La tecnologia arriva prima dell'istituzione: il comitato IA del MIT

TL;DR. Il comitato del MIT sull'IA rileva un uso pervasivo tra gli studenti e docenti divisi, e respinge l'idea che l'incertezza possa giustificare l'inazione.

Punti chiave

Un comitato con un mandato, una scadenza e nessuna tesi precostituita. La maggior parte dei rapporti istituzionali su una nuova tecnologia arriva quando il dibattito è già chiuso nella testa degli autori.
Frequente, pervasivo ed emotivamente ambivalente. Il primo risultato è quello che rende urgente tutto il resto.
Segni che le fondamenta si stanno muovendo. La sezione più sorprendente dei risultati è un elenco di ciò che l'IA potrebbe star facendo all'esperienza formativa del MIT.
Anche ciò che gli studenti devono sapere sta cambiando. Un lettore potrebbe finire la sezione precedente convinto che il problema sia copiare e che un regime di valutazione più severo lo risolverebbe.

Il comitato ad hoc del MIT sull'IA non tratta l'IA generativa come un problema di strumenti da risolvere con una policy. Il suo rapporto la considera una prova di resistenza sullo scopo stesso di una formazione al MIT, e sostiene che l'incertezza non può essere una scusa per l'inazione.

Un comitato con un mandato, una scadenza e nessuna tesi precostituita #

La maggior parte dei rapporti istituzionali su una nuova tecnologia arriva quando il dibattito è già chiuso nella testa degli autori. Questo dice il contrario di sé. Il comitato ad hoc sull'uso dell'IA nell'insegnamento, nell'apprendimento e nella formazione alla ricerca ha portato al compito un'ampia gamma di esperienze e nessuna tesi precostituita, e descrive il proprio lavoro come breve ma intenso. È un'affermazione sul metodo, e conta per il modo in cui vanno letti i risultati: le conclusioni che seguono sono presentate come cose a cui il comitato è arrivato, non come cose che intendeva dimostrare.

I tempi sono stretti. Nel gennaio 2026 la cancelliera Melissa Nobles, il provost Anantha Chandrakasan e il presidente del corpo docente Roger Levy hanno conferito l'incarico al comitato. Il comitato ha poi lavorato per cinque mesi tra riunioni, ricerche e consultazioni in tutta la comunità del MIT. Lo scopo dichiarato era comprendere il ruolo dell'IA generativa nella vita e nella missione educativa dell'Istituto, e raccomandare come affrontarne sia le sfide sia le opportunità.

Il mandato aveva tre parti, e conviene leggerle insieme perché tirano in direzioni diverse. Al comitato è stato chiesto di valutare l'uso attuale dell'IA al MIT, un compito descrittivo. Gli è stato chiesto di individuare innovazioni nella didattica e nella valutazione degli studenti, un compito esplorativo. E gli è stato chiesto di proporre una policy sull'uso dell'IA, un compito normativo. Un gruppo che svolge il primo senza il terzo produce un sondaggio. Un gruppo che svolge il terzo senza il primo produce un regolamento che gli studenti ignorano. Il rapporto tenta tutti e tre, e il resto di questo articolo segue lo stesso ordine: che cosa sta succedendo, che cosa sta cambiando e che cosa il comitato propone di fare.

Anche la composizione conta. Il comitato era formato da studenti dei corsi di laurea e dei corsi post-laurea, docenti di ogni scuola e personale delle unità interessate, tra cui le MIT Libraries e il Teaching and Learning Lab. Eric Klopfer e Sam Madden sono i copresidenti. Per i fondatori e i lettori tecnici che hanno subito comitati dominati da un'unica componente, il mix è degno di nota. Gli studenti sedevano nell'organo che valutava il comportamento degli studenti. Erano presenti docenti di ogni scuola, non solo di quelle in cui l'IA è più evidentemente rilevante. Il personale delle biblioteche e del laboratorio didattico portava il punto di vista delle unità che sostengono l'insegnamento ogni giorno.

