# ng-ai-engineering-skills-map-2026-08-14

## Veille

Post X di **Andrew Ng** del **14 agosto 2026** (16:29 UTC), ripreso dalla lettera "Dear friends" di ***The Batch* #366** (DeepLearning.AI, stessa data), ~900 parole. Ng presenta **The AI Engineering Skills Map** e pubblica **quattro competenze** ritenute le più importanti. **(1) Costruire e distribuire applicazioni IA** — la specificità viene nominata: *« The key difference between AI and non-AI applications is that the former has unpredictable outputs »*, da cui l'enfasi su *evals* e cicli di error-analysis. **(2) Fondamenti di ingegneria del software**, perché *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — lo sviluppatore inesperto fallisce *« because they don't know what context to give their coding agent »*, da cui l'obiettivo di *« steering coding agents using the precise language of software engineering »*. **(3) Uso di agenti di coding**, in una formulazione operativa: *« help the agent autonomously close loops by providing verifiers or evals »*, e *« knowing how much to intervene and how much to leave them alone »*. **(4) *Shaping the build***: *« Given a clear spec, coding agents are rapidly improving at delivering to it. Thus, our work as engineers is shifting toward deciding what should be in the spec »*, accostato a *« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it. »* Una **nota terminologica** porta la maggior parte dell'inquadramento: Ng parla di **competenze** nell'ingegneria IA e **non del ruolo** "AI Engineer", con un'analogia esplicita — *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »* Il tutto è sostenuto da *« an analysis of more than 10,000 job postings, dozens of structured interviews with experts, hiring managers, and recruiters, surveys, and other online data »*, di cui **non viene pubblicato alcun risultato numerico**: Ng descrive il proprio processo come *« informally… akin to running clustering »* e annuncia una mappa dettagliata in post futuri. Egli enuncia l'interesse nella penultima frase: *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## Titre Article

The AI Engineering Skills Map

## Date

2026-08-14

## URL

https://x.com/AndrewYNg/status/2088302050706686198

## Keywords

AI Engineering Skills Map, skills map, Andrew Ng, DeepLearning.AI, The Batch #366, competenze vs ruolo, AI Engineer, base comune di competenze, riqualificazione, reskilling, analogia del cloud, full-stack, data engineer, DevOps, machine learning engineer, applicazioni IA, output imprevedibili, output imprevedibili, LLM, context engineering, RAG, workflow agentici, evals, error analysis, fondamenti di ingegneria del software, tradeoff, tradeoff, costo, scalabilità, affidabilità, sicurezza, privacy, vibe coding, quale contesto dare all'agente, agenti di coding, agentic coding, quando intervenire, verificatori, verificatori, chiusura autonoma dei cicli, specifica chiara, shaping the build, senso del prodotto, contesto di business, ownership, MVP, apprendimento continuo, routine di prova strumenti, 10.000 annunci di lavoro, interviste strutturate, clustering informale, mappa dettagliata in arrivo, occupabilità, upskilling, ente formativo, conflitto d'interessi dichiarato

## Authors

**Andrew Ng** — fondateur de **DeepLearning.AI**, general partner d'**AI Fund**, cofondateur de **Coursera** et de **Google Brain**, ancien chief scientist de Baidu. Texte signé, à la première personne, écrit *« with my team »* sans qu'aucun collaborateur soit nommé. Publié le **14 août 2026** sur X et dans ***The Batch* n°366** — même texte aux deux endroits ; préférer *The Batch* pour toute citation durable. Quatrième fiche Ng du corpus, après les lettres n°350 (24 avril), n°352 (8 mai) et n°359 (26 juin).

## Ton

**Profilo**: una lettera da fondatore-pedagogo, registro magistrale e benevolo — ~900 parole, quattro blocchi annunciati poi sviluppati, una frase di sintesi per blocco. Pubblico: sviluppatori **e** datori di lavoro, indirizzati esplicitamente e separatamente fin dal primo paragrafo (*« (i) developers prioritize what to learn, and (ii) employers hire skilled developers »*). Un programma di studio presentato come stato dell'arte.

