere SQL avanzato, conoscere distributed systems, padroneggiare almeno un cloud provider) con competenze di processo (saper progettare data quality framework, definire data contracts, scrivere runbook di incident response). Mix che il mercato italiano produce in quantità inferiore alla domanda. Le università italiane raramente offrono percorsi specifici di data engineering: i laureati arrivano da informatica generica e imparano on the job. I dodici profili professionali UNI 11621-8 codificano per la prima volta cosa serve davvero al ruolo, dando un riferimento ai datori di lavoro e ai professionisti.
Salari e turnover: la stabilità del profilo
Le retribuzioni italiane per AI Data Engineer nel 2026 si collocano in una forchetta più contenuta rispetto ai profili modeling-oriented. Mid-level (tre-cinque anni di esperienza specifica) tra 55.000 e 85.000 euro lordi annui, con mediana attorno a 68.000. Senior (cinque-otto anni con responsabilità di pipeline critiche) tra 95.000 e 140.000 euro. Lead/principal oltre 140.000, con un tetto realistico nelle big tech intorno a 180.000.
Quello che il mercato non racconta abbastanza è un dato adiacente.
Il turnover. Un AI Data Engineer in Italia cambia datore di lavoro mediamente ogni 3,8 anni, contro i 2,3 anni di un ML Engineer e i 2,1 anni di un Data Scientist. La differenza riflette la natura del lavoro. I Data Engineer costruiscono infrastrutture che richiedono mesi di apprendimento del contesto specifico, e una volta apprese sono difficili da abbandonare. Per le aziende è un vantaggio: assumere un Data Engineer costa meno in turnover, ma la trattativa salariale iniziale tende a essere più bassa proprio perché il professionista cambia raramente lavoro.
Le competenze che fanno la differenza
Quello che separa un AI Data Engineer mediocre da uno eccellente non è solo lo stack tecnologico. È la capacità di pensare ai dati come prodotto. Un buon Data Engineer si chiede chi userà i suoi dataset, con quale latenza, con quali requisiti di qualità, in quale formato. Documenta i contratti di interfaccia, monitora la qualità del prodotto come un product manager monitorerebbe le metriche di un’app, è coinvolto nella discussione strategica su cosa misurare e come. Le aziende italiane che offrono ruoli di Data Product Owner ai loro Data Engineer più senior stanno ottenendo risultati di qualità migliore con turnover più basso.
L’AI Data Engineer è il profilo che decide se un progetto AI è un esperimento da slide o un servizio in produzione. Le aziende italiane che lo capiscono, e investono nel rapporto giusto tra Data Engineer e Data Scientist, ottengono progetti che reggono alla prova del tempo. Le altre continuano a popolare la statistica europea del 73% di fallimenti per qualità dei dati. La differenza tra successo e fallimento raramente sta dove i media tecnologici la cercano.
