I migliori strumenti e software per il web scraping nel 2025 | Thunderbit

Sintesi esecutiva

Questa ricerca usa lo stesso corpus di hiring di Hacker News di maggio 2025 e maggio 2026 del report RTO Index, ma lo guarda da un’angolazione diversa: con quale frequenza le aziende citano strumenti di AI, capacità LLM, flussi di lavoro agentici e requisiti collegati nei testi delle offerte.

La penetrazione delle keyword AI in senso stretto è passata dal 23,5% nel maggio 2025 al 35,6% nel maggio 2026. In parole semplici, circa una offerta su quattro su HN menzionava strumenti AI specifici o concetti LLM un anno fa; a maggio 2026, lo faceva più di una su tre.

Il cambiamento più importante non riguarda solo la frequenza. L’AI richiesta è passata dall’1,7% al 4,1%, mentre l’AI preferita è cambiata pochissimo. Questo suggerisce che il linguaggio legato all’AI si sta spostando dalla categoria “nice to have” alla sezione dei requisiti indispensabili nell’hiring tecnico.

Anche il mix di keyword è cambiato. “Agentic” è diventata la keyword principale nel campione 2026, e Claude più Claude Code hanno superato Cursor e Copilot nelle menzioni di strumenti nominati. Per il marketing developer, il recruiting e la pianificazione di carriera, è un segnale utile: la dimestichezza con i workflow AI sta entrando a pieno titolo nello stack ingegneristico mainstream.

I risultati più condivisibili

1. Le menzioni AI in senso stretto sono salite dal 23,5% al 35,6%, con un aumento di 12,1 punti percentuali.
2. Le menzioni AI in senso ampio sono salite dal 29,5% al 39,1%.
3. L’AI richiesta è più che raddoppiata, dall’1,7% al 4,1%.
4. L’AI preferita è quasi ferma, dal 3,0% al 3,5%, il che rende l’aumento del Required ancora più rilevante.
5. “Agentic” è passata da 7 menzioni a 30, diventando la keyword n. 1 del 2026.
6. Claude è comparsa 18 volte e Claude Code 11 volte nel 2026; insieme fanno 29 menzioni.
7. I ruoli engineering hanno guidato il cambiamento principale, con la penetrazione delle keyword AI salita dal 22,1% al 36,3%.

C’è una differenza tra un’azienda che dice “siamo entusiasti dell’AI” e un’azienda che inserisce strumenti AI nella job description che un candidato deve soddisfare. La prima è una postura di marketing. La seconda è un segnale operativo. Questo report si concentra sul secondo tipo di evidenza: le parole che le aziende usano quando cercano di assumere profili tecnici in un forum pubblico frequentato soprattutto da ingegneri.

Questa distinzione conta per chi legge il blog, perché i dati sull’adozione dell’AI sono rumorosi. LinkedIn e Indeed possono mostrare una crescita esplosiva del linguaggio AI, ma le job board premiano anche il keyword stuffing. I blog aziendali possono sembrare ambiziosi senza dimostrare molto sul lavoro quotidiano. Hacker News è un campione più piccolo e più sbilanciato, ma il linguaggio tende a essere meno rifinito e più diretto. Un founder o un ingegnere che posta lì di solito cerca di attrarre pari livello, non di ottimizzare per un algoritmo di ricerca dei recruiter.

Quindi il punto non è soltanto che le parole AI sono apparse più spesso. La storia più interessante è che il linguaggio AI è salito nella gerarchia del testo di hiring: dall’interesse generico, agli strumenti nominati, fino ai requisiti indispensabili. È il tipo di cambiamento che i lettori possono usare quando ragionano su carriere, developer tooling, recruiting o sulla prossima ondata di contenuti B2B.

