C'è una cosa strana che sta succedendo nel mercato AI enterprise italiano.

Le aziende più grandi del paese - banche, assicurazioni, industria, sanità, retail - stanno avviando sempre più progetti di AI Transformation, con grossi budget, C-level sponsorship e ambizioni elevate.

E si trovano davanti a un problema che nessun vendor ha risolto: non esistono le persone che li sanno mettere a terra.

Non è che il mercato del lavoro sia pigro. È che i progetti di questo tipo vengono fatti per la prima volta in assoluto adesso.

Non c'è un playbook, un case study, un insieme codificato di best practice a cui ispirarsi. Né un senior da assumere che "l'ha già fatto".

In Datapizza lo vediamo ogni settimana: negli ultimi 18 mesi abbiamo lavorato su decine di progetti enterprise - tra adoption, costruzione tecnologica, redesign di processi interi.

Il filo rosso è sempre lo stesso: stiamo inventando le regole mentre giochiamo la partita.

👉 E questo ha conseguenze molto concrete su chi bisogna assumere.

Il profilo tradizionale non funziona, il consulente strategico non tocca codice, l'AI Engineer non parla il linguaggio business.

Nessuno di loro, da solo, riesce a portare un agente AI in produzione dentro un'azienda di 10.000 persone.

Il profilo che serve - che Palantir ha inventato 20 anni fa per un problema simile - è il Forward Deployed AI Engineer: qualcuno che si siede dentro l'azienda del cliente, capisce il processo, integra i sistemi legacy, costruisce gli agenti, accompagna l'adozione.

Tutto insieme e in tempo reale.

Con la capacità aggiuntiva di riportare i pattern del campo verso il prodotto e la ricerca - perché chi è sul campo impara cose che nessun lab vede.

Ma perché non semplicemente "Forward Deployed Engineer"?

Perché il delta oggi non è solo nell'integrazione, ma nella costruzione dell'intelligenza sul campo.

• Il FDE classico porta in produzione un software già definito: lo configura, lo adatta, lo fa girare.
• Il Forward Deployed AI Engineer non si limita a installare, ma costruisce: disegna e assembla agenti, workflow e eval set mentre è lì - in funzione di quel cliente specifico, di quel processo specifico, di quella realtà specifica.

Non è consulenza, non è pura ingegneria - è una terza cosa.

Ormai i modelli funzionano - da fine 2025 reggono catene di ragionamento lunghe senza degradare e gli agenti sono sempre più affidabili e robusti.

Il problema è dargli il contesto giusto, cablarli sui processi reali, definire gli eval set con l'utente di business, dosare il giusto human-in-the-loop.

Il FDE AI è un profilo ibrido, e per questo è raro.

In termini di tempo: 40% software engineering, 30% business, 30% AI - agenti, workflow, ragionamento su come mettere l'intelligenza nel posto giusto.

Non è un ruolo per chi vuole fare una cosa sola e farla bene in astratto. È per chi trova eccitante, non dispersivo, fare tre cose difficili contemporaneamente.

Chi lo sa fare - e lo sa fare bene - nei prossimi 24 mesi sarà la figura più richiesta e meglio pagata del delivery B2B tech in Italia.

Niente hype: è la logica conseguenza di un mercato che ha i budget, ha i modelli, ma non ha ancora le persone che sanno cucire tutto insieme.

Cosa serve concretamente per fare questo lavoro?

Un background solido in software engineering, esperienza pratica con LLM e agenti in produzione…

E soprattutto la capacità di stare in una stanza con un responsabile di processo che non sa cosa sia un embedding e uscirne con un piano tecnico condiviso.

Datapizza sta costruendo la practice FDE AI. Se ti riconosci, candidati a questa posizione sulla nostra piattaforma Jobs - o girala a qualcuno che ha la testa giusta per questo ruolo.

Se hai 3-5 anni di esperienza come software engineer enterprise, hai fatto consulenza tecnica con le mani sporche di codice, e hai messo in produzione sistemi con LLM e agenti reali, hai un vantaggio enorme su un mercato che si sta formando adesso.

Un segnale pratico di fit: riesci a costruire e documentare un progetto end-to-end (ingestione dati → modello → applicazione → monitoring) e spiegare a un non-tecnico le scelte fatte e i tradeoff?

Se sì, il mercato ti cercherà prima che tu cerchi lui.

Chi invece non dovrebbe candidarsi: il consulente puro con poche righe di codice nelle mani, il ricercatore ML che allena modelli, il senior architect che preferisce disegnare in astratto. Ci sono ruoli giusti per loro - questo non è uno di quelli.

E trovi l'articolo completo con la settimana tipo, le competenze richieste e le istruzioni per candidarsi proprio qui.

Giacomo Ciarlini - CIO - Datapizza

Simone Conversano - AI Transformation Specialist - Datapizza