**Stile**: l'apertura è la presentazione di un deliverable (*« I am delighted to present »*) — la mappa viene esposta prima di essere giustificata, il fondamento empirico arriva nel paragrafo successivo come un'unica frase in quattro punti. L'inquadramento si oppone al rumore ambiente, senza nominare nessuno: *« But with the noisy, hype-filled, information environment around AI, what are the most valuable skills for you to learn? »* — il servizio reso è la curatela, e l'autorità poggia sulla firma, senza alcuna fonte concorrente o contraria citata. La **nota terminologica** (*« A note on terminology »*) è presentata come un chiarimento lessicale mentre in realtà porta l'inquadramento principale del post. C'è una sola concessione in tutto il testo, ed è la frase più sfumata: *« knowing how to work with a clear spec **(and when not to bother doing so)** »*. La prosa è pulita ma visibilmente scritta in fretta — *« avoid pitfalls like risk an agent messing up your production database »* è agrammaticale nell'originale, e il resoconto metodologico sta in un'unica frase con quattro punti e virgola. È una lettera settimanale, non un rapporto rivisto.

**Frasi marcatrici**:
- ***« I talk about AI Engineering skills rather than the "AI Engineer" role »***
- ***« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »***
- ***« The key difference between AI and non-AI applications is that the former has unpredictable outputs »***
- ***« knowing how to drive disciplined evals and error analysis loops »***
- ***« Understanding software fundamentals allows you to recognize what tradeoffs even exist »***
- ***« they don't know what context to give their coding agent »***
- ***« steering coding agents using the precise language of software engineering »***
- ***« help the agent autonomously close loops by providing verifiers or evals »***
- ***« knowing how to work with a clear spec (and when not to bother doing so) »***
- ***« our work as engineers is shifting toward deciding what should be in the spec »***
- ***« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it »***
- ***« Underlying all these skills is a mindset of continuous learning »***

**Postura epistemica**: una sintesi d'autorità sostenuta da dati non pubblicati. Le quattro categorie sono argomentate e un professionista le riconoscerà, ma nulla nel testo permette di distinguere ciò che deriva dai 10.000 annunci da ciò che deriva dall'esperienza dell'autore. Citare le quattro competenze come **tesi di Andrew Ng**; non citarle come **risultato di uno studio**. L'autore stesso dichiara che DeepLearning.AI insegna queste competenze.