Hacker News pubblica un thread fisso di hiring il primo giorno di ogni mese — “Ask HN: Who is hiring?”. Le aziende lasciano un commento di recruiting nel formato company | role | location | REMOTE/HYBRID/ONSITE | description. Abbiamo estratto i thread di maggio 2025 e maggio 2026, per un totale di 619 commenti di hiring, e li abbiamo analizzati alla ricerca di menzioni di strumenti AI specifici e keyword sulle capacità.

Il risultato principale è semplice: in dodici mesi, le menzioni di strumenti AI nei testi di hiring sono passate dal 23,5% al 35,6%. Si tratta di un aumento assoluto di 12 punti percentuali, pari a circa il 51% in termini relativi. Tra tutti i trend report che abbiamo realizzato, questo è uno dei cambiamenti strutturali più rapidi in una finestra temporale comparabile — circa quattro volte più veloce dello shift di +3,3 pp hybrid-vs-remote documentato nel nostro report RTO Index 2026 correlato.

Ma il numero di 12 pp non è la parte più interessante. Sotto di esso ci sono tre segnali più importanti.

Uno: l’“AI richiesta” è raddoppiata. Le offerte che scrivono esplicitamente required / must have / experience with X AI tool sono passate dall’1,7% nel maggio 2025 al 4,1% nel maggio 2026 — da 5 a 13 annunci, a fronte dello stesso denominatore. La quota di aziende che tratta l’AI come requisito indispensabile nei criteri di selezione è più che raddoppiata. La posizione dell’AI nelle job description sta migrando da “bonus gradito” verso “requisito duro dal primo giorno”.

Due: “agentic” è passata da quasi assente a n. 1. Nel thread di maggio 2025 “agentic” compariva 7 volte, sfiorando appena la top 20. Nel maggio 2026 compare 30 volte e conquista il primo posto. “Agentic” — AI agent / agentic workflow — è passata da gergo di ricerca a vocabolario standard nel testo di hiring nell’arco di dodici mesi. Nelle ultime quattro grandi ondate tech (big data, blockchain, Web3, gli stessi LLM), nessun concetto ha fatto questo salto così velocemente. I driver sono evidenti — Anthropic che riposiziona Claude come “agent that uses tools”, OpenAI che lancia Computer Use e demo agentiche di GPT-5, il batch W26 di Y Combinator fortemente orientato verso startup “agentic”. La narrativa tecnica è esplosa tra fine 2024 e metà 2025, e il thread di maggio 2026 è il campione in cui quell’ondata arriva nell’hiring.

Tre: Claude guida il conteggio degli strumenti nominati, più che raddoppiando Cursor e Copilot. “Claude” compare 18 volte nel maggio 2026 (contro 3 nel maggio 2025 — un aumento di 4,5x). “Claude Code” compare separatamente altre 11 volte; insieme fanno 29 menzioni. Cursor è a 8, Copilot a 6. Copilot è il player storico in questa categoria — GitHub lo ha lanciato nel 2021, e cinque anni di presenza gli hanno dato riconoscibilità mainstream tra gli ingegneri. Ma nei testi di hiring su HN — un campione di ingegneri che scrivono per altri ingegneri — Claude di Anthropic lo ha superato. Se fai developer marketing, la profondità di penetrazione di Anthropic è molto più alta di quanto sembri in superficie. Questo segnale è invisibile su LinkedIn o Indeed (campioni riempiti di SEO da tutti i vendor allo stesso tempo); emerge solo nel registro persona-a-persona di HN.

Mettendo insieme queste tre osservazioni, i dati raccontano una sola storia: la narrazione dell’AI nell’hiring sta passando da “vogliamo fare AI” a “facciamo già AI, devi saperla usare bene.” Dal punto di vista dei verbi, “build with”, “automate via”, “use” sono sempre più comuni; “explore”, “research”, “prototype” arretrano. Dal lato degli strumenti, l’ecosistema Claude di Anthropic (Claude + Claude Code + framework agentici) sta sfidando la posizione di OpenAI nella mente degli sviluppatori. Sotto analizziamo ogni livello.