Il rapporto cura anche il proprio lessico, un segnale piccolo ma eloquente del modo in cui intende essere usato. «Docenti» comprende il corpo accademico e chiunque altro insegni al MIT. La maggior parte dei riferimenti agli «studenti» vale sia per i corsi di laurea sia per i post-laurea, salvo in pochi casi evidenti. Sono definizioni, non risultati, ma allargano il pubblico. Una policy rivolta solo ai professori di ruolo mancherebbe molte delle persone che di fatto tengono le esercitazioni e correggono gli elaborati.

Frequente, pervasivo ed emotivamente ambivalente #

Il primo risultato è quello che rende urgente tutto il resto. Gli studenti del MIT usano l'IA spesso e in modo pervasivo. Il rapporto non lo presenta né come una preoccupazione né come un trionfo. Lo presenta come il dato di partenza rispetto al quale va scritta qualsiasi policy, e lo accompagna con una descrizione di ciò che gli studenti provano al riguardo, ossia sentimenti molto contrastanti.

La gamma dei sentimenti è ampia. Da un lato il rapporto elenca curiosità, ispirazione creativa e gratitudine. Dall'altro rassegnazione, preoccupazione e ansia. Sarebbe facile leggerli come due schieramenti, gli entusiasti e i preoccupati. La formulazione suggerisce qualcosa di meno ordinato: la gamma descrive sentimenti all'interno di un corpo studentesco che usa la tecnologia in modo pervasivo, per cui uno stesso studente può plausibilmente provarne più d'uno. Il rapporto non lo dice apertamente, e qui serve cautela. Ciò che l'affermazione stabilisce è la dispersione, non il modo in cui i singoli vi si distribuiscono.

Punto di contatto formativo	Presupposto istituzionale tradizionale	Realtà osservata con un'IA pervasiva
Esercitazioni (p-sets)	Sforzo individuale e indicatore di padronanza cognitiva	Svolgimento rapido con LLM; rischio di padronanza superficiale senza vera risoluzione dei problemi
Esami da svolgere a casa	Misura fondata sulla fiducia di una comprensione sintetica	Collaborazione non verificabile; crollo della valutazione individuale degli studenti
Ricevimento e tutor	Dialogo formativo con docenti e assistenti alla didattica	Calo della frequenza, perché gli studenti ricorrono per abitudine a tutor LLM conversazionali
Gruppi di studio collaborativi	Ragionamento tra pari e scoperta collaborativa	Adozione asimmetrica degli strumenti, con risentimento tra pari e attriti nella valutazione
Ricerca per studenti di laurea (UROP)	Immersione precoce nella progettazione sperimentale e nella letteratura	Rassegna bibliografica sintetica e rapida, con un rischio maggiore di fonti allucinate non verificate

I docenti mostrano un'ampiezza simile, ma lungo un asse diverso. I loro atteggiamenti vanno dall'esplorazione entusiasta e da una dipendenza crescente dall'IA fino allo scetticismo, al sospetto e al «rifiuto dell'IA». L'espressione «dipendenza crescente» è quella da notare. Il rapporto non descrive soltanto un gruppo di sperimentatori a un estremo e di astensionisti all'altro. Almeno alcuni docenti stanno arrivando a dipendere da questi strumenti nel proprio lavoro, mentre altri hanno deciso di non usarli affatto.

Se si mettono i due gruppi uno accanto all'altro, emerge un problema strutturale. Gli studenti usano l'IA in modo pervasivo. I docenti coprono l'intero arco, dalla dipendenza al rifiuto. Uno studente che passa da un insegnamento all'altro può trovare due docenti agli estremi opposti di quell'arco. Il rapporto ne registra direttamente la conseguenza: gli studenti sono confusi e preoccupati per la mancanza di chiarezza, coerenza e giustificazione sull'uso dell'IA, all'interno di uno stesso insegnamento e lungo tutto il piano di studi.

Quella frase merita una lettura attenta, perché nomina tre carenze distinte. La chiarezza riguarda la possibilità di capire la regola. La coerenza riguarda il fatto che la regola sia la stessa da un luogo all'altro. La giustificazione riguarda il fatto che qualcuno abbia spiegato perché la regola esiste. Una policy può fallire su ciascuno di questi punti in modo indipendente. Una regola può essere chiara ma arbitraria, o coerente ma non spiegata. La lamentela degli studenti, così come il rapporto la registra, riguarda tutti e tre, e vale sia all'interno di un singolo insegnamento sia lungo tutto il piano di studi.

