Negli ultimi anni, l’Intelligenza Artificiale generativa (vedi ChatGPT o Claude) ha rivoluzionato molti settori. La Data Science sicuramente non è stata esclusa da questa rivoluzione. Alla luce di questi sorprendenti sviluppi molti si chiedono se, ora che l’IA può scrivere codice, creare modelli e fare analisi, servano ancora i Data Scientist.
La risposta è si, ma le competenze richieste alla figura si stanno modificando.
Oggi, infatti, i modelli di IA possono automatizzare molte delle attività più ripetitive: scrivere uno script in Python, creare un grafico, o suggerire un modello di machine learning. Questo non significa che i Data Scientist siano o diventeranno inutili, ma che dovranno sempre più concentrarsi su ciò che l’IA non sa fare bene: porre le domande giuste, interpretare il contesto, validare i dati, capire le implicazioni etiche.
In altre parole, la Data Science sta diventando sempre più strategica.
Chi lavora con i dati dovrà concentrarsi sempre di più nello sviluppo di competenze quali: il pensiero critico, la conoscenza approfondita del business e del settore in cui opera, nella comunicazione efficace.
Se il “saper usare i tool” di Data Science diventa ogni giorno più accessibile, il ragionare come un Data Scientist resta una competenza che l’IA non può sostituire.
L’IA infatti è uno strumento potente, ma resta un assistente. Il Data Scientist del futuro sarà meno “programmatore solitario” e più interprete dei dati al servizio delle decisioni.