1. Nel complesso: dal 24% al 36%

Abbiamo analizzato il testo completo di 619 commenti di hiring usando un dizionario pubblico di keyword AI (lista completa sotto). I risultati sono classificati in quattro livelli, dal più lasco al più rigoroso:

• Loose: qualsiasi keyword legata all’AI (inclusi termini ampi come “machine learning”)
• Strict: strumenti AI specifici (Claude / Cursor / Copilot / OpenAI / Midjourney) o termini di categoria LLM (GenAI / LLM / RAG / agentic)
• Required: hit Strict + contesto che contiene required / must have / experience with
• Preferred: hit Strict + contesto che contiene nice to have / preferred / bonus

La riga più informativa è Strict — filtra i falsi positivi dei termini ampi come “machine learning”. In dodici mesi, Strict è passato dal 23,5% al 35,6%, per un aumento assoluto di +12,1 pp, pari a circa il 51% in termini relativi. In pratica: un anno fa, circa 1 offerta su 4 su HN nominava esplicitamente strumenti AI come Claude / Cursor / Copilot / LLM / RAG. Oggi, più di 1 su 3.

La riga Required racconta la versione più netta della stessa storia. Da 5 a 13 annunci — pochi in valore assoluto, ma grandi nelle implicazioni. Citare uno strumento AI nella sezione must-have richiede che quello strumento sia già integrato nel workflow, non solo auspicato. “Required” è raddoppiato, più velocemente di Loose e Strict, ed è il segnale più pulito che gli strumenti AI stanno passando dalla narrativa di hiring all’aspettativa reale di processo.

Preferred è cambiato pochissimo, e anche questo è un segnale. Se tutta la wave AI fosse solo “aggiungiamo parole AI ai testi di recruiting”, Preferred dovrebbe crescere in linea con Required — “ci farebbe piacere se conoscessi strumenti AI, è un plus”. Preferred è salito solo di +0,5 pp mentre Required è salito di +2,4 pp. Gli strumenti AI non vengono citati casualmente più spesso; vengono promossi nella gerarchia dei requisiti, da nice-to-have a must-have.

2. Quali parole AI vengono nominate: agentic, Claude, LLM in testa

Classificate per numero di menzioni, le prime 12 keyword AI nel thread 2026-05:

Vale la pena soffermarsi su alcuni punti.

“agentic” è balzata da 7 a 30 — la vincitrice tra i concetti nuovi. Un anno fa quasi nessuno la usava nell’hiring su HN; oggi è la n. 1. “Agentic” — AI agent / agentic workflow — è passata da gergo di ricerca a vocabolario standard dell’hiring in dodici mesi. Le ultime quattro ondate tech (big data, blockchain, Web3, gli stessi LLM) non hanno mostrato una penetrazione così rapida in un solo anno. I driver sono chiari: Anthropic che riposiziona Claude come “agent that uses tools”, OpenAI che rilascia Computer Use e demo agentiche di GPT-5, il batch W26 di Y Combinator fortemente orientato verso startup agentiche. La narrativa tecnica è esplosa tra fine 2024 e metà 2025, e il thread di maggio 2026 è esattamente il campione in cui atterra nei testi di hiring.

Claude guida le menzioni degli strumenti nominati. 18 menzioni, più altre 11 di Claude Code, per un totale combinato di 29. Cursor è a 8, Copilot a 6. Copilot è il player incumbent — GitHub lo ha lanciato nel 2021, e cinque anni di presenza dovrebbero significare predominio. Ma nei testi di hiring su HN — ingegneri che scrivono per ingegneri — l’ecosistema Claude di Anthropic lo ha superato. Se fai developer marketing, la profondità di penetrazione di Anthropic è molto più ampia di quanto suggerisca la superficie. Questo segnale è invisibile su LinkedIn o Indeed (riempiti di SEO da tutti i vendor); emerge solo in registri persona-a-persona come HN.

