Se l’intelligenza artificiale entra in ufficio, in aula e nei processi decisionali, la domanda non è più “se” cambierà tutto, ma chi sarà in grado di guidare quel cambiamento senza farsi guidare dagli automatismi.
Le università lo stanno capendo sulla propria pelle, perché la partita del talento oggi si gioca a livello globale e non aspetta i tempi lunghi dell’accademia.
Alla Bocconi il tema è diventato esplicito con il piano 2026–2030: più ricerca, più infrastrutture, più mobilità internazionale. Ma soprattutto un’idea abbastanza netta di come usare l’IA senza trasformarla nell’ennesima scorciatoia.
È un cambio di postura, prima ancora che di offerta formativa. E riguarda chiunque lavori, studi o assuma persone nei prossimi anni.
Quando l’università smette di essere “stabile”
Per molto tempo l’università europea si è mossa dentro un equilibrio prevedibile. Oggi quel terreno si muove. La demografia tira in una direzione che non è favorevole: meno studenti potenziali, più competizione tra atenei, più pressione a dimostrare utilità immediata. Nel frattempo le imprese cambiano pelle in fretta e chiedono profili che non si lasciano incasellare in un elenco di competenze “finite”.
L’IA accelera tutto questo perché entra nelle mansioni, nel modo in cui si scrive, si analizza, si decide. E porta con sé un rischio banale ma potente: l’idea che si possa delegare il pensiero a un modello. Non è fantascienza, si vede già. Chi studia tende a chiedersi dove arrivi la propria fatica e dove inizi la comodità della macchina. Chi lavora scopre che certe attività “di base” spariscono o si comprimono, e con loro anche parte dell’apprendistato.
In questo scenario, l’università che resta ferma perde attrattività. E l’attrattività oggi è quasi un indicatore di sopravvivenza: studenti e ricercatori si muovono, confrontano, scelgono.
Ricerca e laboratori, perché conta più di quanto sembra
Quando un ateneo dice “puntiamo sulla ricerca” rischia di suonare come una formula. Qui il punto è diverso: se fuori circolano molte opinioni e poche evidenze, la ricerca diventa un modo per rimettere ordine, almeno un po’. Soprattutto sull’IA applicata alle scienze sociali, ai mercati, alle politiche pubbliche. Non perché l’università debba diventare un’azienda di prodotto, ma perché deve saper leggere i fenomeni con metodo, senza inseguire l’ultima moda.
Dietro questa scelta ci sono investimenti su dottorati, su spazi e su progetti interdisciplinari. È la parte meno “visibile” per chi guarda da fuori, ma spesso è quella che determina la reputazione nel medio periodo. E la reputazione, nel mondo universitario globale, non è un dettaglio: incide su partnership, fondi, possibilità di attrarre persone forti.
La mobilità internazionale rientra nella stessa logica. Non come vacanza accademica, ma come esposizione reale a contesti diversi. Se oltre metà degli studenti fa esperienze all’estero e l’ateneo riesce ad attirare migliaia di studenti in ingresso, vuol dire che il network funziona e che l’esperienza “vale” anche per chi arriva da fuori.
Il nodo vero, dipendenza dall’IA e competenze umane
Il tema non è demonizzare i modelli generativi. Il tema è evitare che diventino una protesi che atrofizza le competenze. Se l’IA viene usata per saltare i passaggi, il cervello si abitua. E quando servono giudizio, responsabilità, capacità di leggere un contesto instabile, si scopre che non basta saper “promptare”.
Per questo ha senso inserire già all’inizio del percorso universitario basi legate a dati, algoritmi e anche a come funziona la mente quando delega troppo. Non per trasformare tutti in tecnici dell’IA, ma per creare persone capaci di supervisionare strumenti che possono sbagliare, distorcere, amplificare bias. L’idea, detta in modo semplice, è: usare l’IA senza farsi usare.
Qui rientrano anche le competenze che molte aziende stanno tornando a cercare con insistenza: affidabilità, capacità di apprendere, sensibilità nel decidere. Suona “morbido”, ma non lo è. In un mondo dove le competenze tecniche invecchiano rapidamente, quello che resta è la qualità del ragionamento, la collaborazione, l’empatia, la gestione dell’incertezza. Tutte cose che un modello può imitare bene in superficie, ma che nella vita reale pesano quando qualcosa va storto.
E poi c’è un altro punto, meno celebrato ma concreto: l’accesso. Se l’università diventa una macchina che seleziona solo chi parte avvantaggiato, perde pezzi di talento lungo la strada. Parlare di borse, inclusione e mobilità sociale non è filantropia. È scelta economica, perché la diversità nei team spesso produce soluzioni migliori, e perché un Paese che spreca capitale umano si impoverisce anche quando “innova”.
