Un numero crescente di studi empirici nel corso dell’ultimo anno ha incominciato a riportare, quantomeno per gli Stati Uniti, un impatto dell’intelligenza artificiale (IA) sul mercato del lavoro concentrato sui neolaureati o comunque sui nuovi assunti.
A fronte di una domanda di lavoro stabile o addirittura crescente per i lavoratori più senior, sembrerebbe diminuire o comunque essere significativamente più bassa rispetto all’andamento del mercato quella per chi cerca occupazione nelle fasce di popolazione più giovani.
Questo risultato risulta in parte contraddittorio con quanto ci si aspetterebbe dall’impatto tipico dell’automazione: nei precedenti cicli di disruption tecnologica ha messo a repentaglio soprattutto le coorti più anziane di occupati, in quanto meno adattabili al cambio di paradigma e anche in media più costose per le aziende (anche se la curva salariale in Paesi come gli USA è decisamente meno ripida e monotona rispetto a Paesi come il nostro).
Di qui l’accento sulle necessità di upskilling e soprattutto reskilling della forza lavoro più matura, diventato un vero e proprio mantra specie negli ultimi anni, nonché su forme di reddito universale che possano andare a sostenere lavoratori espulsi dal mercato del lavoro. Se al momento questa prospettiva sembra per fortuna lontana dal realizzarsi, l’emergenza del momento sono per l’appunto i giovanissimi, ammesso che questa tendenza riceva nuove conferme dai dati (ma, come si sa, è anche vero che, come sulla scena del crimine, una volta che le evidenze ci sono potrebbe già essere troppo tardi per porvi rimedio).
In ogni caso, anche qualora non dovesse esserlo, rimane l’urgenza di capire come l’istruzione e in particolare l’università, che è l’ultimo anello educativo prima dell’ingresso sul mercato del lavoro, debba evolversi con le nuove sfide. Soprattutto su due piani distinti: cosa insegnare per massimizzare la probabilità di produrre futuri occupati e come farlo al meglio, grazie agli strumenti offerti proprio dall’IA.
Indice degli argomenti
Università e intelligenza artificiale: perché il curriculum va ripensato
È notizia degli ultimi giorni la presentazione del Piano Strategico 2026-2030 dell’Università Bocconi, che disegna il futuro dell’Ateneo attorno a tre dimensioni interconnesse: “Science led, Human centred, AI ready”. Solo il terzo è esplicitamente legato all’IA ma non c’è dubbio che tutto il piano ne sia fortemente influenzato, inclusi i primi due pilastri.
Il modello “science led” e la spinta alla ricerca interdisciplinare
Come si evince anche dalle parole del Rettore Francesco Billari, che ha dichiarato che “essere science led significa rafforzare la nostra capacità di produrre conoscenza affidabile, multidisciplinare e di impatto”, è prevista per il 2027 la creazione di un Dipartimento di Scienze Cognitive, dedicato alla ricerca interdisciplinare su comportamento, decisioni e interazione tra esseri umani, società e tecnologia.
Il Piano punta, inoltre, a potenziare la PhD School, con l’obiettivo di formare 70 dottorandi l’anno entro il 2030, e a sviluppare nuovi laboratori all’avanguardia, come il Collaborative AI Lab (COAI) per lo studio dell’interazione uomo-macchina e l’AI in Social Sciences Lab (AISSL) per l’applicazione dell’AI nelle scienze sociali.
La centralità umana come risposta alle sfide dell’IA
Anche il secondo pilastro, basato sulla centralità umana, è comunque profondamente legato all’IA e alla portata delle sue sfide. Sempre secondo le parole del Rettore, “le capacità che permettono alle persone di valutare, discutere, immaginare e decidere sono più importanti proprio perché l’AI è sempre più nella nostra vita”.
Creatività, giudizio, intuizione e sensibilità sociale diventano risorse strategiche non delegabili alle macchine. A questo proposito, per formare futuri dirigenti e professionisti capaci di guidare, e non solo subire, il cambiamento tecnologico, a partire dal prossimo anno accademico sarà introdotto un corso obbligatorio su Cognition and Behaviour per tutti gli studenti dei corsi triennali. L’ateneo milanese si impegna a raggiungere il 30% di didattica dialogica entro il 2030 e a sviluppare laboratori sulle future skills in collaborazione con il mondo delle imprese.
Un primo anno “rifondato” e l’aggiornamento dei programmi entro il 2029
Nella prospettiva della Bocconi, che riecheggia analoghe scelte compiute in Italia ad esempio dalla Luiss, non a caso due atenei privati, l’IA non è un semplice strumento tecnico da aggiungere al curriculum, ma una condizione strutturale che richiede un ripensamento profondo della didattica.