“LLM” + “LLMs” insieme: 43 menzioni. È la categoria di capacità più grande, con largo distacco. “Lavorare con gli LLM” è ormai un contesto di base che non richiede più spiegazioni — per il candidato engineering del 2026 equivale a quello che nel 2018 era “devi conoscere git”.

“AI-native” arriva a 12, da 4. È una keyword culturale/organizzativa — le aziende non vogliono solo familiarità con gli strumenti, ma candidati il cui modello mentale predefinito sia AI-first. Il fatto stesso che questa parola compaia nei testi di hiring è un segnale di maturità: il mercato è passato da “assumere qualcuno che conosca l’AI” a “assumere qualcuno che consideri l’AI il workflow di default”.

“RAG” a 10, da 6. Retrieval-Augmented Generation era gergo di ricerca nel 2024; nel 2026 compare nei bullet delle job description come requisito ingegneristico esplicito. I vector database e i retrieval pipeline sono ormai sistemi di produzione reali in molte aziende.

3. Chi scrive “Required AI” su HN: la lista delle 13 aziende

Nel thread 2026-05, 13 aziende hanno abbinato esplicitamente required / must have / experience with a keyword di strumenti AI. La lista completa è nel grafico; ecco un campione rappresentativo:

• We The Flywheel (Ruolo: Eng) — la JD richiede esplicitamente: Claude;Claude Code;Cursor
• SEEKING FREELANCER (Ruolo: Eng) — la JD richiede esplicitamente: Cursor;Lovable
• Pathos AI (Ruolo: Eng) — la JD richiede esplicitamente: OpenAI
• Brandfetch (https://brandfetch.com) (Ruolo: Eng) — la JD richiede esplicitamente: LLM;AI agent
• Dablam (Ruolo: Eng) — la JD richiede esplicitamente: AI agents
• Starbridge (Ruolo: Eng) — la JD richiede esplicitamente: Anthropic;OpenAI;Gemini;LangChain;LlamaIndex
• INDATA (Ruolo: Eng) — la JD richiede esplicitamente: Claude;Claude Code;Anthropic;OpenAI;Copilot;Cursor
• BIT Capital (Ruolo: Eng) — la JD richiede esplicitamente: LLM;RAG;agentic

Leggi il profilo. INDATA vuole Claude / Claude Code / Anthropic / OpenAI / Copilot / Cursor — uno stack AI completo come aspettativa dal primo giorno, non un generico “familiarità con l’AI”. Starbridge elenca Anthropic / OpenAI / Gemini / LangChain / LlamaIndex — API dei modelli più framework di retrieval. We The Flywheel chiede Claude + Claude Code + Cursor — uno stack da coding agent puro.

Queste aziende condividono un pattern comune: hanno scelto un canale pubblico come HN per fare recruiting, e hanno scelto di inserire gli strumenti AI nella sezione dei requisiti indispensabili. Entrambe le scelte contano. Pubblicare su HN è più impegnativo che su LinkedIn — serve un account, il post è visibile pubblicamente ai pari, e qualsiasi esagerazione viene contestata nei commenti quasi subito. L’auto-selezione attraverso questo filtro significa che le aziende che continuano a scrivere Required AI sono con ogni probabilità davvero dipendenti in modo operativo dagli strumenti citati, non stanno solo riempiendo lo spazio con keyword.

Per chi fa DTC, SaaS marketing e employer branding, l’uso secondario di questa lista è come riferimento: la narrativa del brand “AI fluent” è ora verificabile empiricamente. Dire “usiamo AI” non basta — il fatto che le vostre job description osino scrivere Required più i nomi di strumenti specifici rivela il livello reale di utilizzo dell’AI nel team. Una careers page che dice “siamo una AI-first company” ma non nomina alcuno stack di strumenti in nessuna JD risulta incoerente agli occhi dei candidati.

