Agenzia Regionale per la Tecnologia, il Trasferimento tecnologico e l'Innovazione

A. Informazioni generali sulla Corporate

Denominazione aziendale: Links Management and Technology S.p.A.

Settore attività: Servizi avanzati

Sito web: https://www.linksmt.it/web/guest

Breve descrizione aziendale: Links Management and Technology S.p.A. è una società di consulenza IT che affianca organizzazioni pubbliche e private nel percorso di trasformazione digitale, proponendosi come partner strategico in grado di ascoltare, di innovare e di costruire soluzioni su misura. La vision di Links – “Ascoltiamo e innoviamo per disegnare il futuro digitale delle organizzazioni” – esprime la nostra aspirazione a guidare il cambiamento digitale con ascolto attivo, visione strategica e competenza tecnologica. La mission – “Talent drives innovation” – pone al centro le persone e il loro talento, motore di innovazione e leva essenziale per creare valore duraturo per i clienti, gli stakeholder e la società. Links è un ecosistema digitale in continua evoluzione che opera nei settori strategici della pubblica amministrazione, della sanità, della finanza e delle imprese, integrando consulenza, tecnologia e visione per affrontare le sfide del mercato con soluzioni personalizzate e sostenibili. La nostra offerta copre l’intero ciclo di vita delle soluzioni digitali: strategia tecnologica, sviluppo applicativo full stack, cloud transformation, AI, cybersecurity, customer experience e system integration. Grazie a un team multidisciplinare e a una presenza capillare sul territorio, garantiamo servizi affidabili, scalabili e allineati ai più alti standard di qualità. Con uno sguardo sempre rivolto al futuro, trasformiamo le sfide in opportunità, aiutando le organizzazioni a innovare in modo sicuro, sostenibile e consapevole.

B. Obiettivo della Challenge

Titolo progetto/challenge: Future employment forecasting

Descrizione challenge: Primo studio finalizzato alla produzione di un proof-of-concept di un algoritmo di previsione delle tendenze occupazionali che superi gli approcci tradizionali, analizzando ulteriori fonti dati ed innovative tecniche di analisi e di previsione del fabbisogno di competenze professionali.

Stato dell'arte: L’interesse dell’Azienda verso la tematica delle tendenze occupazionali si contestualizza nel più ampio ambito della formazione e del lavoro, che si è concretizzato negli anni nello sviluppo di piattaforme rivolte agli enti pubblici incaricati della gestione dei relativi processi (es. assessorati al lavoro). L’esigenza di innovazione nasce dalla volontà di cogliere le opportunità offerte dalle nuove tecnologie e, in particolare, dagli archetipi e dalle tecniche dell’intelligenza artificiale, per ottimizzare i processi di governo del lavoro e della formazione, grazie ad una migliore capacità di prevedere l’andamento della domanda e rispondere alle esigenze di un mercato del lavoro in costante evoluzione, consentendo una pianificazione strategica delle risorse formative e puntando ad una forza lavoro preparata e competitiva. Allo stato attuale, esistono molteplici applicazioni dell'AI, ad esempio nel contesto dei processi di selezione del personale (skill matching) o per anticipare le tendenze occupazionali future, al fine di sviluppare adeguate politiche di formazione e lavoro. In tema di previsione delle future esigenze professionali, approcci innovativi, come quelli che attingono all'analisi delle pubblicazioni scientifiche e dei brevetti, stanno superando le tradizionali metodologie basate su indicatori socioeconomici e sondaggi, offrendo previsioni più accurate delle future richieste di competenze (Telukdarie et al., 2021; Ha et al., 2022). Tecniche avanzate di previsione, come l’utilizzo di modelli di time series forecasting, consentono di analizzare i dati storici relativi al mercato del lavoro per individuare schemi e tendenze ricorrenti, utilizzabili per prevedere la domanda di competenze future. Recenti studi hanno evidenziato l'efficacia di tecniche basate su Reti Neurali Ricorrenti (RNN) (Garcia de Macedo et al., 2022) e Long Short-Term Memory (LSTM) (Senthurvelautham e Senanayake, 2023) per la previsione a breve/lungo termine delle tendenze occupazionali

Descrizione delle esigenze: La soluzione innovativa dovrà affrontare i seguenti aspetti: - proposta di un insieme originale di fonti e di dataset significativi per lo studio in questione; - proposta di un approccio basato su algoritmi di machine learning per l’analisi dei dati e la previsione del fenomeno; - proof of concept dimostrativo della validità dell’approccio.