La trasformazione più significativa che la Bocconi sta mettendo in campo riguarderà il primo anno dei corsi triennali nelle aree economico-manageriali, ripensato con basi quantitative e digitali rafforzate e con l’introduzione di due nuovi corsi obbligatori su AI e scienze cognitive. Tutti i programmi di studio saranno comunque aggiornati con contenuti dedicati all’intelligenza artificiale entro il 2029.
Dove si studia l’intelligenza artificiale nelle università italiane: i dati
Nell’ultimo rapporto annuale del suo Osservatorio sulle reti e i servizi di nuova generazione, pubblicato alla fine dello scorso ottobre, l’Istituto per la Competitività (I-Com) ha condotto un monitoraggio dell’offerta formativa su tematiche relative all’IA in ambito universitario sul territorio italiano.
I corsi analizzati includono sia insegnamenti singoli all’interno di corsi di laurea più generici (offerta formativa non specializzata), sia corsi di laurea specifici sul tema, insieme a master e progetti di ricerca in Dottorato (offerta formativa specializzata).
I numeri dell’offerta: insegnamenti, lauree, master e dottorati (2025/2026)
In particolare, su un totale di 99 Università statali e non statali (private, straniere e telematiche) riconosciute dal MUR, il monitoraggio ha rilevato per l’anno accademico 2025/2026 un totale di 1143 unità tra insegnamenti singoli, corsi di laurea, master e progetti di ricerca in dottorato in tema di IA.
Offerta specializzata e non specializzata: dove si concentra la formazione
Più nel dettaglio, per l’offerta specializzata, sono stati individuati 226 progetti di ricerca in dottorato, 40 lauree magistrali e 17 lauree triennali, in ugual numero ai master di I e II livello. Relativamente all’offerta non specializzata, sono stati individuati 786 insegnamenti singoli all’interno di generici corsi di laurea magistrali e triennali.
Gli insegnamenti nei master ammontano complessivamente a 26 e, infine, si contano 14 corsi singoli all’interno dei dottorati di ricerca. La maggior parte dell’offerta specializzata si concentra sulla formazione post-laurea: ovvero 260 corsi tra master di I e II livello e progetti di ricerca in dottorato a fronte di 57 corsi di laurea triennali e magistrali dedicati ai temi IA. L’offerta non specializzata, invece, si concentra in larga prevalenza all’interno dei corsi di laurea magistrale.
La geografia dei corsi: regioni e densità per ateneo
Per quanto concerne la distribuzione dell’offerta formativa specializzata a livello regionale, si osserva un’ampia variabilità, con una forte concentrazione nel Lazio (85 corsi). A seguire Toscana (38) e Campania (36).
Relativamente all’offerta non specializzata, la Lombardia si classifica prima in termini assoluti con ben 185 insegnamenti in diversi percorsi formativi, seguono il Lazio (103) e l’Emilia Romagna (92). Quest’ultima primeggia in termini relativi con un rapporto di 23 insegnamenti per università. A seguire il Veneto (21) e la Liguria (15).
Le discipline coinvolte: prevale l’area scientifica, cresce l’umanistica
Analizzando il numero di insegnamenti o corsi di studio su tematiche relative all’intelligenza artificiale divisi per ambito, si può osservare come oltre il 70% di essi faccia capo all’area scientifica (798) ed include dunque i dipartimenti di informatica, ingegneria, matematica, fisica nonché medicina, chimica e biologia.
Quasi il 24% si riferisce all’ambito umanistico, dato che delinea comunque quanto l’IA sia pervasiva e interessi molti se non tutti i percorsi formativi, tra cui filosofia, giurisprudenza, economia, ecc. Rimane il 6% circa del totale che afferisce a più dipartimenti e pertanto è stato classificato come “multidisciplinare”.
I piani della Bocconi e di altre università innovative (o che possono permettersi maggiore autonomia in quanto private) dimostrano come non solo sia rilevante aumentare l’offerta di corsi IA, non necessariamente solo nei curricula STEM, ma che l’intero piano didattico debba essere cambiato, fornendo agli studenti gli strumenti per sovraintendere e collaborare con le macchine nella maniera più efficace, facendo leva sulle caratteristiche umane meno sostituibili.
Ma, come detto, l’IA non interroga il mondo accademico solo sul cosa ma anche sul come insegnare.