## Pense-betes

- **Data / fonte**: **14 agosto 2026**, post X di **Andrew Ng** e lettera "Dear friends" di ***The Batch* #366** (DeepLearning.AI) — testo identico. ~900 parole.
- **Inquadramento chiave**: il post parla di **competenze**, non del **ruolo** di AI Engineer. *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. Similarly, all developers — full-stack engineers, data engineers, DevOps engineers, machine learning engineers, and, yes, AI engineers — will need AI engineering skills. »* ### Le quattro competenze | # | Competenza | Formulazione chiave del post | |---|-----------|---------------------------| | 1 | Costruire e distribuire applicazioni IA | *« the former has unpredictable outputs »* → evals ed error analysis | | 2 | Fondamenti di ingegneria del software | *« allows you to recognize what tradeoffs even exist »* | | 3 | Uso di agenti di coding | *« help the agent autonomously close loops by providing verifiers or evals »* | | 4 | *Shaping the build* | *« deciding what should be in the spec »* | Una quinta competenza, non numerata: *« Underlying all these skills is a mindset of continuous learning »*, la cui versione operativa è più precisa dello slogan — *« having routines to keep trying new tools and evolve your workflows as best practices change »*. La parola utile è **routines**: una pratica pianificata, da mettere a budget come tempo. ### Cosa implica l'analogia con il cloud a seconda del lettore | Lettore | Implicazione | |---------|-------------| | Sviluppatore | la competenza si aggiunge al lavoro esistente, non lo sostituisce | | HR / manager | il percorso realistico è **riqualificare la forza lavoro esistente**, non assumere "AI engineer" | | Ente formativo | il mercato indirizzabile passa da una nicchia all'intera popolazione degli sviluppatori | Stesso passaggio da ruolo a competenza descritto in [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], applicato all'ingegneria. ### Competenza #2, un meccanismo in tre passi 1. *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — costo, scalabilità, affidabilità, velocità, sicurezza, privacy. 2. Lo sviluppatore inesperto che fa *vibe coding* fallisce non perché scriva codice male, ma perché non conosce i compromessi presi per suo conto: *« which will often be poor ones, because they don't know what context to give their coding agent »*. 3. Da cui *« steering coding agents using the precise language of software engineering »* — la conoscenza di dominio ridiventa un'interfaccia. Conseguenza manageriale: l'IA sposta il valore dell'ingegnere senior dall'esecuzione alla presa di decisioni sui compromessi. Converge con il comprehension debt di [[osmani-cognitive-surrender-comprehension-debt-2026-05-05]]. ### Continuità su quattro lettere, aprile → agosto 2026 | Data | Lettera | Cosa stabilisce | |------|--------|-----------------| | 24 apr | #350 | gli agenti accelerano in modo disomogeneo a seconda del tipo di lavoro | | 8 mag | #352 | nessuna job apocalypse, ma una riqualificazione "con competenze in evoluzione" — quali non è detto | | 26 giu | #359 | gli ingegneri assumono un ruolo parziale di product management | | 14 ago | #366 | quattro competenze, tra cui *shaping the build*, che nomina il ruolo di giugno | La posizione è cumulativa su quattro mesi, non opportunistica — il che la rende più solida di un post isolato sulla tendenza. Il punto da riportare in ogni sintesi: lo stesso autore dichiara che i lavori saranno riqualificati, pubblica l'elenco delle competenze di riqualificazione e nota che la sua organizzazione le insegna. Tutto è dichiarato. Contrappunto: [[ng-the-batch-352-no-ai-jobpocalypse-2026-05-08]]. ### Cosa lascia fuori la mappa | Assente dalle quattro competenze | Dove compare | |---|---| | Sicurezza | un inciso al §2 — *« Security and privacy add further complexity »* | | Costo, budget di token | un inciso al §3 — *« without wasting excessive time or tokens »* | | Code review, testing | "testing" citato una volta in un'enumerazione | | Operations, observability, incidenti | assente | | Lavoro di squadra, handoff | assente | | Compliance, governance dei dati | assente | Lettura più probabile: la mappa descrive ciò che **richiede il mercato del lavoro** (10.000 annunci), non ciò che un'organizzazione **dovrebbe** richiedere. Lo scarto tra le due liste è esso stesso un risultato, non notato dal post. Sulla sicurezza, vedi [[valente-zalewski-beyond-zero-enterprise-security-ai-era-2026-07-20]]. ### Accoglienza (al 16 agosto 2026) **3.074.365 visualizzazioni**, **17.271 like**, **3.028 repost**, **311 risposte**, **35.343 segnalibri**. Il rapporto segnalibri/like è ≈ **2,05**: il testo è stato archiviato due volte più spesso di quanto sia stato applaudito — un segnale d'uso documentario, coerente con il formato "lista di quattro". Il rapporto risposte/visualizzazioni (311 su 3M) indica che è stato salvato più che discusso. Nulla di tutto ciò misura l'accordo con, o la validità delle, quattro categorie. ### Igiene della citazione 1. Non scrivere "secondo un'analisi di 10.000 annunci, le quattro competenze più importanti sono…": il post enuncia un **metodo**, non un **risultato** — nessuna percentuale, nessuna ponderazione, nessun periodo temporale o geografia, e un clustering che l'autore stesso definisce *"informale"*. Formulazione corretta: *« Andrew Ng, drawing on an unpublished analysis of more than 10,000 job postings and on interviews, identifies four skills… »* 2. Questo post è **l'annuncio di una mappa, non la mappa stessa**. Riaprire la scheda quando verrà pubblicata la versione dettagliata. 3. Menzionare sempre che DeepLearning.AI insegna queste competenze — l'autore lo dichiara lui stesso. 4. Preferire *The Batch* #366 al post X per qualsiasi citazione durevole; riservare il link X ai dati di accoglienza.

