IA / ML / Data Science: mercato
AI / ML / Data Science è una famiglia di ruoli: ML Engineer (modelli e pipeline in produzione), Data Scientist (analisi statistica, test A/B, modelli di ML), AI Engineer (LLM, RAG, applicazioni GenAI), MLOps (infrastruttura ML), ingegneri di Computer Vision e NLP. Lo stack di base è Python, PyTorch, TensorFlow, scikit-learn, pandas, NumPy, Jupyter, MLflow, Kubeflow, HuggingFace Transformers, LangChain, OpenAI API, database vettoriali (Pinecone, Weaviate, Qdrant). Le tecnologie più richieste: python, cloud, sql, llm, pytorch. Il 27% delle posizioni è da remoto. I dati si aggiornano ogni giorno.
Il mercato IA / ML / Data Science ha al momento 10.721 ruoli aperti, di cui 10.064 osservati di recente. Median salary $11.979/mo.
Il 27% delle offerte IA/ML è full remote; le altre sono ibride o in sede. Le banche richiedono più spesso l'ibrido per la conformità; nei team internazionali di IA il full remote è lo standard.
⚠ stipendio noto per 884 offerte su 10721; quota di lavoro da remoto da 9069 con modalità indicata; 10064 conteggiate come osservazioni recenti; tendenza e difficoltà di assunzione non sono mostrate
Timeline: postings and sources
How many IA / ML / Data Science postings appeared each week over 180 days, and from how many sources. The second line separates market growth from coverage growth: a jump in the week new sources were connected means we started seeing more, not that the market grew.
New postings and active sources per week
Sources over the period: 357
New sources connected: May 18 +16 · May 25 +12 · Jun 1 +13 · Jun 8 +8 · Jun 15 +8 · Jun 22 +27 · Jun 29 +55 · Jul 6 +29 · Jul 13 +26 · Jul 20 +31 · Jul 27 +13 · Aug 3 +9 · Aug 10 +6 · Aug 17 +8 · Aug 24 +7 · Aug 31 +4 · Sep 7 +6 · Sep 14 +4 · Sep 21 +13 · Sep 28 +9 · Oct 5 +7 · Oct 12 +3 · Oct 19 +17
Week = posting first-seen date, all statuses, 180 days; sources = distinct collection channels that yielded postings for the direction that week; new sources = channels that yielded their first posting for the direction that week.
Salaries over time
Median IA / ML / Data Science salary per week, USD per month.
Median salary, USD per month
Only postings with a USD salary and a known period (month or year), $500–$50,000 per month. Weeks with fewer than 10 such postings are left blank — that means no data, not zero.
Remote work over time
Share of IA / ML / Data Science postings offering fully remote work, per week.
Remote postings, %
The share is among postings that state a format (remote, hybrid, office). Weeks with fewer than 10 such postings are left blank.
Technologies over time
How the share of IA / ML / Data Science postings mentioning each of the top technologies changed.
Postings mentioning the technology, %
Share among postings with a tagged stack; the series starts on Aug 10: earlier stack tags were assigned differently. Weeks with fewer than 20 tagged postings are left blank.
Countries over time
How the share of IA / ML / Data Science postings in each of the top countries changed, per week.
Postings in the country, %
Share among postings with a known country; the chart shows the five countries with the most postings over six months. Weeks with fewer than 20 postings with a known country are left blank. A rising share can mean a newly connected source in that country rather than market growth.
Domanda e offerta osservata
| Domanda aperta | 10.721 |
| Offerta osservata | — non pubblicato |
Nelle ultime settimane la direzione AI/ML è cresciuta in modo non lineare: l'aumento esplosivo della domanda dall'uscita di ChatGPT, Claude, Gemini nel 2023–2025 continua nel 2026. Le oscillazioni sono normali; guarda la tendenza complessiva.
⚠ i candidati adatti a un'offerta non sono ancora conteggiati: sono mostrate la domanda e la banca dati osservata
Distribuzione degli stipendi
Uno su dieci guadagna meno di $4750, uno su dieci più di $20.233. Metà del mercato sta tra $7455 e $16.218. Campione: 884.
Geografia della domanda
| paese | offerte |
|---|---|
| US | 4228 |
| GB | 971 |
| DE | 447 |
| IN | 446 |
| SG | 408 |
| PL | 365 |
| CA | 317 |
| FR | 236 |
| HK | 168 |
| NL | 121 |
Il leader per numero di offerte AI/ML sono gli Stati Uniti (4228 posizioni), seguiti dai principali hub IT della CSI e dell'Europa orientale. Importante: è la distribuzione sulle nostre fonti di parsing, non una stima del mercato globale.