Intelligenza artificiale in università: come cambia la didattica con la GenAI
L’attuale paradigma didattico e formativo è basato su un modello educativo strutturato e sequenziale, dove il trasferimento di conoscenze avviene attraverso metodi tradizionali quali lezioni frontali, manuali di testo e esercitazioni standardizzate. Questo approccio, sebbene abbia storicamente dimostrato la sua efficacia, presenta limitazioni in termini di personalizzazione dell’apprendimento e di adattabilità ai diversi stili e ritmi di apprendimento degli studenti.
Tradizionalmente, l’insegnamento si è infatti concentrato su un modello “one-size-fits-all”, dove il docente trasmette le conoscenze seguendo un curriculum standardizzato, indirizzato alla cosiddetta parte mediana della classe. Questo approccio si basa sull’ipotesi che tutti gli studenti, indipendentemente dalle loro capacità individuali, possano beneficiare di un unico metodo di insegnamento.
Tuttavia, tale modello presenta criticità sostanziali, in particolare la tendenza a trascurare le esigenze degli studenti che si posizionavano alle “code della curva”, ovvero coloro che eccellono nel programma o che, al contrario, incontrano maggiori difficoltà. Nell’ultimo periodo, si sta assistendo a una graduale transizione verso approcci più olistici e centrati sullo studente, come l’apprendimento basato su progetti, l’insegnamento capovolto (flipped classroom) e l’apprendimento cooperativo.
Questi metodi, che pongono lo studente al centro del processo educativo, sono supportati da una crescente base di ricerche che ne attestano l’efficacia nel migliorare non solo la comprensione degli argomenti trattati ma anche lo sviluppo di competenze trasversali importanti. Per questo motivo, l’avvento dell’IA generativa segna un’evoluzione epocale in questo panorama, agendo come un catalizzatore per un’innovazione pedagogica mirata.
Opportunità e rischi secondo Stazi: produttività, accessibilità, bias e privacy
In un recentissimo articolo sull’università nell’era dell’IA, pubblicato nel gennaio 2026 sul Journal of Digital Educational Technology, Andrea Stazi riassume le numerose opportunità che l’IA offre per migliorare l’istruzione universitaria: accesso ai contenuti in qualsiasi momento e da qualsiasi luogo, in diverse lingue e formati adattati alle esigenze individuali; fornitura di feedback qualitativi e tempestivi; creazione di esperienze di apprendimento più coinvolgenti, interattive e persino personalizzate; incremento della produttività di docenti e ricercatori, ad esempio aiutando o automatizzando i processi di valutazione, o assistendo i ricercatori nella sintesi delle fonti e nell’aggiunta di citazioni ai saggi; miglioramento dell’accessibilità per le persone svantaggiate.
Tuttavia, Stazi ricorda che l’IA presenta anche sfide significative di cui occorre tenere conto: l’eccessiva dipendenza dall’IA, che può portare a una riduzione della capacità di pensiero critico; problemi di accuratezza, affidabilità e uso etico dell’IA nella valutazione; potenziale presenza di bias nei contenuti generati dall’IA; importanza della tutela della privacy dei dati; comprensione limitata del contesto da parte dell’IA; costi e sfide logistiche delle infrastrutture; formazione e sviluppo dei docenti; e, non da ultimo, la resistenza al cambiamento.
Abbracciando una cultura della sperimentazione, del miglioramento continuo e dell’adattamento riflessivo e nel contesto di una governance attenta sia ex ante che ex post ai potenziali rischi appena evocati, sembra possibile plasmare collaborativamente un sistema educativo che sfrutti il potere dell’IA a beneficio di tutti gli attori dell’ecosistema educativo, a partire dagli studenti.
Dalla personalizzazione alla co-evoluzione: cinque pilastri per l’educazione ibrida
Gli sviluppi più recenti ci pongono però di fronte a una soglia più profonda di integrazione dell’IA generativa nella didattica: quella in cui l’ambiente formativo non è più solo personalizzabile, ma co-evolutivo. La relazione uno-a-uno con istanze generative oggi è dialogica, riflessiva, plasmabile nel tempo.
Non si tratta più solo di adattare i contenuti all’individuo, ma di co-costruire forme di intelligenza situata tra umano e AI. Come riporta il documento strategico “Formare il futuro”, di cui ho coordinato la stesura, elaborato nel 2025 dall’Osservatorio sull’IA generativa dell’Università degli studi Guglielmo Marconi, questo implica una trasformazione epistemica e pedagogica radicale, basata su cinque pilastri.
In primo luogo, il passaggio dalla personalizzazione all’intelligenza relazionale e ibrida. Il paradigma one-to-one deve evolvere verso forme simmetriche di apprendimento, in cui l’AI non è solo strumento, ma partner cognitivo.