## RésuméDe400mots

Post X di **Andrew Ng** del **14 agosto 2026**, ripreso dalla lettera "Dear friends" di ***The Batch* #366** (DeepLearning.AI).

**Cosa viene annunciato.** *The AI Engineering Skills Map*: **quattro competenze** presentate come le più importanti per uno sviluppatore, sostenute da *« an analysis of more than 10,000 job postings »*, decine di interviste strutturate con esperti, responsabili delle assunzioni e recruiter, sondaggi e altri dati online. Doppio pubblico esplicito: aiutare gli sviluppatori a **dare priorità a ciò che imparano** e i datori di lavoro ad **assumere**.

**Le quattro competenze.** **(1) Costruire e distribuire applicazioni IA** — la loro differenza risiede nell'**imprevedibilità degli output**, occorre conoscere i building block (LLM, context engineering, RAG, workflow agentici, machine learning, deep learning) e soprattutto le **tecniche statistiche per misurare, guidare e governare**, incluso *« disciplined evals and error-analysis loops »*. **(2) Fondamenti di ingegneria del software** — comprenderli permette di *« recognize what tradeoffs exist »* (costo, scalabilità, affidabilità, velocità, sicurezza, privacy) e quindi di guidare l'agente *« in the precise language of software engineering »*; il vibe coder inesperto fallisce perché *« they don't know what context to give their agent »*. **(3) Uso di agenti di coding** — un modello mentale dei loro limiti, gestione del contesto, compromessi tra pianificazione ed esecuzione, **fornire verificatori o evals affinché l'agente chiuda da solo i propri cicli**, lavorare con una specifica chiara *« and when not to bother doing so »*, orchestrazione multi-agente, guardrail. **(4) *Shaping the build*** — poiché gli agenti eseguono bene a fronte di una specifica chiara, il lavoro si sposta verso **decidere cosa deve contenere la specifica**: senso del prodotto, contesto di business, ownership del progetto. **Alla base delle quattro: una mentalità di apprendimento continuo**, con *« routines for trying new tools »*.

**La vera tesi, infilata in una nota terminologica.** Ng parla di **competenze** nell'ingegneria IA e non del **ruolo** "AI Engineer": *« all developers should know how to work with the cloud, only a small number carry the "Cloud engineer" title »*. **L'ingegneria IA diventa una base comune, non una specialità** — non si assume, si riqualifica.

**Due riserve.** **Non viene pubblicato alcun risultato numerico**: nessuna ponderazione, nessuna sotto-competenza, un clustering descritto come un'analogia *« informale »*, e la mappa dettagliata rimandata a post futuri. **Questo è l'annuncio di una mappa, non la mappa.** E l'autore dichiara il proprio interesse: *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## GrapheDeConnaissance

