Circa vent’anni fa studiavo Informatica all’Università di Salerno. Ricordo bene una delle critiche che sentivamo ripetere più spesso tra noi studenti: l’università era troppo teorica, troppo distante dal mondo delle aziende, troppo poco orientata alla pratica. Effettivamente, molti esami ci davano strumenti concettuali solidissimi, ma raramente ci spiegavano come quei concetti si traducessero nel lavoro quotidiano di uno sviluppatore o di un professionista del digitale.
Per questo, come diversi altri compagni di corso, passavo ore a casa a fare quello che oggi chiameremmo semplicemente “smanettare”. Provavo linguaggi, costruivo piccoli progetti, rompevo cose e cercavo di rimetterle insieme. Era il modo migliore per collegare la teoria alla pratica.
A distanza di molti anni, oggi sono consapevole che quelle due dimensioni non erano in contraddizione, ma si completavano. La pratica mi ha insegnato a costruire, l’università mi ha insegnato a capire.
Indice degli argomenti
La vera eredità dell’università
Una delle cose che più apprezzo oggi di quel percorso è aver costruito una forma mentis, non certo aver imparato un linguaggio di programmazione che ormai nessuno utilizza più. Imparare come ragiona un algoritmo, capire perché una soluzione funziona e un’altra no, saper scomporre un problema complesso, distinguere tra sintomo e causa. Sono tutte competenze, queste appena elencate, che non invecchiano insieme alle tecnologie. Gli strumenti cambiano, quello che non cambia è il modo di affrontare i problemi. Ed è proprio questo che, secondo me, sfugge in molte discussioni sull’intelligenza artificiale, come ho sottolineato nel recente video intitolato “La laurea serve ancora (nel 2026) per lavorare nel tech” pubblicato sul mio canale YouTube.
Lo studio non è meno importante
Per questi motivi trovo molto pericolosa la narrativa degli ultimi mesi, proveniente soprattutto dagli Stati Uniti e che, inevitabilmente, sta iniziando a contaminare anche il dibattito italiano. È quella secondo la quale l’intelligenza artificiale avrebbe reso lo studio meno importante: se gli strumenti di AI sanno programmare, scrivere, sintetizzare documenti, analizzare dati e perfino spiegare concetti complessi, allora perché investire anni all’università? Perché affrontare un percorso lungo e impegnativo quando basta imparare a usare i tool giusti? È una tesi che può sembrare provocatoria, ma che trova sempre più spazio sui social, nei podcast e, soprattutto, nei discorsi di alcuni imprenditori della Silicon Valley. Non è una novità assoluta. Il mondo tech ha sempre coltivato il mito del founder che lascia l’università per costruire una startup miliardaria: le storie di Steve Jobs, Bill Gates o Mark Zuckerberg sono diventate quasi un modello culturale. Oggi, però, c’è una differenza sostanziale: quella narrazione viene rafforzata dall’idea che l’intelligenza artificiale possa sostituire il processo stesso di apprendimento. Ed è proprio questo il punto che mi preoccupa.
L’AI rende ancora più importante capire ciò che stiamo delegando
La narrativa dominante dice che l’AI ci permette di fare anche quello che non sappiamo fare. In parte può essere vero, nel senso che oggi chiunque può scrivere qualche riga di codice, creare un sito o analizzare un dataset con l’aiuto di un modello generativo. Il problema è che produrre un risultato non significa comprenderlo. Se non possiedo le basi teoriche, come faccio a capire se quel codice è corretto? Come faccio ad accorgermi che una vulnerabilità di sicurezza è stata introdotta proprio dalla soluzione proposta dall’AI? Come faccio a distinguere una buona architettura da una che funzionerà soltanto finché il progetto rimane piccolo? L’intelligenza artificiale abbassa drasticamente il costo dell’esecuzione, ma non abbassa il costo del giudizio. Al contrario, lo rende ancora più prezioso.
Delegare non significa rinunciare al controllo
C’è una frase che mi torna spesso in mente quando utilizzo questi strumenti: più delego all’intelligenza artificiale, più ho bisogno di sapere che cosa sto delegando. Il punto infatti non è ottenere una risposta, ma mantenerne il controllo. Chi lavora nel tech deve essere in grado di validare l’output di un modello, di modificarlo, di contestualizzarlo. Insomma, di assumersene la responsabilità, non può limitarsi a copiarlo.
