Intelligenza artificiale generativa per reskilling e upskilling: diagnosi personalizzate e riduzione dello skill mismatch
Author(s)
Date Issued
January 28, 2026
Abstract
Il contributo presenta i risultati di un ampliamento della ricerca empirica sull'utilizzo della GenAI per l'individuazione e la riduzione dello skill mismatch nella prospettiva del reskilling e upskilling precedentemente condotta nell’ambito della tripla transizione. Attraverso l'addestramento mirato di un LLM su dataset istituzionali certificati e l'applicazione di metodologie rigorose di prompt-engineering e validazione delle fonti, il modello sviluppato è stato utilizzato per diagnosticare in modo personalizzato i gap competenziali, progettare percorsi formativi mirati e individuare percorsi di riqualificazione sostenibili che valorizzino le competenze esistenti delle persone. I risultati ottenuti suggeriscono che un utilizzo consapevole e metodologicamente fondato della GenAI può contribuire significativamente a ridurre il mismatch delle competenze, promuovendo lo sviluppo di percorsi formativi maggiormente rispondenti alle esigenze del mercato, anche negli ambiti di lifelong learning e formazione continua.
Citation
Romito A., Sofronic B., Intelligenza artificiale generativa per reskilling e upskilling: diagnosi personalizzate e riduzione dello skill mismatch, Intervento a "X Convegno SISEC", Firenze, 28-31 gennaio 2026 <https://oa.inapp.gov.it/handle/20.500.12916/5144>
Type
Presentation
File(s)![Thumbnail Image]()
Name
Romito-Sofronic_GenAI-reskilling-upskilling_2026.pdf
Size
2.94 MB
Format
Adobe PDF
Checksum (MD5)
1ce2ec3807c4adb81232bd3a9686502e