Quando un’azienda farmaceutica introduce un nuovo sistema digitale, la domanda sulle persone arriva spesso dopo quella sulla tecnologia. Il software è stato scelto, il progetto ha un budget, il fornitore ha presentato le funzionalità. Poi qualcuno deve stabilire quali dati utilizzare, come verificare i risultati, chi può intervenire e quali decisioni richiedono una valutazione della qualità. È in questo passaggio che una casella nell’organigramma può diventare troppo stretta per descrivere il lavoro da svolgere.
Quanto deve conoscere di dati un responsabile di produzione? Quale familiarità con il processo serve a chi sviluppa un modello predittivo? E come si prepara un professionista della qualità a valutare un sistema il cui comportamento dipende anche dai dati utilizzati per costruirlo? Sono domande che riguardano la possibilità di rendere operative tecnologie già disponibili.
Un segnale dal mercato britannico
La valutazione sui fabbisogni Life Sciences pubblicata da Skills England, aggiornata il 6 ottobre 2026, colloca queste domande dentro un quadro occupazionale. Lo scenario centrale stima circa 66.000 posti aggiuntivi nelle professioni prioritarie tra il 2025 e il 2035, ai quali si sommano circa 52.000 persone necessarie per sostituire chi lascerà tali occupazioni. Il 73% delle professioni individuate presenta già una domanda elevata o critica nel mercato britannico.
Sono stime riferite alle Life Sciences, comprendenti biofarmaceutica e tecnologie mediche, e vanno lette con cautela: lo scenario alternativo riduce la crescita a circa 18.400 posti. Il documento evidenzia inoltre che 28 delle 31 professioni prioritarie sono condivise con altri settori e segnala lo sviluppo di ruoli che combinano conoscenze scientifiche, dati e AI. Le cifre non sono trasferibili all’Italia; offrono un riferimento per interrogare i fabbisogni delle imprese.
Per un produttore di medicinali, la questione può essere formulata in termini concreti: quali attività stanno cambiando e quali competenze occorrono per continuare a svolgerle con autonomia? Partire da questa domanda permette di evitare che l’aggiornamento delle persone si riduca all’aggiunta della parola “digitale” a una descrizione di ruolo rimasta sostanzialmente invariata.
Il lavoro cambia dentro le funzioni
Consideriamo un sistema che segnala anomalie nelle prestazioni di un’apparecchiatura. Il professionista di manutenzione deve conoscere il significato operativo del segnale e le condizioni in cui è stato generato; la produzione deve valutarne le conseguenze sul processo; la qualità deve poter ricostruire come l’informazione sia stata utilizzata. Chi gestisce i dati deve capire quali differenze tra campagne, prodotti o condizioni operative possano rendere poco significativo un confronto.
La competenza richiesta si distribuisce quindi lungo una decisione. Ciascuna funzione deve possedere gli elementi necessari per contribuire e riconoscere quando coinvolgere un interlocutore diverso. È qui che l’espressione “competenze ibride” acquista un contenuto industriale: descrive la capacità di collegare ambiti che, nel lavoro quotidiano, concorrono allo stesso risultato.
Questa impostazione cambia anche il modo di costruire un progetto. Prima di affidare nuove attività a un gruppo, sarebbe utile verificare dove si trovano le conoscenze di processo, chi comprende i limiti degli strumenti e chi dispone dell’autorità per approvare o interrompere un’azione. Un’interfaccia semplice può facilitare l’utilizzo di una tecnologia, mentre la decisione che ne deriva può restare complessa.
La supervisione richiede preparazione
Il rapporto del workshop EMA sull’Annex 22, dedicato all’AI nelle applicazioni GMP, rende particolarmente visibile questo problema. Nel confronto tra industria e regolatori, la supervisione umana viene descritta come una capacità da progettare e documentare: il revisore deve poter comprendere, contestare, intervenire o chiedere un’escalation. La formazione, la qualificazione e la verifica delle conoscenze figurano tra gli elementi discussi per dimostrarne l’efficacia.
Il documento contribuisce allo sviluppo della futura guida. Il suo interesse consiste nel rendere esplicito che la presenza di un operatore nel flusso non garantisce, da sola, un controllo significativo e non può compensare una validazione inadeguata.
Sul piano organizzativo, ne deriva una domanda utile: che cosa deve saper riconoscere quella persona per esercitare il proprio ruolo? In un’esercitazione su un caso d’uso AI, ad esempio, si può chiedere al partecipante di individuare un risultato plausibile ma privo di evidenze sufficienti, verificare le informazioni disponibili e motivare la scelta di procedere o fermarsi. La prova permette di osservare il ragionamento, oltre alla conoscenza delle funzionalità.
Selezionare per attività e livelli di autonomia
Una descrizione di posizione che richiede “conoscenza delle GMP, capacità analitiche e familiarità con strumenti digitali” lascia aperte molte interpretazioni. Per renderla utile alla selezione occorre tradurre queste formule in attività: interpretare un andamento di processo, valutare la completezza di un insieme di dati, documentare una modifica, riconoscere un’informazione che richiede verifica.