Significa in particolare introdurre:
- un’ecologia dell’apprendimento aumentato, in cui l’identità del discente si plasma attraverso una relazione continua con istanze AI adattive, non predittive;
- un principio di co-agency formativa, dove non è solo lo studente a ricevere, ma anche l’istanza generativa ad apprendere dal contesto umano;
- una nuova grammatica educativa fondata sulla plasticità condivisa, che supera il modello input-output.
In secondo luogo, stiamo assistendo a una rapida transizione da semplici “AI tutor” a istanze multimodali narrative (LearnLM, Lumiere, Sora) che co-generano ambienti di senso. L’apprendimento avviene in uno spazio semantico generativo, dove testo, voce, immagine, codice, gesto e tempo si intrecciano.
Questo genera almeno tre esigenze nuove: ripensare le piattaforme educative come mondi di interazione generativa, non semplici LMS estesi; creare dashboard relazionali in cui il docente possa osservare l’evoluzione della coppia umano-AI e intervenire nella loro dinamica; riformulare la didattica non per “unità di apprendimento”, ma per soglie trasformative condivise.
Il concetto di Classe GenAI dovrebbe inoltre diventare un laboratorio nazionale permanente, ma non come semplice “dotazione tecnologica”. Piuttosto come ecosistema riflessivo in cui ogni studente e docente dialogano con un’istanza AI personale, formativa, verificabile e trasparente.
Il vero output atteso non è tanto l’aumento delle performance standardizzate, ma la formazione di una cittadinanza cognitiva ibrida, capace di convivere con le AI, di riconoscerne limiti e possibilità e lo sviluppo di competenze meta-apprenditive, ovvero la capacità di apprendere come si evolve l’apprendimento stesso nella relazione con le istanze generative.
Quarto elemento, dal curriculum statico si deve inoltre passare al co-design adattivo dei percorsi educativi. Il syllabus, in questo scenario, non può che diventare dinamico, tracciabile, riflessivo e condiviso.
Non è più solo il frutto dell’intenzionalità del docente, ma nasce dall’incontro tra l’intelligenza esperta del formatore e quella generativa dell’AI, in una forma di pedagogia adattiva co-progettata. Questa evoluzione comporta la ridefinizione delle competenze fondamentali non solo in termini di contenuto, ma di capacità di abitare ambienti generativi nonché la formazione degli insegnanti non come “utenti dell’AI”, ma come architetti di interazioni cognitive ibride.
Infine, in molte sperimentazioni, le istanze AI si sono rivelate più inclusive del sistema scolastico stesso: meno giudicanti, più pazienti, più flessibili. È il momento di valorizzare l’inclusione non come obiettivo, ma come metodo.
L’educazione AI-centrica non deve adattarsi agli “standard”, ma generare nuovi standard a partire dalla pluralità delle intelligenze attraverso la costruzione di linee guida etiche, pedagogiche e cognitive per un’educazione ibrida trasparente, verificabile e non manipolativa.
Università e intelligenza artificiale: i vincoli italiani e la sfida internazionale
A fronte di un mondo universitario che deve reagire ai cambiamenti in atto e lo sta facendo con crescente impegno, come riporta la nuova edizione del Digital Education Outlook dell’OCSE, pubblicata a inizio 2026 e punto di riferimento costante per le policy digitali in ambito educativo a livello internazionale, la sfida per l’università italiana deve essere quella non solo di rimanere al passo ma di sfruttare le nuove potenzialità offerte dalle tecnologie per attrarre nuovi studenti anche dall’estero.
Per farlo deve però superare due vincoli che oggi la penalizzano, soprattutto nella sua componente pubblica, nel confronto internazionale. In primo luogo, la rigidità dei piani di studi, specialmente in ambito undergraduate, e in generale una ritrosia all’approccio interdisciplinare imposto dall’IA.
In secondo luogo, i consueti limiti rappresentati dalle risorse finanziarie e dalle scarse competenze del personale sia docente che amministrativo che contraddistinguono più in generale la popolazione italiana, anche per ragioni anagrafiche (e l’università non fa eccezione, anzi!).
Un segnale positivo viene dal numero crescente di rettori delle università pubbliche specialisti dell’IA. Anche se, come sappiamo, trasferire il proprio expertise scientifico in capacità di gestione di organizzazioni particolarmente complesse e frammentate è passaggio tutt’altro che scontato, ci sembra almeno un’indicazione dell’importanza della sfida che abbiamo di fronte, sia a livello didattico che di ricerca, per il futuro delle università italiane, pubbliche e private.