Accanto c'è un risultato più incoraggiante. Il rapporto descrive tra i docenti un desiderio diffuso di condividere esperienze, idee e tecniche. In una comunità in cui gli atteggiamenti divergono così nettamente, la voglia di confrontarsi è una risorsa. Suggerisce che il disaccordo non è di tipo arroccato, in cui ciascuna parte ha smesso di ascoltare. Se quel desiderio possa trasformarsi nella coerenza che gli studenti chiedono è una domanda che i risultati sollevano senza rispondervi.

Segni che le fondamenta si stanno muovendo #

La sezione più sorprendente dei risultati è un elenco di ciò che l'IA potrebbe star facendo all'esperienza formativa del MIT. Ogni voce è presentata come un segno, e l'impostazione è deliberata. Il comitato non sostiene di aver misurato questi effetti. Riferisce che ce ne sono dei segni, e un lettore attento dovrebbe tenere la stessa linea.

Il segno principale è che l'IA sta stravolgendo elementi fondamentali dell'esperienza formativa del MIT, soprattutto per gli studenti dei corsi di laurea. Il rapporto nomina gli elementi: le esercitazioni, l'esame da svolgere a casa e gli UROP, poi il ricevimento e il gruppo di studio. Non sono aspetti marginali. L'esercitazione è l'unità di lavoro quotidiana. L'esame da svolgere a casa è una forma di fiducia. Gli UROP sono la strada attraverso cui gli studenti dei corsi di laurea entrano nella ricerca. Il ricevimento e i gruppi di studio sono i luoghi in cui l'apprendimento diventa sociale. Quando il rapporto dice che questi elementi vengono stravolti, sta nominando le parti portanti dell'esperienza universitaria.

Seguono diversi altri segni, e ciascuno merita di essere enunciato a parte, perché ciascuno indica un tipo diverso di perdita.

Ci sono segni che l'IA stia aumentando l'isolamento. I gruppi di studio e il ricevimento si basano sul fatto che le persone si rivolgano le une alle altre. Se un assistente capace è sempre disponibile, l'incentivo a farlo può indebolirsi. Il rapporto non illustra questo meccanismo, quindi non va affermato come tale. Il segno è l'isolamento, e gli elementi citati suggeriscono dove potrebbe manifestarsi.

Ci sono segni che l'IA stia minando la padronanza e la fiducia degli studenti. Sono due cose diverse. La padronanza riguarda ciò che uno studente sa davvero fare. La fiducia riguarda ciò che uno studente crede di saper fare. Il rapporto le accosta, e l'accostamento ricorda che il danno può andare in entrambe le direzioni: uno studente che ha esternalizzato il lavoro può non avere la competenza, e uno studente che ce l'ha può dubitarne.

Ci sono segni che l'IA stia erodendo il «contratto sociale» tra docenti e studenti. Le virgolette attorno all'espressione sono del rapporto. In parole semplici, entrambe le parti hanno aspettative su ciò che l'altra farà, e il rapporto trova segni che queste aspettative si stiano indebolendo. Il quadro è coerente con la confusione degli studenti sulle regole: se nessuno sa dire che cosa ci si aspetta, il contratto ha poco su cui reggersi.

Ci sono segni che l'IA renda molto più difficile valutare i progressi degli studenti. Questo ha un risvolto pratico evidente. I voti, i riscontri e la decisione se qualcuno sia pronto ad andare avanti dipendono tutti dalla possibilità di capire che cosa uno studente comprende. Se l'elaborato non riflette più in modo affidabile lo studente, lo strumento smette di funzionare.

Infine, ci sono segni che l'IA stia mettendo in discussione decenni di norme e valori distintivi della comunità del MIT in materia di rigore, di attrito creativo necessario all'apprendimento, di risoluzione collaborativa dei problemi e di integrità personale. È il più ampio dei segni e probabilmente quello con le conseguenze maggiori. «Attrito creativo» è un'espressione su cui vale la pena soffermarsi: l'idea è che una certa difficoltà sia un ingrediente necessario dell'apprendimento, e che uno strumento che elimina la difficoltà possa eliminare qualcosa che quelle norme proteggevano.

