Aggiungi Milano Finanza alle tue fonti preferite su Google per non perderti i nostri contenuti
L’intelligenza artificiale è ormai entrata nelle università, ma per molti atenei il passaggio decisivo deve ancora avvenire: trasformare le sperimentazioni in strumenti integrati nella vita accademica. È il quadro tracciato dal rapporto Beyond the Pilot, pubblicato dal Digital Education Council sulla base di un’indagine condotta tra rettori e vertici accademici internazionali. La quasi totalità delle università nel mondo sperimenta strumenti di IA, ma quasi tutte restano ferme alla fase dei test preliminari, senza riuscire a trasformare i singoli progetti pilota in servizi strutturati per l’intero ateneo. La difficoltà emerge quando la sperimentazione deve tradursi in una scelta organizzativa. È in questa fase che occorre pianificare investimenti strutturali, riorganizzare i sistemi informatici e definire responsabilità precise. L’iniziativa dei docenti più innovativi si confronta con la carenza di budget dedicati, infrastrutture tecnologiche obsolete e assenza di regole istituzionali condivise. Meno di un terzo delle università a livello globale dispone infatti di un regolamento ufficiale sull’impiego dell’IA. Ricorso frammentato agli strumenti disponibili Studenti e professori utilizzano piattaforme commerciali gratuite, esponendo gli atenei a rischi per la riservatezza dei dati istituzionali, la conformità normativa e la qualità dell’insegnamento. Un approccio disorganico rende inoltre più difficile valutare l’efficacia pedagogica delle tecnologie adottate, stabilire criteri comuni per verificarne i risultati e proteggere i dati sensibili degli studenti. Senza una cornice condivisa, ogni dipartimento o singolo docente può finire per procedere in modo autonomo, con strumenti, regole e livelli di controllo differenti. La questione riguarda quindi anche l’inserimento dell’IA nei percorsi formativi. Senza un’integrazione strutturata nei piani di studio, osserva il rapporto, la tecnologia rimane un corpo estraneo e può essere percepita come una scorciatoia informale anziché come uno strumento per sostenere l’apprendimento critico. Non basta, dunque, autorizzare o vietare l’uso dei chatbot: occorre chiarire in quali attività possano essere impiegati, quali competenze debbano sviluppare gli studenti e come debbano essere valutati gli elaborati prodotti con il loro supporto. Il nodo diventa costruire un quadro nel quale l’IA sia parte dell’organizzazione universitaria e non dipenda soltanto dalle iniziative dei singoli. Questo passaggio richiede anche un investimento sulle competenze. La formazione non può riguardare soltanto gli aspetti tecnici, ma deve includere la verifica delle fonti, la gestione dei dati, la trasparenza nell’uso degli strumenti e la capacità di riconoscere errori o risposte non attendibili. Per i docenti, significa ripensare alcune modalità di insegnamento e valutazione; per gli studenti, imparare a utilizzare l’IA senza delegarle la comprensione dei contenuti. In assenza di questo lavoro, la disponibilità di strumenti sempre più potenti rischia di aumentare le differenze tra chi possiede già competenze digitali avanzate e chi invece li utilizza in modo passivo. Le esperienze internazionali Alcune esperienze internazionali mostrano come affrontare questo passaggio attraverso investimenti consortili e infrastrutture condivise. In Francia la federazione ILaaS, promossa dal Ministero dell’Insegnamento Superiore, riunisce circa venti atenei per condividere server, potenza di calcolo e modelli linguistici dedicati alla ricerca e alla didattica. Nei Paesi Bassi Surf e il programma Npuls hanno realizzato eduGenAI, un ambiente digitale protetto che permette a docenti e studenti di utilizzare diversi modelli di IA nel rispetto degli standard europei di sicurezza e privacy previsti dal Gdpr. Questi progetti indicano una possibile alternativa alla dipendenza da piattaforme esterne: costruire servizi governati direttamente dal sistema universitario, con infrastrutture comuni, criteri di sicurezza omogenei e strumenti adattati alle esigenze della didattica. La dimensione consortile consente inoltre di distribuire i costi e di mettere in comune competenze che molti atenei, soprattutto quelli più piccoli, difficilmente potrebbero sviluppare da soli. Anche in Italia il materiale segnala un percorso verso soluzioni integrate. Accanto all’accordo quadro promosso dalla Crui per le licenze universitarie, vengono citate piattaforme proprietarie adottate dai singoli atenei. MultiLearn è utilizzata dalle università Pegaso, Mercatorum e San Raffaele Roma per offrire assistenza allo studio e tutoraggio continuo sui testi formalmente validati dai docenti, mentre Velvet è il modello linguistico sviluppato per UniMarconi sul supercomputer Leonardo di Cineca. Il rapporto individua quindi un cambio di approccio necessario per il sistema accademico: superare le sperimentazioni isolate e l’improvvisazione. La prospettiva indicata passa dall’integrazione stabile dell’IA nei portali didattici di ateneo, dalla formazione continuativa del personale docente e dall’adozione di modelli trasparenti e sicuri. L’obiettivo è tutelare il valore legale della laurea e mettere l’innovazione tecnologica al servizio della formazione critica degli studenti. L’IA entra nello studio dell’88% degli studenti L’intelligenza artificiale è già uno strumento abituale per la maggioranza degli universitari. Secondo l’AI in Higher Education Global Survey 2026 del Digital Education Council, l’88% degli studenti nel mondo utilizza regolarmente strumenti di IA per sostenere il proprio percorso accademico e lo studio quotidiano. La rilevazione, condotta su oltre 45 mila tra docenti e discenti in 35 Paesi, mostra quanto la tecnologia sia entrata nelle pratiche di studio prima ancora che le università abbiano definito regole comuni. Il 61% degli studenti ritiene che l’IA permetta di ridurre drasticamente il tempo dedicato ai compiti esecutivi e ripetitivi, lasciando più spazio all’elaborazione concettuale. Ma l’utilità percepita convive con forti preoccupazioni: il 66% degli studenti e il 73% dei docenti teme che un uso non guidato possa favorire uno studio superficiale e indebolire lo sviluppo del pensiero critico autonomo. Il rischio riguarda soprattutto il ricorso a chatbot commerciali generalisti senza un collegamento diretto con i programmi e i materiali dei corsi. Il rapporto segnala possibili problemi di accuratezza, allucinazioni informative e scarsa aderenza ai contenuti d’esame stabiliti dai docenti. Delegare alla macchina la comprensione, anziché utilizzarla per esercitarsi o verificare il proprio percorso, può produrre lacune concettuali e ridurre la profondità della preparazione. Le soluzioni più controllate utilizzano architetture Rag, che collegano le risposte alle fonti ufficiali dei corsi e mantengono l’interazione entro un perimetro didattico definito. Possono così offrire indicazioni coerenti con le lezioni e generare test di autovalutazione personalizzati, evitando che le risposte si discostino dai contenuti sui quali gli studenti devono prepararsi. Integrate negli ambienti virtuali di apprendimento, permettono di affiancare allo studio asincrono attività di verifica e supporto metodologico. L’obiettivo è rendere l’IA uno strumento collegato al percorso formativo, con risposte riferite ai materiali del corso e non a un insieme generico di informazioni. Il sistema può sostenere lo studio senza sostituire il lavoro sui contenuti e percorso definito dai docenti, offrendo supporto coerente con le attività previste.
