Il mercato vuole un AI engineer Python con LangGraph — non una «persona AI»

Le offerte hanno smesso di dire «ci serve l’AI». Ora nominano LangChain o LangGraph, una pipeline RAG e un sistema LLM che quella persona ha già tenuto in produzione. Quella frase è un filtro. Non è un titolo più gentile per un freelance di prompt, e non è lo stesso posto di un’assunzione fullstack Python e React con un modello nel prodotto.

Ho già scritto cosa fa un AI engineer in generale. Qui c’è la domanda che compare davvero nelle offerte 2026: Python first, LangChain o LangGraph in mano, RAG come pipeline, e produzione — non una demo. L’altra vacancy sul mercato è un articolo a parte.

1. Perché è comparsa questa offerta

Le aziende hanno consegnato una finestra di chat. La qualità non è uscita con essa. Lunedì il corpus è cambiato; la risposta di martedì citava ancora il mese scorso. Allora la JD ha smesso di dire «AI» e ha iniziato a dire RAG, LangGraph e produzione.

• Ricerca interna, sgravio del supporto, Q&A sulle policy: il prodotto è un retrieval che resta aggiornato, non una personalità.
• Un contractor ha mostrato una chain LangChain. La terza settimana si è rotta. L’offerta dopo chiede chi ha tenuto in piedi un sistema, non chi ha importato una libreria.
• I laboratori dei modelli e OWASP hanno reso l’agente senza supervisione un rischio di primo piano. Chi assume vuole chi circoscrive il grafo, non un prompt più lungo.

2. Cosa compra davvero ogni parola della JD

Leggete l’offerta come una lista della spesa. Se LangGraph per voi è sinonimo di «conosce ChatGPT», interviewerete le persone sbagliate.

• Python first: il turno vive in Python — FastAPI o un worker, stato tipizzato, ingest come job. Un notebook incollato in Node non è questo posto.
• LangChain o LangGraph in mano: vogliono il grafo — retrieve, grade, rewrite, refuse — non `import langchain`. Un retrieval vuoto è un nodo da loggare, non una sorpresa nel prompt.
• Pipeline RAG: ingest, chunking per tipo di documento, ricerca ibrida, citazioni come id. Caricare su un db vettoriale non è una pipeline. Perché l’indice vettoriale è un indice derivato, non il sistema di record, l’ho già scritto.
• Un sistema LLM che hanno tenuto in produzione: eval che fanno fallire un deploy, una storia di indice stantio, un fallback quando il provider dà 500, un kill switch. La fluidità in un caffè non è quell’asticella.

3. Chi compra questa assunzione

Non un team marketing che vuole «ChatGPT in homepage». Il budget sta dove una risposta sbagliata ha un costo: ticket, compliance, una wiki interna a cui già non si crede.

• Aziende di prodotto con un corpus privato: policy, SKU, contratti, runbook.
• Support e ops che già misurano il primo tempo di risposta e vogliono retrieval, non una seconda inbox vuota.
• Team che hanno provato un agente con scrittura e ora vogliono un grafo con un nodo di rifiuto. Perché la cassa resta a una persona, l’ho già scritto.

4. Com’è un’assunzione sbagliata

Il mercato è rumoroso. Il loop di colloqui sbagliato lo è di più. Questi tre profili non coprono questa JD anche se il CV dice AI.

• Un ricercatore ML che ha addestrato reti e non ha mai portato ingest, eval o un reindex il martedì.
• Un frontend che ha avvolto OpenAI in una UI di chat. È una superficie di prodotto. Questa vacancy è il loop dietro.
• Un tutorial: un retrieve, un generate, uno screenshot. L’offerta ce l’aveva già. Assume perché è morto alla terza settimana.

5. Questa non è la vacancy fullstack LLM

Una seconda offerta sullo stesso mercato vuole Python più React più TypeScript, e una feature LLM che utenti veri hanno già aperto. Quell’assunzione si giudica sul contratto tra API e schermo. Questa, sul grafo, sul corpus, e se martedì risponde ancora dal file di lunedì. Unire le due JD è chiedere un corpo per due senior.

Conclusione: comprate il loop, non l’etichetta

Se la JD nomina LangGraph, una pipeline RAG e la produzione, il mercato compra un posto di sistemi Python intorno al modello. Una chain con widget di chat è la settimana uno. La domanda è la persona che aveva ancora una risposta dopo la terza settimana. Tenete questa vacancy fuori dall’offerta fullstack LLM. Sono due posti.