4. L’engineering è passato dal 22% al 36% di penetrazione delle keyword AI

Per bucket di ruolo, tasso di hit AI per il 2026-05 (solo bucket con ≥3 annunci):

Alcune note.

L’engineering è la vera storia. Rappresenta il 74,8% del campione (237 annunci). Il suo tasso di hit AI è salito dal 22,1% nel maggio 2025 al 36,3% nel maggio 2026 — +14 pp assoluti. Tutte le affermazioni macro sulla “penetrazione dell’AI” in questo report si basano principalmente su questa riga. Circa un annuncio su tre per software engineer ora cita esplicitamente keyword AI — il cambiamento strutturale più grande nel testo di hiring software degli ultimi 12 mesi.

Il bucket AI/Research è solo 8 annunci con un tasso di hit del 37,5% — più basso dell’engineering. Sembra controintuitivo. In teoria “AI Research / AI Engineer” dovrebbe avvicinarsi al 100%. Il motivo per cui non succede è che le JD di questo bucket usano un vocabolario molto tecnico (“transformer architecture / attention mechanism / pretraining objective”) che il nostro dizionario non copre. Anche la dimensione ridotta del campione aggiunge rumore. Non leggerlo come “l’hiring AI research usa meno parole AI” — è un gap di copertura del classificatore, non un fenomeno di settore.

Il bucket Founding (founding engineer / Chief of Staff / VP-level) arriva all’80% nel 2026 — 4 annunci su 5 nel campione. Riflette il modo ampio in cui vengono scritte le JD dei ruoli founding — “un founding engineer deve saper fare un po’ di tutto, incluso usare strumenti AI”. Ma 5 campioni sono troppo pochi per trarre conclusioni forti.

Marketing / Ops, con 6-8 annunci ciascuno, hanno un tasso di hit di circa il 50%. Sembra alto; per lo più è un effetto della dimensione del campione. In un campione più ampio, questi bucket probabilmente si normalizzerebbero nell’area 30-40%. Il campione contiene troppo pochi annunci Marketing / Sales / Ops / HR per conclusioni specifiche per ruolo; non usare questi bucket per affermazioni di livello ruolo.

L’unica conclusione di livello ruolo che si può citare con sicurezza è: la penetrazione delle keyword AI nell’engineering è passata dal 22% al 36%. Il campione è sufficientemente grande; il cambiamento è abbastanza ampio; gli altri bucket sono troppo piccoli per supportare affermazioni robuste.

5. Perché conta, e dove si ferma

Negli ultimi 18 mesi, il dibattito su “l’AI sta davvero cambiando l’hiring?” si è diviso in due campi.

Il campo ottimista cita i report di LinkedIn / Indeed — la frequenza delle keyword GenAI che esplode (LinkedIn Economic Graph parla di un 21x YoY; Indeed Hiring Lab di +330% YoY). Il campo scettico replica che questi numeri riflettono “aziende che riempiono le JD di keyword AI per SEO” più che un uso reale sul posto di lavoro.

Il valore del campione HN è che non è ottimizzato per SEO / algoritmi delle piattaforme di hiring. I commenti di HN sono scritti da ingegneri e founder per i loro pari — niente keyword padding da LinkedIn, niente giochi CPC di Indeed, niente template da recruiter. Ogni commento viene osservato, replicato e contestato in tempo reale dai lettori di HN. Qualsiasi affermazione esagerata sugli strumenti AI viene chiamata in causa subito. Questo filtro di peer-review pubblico rende il testo di hiring su HN un campione relativamente pulito della domanda reale delle aziende.

Se un campione filtrato come questo mostra un aumento di +12 pp nello Strict AI in dodici mesi, è un segnale forte di domanda reale — non un artefatto degli algoritmi di piattaforma.