⚠ solo numero di offerte: lo stipendio per paese non è pubblicato
Si usa insieme a
Lo stack principale dell'ingegnere ML/AI nel 2026 è Python, PyTorch, TensorFlow, scikit-learn, pandas. PyTorch domina nella ricerca e nelle startup AI; TensorFlow è una scelta solida per l'enterprise. HuggingFace Transformers e LangChain sono indispensabili per l'AI Engineer.
Le coppie tecnologiche più comuni negli annunci AI/ML: Python+PyTorch, Python+TensorFlow, scikit-learn+pandas, HuggingFace+LangChain, MLflow+Airflow. Se stai pianificando una roadmap di studio, queste combinazioni massimizzano la copertura del mercato.
Domanda per livello
| livello | offerte |
|---|---|
| senior | 3004 |
| principal | 1136 |
| lead | 896 |
| junior | 648 |
| middle | 240 |
La crescita retributiva più forte è tra Middle e Senior (acquisendo ML di produzione e MLOps).
⚠ solo lato domanda: il livello della banca dati osservata è ignoto per la maggior parte
Datori di lavoro
La domanda è distribuita tra 4296 datori di lavoro. Il maggiore ne concentra il 1.7%, i primi dieci il 8.7%; il restante 91.3% è coda lunga.
| quota | valore |
|---|---|
| top-1 | 1.7% |
| top-3 | 4.0% |
| top-10 | 8.7% |
| coda lunga | 91.3% |
The companies hiring ML/AI engineers most actively right now are large banks, marketplaces, search engines, and international AI startups.
⚠ i nomi non sono mostrati: il classificatore non distingue ancora le agenzie di selezione dai datori di lavoro finali
Dove Zorky vede questo mercato
Osservato su 156 fonti; la maggiore ne concentra il 24.9%: questo mercato non dipende da un solo canale.
Le offerte AI/ML compaiono nella maggior parte delle fonti principali: i parser web (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) forniscono il grosso del volume.
Posizioni recenti
- Analyst, Revenue Research (Ad Effectiveness)
- Senior Automation Scientist · GB
- シニアテクニカルプログラムマネージャー ・Active Learning Loop
- Senior New Business Manager · CN
- AIC Apprentice · IN
- ML Engineer · KZ
- PRINCIPAL DATA SCIENCE SPECIALIST · SG
- Data Scientist · US
Le ultime offerte AI/ML/DS aperte: le 10 posizioni più recenti con una qualità della descrizione adeguata. L'elenco completo è disponibile nel nostro CRM o tramite il link «vedi tutte» qui sotto.
Mercati adiacenti
AI/ML/DS è la specializzazione IT più pagata per mediana nel 2026. Clicca sulla barra di qualsiasi direzione per confrontare nel dettaglio retribuzioni, stack e dinamiche.
⚠ i mercati adiacenti per il confronto non sono ancora definiti
Come si misura
- Posizione
- un'offerta aperta che ha superato il controllo di qualità e indica almeno due tecnologie
- Candidato osservato
- un candidato il cui stack contiene questa tecnologia; un dato aggregato: nessun singolo record esce dal perimetro
- Candidato abbinabile
- non ancora conteggiato
- Finestra
- offerte aperte nel momento in cui è stato creato lo snapshot
Sui dati
- Alcuni dettagli sono nascosti: la loro copertura di dati non è ancora sufficiente.
- Le statistiche vengono mostrate solo dove il campione supera un controllo di qualità.
- L'assenza di un blocco non significa che il valore sia zero.
Dettagli attualmente nascosti: 8.
Dati al 2026-10-27
Specializzazioni
AI/ML/DS si divide in 7 sottospecializzazioni: ML Engineer (modelli in produzione), AI/LLM Engineer (IA generativa), MLOps (infrastruttura ML), Computer Vision (immagini e video), NLP Engineer (testo e linguaggio), Research Engineer (R&S), Data Scientist (statistica e test A/B). Ogni nicchia ha la sua fascia retributiva: clicca su una scheda per i dettagli.
Domande frequenti
Le domande più frequenti sul mercato AI/ML/DS: stipendi per livello, stack (PyTorch vs TensorFlow), ML Engineer vs Data Scientist vs AI Engineer, remoto, da dove iniziare la carriera, competenze da Senior. Le risposte si ricalcolano automaticamente dai dati attuali.
Quale stack viene richiesto più spesso per ML engineer?
Le 5 tecnologie principali negli annunci AI/ML/DS: python, cloud, sql, llm, pytorch. Competenze di base richieste: Python (avanzato), statistica e algebra lineare, ML classico con scikit-learn. Deep learning: uno tra PyTorch (dominante nella ricerca) e TensorFlow (più adatto alla produzione). Lavoro con i dati: pandas, NumPy, Jupyter. SQL è obbligatorio. Per l'MLOps: MLflow, Kubeflow, Airflow, Docker, Kubernetes. Un cloud (AWS SageMaker, GCP Vertex AI) è richiesto a livello Senior.