Questa è la differenza tra usare l’AI come un acceleratore e usarla come un pilota automatico. Nel primo caso aumenti la tua produttività, nel secondo rischi semplicemente di spostare gli errori più velocemente.
Non confondere lo strumento con la competenza
Quando emerge una tecnologia dirompente tendiamo a commettere lo stesso errore, ovvero pensiamo che padroneggiare uno strumento equivalga ad acquisire una competenza. È successo con i motori di ricerca e con i social network, e sta succedendo oggi con l’intelligenza artificiale.
Imparare a usare ChatGPT, Claude o qualsiasi altro modello è certamente importante, ma saper utilizzare uno strumento non significa comprenderne il funzionamento, i limiti o il contesto in cui produce valore. La differenza è enorme, in quanto l’AI può aiutarci a trovare una risposta, ma non può decidere se quella risposta abbia senso. L’AI può generare una strategia, ma non può stabilire se quella strategia sia adatta al problema specifico che stiamo affrontando.
Il punto fondamentale è che più gli strumenti diventano potenti, più cresce il valore del giudizio umano. Una capacità di giudizio che si costruisce attraverso anni di studio, esperienze, errori e confronto con altre persone.
La conoscenza serve a ragionare
Una delle obiezioni che sento più spesso è questa: “Tanto ormai qualsiasi informazione è disponibile in pochi secondi”. Tutto assolutamente vero, ma ridurre lo studio alla memorizzazione significa avere una visione estremamente limitata dell’apprendimento. L’obiettivo dello studio è imparare a costruire modelli mentali e collegare concetti diversi, non certo accumulare nozioni. Bisogna studiare per sviluppare spirito critico, per riconoscere quando una risposta è plausibile e quando invece nasconde un errore.
L’intelligenza artificiale rende ancora più preziose queste capacità, per il fatto che produce risultati convincenti anche quando sono sbagliati.
Chi non possiede una base culturale sufficientemente solida rischia di accettare qualunque risposta senza avere la capacità di metterla in discussione. E questo, in un mondo in cui l’AI diventa sempre più presente nei processi decisionali, rappresenta un problema enorme.
L’università non è soltanto un luogo dove si imparano nozioni
L’università ha molti limiti: esistono corsi poco aggiornati, percorsi troppo teorici, competenze che il mercato richiede e che spesso vengono sviluppate altrove. Sono tutte critiche legittime, ma da qui a sostenere che l’università non serva più il passo è enorme. L’università è un ambiente nel quale si impara a gestire la complessità, si impara lavorare con altre persone, a confrontarsi con idee diverse dalle proprie, a sostenere un ragionamento, a costruire metodo. Non è soltanto un luogo in cui si acquisiscono conoscenze.
Le competenze che ho elencato sopra continueranno a essere richieste indipendentemente dall’evoluzione dell’intelligenza artificiale. Al contrario, probabilmente saranno ancora più richieste.
Il vero rischio è delegare il pensiero
C’è un aspetto che mi sembra particolarmente sottovalutato: oggi utilizziamo l’AI per scrivere una mail, preparare una presentazione o sintetizzare un documento, domani la utilizzeremo sempre più spesso per prendere decisioni, pianificare attività, gestire progetti e coordinare processi.
Se deleghiamo alla macchina anche il processo di apprendimento, rischiamo di arrivare a questo nuovo scenario senza gli strumenti necessari per esercitare il nostro ruolo. L’intelligenza artificiale non elimina il bisogno di competenze, sposta semplicemente il tipo di competenze che diventano davvero importanti. Meno esecuzione, più capacità di interpretazione; meno produzione meccanica, più pensiero critico; meno memorizzazione, più comprensione dei sistemi.
Per questo continuo a pensare che la domanda “La laurea serve ancora?” sia mal posta. La vera domanda è un’altra: come possiamo formare professionisti capaci di collaborare con l’intelligenza artificiale senza smettere di comprenderla? La teoria, da sola, non basta, la pratica, da sola, nemmeno.
Vent’anni fa uscivo dall’Università di Salerno convinto che mi mancasse tanta esperienza concreta. Era vero. Oggi, però, mi rendo conto che senza quella forma mentis probabilmente non sarei riuscito ad adattarmi a tutte le trasformazioni che il settore ha vissuto negli ultimi due decenni.
L’intelligenza artificiale cambierà gli strumenti che utilizziamo, ma non sostituirà mai la capacità di capire quando fidarsi di uno strumento e quando, invece, è il momento di riprendere in mano il timone.
Partecipa alla community