Nulla di tutto questo è presentato come assodato. Tutto è formulato con cautela, e l'atteggiamento giusto per il lettore è prendere sul serio questi segni senza trasformarli in effetti misurati. È proprio la distinzione che un buon comitato preserva e che una sintesi frettolosa perde.

Anche ciò che gli studenti devono sapere sta cambiando #

Un lettore potrebbe finire la sezione precedente convinto che il problema sia copiare e che un regime di valutazione più severo lo risolverebbe. Il rapporto resiste a questa impostazione in due modi.

In primo luogo, afferma senza giri di parole che l'IA sta cambiando ciò che gli studenti devono sapere e saper fare. Nella fonte non è un'affermazione prudente. È un risultato enunciato come un fatto. Ne consegue che il problema non è soltanto che gli studenti possano aggirare i compiti esistenti. I compiti stessi potrebbero mirare al bersaglio sbagliato se le competenze di fondo sono cambiate.

In secondo luogo, ne trae una conseguenza per il piano di studi. Ogni insegnamento impartito al MIT dovrà probabilmente essere riesaminato e forse rinnovato, perché didattica, apprendimento e valutazione siano «consapevoli dell'IA». La cautela è reale: «dovrà probabilmente» e «forse rinnovato» non sono ordini. Ma la portata è totale. Dice ogni insegnamento. È un'affermazione insolitamente ampia per un documento istituzionale, dato che la maggior parte delle proposte di riforma individua pochi dipartimenti o pochi corsi.

L'espressione «consapevoli dell'IA» è del rapporto, ed è scelta con cura. Non dice «basati sull'IA», che implicherebbe adozione, né «a prova di IA», che implicherebbe difesa. La consapevolezza è la condizione preliminare dell'una e dell'altra risposta. Un insegnamento può essere riesaminato e poi decidere di limitare l'IA, di richiederla o di ignorarla per buone ragioni, ma non può fare bene quella scelta senza prima capire come lo strumento incida su ciò che si insegna e si valuta. Questo si ricollega anche alla lamentela degli studenti sulla giustificazione. Un insegnamento consapevole dell'IA è un insegnamento i cui docenti sanno spiegare la propria posizione.

Il comitato va oltre il piano di studi. L'avvento dell'IA, afferma, richiede una rivalutazione più ampia e complessiva della natura, della portata e dello scopo dell'istruzione superiore oggi. Nella fonte è un'affermazione dimostrata, enunciata senza riserve, e sposta il rapporto dalla progettazione dei corsi allo scopo dell'istituzione. Il comitato afferma inoltre che la comunità dell'Istituto, in particolare il corpo docente, deve affrontare domande più profonde sulla struttura, sul significato e sul valore di una formazione al MIT, essendo l'IA uno dei vari fattori che complicano la missione dell'Istituto.

È facile scivolare su quest'ultima frase, e non si dovrebbe. L'IA è uno dei vari fattori. Il comitato non sostiene che l'IA da sola abbia messo in discussione la missione. Dice che l'IA arriva dentro un insieme di complicazioni già esistenti e le acuisce. Per chi costruisce tecnologie per l'istruzione è una correzione utile: l'acquirente non è un'istituzione con un problema pulito che un prodotto può risolvere, ma un'istituzione a metà di una conversazione più ampia sul proprio scopo.

Preoccupazioni pratiche e domande oltre l'aula #

Il rapporto non si limita alla didattica. Elenca preoccupazioni pratiche per la comunità e le separa dalle questioni sociali più ampie, una distinzione sensata.