- Andrew Ng —publie→ AI Engineering Skills Map (DOCUMENT, 0.98)
- Andrew Ng —dirige→ DeepLearning.AI (ORGANISATION, 0.96)
- AI Engineering Skills Map —fait_partie_de→ The Batch (DOCUMENT, 0.94)
- AI Engineering Skills Map —affirme_que→ les quatre compétences d'AI engineering les plus importantes sont construire et déployer des applications IA, les fondamentaux du génie logiciel, l'utilisation des agents de codage et le fait de façonner la construction (AFFIRMATION, 0.97)
- AI Engineering Skills Map —est_basé_sur→ une analyse non publiée de plus de 10 000 offres d'emploi, des dizaines d'entretiens structurés avec experts, hiring managers et recruteurs, des sondages et d'autres données en ligne, le clustering étant qualifié par l'auteur d'analogie informelle (MESURE, 0.93)
- Andrew Ng —affirme_que→ il faut parler de compétences d'AI engineering plutôt que du rôle d'AI Engineer, parce que tous les développeurs devraient savoir travailler avec le cloud alors que seul un petit nombre porte le titre de Cloud engineer (CITATION, 0.96)
- compétences d'AI engineering —s_applique_à→ tous les développeurs — full-stack, data, DevOps, machine learning et AI engineers — et non à une spécialité identifiée par un titre de poste (AFFIRMATION, 0.95)
- compétences d'AI engineering —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.95)
- construction et déploiement d'applications IA —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- construction et déploiement d'applications IA —affirme_que→ la différence clé entre une application IA et une application classique est l'imprévisibilité de ses sorties, d'où le recours à des techniques statistiques pour mesurer, piloter et gouverner le système (AFFIRMATION, 0.95)
- construction et déploiement d'applications IA —utilise→ des boucles d'évaluations et d'analyse d'erreurs disciplinées, présentées comme la compétence centrale pour rendre un système IA plus prévisible (AFFIRMATION, 0.94)
- fondamentaux du génie logiciel —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- fondamentaux du génie logiciel —permet→ de reconnaître quels arbitrages existent entre coût, scalabilité, fiabilité, vitesse, sécurité et vie privée, et donc de mieux choisir sa stack, son architecture, son magasin de données et ses tests (AFFIRMATION, 0.95)
- fondamentaux du génie logiciel —permet→ de piloter un agent de codage dans le langage précis du génie logiciel (AFFIRMATION, 0.94)
- vibe coding —s_oppose_à→ la qualité du résultat lorsqu'il est pratiqué par un développeur inexpérimenté, qui ignore les arbitrages faits par son agent et ne sait donc pas quel contexte lui donner (AFFIRMATION, 0.93)
- utilisation des agents de codage —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- utilisation des agents de codage —recommande→ de fournir des vérificateurs ou des evals pour que l'agent ferme ses boucles de façon autonome, de gérer son contexte, d'arbitrer entre planification et exécution, de savoir travailler avec un spec clair et quand ne pas s'en donner la peine, et d'orchestrer plusieurs agents (AFFIRMATION, 0.95)
- utilisation des agents de codage —recommande→ de tenir des routines d'essai de nouveaux outils et de faire évoluer ses workflows, la pratique du codage agentique changeant trop vite pour que la connaissance des pratiques de pointe suffise (AFFIRMATION, 0.94)
- façonner la construction —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- façonner la construction —affirme_que→ les agents livrant de mieux en mieux un spec clair, le travail de l'ingénieur se déplace vers la décision de ce que le spec doit contenir, et un ingénieur ne doit plus s'attendre à recevoir un design pixel-perfect à seulement implémenter (CITATION, 0.95)
- façonner la construction —utilise→ le sens produit, la compréhension du contexte métier et des objectifs client, ainsi que la conduite de projet — savoir quand livrer vite un MVP à tester auprès d'utilisateurs et quand ralentir pour construire plus soigneusement (AFFIRMATION, 0.94)
- façonner la construction —converge_avec→ le rôle partiel de product management que Ng attribuait déjà aux ingénieurs dans sa lettre sur les trois boucles du développement produit (AFFIRMATION, 0.9)
- apprentissage continu —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.93)
- apprentissage continu —s_applique_à→ les quatre compétences comme socle commun, l'IA continuant de changer vite (AFFIRMATION, 0.92)
- DeepLearning.AI —affirme_que→ son objectif principal est d'aider les développeurs à acquérir ces compétences d'AI engineering (CITATION, 0.96)
- AI Engineering Skills Map —prédit→ la publication d'une carte plus détaillée et de billets développant chacune des quatre compétences, non parus à la date de la fiche (AFFIRMATION, 0.94)
- AI Engineering Skills Map —mesure→ 3 074 365 vues, 35 343 bookmarks, 17 271 likes, 3 028 reposts et 311 réponses sur X au 16 août 2026, soit un rapport bookmarks sur likes d'environ 2,05 (MESURE, 0.9)

---
Canonical: https://www.thekb.eu/it/fiches/ng-ai-engineering-skills-map-2026-08-14/