Chi guadagna di più: ML Engineer, Data Scientist o AI Engineer?
La domanda cresce in modo esplosivo dai rilasci di ChatGPT, Claude e Gemini. Research Engineer (R&D, paper a NeurIPS/ICML): un tetto alto nei laboratori internazionali.
Gli ML engineer possono lavorare da remoto?
In parte: il 27% delle offerte ML/AI è completamente da remoto. Banche e fintech spesso richiedono l'ibrido per la compliance sul lavoro con dati personali e finanziari. Marketplace: più spesso ibrido. Team AI internazionali: quasi sempre aperti al remoto o ibridi con un ufficio a SF/NYC/Londra. Startup AI: il completamente da remoto è lo standard. La paga da remoto è nettamente più alta grazie al bacino globale di candidati e al segmento premium GenAI. Le offerte Junior da remoto sono poche: il training in produzione richiede mentoring e accesso alle risorse di calcolo.
Che differenza c'è tra ML Engineer e Data Scientist e Data Engineer?
ML Engineer: focus sulla produzione: progettazione, training, deploy e monitoraggio dei modelli ML. Stack: Python, PyTorch/TensorFlow, MLflow, Docker, Kubernetes. Vicino a un Backend engineer con specializzazione ML. Data Scientist: focus sulla ricerca: statistica, test A/B, ipotesi, dashboard, a volte modelli ML. Stack: Python, scikit-learn, Jupyter, pandas, SQL, a volte R. Data Engineer: infrastruttura dei dati: pipeline ETL, data warehouse, stream. Stack: Spark, Airflow, Kafka, ClickHouse. Per retribuzione: ML Engineer e AI Engineer di solito guadagnano più del Data Scientist (ruoli più tecnici); il Data Engineer è vicino all'ML. Percorso di carriera: Backend → ML Engineer, Analyst → Data Scientist, Data Engineer ↔ ML Engineer.
Da dove iniziare per diventare ML engineer nel 2026?
Il percorso ottimale: padroneggia Python (avanzato), statistica e algebra lineare a livello universitario, SQL, pandas + NumPy per il lavoro con i dati. Poi scikit-learn (ML classico: regressione, classificazione, clustering) e uno tra PyTorch (consigliato per la ricerca) o TensorFlow. Progetti personali che fanno bella figura: un progetto ML end-to-end con deployment in produzione (non solo un notebook Jupyter), 1–2 competizioni Kaggle con medaglia d'argento o superiore, contributi a librerie ML open source. A livello Middle aggiungi MLOps (MLflow, Airflow) e un cloud (AWS SageMaker o GCP Vertex AI). A livello Senior: una comprensione profonda di training distribuito, serving dei modelli, test A/B in produzione.
Quante offerte ML/AI sono aperte in CSI ed Europa?
As of the latest data refresh, the Zorky sample contains 12915 active open AI/ML/DS positions across CIS and Eastern Europe. These are postings published in the last 90 days — companies actually hiring. Geography is distributed; the leaders are US, GB, DE. Data is collected from 105 job boards and 16 669 company career sites: Telegram channels (an exclusive stream for AI startups and niche LLM positions), specialised job sites (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it, Pracuj.pl), and career pages of fintech and AI teams. Seasonality: ML/AI demand grows non-linearly — an explosive rise since 2023 after ChatGPT, continuing in 2026 with releases of Claude, Gemini, Llama.
Dove guadagnano di più gli ML engineer: in Russia o in Europa?
Il fattore principale del divario è la valuta del contratto e il tipo di azienda. Le aziende russe locali con contratti in rubli hanno colmato in 2 anni il divario con il mercato polacco. Georgia e Armenia attirano molti trasferiti che lavorano da remoto con retribuzioni internazionali.
Quali competenze servono a un Senior ML engineer nel 2026?
Un Senior ML/AI engineer padroneggia l'intero stack del ML in produzione. Base: Python (avanzato), statistica e algebra lineare, SQL, pandas, NumPy. Deep Learning: PyTorch o TensorFlow (uno a fondo). Produzione: MLflow o Weights & Biases (esperimenti), Airflow o Kubeflow (pipeline), un ML in cloud (SageMaker, Vertex AI). Pattern architetturali: model serving (Triton, TorchServe), test A/B in produzione, addestramento distribuito, versionamento dei modelli.
Lascia una richiesta
Descrivi l'attività e lascia un contatto: la richiesta arriva nel nostro CRM e rispondiamo al contatto che indichi.