Sul piano pratico, l'IA solleva preoccupazioni consistenti, dalla privacy dei dati e dalla riservatezza alle questioni di accesso diseguale, distorsione, equità e responsabilità. Prendiamole a coppie. Privacy e riservatezza riguardano ciò che accade alle informazioni che entrano in uno strumento: elaborati degli studenti, materiale di ricerca, tutto ciò che un ricercatore non vorrebbe veder uscire dall'edificio. Accesso diseguale, distorsione, equità e responsabilità riguardano chi ne trae vantaggio, chi ne subisce un danno e chi risponde quando qualcosa va storto. In un contesto di formazione alla ricerca, entrambi i gruppi pesano. Una policy che dicesse a tutti di usare uno strumento senza affrontare la riservatezza sarebbe incompleta, e una policy che ignorasse l'accesso diseguale rischierebbe di trasformare in vantaggio l'abbonamento che uno studente può permettersi. Questo secondo esempio illustra la preoccupazione, non è un risultato del rapporto, che pone la questione solo nei termini generali citati sopra.

Oltre il campus, il rapporto osserva che la crescita dell'IA solleva questioni sociali. Tra queste l'impatto ambientale dei data center per l'IA, l'uso della proprietà intellettuale e dei dati di addestramento, e l'impatto umano complessivo della tecnologia e del settore. Sono domande che un'università non può risolvere da sola, ma sono domande che verranno poste ai suoi membri e che gli studenti solleveranno. Includerle nel rapporto significa riconoscere che insegnare l'IA, e insegnare con l'IA, avviene in un contesto su cui le persone hanno opinioni.

Vale la pena notare che cosa il rapporto faccia di queste preoccupazioni sul piano strutturale: le enuncia come fatti della situazione, non come argomenti a favore di una certa posizione. Il comitato non dice che, a causa dell'impatto ambientale dei data center, il MIT dovrebbe limitarne l'uso. Dice che le domande esistono. Questa misura si addice a un documento scritto per orientare una comunità dalle opinioni molto diverse, e tiene le raccomandazioni legate ai risultati anziché a un'ideologia.

Il rapporto tiene presente anche la propria modestia. Altre istituzioni educative si stanno misurando con domande simili sull'IA, e nessuno sembra aver capito tutto. La frase è prudente, a ragione: «sembra» svolge qui un lavoro onesto. Colloca il MIT tra i suoi pari anziché davanti a loro, e blocca la tentazione di trattare l'approccio di un'altra istituzione come una risposta già pronta.

Una tecnologia arrivata con i tempi compressi #

La parte analiticamente più utile del rapporto, per chi è fuori dall'istruzione superiore, è la sua spiegazione del perché questa tecnologia sembri diversa. Offre un modello semplice di come arrivano le innovazioni.

Alcune innovazioni tecnologiche emergono gradualmente. Man mano che società e tecnologia evolvono insieme, l'adattamento reciproco attenua l'impatto. La fonte fa un esempio: il computer, descritto come precursore dell'IA e suo principale fattore abilitante, rientra in questo schema. Con il tempo, le istituzioni hanno imparato a insegnare con i computer, a valutare i lavori prodotti con essi e a fissare norme sul loro uso. L'adattamento è stato abbastanza lento da essere reciproco.

Altre innovazioni arrivano in modo più brusco e acquistano rilevanza sociale prima che individui e istituzioni abbiano il tempo di adattarsi. La tesi del rapporto è che l'IA generativa appartenga a questo secondo gruppo.

Per sostenerla, fissa una data. La società tende a collocare la «nascita» di una nuova tecnologia nel momento in cui diventa facilmente utilizzabile. Con questo metro, l'intelligenza artificiale generativa è «nata» con il rilascio di ChatGPT alla fine del 2022. L'uso pubblico dell'IA generativa ha quindi meno di quattro anni. In questo tempo, dice la fonte, ha raccolto più di un miliardo di utenti.

Si tengano insieme questi due numeri: meno di quattro anni e più di un miliardo di utenti. Al rapporto non serve dire altro per farsi capire. Una tecnologia passata dal rilascio a un miliardo di utenti in meno di quattro anni non ha concesso alle commissioni dei piani di studio, ai progettisti delle valutazioni né agli uffici che scrivono le policy il margine di diversi anni che aveva concesso il computer.

Il rapporto aggiunge altre due osservazioni. Le aziende che vendono tecnologie di IA sono arrivate a dominare i titoli dei giornali, la Borsa e la coscienza pubblica. E l'IA avanza in quasi tutti i campi su una scala temporale troppo compressa perché la società possa osservarne e analizzarne adeguatamente gli effetti e poi adattarsi gradualmente.

