Il punto non è più stabilire se l’AI possa entrare nell’università. Ci è già entrata. La questione è capire che cosa succede quando uno strumento progettato per generare risposte comincia a partecipare alla produzione del sapere. Non è una semplice innovazione di processo. È una modifica del processo cognitivo stesso, con conseguenze sull’autorialità, sulla responsabilità e sull’idea di competenza. Per anni le università hanno trattato l’AI come una tecnologia da disciplinare. Consentita in alcuni casi, vietata in altri, tollerata quasi ovunque. Ma una lista di permessi e divieti rischia di fotografare il problema quando il problema ha già cambiato forma. L’università non deve soltanto chiedersi che cosa sia lecito fare con l’intelligenza artificiale. Deve decidere quale posto assegnarle nella propria cultura.
La velocità non è conoscenza
Un sistema generativo può produrre in pochi secondi una sintesi convincente, una bibliografia ordinata o una porzione di codice funzionante. Può anche inventare una fonte, deformare un risultato o trasformare un’ipotesi fragile in una frase dal tono autorevole. Il pericolo non è l’errore evidente, ma quello elegante: abbastanza plausibile da superare una lettura distratta. La velocità, in altre parole, non è una prova di qualità. E la fluidità di un testo non dimostra la solidità di un’argomentazione. Nella ricerca scientifica continuano a contare il dubbio, la verifica, la replicabilità e la capacità di distinguere ciò che sappiamo da ciò che soltanto immaginiamo di sapere. L’AI può abbreviare il percorso tra una domanda e una prima risposta. Non può però stabilire se quella risposta meriti di diventare conoscenza. Questo passaggio resta umano, e non per nostalgia dell’epoca pre-digitale. Semplicemente perché richiede responsabilità.
Il problema dell’autore
La comparsa dell’AI rende più complicata anche una figura che l’università credeva di conoscere bene: l’autore. Un sistema artificiale può generare un testo, ma non può risponderne. Non comprende le conseguenze di ciò che scrive, non difende un’interpretazione e non può essere chiamato a spiegare perché abbia scelto una fonte invece di un’altra. Perciò non è un autore, né un coautore. La responsabilità resta alle persone che utilizzano, modificano e pubblicano il contenuto. Dichiarare l’uso significativo dell’AI non dovrebbe essere considerato un atto burocratico, bensì una forma di trasparenza metodologica. Come indicare la fonte di un dato o descrivere il metodo con cui è stato ottenuto un risultato. La regola vale per tutti, anche se con conseguenze diverse. Uno studente dovrà chiarire quanto l’AI abbia contribuito a un elaborato; un ricercatore dovrà controllare dati, codice e riferimenti; un ufficio amministrativo dovrà sottoporre ogni risultato a una validazione umana. In ciascun caso il principio è lo stesso: delegare un compito non significa trasferire la responsabilità.
Dalla legge alla governance
Le linee guida europee sulla ricerca responsabile ruotano attorno a quattro parole: responsabilità, onestà, rispetto e affidabilità. Sono concetti meno spettacolari di “automazione” o “produttività”, ma molto più utili quando un sistema produce risultati difficili da interpretare. L’AI Act offre un quadro europeo di sicurezza e trasparenza. Non può però trasformarsi nel regolamento interno di ogni università. Una legge generale stabilisce principi e obblighi; non decide, per esempio, quali strumenti siano autorizzati in un laboratorio, come debba essere documentato l’uso di un modello linguistico o chi debba verificare un risultato prodotto automaticamente. Qui comincia il lavoro meno visibile e più importante: formazione, audit, controlli, gestione dei dati, procedure di escalation e responsabilità definite prima che si verifichi un incidente. La governance dell’AI non consiste nel pubblicare una policy e archiviarla in una pagina del sito. Consiste nel fare in modo che qualcuno sappia cosa accade quando quella policy viene messa alla prova.
Il caso Pavia
L’Università di Pavia ha approvato nel maggio 2026 linee guida sull’uso consapevole dell’intelligenza artificiale nella didattica, nella ricerca, nell’amministrazione e nei servizi. Il documento mette insieme trasparenza, supervisione umana e protezione dei dati, richiamando anche i principi della Digital Law. La direzione è interessante perché evita due tentazioni opposte. Da una parte, il divieto generalizzato, spesso scelto quando un’organizzazione non sa ancora come gestire una tecnologia. Dall’altra, la fiducia automatica, secondo cui l’AI sarebbe affidabile fino a prova contraria. A Pavia gli studenti devono dichiarare l’uso significativo dell’AI nei propri elaborati. I ricercatori sono chiamati a verificare dati, codice e bibliografie. I sistemi generativi non possono comparire tra gli autori di una pubblicazione. Gli output amministrativi devono essere controllati da una persona e le informazioni riservate non possono essere riversate in strumenti non autorizzati. Ancora più importante è l’esclusione dei processi decisionali completamente automatizzati. È il punto in cui l’efficienza incontra il limite della responsabilità: una macchina può assistere una decisione, ma non dovrebbe diventare il luogo in cui la decisione scompare.
Università a velocità diverse
Il panorama italiano resta disomogeneo. Alcuni atenei incoraggiano la sperimentazione, confidando nella maturità delle proprie comunità. Altri preferiscono regole dettagliate e un approccio più difensivo. Entrambe le strategie hanno una ragione, ma nessuna è sufficiente da sola. La fiducia senza controlli può diventare superficialità. Il controllo senza cultura può trasformarsi in burocrazia. Una governance credibile deve fare entrambe le cose: lasciare spazio all’innovazione e costruire gli strumenti per capire quando l’innovazione sta producendo un rischio. Questo richiede competenze tecniche, giuridiche, etiche e organizzative. Richiede docenti capaci di spiegare non soltanto come usare un modello, ma anche come metterne in discussione l’output. Richiede studenti consapevoli che una risposta ben scritta non è necessariamente una risposta vera. Richiede amministrazioni in grado di proteggere dati e processi senza trasformare ogni novità in un’emergenza. Anche i criteri di valutazione dovranno cambiare. Se l’AI rende più semplice produrre testi, codice e risultati preliminari, la quantità perderà ulteriore significato. Originalità, rigore, qualità delle domande e capacità di verifica diventeranno più importanti, non meno.
La responsabilità cognitiva
Le università non sono fabbriche di contenuti. Sono istituzioni incaricate di stabilire quali contenuti meritino fiducia. Questa distinzione diventa decisiva in un’epoca in cui produrre informazioni costa sempre meno, mentre verificarle costa ancora molto. Governare l’AI significa quindi scegliere quali attività affidare alle macchine. Ma, soprattutto, significa decidere quali giudizi non debbano essere automatizzati. La tecnologia può suggerire, ordinare, accelerare. Non dovrebbe diventare l’alibi con cui un’organizzazione rinuncia a pensare. L’università del futuro non sarà quella che userà più AI. Sarà quella che saprà usarla senza confondere l’efficienza con la conoscenza e la risposta con la comprensione. La trasformazione è già cominciata. Resta da vedere se saranno le policy a inseguirla o le università a darle una direzione.
Disclaimer: Tutte le immagini sono generate con l’intelligenza artificiale