Ma il confine del campione va dichiarato in modo onesto. HN è una community di sviluppatori / engineering early-stage / startup — fortemente sbilanciata verso i primi adottanti dell’AI. L’engineering rappresenta il 74,8% del campione; la rappresentatività per Sales / Marketing / HR / Finance / Legal è debole. I settori tradizionali (grandi banche, manifattura, retail, healthcare, education) mostrano una penetrazione delle keyword AI molto più bassa; la maggior parte di quelle aziende non recluta affatto su HN.

Quindi questo report non può essere letto come “la penetrazione dell’AI nel mercato del lavoro USA è del 35,6%” — significa invece “in un campione auto-selezionato di developer / startup su HN, la penetrazione delle keyword AI nei testi di hiring è del 35,6%.” Una differenza enorme.

6. Indicazioni pratiche per ops, contenuti e recruiting

Traduciamo i dati in azioni per chiunque lavori in questi ambiti.

Developer marketing ed employer brand. Sposta “familiarità con gli strumenti AI” dalla sezione nice-to-have della careers page a un’aspettativa dal primo giorno. Il tasso di hit Strict al 35,6% è il tuo benchmark peer — se la visibilità dei tuoi strumenti AI nella careers page è sensibilmente più bassa, stai perdendo candidati a favore di competitor che dichiarano chiaramente di saper usare l’AI. Azione concreta: nella sezione “Con cosa lavorerai”, elenca strumenti AI specifici per nome (Claude + Cursor + LangChain + ...), non frasi vaghe come “modern AI tools”.

Posizionamento prodotto SaaS / tooling. La finestra di mercato per i prodotti che supportano i workflow AI si sta aprendo. “Agentic” è passata da 7 a 30 menzioni, il che significa che l’infrastruttura agentica / orchestrazione / osservabilità ha una domanda reale anche nei testi di hiring. Il messaggio GTM per questa categoria può ora appoggiarsi ai dati HN come ancoraggio empirico invece di basarsi solo sui documenti di visione di Anthropic e OpenAI.

Contenuti B2B e SEO. Le ricerche long-tail “Claude vs Copilot vs Cursor” sono cresciute in modo evidente negli ultimi 18 mesi. La lista delle keyword principali di questo report è un ottimo punto di partenza per il piano editoriale. “Agentic” è una greenfield SEO — il 2026 è ancora abbastanza precoce per costruire pagine autorevoli sui workflow agentici (“How to build agentic workflows” / “Agentic vs traditional automation” / ecc.). Il vantaggio del first mover funziona ancora su questo terreno, perché le SERP non sono ancora presidiate da un contenuto dominante.

Pratiche di recruiting. Prendi spunto dallo stile di posting di HN — scrivi Required più i nomi specifici degli strumenti invece di “AI tool experience preferred.” Il campione di 13 aziende in questo report (INDATA, Starbridge, We The Flywheel, ecc.) dimostra il pattern ad alta fedeltà “Required + named stack”. Oltre a migliorare l’accuratezza del segnale per i candidati, questo stile ti permette di verificare subito le competenze in colloquio — “Dici di usare Cursor; quante codebase di produzione hai spedito con quello?”

Tracking longitudinale. La lista delle keyword principali di questo report + la lista delle aziende con Required possono essere rieseguite ogni trimestre — la HN Firebase API è completamente pubblica, la manutenzione del dizionario costa poco, e il risultato funziona come una dashboard di penetrazione AI nel mercato dell’hiring. Una cadenza trimestrale produce un aggiornamento trend pubblicabile a ogni ciclo, senza grandi budget per l’acquisto di dati.

7. Controlli di stabilità e confronto con dataset peer

Ogni report di trend invita a una domanda: lo shift di 12 pp è reale o rumore? Tre verifiche.

La dimensione del campione è stabile. Totale 2025-05: 302. 2026-05: 317. Differenza di sole 15 offerte. Un denominatore stabile significa che i cambiamenti di quota riflettono una reale ristrutturazione del numeratore, non una deriva del denominatore.