Letta con attenzione, l'ultima frase espone quattro passaggi che l'adattamento graduale richiede di norma: osservare gli effetti, analizzarli, poi adattarsi, e farlo gradualmente. L'affermazione è che la scala temporale sia troppo compressa per questa sequenza. È una formulazione precisa del problema. Non si dice che l'IA sia cattiva, né che sia buona. Si dice che il modo consueto in cui una società assorbe un nuovo strumento, osservando e imparando prima di agire, non si adatta al ritmo.

Per un fondatore c'è qui una lezione sul cliente. Un'istituzione in questa posizione non è lenta per ostinazione. È lenta perché il suo processo normale presuppone tempi che non valgono più. I prodotti e i servizi che aiutano le istituzioni ad agire con giudizio sotto questa compressione, anziché quelli che presumono che abbiano avuto il tempo di studiare la questione, rispondono alla condizione reale descritta dal rapporto. È un argomento a favore dell'impostazione del rapporto, non un'affermazione del rapporto sul mercato.

Otto principi, offerti con umiltà #

Dopo aver descritto la situazione, il rapporto passa a ciò che intende fare. Comincia definendo otto principi su cui il comitato si è basato e che spera guidino l'Istituto nel lavoro che lo attende. Le affermazioni della fonte qui sono limitate: dice che sono otto ed enuncia il primo. Gli altri non compaiono nel materiale disponibile, e questo articolo non proverà a indovinarli.

Il primo principio è che il comitato presenta le sue proposte con spirito di umiltà. È un punto di partenza insolito. Da un rapporto che ha appena descritto una situazione come urgente ci si aspetterebbe che aprisse i suoi principi con risolutezza. Si apre invece con una dichiarazione di limiti, e spiega subito che cosa significhi in pratica l'umiltà: le correzioni di rotta, forse anche importanti, saranno inevitabili man mano che la tecnologia continuerà a evolvere e l'Istituto sperimenterà e imparerà.

La frase è prudente, ed è franca. Il comitato non promette che le sue raccomandazioni reggeranno alla prova dei prossimi anni. Dice, in anticipo, che alcune dovranno probabilmente essere riviste e che l'Istituto deve aspettarsi di imparare facendo. È una posizione sensata per un documento prodotto in cinque mesi su una tecnologia che ha meno di quattro anni. Rende anche il rapporto più credibile. Un comitato che pretendesse di avere l'ultima parola sarebbe smentito dalle prove che ha appena presentato sulla velocità del cambiamento.

L'umiltà, però, non deve diventare paralisi. La fonte è esplicita: l'incertezza non può essere una scusa per l'inazione. E la posizione strategica è enunciata con la stessa fermezza. Le sfide che l'IA pone all'insegnamento e all'apprendimento richiedono una risposta strategica audace, ovunque e in particolare al MIT.

Queste due affermazioni si leggono meglio insieme. La prima limita la fiducia in qualsiasi risposta particolare. La seconda rifiuta che quel limite diventi un motivo per aspettare. Insieme descrivono un metodo di lavoro: agire, osservare, correggere. È lo stesso metodo che l'adozione graduale delle tecnologie consentiva alla società di seguire nell'arco di decenni, compresso nella durata di un ciclo di pianificazione istituzionale.

Il comitato esprime anche una convinzione sul ruolo dell'Istituto. Il MIT ha la responsabilità di guidare, afferma. La formulazione è una convinzione, non un risultato, e va letta così. Nulla nel materiale dice che cosa significherebbe guidare in termini concreti, e un articolo basato su questa fonte non dovrebbe inventarlo. La convinzione spiega però l'«audace» di «risposta strategica audace». Un'istituzione che pensa di dover guidare non può considerare accettabile un atteggiamento attendista.

