L'AI ucciderà le università? Domanda sbagliata, ma fatta al momento giusto

Ogni grande tecnologia produce la sua versione della stessa domanda: questo strumento distruggerà l’istituzione X? La stampa avrebbe distrutto la Chiesa. Il cinema avrebbe ucciso il teatro. Internet avrebbe liquidato le università. Non è andata così — ma le istituzioni che hanno ignorato la domanda ne hanno pagato il prezzo in termini di irrilevanza progressiva, non di morte improvvisa.

Con l’intelligenza artificiale conversazionale la domanda si ripropone, questa volta con una differenza strutturale che vale la pena analizzare con precisione: per la prima volta, la tecnologia competitiva non è più semplicemente più veloce o più economica nell’erogare lo stesso servizio. È qualitativamente diversa nel modello di interazione, nella scalabilità e nell’accessibilità. E questo cambia radicalmente i termini del confronto.

Il modello novecentesco e il suo debito latente

L’università di massa nata nel secondo dopoguerra — in Italia come nel resto d’Europa — è stata costruita attorno a una promessa implicita: standardizzazione delle competenze in cambio di credenziali riconosciute dal mercato del lavoro. Il laureato come output seriale di un processo produttivo culturale. Il titolo come segnale di conformità a un profilo professionale predefinito.

Questo modello ha retto finché il mercato del lavoro era sufficientemente stabile da valorizzare quel segnale. Oggi non lo è più. La velocità di obsolescenza delle competenze tecniche supera la durata dei cicli formativi standard: un piano di studi triennale viene progettato quando certe tecnologie non esistono ancora e laureati quando quelle stesse tecnologie sono già in fase di sostituzione. Il debito latente — competenze insegnate che non corrispondono a competenze richieste — è diventato strutturale, non contingente.

A questo si aggiunge una crisi di accessibilità che in Italia ha una specificità geografica marcata: la concentrazione dell’offerta di qualità in pochi poli urbani, con costi impliciti (trasporto, affitto, rinuncia al reddito da lavoro) che rendono di fatto il titolo universitario un bene con forti esternalità di reddito familiare. Un ragazzo di Caltanissetta e uno di Milano non accedono allo stesso mercato formativo, indipendentemente dalle capacità intellettuali.

Cosa può fare l’AI che l’università non può

Un sistema di tutoraggio conversazionale basato su modelli linguistici avanzati ha caratteristiche che non sono semplicemente “migliorie” del modello esistente: sono rotture di paradigma.

Adattività continua. L’AI non eroga un corso uguale per tutti: modifica il percorso in tempo reale sulla base delle risposte, degli errori, del ritmo del singolo studente. La didattica tradizionale, vincolata al gruppo-classe e al calendario accademico, non può fisicamente fare altrettanto.

Disponibilità asimmetrica. Alle tre di notte, in un paese dell’entroterra lucano o da Nairobi, con una connessione decente si ha accesso a un tutor con competenze enciclopediche che non si stanca, non giudica e non ha un orario di ricevimento. Questo non è un dettaglio tecnico: è una rottura della barriera geografica e temporale che ha storicamente segmentato l’accesso alla conoscenza di qualità.

Costo marginale tendente a zero. Una volta addestrato e distribuito, il costo per studente aggiuntivo è quasi nullo. L’economia di scala dell’AI formativa è radicalmente diversa da quella degli atenei, che hanno costi fissi elevati (infrastrutture, corpo docente stabile, burocrazia amministrativa) e difficoltà strutturali nell’aggiustamento rapido dell’offerta.

Aggiornamento continuo dei contenuti. Un curriculum universitario si aggiorna nei tempi della governance accademica — commissioni, approvazioni, accreditamenti. Un sistema AI-based può integrare nuove conoscenze con latenze misurabili in settimane, non in anni.

Cosa l’AI non può sostituire — e perché è la domanda strategica vera

Qui la riflessione si fa più complessa e meno scontata di quanto la narrativa dominante lasci intendere.

L’università non è mai stata solo un sistema di trasmissione del sapere. È un’istituzione che produce credenziali socialmente riconosciute, che genera reti relazionali con effetti sull’intera vita professionale, che crea spazi di socializzazione cognitiva — il confronto con pari in contesti di incertezza intellettuale condivisa — che nessun tutor conversazionale può replicare. La tesi, il seminario, il laboratorio, il professore che ti cambia prospettiva con una frase: queste esperienze non sono accessorie rispetto alla trasmissione di contenuti. Sono il prodotto.

Esiste poi la funzione di segnalazione. Il titolo universitario nel mercato del lavoro serve meno a certificare competenze specifiche — che cambiano comunque — e più a segnalare capacità di persistenza, adattamento e apprendimento in contesti strutturati. Finché questa funzione di segnale manterrà valore agli occhi dei datori di lavoro, la credenziale universitaria non sarà sostituibile da un certificato di completamento di un corso AI, per quanto eccellente.