Loose e Strict si muovono nella stessa direzione, con Strict più veloce. Loose +9,6 pp, Strict +12,1 pp. Stessa direzione, Strict che si muove più velocemente significa che l’aumento non è semplicemente “più parole AI”, ma in modo specifico “più menzioni di strumenti nominati e di LLM nominati”. Questo esclude che il dato Loose sia guidato da falsi positivi di parole vaghe.

Required cresce più velocemente di Preferred. Required +2,4 pp (≈2,4x), Preferred +0,5 pp (quasi piatto). Gli strumenti AI non vengono citati più casualmente — vengono spinti verso l’alto nella gerarchia, da nice-to-have a must-have. Questo è il segnale più pulito che l’AI sta passando da competenza bonus a aspettativa base.

Confronto con dati peer:

Non sono dati contraddittori. Il “GenAI 21x / 330%” di LinkedIn / Indeed si riferisce a ruoli GenAI dedicati (AI Engineer / ML Engineer) — un denominatore piccolo che produce multipli enormi. Questo report misura la penetrazione delle keyword AI in senso ampio su tutte le JD — denominatore più ampio, movimento assoluto più moderato, ma una storia molto più trasversale. L’“AI-class roles 1,7% → 2,5%” dello Stanford AI Index 2025 è una quota di ruoli dedicati, vicina al nostro “AI Required” (1,7% → 4,1%) ma con un denominatore diverso. Fonti indipendenti diverse puntano tutte alla stessa tendenza di fondo, letta da angolazioni differenti.

Metodologia

Fonte dati: Hacker News Firebase API (https://hacker-news.firebaseio.com/v0/item/\{id\}.json). Thread confrontati: maggio 2025 (item id 43858554) e maggio 2026 (item id 47975571). Ogni commento di primo livello è trattato come una singola offerta di lavoro (convenzione HN). Stesso corpus di 619 annunci del report Return to Office Index 2026 — identica fonte dati, lente analitica diversa. Data snapshot 2026-05-12 (UTC).

Bias della community HN (la caveat più importante): la community hiring di HN è dominata da sviluppatori, team engineering early-stage e startup early adopter dell’AI. Questo report non può essere letto come un trend AI dell’hiring statunitense o globale. I settori tradizionali (grandi banche, manifattura, retail, healthcare, education) mostrano una penetrazione delle keyword AI molto più bassa; la maggior parte non recluta su HN.

Il bucket engineering domina al 74,8%: i risultati relativi ai ruoli Engineering sono ben supportati; quelli relativi a Sales / Marketing / Ops / HR no (ogni bucket ha N < 10). Tutte le conclusioni per ruolo in questo report valgono con sicurezza solo per Engineering. Gli altri bucket sono troppo piccoli per supportare affermazioni forti.

Testo JD ≠ requisiti reali del lavoro: le JD contengono testo promozionale — “familiarità con Copilot” può essere padding per keyword HR e non un requisito operativo dal primo giorno. I numeri descrivono la “presenza di keyword nel testo della JD”, non l’uso diretto dell’AI sul posto di lavoro. Le due cose sono correlate, ma non identiche.

Accuratezza Required vs Preferred ~75-85%: sulla base di finestre di contesto di ±120 caratteri, i casi al margine possono essere classificati male. I numeri citati per Required/Preferred vanno letti come “secondo il nostro set di regole”, non come verità assoluta.

Rischio di falsi negativi del dizionario v1: il dizionario è ancorato all’ecosistema di strumenti AI del 2026-05 e potrebbe perdere strumenti o termini emersi nella seconda metà del 2026. I tassi di hit AI riportati sono di fatto “tasso di hit secondo il dizionario v1” — un limite inferiore.

Le aziende con più annunci non vengono deduplicate: le stesse aziende possono comparire più volte (soprattutto quelle con 10+ annunci). Usiamo “annunci” come denominatore, non “datori di lavoro unici”, perché la ripetizione dello stesso requisito AI è un segnale significativo della profondità AI a livello aziendale che una deduplica cancellerebbe.