Per ciascuna attività va poi chiarito il livello atteso. Saper eseguire un’operazione secondo una procedura, comprenderne i presupposti, gestire un’eccezione e valutarne le conseguenze sono capacità differenti. La seniority dovrebbe trovare riscontro proprio nella complessità delle situazioni affrontabili e nell’autonomia con cui il professionista può agire.
Un possibile assessment può partire da un caso condiviso tra produzione, engineering e qualità. Al candidato vengono forniti dati incompleti, una segnalazione tecnica e un vincolo operativo; gli si chiede quali informazioni manchino, quali verifiche avviare e quali persone coinvolgere. L’obiettivo è osservare come organizza il problema e dove riconosce i limiti delle proprie conoscenze. La stessa struttura può essere utilizzata per chi entra in azienda e per chi assume nuove responsabilità.
L’inserimento continua dopo l’assunzione
Una volta individuata la persona, il confronto tra competenze richieste e possedute dovrebbe diventare la base del percorso di inserimento. Per un professionista con esperienza scientifica, il bisogno prioritario potrebbe riguardare dati e sistemi; per chi proviene dall’informatica, il primo investimento potrebbe essere la comprensione del processo produttivo e del contesto regolato.
Il percorso può combinare contenuti specialistici, affiancamento ed esercitazioni sulle attività effettive del ruolo. La sequenza conta: introdurre uno strumento senza chiarire il processo nel quale verrà utilizzato rischia di produrre una familiarità superficiale. Anche l’affiancamento richiede obiettivi espliciti, altrimenti il suo esito dipende soprattutto dalle occasioni incontrate e dal tempo disponibile del collega.
La valutazione finale dovrebbe riguardare compiti osservabili. Il neoassunto sa ricostruire il percorso di un dato? Sa motivare una richiesta di approfondimento? Sa documentare la propria valutazione e riconoscere una situazione che supera la sua autonomia? Queste domande aiutano a distinguere il completamento del programma dalla preparazione al lavoro assegnato.
Gli ATMP rendono visibili le connessioni
Nelle terapie avanzate, la capacità di collegare competenze diverse assume un rilievo particolare. Una modifica al processo produttivo può aprire domande sulla comparabilità; la disponibilità delle evidenze deve essere considerata nella strategia regolatoria; le condizioni di conservazione e distribuzione entrano nella pianificazione del percorso verso il paziente. Per chi lavora su un programma ATMP, comprendere queste relazioni aiuta a valutare le conseguenze delle proprie decisioni e a coinvolgere tempestivamente le altre funzioni.
Su questa esigenza si concentra ATMP Nexus | Connecting expertise across the product lifecycle, il percorso MakingEducation in partenza da gennaio 2027, articolato in otto moduli per venti ore di formazione. Il programma collega sviluppo scientifico, CMC, manufacturing, qualità, regolatorio, clinica e accesso al mercato, per costruire una visione integrata e un linguaggio comune tra discipline diverse.
Per chi possiede già una specializzazione, ampliare questa prospettiva significa comprendere quali informazioni servano agli altri interlocutori, quali vincoli debbano essere anticipati e quando una scelta richieda una valutazione condivisa. È un modo concreto di tradurre il tema delle competenze ibride nel lavoro quotidiano dei team.
Le competenze entrano nelle scelte industriali
L’indagine Horizons: Life Sciences 2026, pubblicata da CRB il 6 ottobre e basata su oltre 400 rispondenti, offre un altro segnale: il 78% indica l’accesso a personale qualificato tra i fattori principali nelle decisioni di localizzazione degli impianti. È un’indagine di una società di progettazione e costruzione, con i limiti propri del campione, ma collega direttamente disponibilità di competenze e investimento produttivo.
Per le imprese, la lettura operativa è anticipare la preparazione delle persone mentre si definiscono tecnologie, processi e responsabilità. Una nuova linea, un trasferimento tecnologico o l’introduzione di un sistema AI possono diventare occasioni per aggiornare le mappe delle competenze e verificare quali conoscenze siano concentrate in poche persone.
Il primo passo può essere circoscritto a un reparto o a un progetto: individuare le decisioni più rilevanti, descrivere le attività necessarie, assegnare i livelli di autonomia e confrontarli con le capacità disponibili. Da quel confronto possono emergere esigenze di selezione, formazione o affiancamento molto più precise, da affrontare prima che il progetto chieda alle persone di assumere nuove responsabilità.
Fonti
- Skills England – Sector Skills Needs Assessment, Life sciences, aggiornamento 6 ottobre 2026.
- EMA – Report del workshop sullo sviluppo dell’Annex 22.
- CRB – Horizons: Life Sciences 2026, 6 ottobre 2026.
- MakingEducation – ATMP Nexus.
Vuoi trovare più facilmente MakingPharmaIndustry su Google?
Aggiungici alle tue fonti preferite