Descrizione estesa

Obiettivo della sfida: Approccio inedito al tema previsionale in ambito occupazionale.

Contesto di riferimento: Settore di riferimento: formazione e lavoro. Utenti finali coinvolti: soggetti preposti al governo delle politiche dell’occupazione, della formazione e del lavoro (es. dipartimenti o assessorati centrali o regionali sulla formazione e lavoro), uffici di collocamento. Tecnologie e risorse disponibili: algoritmi di machine learning allo stato dell’arte, fonti dati pubbliche.

Requisiti richiesti: Requisiti tecnici di partecipazione: l’unica limitazione riguarda i dataset selezionati per l’esperimento, che dovranno essere di pubblico accesso; Altri requisiti: trasparenza e spiegabilità della previsione.

Vincoli e/o limiti: Budget: 20.000 Euro; Tempi di sviluppo: minimo 3 mesi; Requisiti normativi: aderenza ai principi dell’AI Act; Standard qualitativi: metriche allo stato dell’arte nel contesto degli algoritmi di machine learning selezionati per l’esperimento.

Link web:

C. Modalità di collaborazione

Tipologia di collaborazione desiderata: Studio di fattibilità e sviluppo di un proof-of-concept

Modalità di svolgimento preferibili per l'interazione con il soggetto innovatore: Incontri one-to-one, workshop, test in ambiente pilota

Risorse e supporto offerti al soggetto innovatore: Budget aziendale: 20.000 Euro Supporto tecnico ed operativo in azienda Accesso a progetti finanziati

D. Benefici attesi e impatto strategico

Vantaggi competitivi: Links ha già un suo posizionamento nel contesto delle piattaforme a supporto dei processi di governo della formazione e del lavoro. La soluzione potrà rafforzare l’attuale proposta di mercato in un contesto in cui l’applicazione dell’AI ai processi decisionali è in una fase embrionale di adozione.

Impatto sul business: La soluzione si prefigura come innovazione di prodotto, con riferimento all’offerta aziendale di piattaforme digitali a supporto dei processi di governo della formazione e del lavoro, in particolare per qualificare il set di strumenti di supporto ai processi decisionali alla base delle politiche della formazione e del lavoro. In ottica prospettica, è da evidenziare l’importanza di questa esperienza nell’ottica dello sviluppo di ulteriori soluzioni per il supporto alle decisioni basate su AI.

Output atteso: Proof-of-concept

Possibili benefici per l'ecosistema: La sperimentazione di un sistema innovativo per il supporto alle decisioni degli organi preposti può rappresentare un importante banco di prova delle potenzialità dei paradigmi dell’intelligenza artificiale in contesti reali di applicazione. In tal senso, l’esperienza può contribuire a promuovere un dibattito costruttivo con gli enti pubblici sul tema dell’applicazione dei paradigmi dell’AI per il supporto alle decisioni.

E. Timeline e fasi del progetto

Tempistiche previste: Il tempo minimo previsto è pari a tre mesi, con due tappe intermedie ed una finale, come da milestones indicate al punto successivo.

Milestones chiave: Nell’ordine: - selezione delle fonti dati e dei dataset; - identificazione della strategia algoritmica; - sviluppo e test della proof-of-concept.

Budget: Budget disponibile: 20.000 Euro

Fase di valutazione: Valutazione dell’efficacia della soluzione in rapporto alle tradizionali modalità di previsione delle tendenze occupazionali ed alle esperienze in ambito scientifico e di mercato di applicazione dell’AI in tale contesto.

Eventuali note o informazioni integrative: Nessuna