Aspetti legali e copyright: l’API di HN è pubblica, read-only e non richiede autenticazione. Il testo dei commenti è protetto dal copyright degli autori originali; questo report usa solo conteggi aggregati e analisi di frequenza di keyword brevi — nessuna citazione completa dei commenti. Le aziende nominate (le 13 aziende con Required AI) compaiono solo in un contesto positivo o neutro (si sono autodeclare pubblicamente come richiedenti AI). Non viene pubblicato alcun download grezzo del dataset CSV/JSON; ogni numero è riproducibile dalla public HN API + dal dizionario pubblico.

Avvertenze

Cosa questo report NON supporta:

• Non significa “tutte le JD USA ora richiedono strumenti AI” (il campione è un sottoinsieme HN, non il mercato del lavoro USA)
• Non significa “Company X non usa strumenti AI” (non tracciamo le aziende longitudinalmente)
• Difendibile: “All’interno dei thread di hiring HN per 2025-05 e 2026-05, la menzione Strict AI è salita dal 23,5% al 35,6% (+12,1 pp)”

Fonte dati e versioning

Dataset: ai_required_position_rate_2026/ (questo repo). Data snapshot 2026-05-12 UTC, versione v1.0 (single-point YoY, dictionary v1). Condivide i dati HN con il report Return to Office Index 2026 — entrambi sono citabili in modo incrociato.

Cosa possono citare i team SEO e Content

Questa ricerca crea diversi angoli di citazione per intro di blog, callout dati, post social, pagine comparative e articoli di approfondimento:

• Le menzioni AI Strict sono salite dal 23,5% al 35,6%, con un aumento di 12,1 punti percentuali.
• Le menzioni AI Loose sono salite dal 29,5% al 39,1%.
• L’AI Required è più che raddoppiata, dall’1,7% al 4,1%.
• L’AI Preferred è quasi ferma, dal 3,0% al 3,5%, il che rende l’aumento del Required ancora più significativo.
• “Agentic” è passata da 7 menzioni a 30, diventando la keyword n. 1 del 2026.
• Claude è comparsa 18 volte e Claude Code 11 volte nel 2026; insieme fanno 29 menzioni.
• I ruoli Engineering hanno guidato il movimento principale, con la penetrazione delle keyword AI salita dal 22,1% al 36,3%.

L’avvertenza dovrebbe viaggiare insieme alla citazione. Questi numeri descrivono il campione specifico e il metodo di raccolta usati in questo report. Non vanno reinterpretati come un censimento dell’intero mercato, una misura interna di adozione o un’affermazione su ogni azienda della categoria.

Per uso editoriale, il framing più forte è quello che affianca la statistica principale al confine del campione. Questo rende l’affermazione più solida e più facile da ritenere credibile dai lettori. Per esempio, scrivi “in questo campione di hiring HN”, “in questa scansione statica della home page DTC” o “in questo campione di canali YouTube” prima di trasformare il numero in una discussione di trend più ampia.

Note di riproducibilità

La cartella di consegna include i seguenti file di processo copiati dai pacchetti locali originali del report. Sono inclusi per consentire il controllo del report pubblicato rispetto agli script reali, agli output intermedi, ai grafici e alle bozze sorgente usate nel flusso di lavoro di reporting.

• process_files/out/analysis_stats.json
• process_files/out/hn_jobs_ai_parsed.csv
• process_files/scripts/01_compute_stats.py
• process_files/scripts/02_make_figs.py
• process_files/scripts/03_build_data_brief.py
• process_files/scripts/04_build_report_bilingual.py
• process_files/scripts/05_module_i_check.py

Correzioni di metodologia, problemi nel dataset e analisi successive sono benvenuti a support@thunderbit.com. Questo report si basa su segnali pubblici del web o di API pubbliche raccolti nel maggio 2026 e va letto tenendo presenti i confini del campione indicati sopra.