La questione è: per quanto ancora? Le aziende tecnologiche più aggressive — in primis quelle del settore AI — stanno già dichiarando apertamente che il titolo universitario non è un requisito sufficiente né necessario. Se questo comportamento si diffonde oltre la Silicon Valley, il valore del segnale-laurea inizia a degradarsi. Non catastroficamente, ma inesorabilmente.

Gli effetti di secondo livello che nessuno discute

La disruption dell’istruzione superiore ha conseguenze che vanno oltre la singola istituzione.

Il problema della certificazione senza formazione. Se la conoscenza diventa liberamente accessibile ma le credenziali rimangono monopolio universitario, si apre uno spazio per operatori che vendono il titolo come prodotto separato dal percorso formativo. È già accaduto con parte delle università telematiche: non è un’ipotesi, è un mercato in crescita. L’AI accelera questa tendenza fornendo il percorso informale; il titolo formale rischia di diventare una commodity ancora più sconnessa dal sapere reale.

Il rischio di polarizzazione cognitiva. Un sistema in cui la conoscenza è democraticamente accessibile ma le reti relazionali restano concentrate tende a produrre un nuovo dualismo: individui altamente competenti ma privi di capitale sociale istituzionale contro individui meno preparati ma inseriti nei circuiti accademici tradizionali. Nel breve periodo, il secondo gruppo vince nei mercati regolamentati. Nel medio periodo, la pressione competitiva dei primi rimodella i criteri di selezione.

La crisi finanziaria degli atenei. Se un numero crescente di studenti percepisce il costo opportunità della formazione universitaria come eccessivo rispetto al valore aggiunto — cognitivo e segnaletico — rispetto a percorsi AI-assisted, l’iscrizione tende a concentrarsi sulle istituzioni di fascia alta (quelle in cui le reti relazionali giustificano ancora il costo) e a crollare negli atenei di media qualità. In Italia, dove la forbice tra Bocconi e un ateneo periferico è già ampia, questa dinamica è già in atto prima ancora che l’AI formativa abbia raggiunto la piena maturità.

La risposta strategica: non adattarsi all’AI, usarla per ridefinire la missione

La trappola in cui rischiano di cadere molte università è rispondere all’AI come se fosse uno strumento da integrare nel modello esistente — aggiungere moduli sull’uso di ChatGPT al piano di studi, installare qualche piattaforma di tutoraggio personalizzato, aggiornare le linee guida sull’integrità accademica. Questo è non capire la natura della perturbazione.

La risposta strategica rilevante è più radicale: usare l’AI per liberare l’università dal compito che l’AI svolge meglio — la trasmissione di contenuti strutturati — e reinvestire le risorse umane nelle funzioni che l’AI non può replicare: il giudizio in condizioni di incertezza, la costruzione di comunità intellettuali, la supervisione di processi creativi complessi, la formazione etica e critica in contesti relazionali.

Un professore che usa l’AI per esonerare gli studenti dal memorizzare nozioni standard non sta perdendo lavoro: sta liberando sessanta minuti di lezione da riempire con ciò che nessun modello linguistico sa ancora fare — la disputa filosofica, l’analisi del caso irriducibile, la trasmissione del dubbio metodologico come postura intellettuale.

Le università che sopravvivranno non saranno quelle che resisteranno all’AI né quelle che la adotteranno acriticamente. Saranno quelle che avranno capito quale parte del loro mandato è difendibile — e avranno avuto il coraggio di abbandonare il resto.

Una nota finale: la domanda è politica, non solo tecnica

C’è un aspetto che il dibattito tecnico tende a sottovalutare: le università sono istituzioni politiche nel senso etimologico del termine. Producono polis — comunità, legami, appartenenze. Sono uno dei pochi spazi in cui giovani provenienti da contesti sociali diversi condividono anni di vita, conflitti intellettuali, identità temporanea.

Se l’AI formativa risolve il problema dell’accesso al sapere ma non risolve il problema dell’accesso alla comunità, avremo un sistema più efficiente nell’allocazione delle conoscenze e più diseguale nella distribuzione del capitale sociale. Non è detto che questo sia un esito peggiore dell’attuale — dipende da cosa si vuole ottimizzare. Ma è un esito diverso, con implicazioni politiche che meritano di essere discusse esplicitamente, non lasciate come effetto collaterale non intenzionale di una transizione tecnologica.

L’AI non ucciderà le università. Ma obbligherà le università a decidere cosa vogliono essere. E questa — come sempre nella storia delle istituzioni — è la domanda più difficile.