Le raccomandazioni e il lavoro ancora aperto #

Il rapporto annuncia raccomandazioni per azioni immediate e di lungo periodo, rivolte sia ai docenti sia all'amministrazione. Questa ripartizione è già indicativa. I docenti sono coloro che decidono che cosa accade in un determinato insegnamento, e i risultati suggeriscono che hanno bisogno di margine e sostegno per fare scelte consapevoli dell'IA. L'amministrazione è l'organo che può affrontare le questioni che nessun singolo docente può risolvere: la coerenza lungo il piano di studi, le policy e le preoccupazioni pratiche su privacy, accesso e responsabilità. La distinzione tra immediato e lungo periodo riconosce che alcune cose si possono fare in questo semestre, mentre altre richiedono un impegno prolungato.

Ciò che le affermazioni disponibili non contengono è il contenuto di quelle raccomandazioni, e questo articolo non lo fornirà. Si può invece dire in che modo i risultati le delimitano.

Se gli studenti sono confusi dall'incoerenza, le raccomandazioni rivolte ai docenti devono affrontare il modo in cui le scelte vengono spiegate e, dove opportuno, allineate. Se i docenti vogliono condividere esperienze, idee e tecniche, le raccomandazioni devono dare uno sbocco a quel desiderio. Se la valutazione diventa più difficile, le azioni di lungo periodo comporteranno probabilmente un ripensamento di che cosa si valuta e di come, il che si accorda con l'invito del rapporto stesso a riesaminare gli insegnamenti. Sono deduzioni tratte dai risultati su ciò che le raccomandazioni dovrebbero affrontare, non affermazioni su ciò che il rapporto raccomanda, e vanno prese con leggerezza.

Le affermazioni stesse sollevano alcune domande aperte.

La prima è come i segni diventino prove. Il rapporto dice che ci sono segni di maggiore isolamento, di padronanza e fiducia minate, di un contratto sociale eroso e di una valutazione più difficile. Un passo successivo naturale per qualsiasi istituzione è capire quanto siano grandi questi effetti e dove si concentrino. Il linguaggio prudente del rapporto segna lo scarto tra ciò che si sospetta e ciò che si misura.

La seconda è se il desiderio di condivisione dei docenti possa produrre coerenza senza appiattire la reale varietà di opinioni. Il rapporto descrive atteggiamenti che vanno dall'esplorazione entusiasta al rifiuto dell'IA. Registra anche la richiesta di chiarezza, coerenza e giustificazione degli studenti. Questi due fatti potrebbero non essere facili da conciliare, e il rapporto non sostiene che lo siano.

La terza è la portata del lavoro sul piano di studi. «Ogni insegnamento» significa moltissimi insegnamenti, e la cautela del rapporto («dovrà probabilmente essere riesaminato e forse rinnovato») lascia spazio a variazioni nella profondità della revisione. Come un'istituzione stabilisca le priorità tra migliaia di insegnamenti, con tempi che lo stesso rapporto descrive come compressi, è la domanda pratica che i risultati lasciano in piedi.

La quarta, quella che il comitato segnala più direttamente, è l'insieme di domande più profonde sulla struttura, sul significato e sul valore di una formazione al MIT. L'IA è uno dei vari fattori che complicano la missione, e al corpo docente in particolare si chiede di affrontare queste domande. Una policy si può scrivere in pochi mesi. La rivalutazione che il comitato chiede, della natura, della portata e dello scopo dell'istruzione superiore oggi, è una conversazione più lunga, e il rapporto chiarisce che non può aspettare la certezza per cominciare.

La frase che meglio riassume il punto in cui il rapporto lascia i suoi lettori è la sua: le correzioni di rotta saranno inevitabili, e l'incertezza non può essere una scusa per l'inazione. Resta aperto quali correzioni arriveranno per prime, e chi al MIT sia disposto a farle prima che le prove siano complete.

Che cosa significa per settore #

La rapida diffusione dell'IA generativa nelle università d'élite è un indicatore precoce di trasformazioni istituzionali in diversi ambiti educativi e professionali.

Istruzione superiore e università di ricerca #

I vertici dell'istruzione superiore devono riconoscere che le policy di «divieto dell'IA» a livello di singolo programma d'insegnamento sono inapplicabili e controproducenti. La sfida è strutturale: le valutazioni devono evolvere verso discussioni orali in presenza, risoluzione dei problemi in tempo reale e portfolio di progetti iterativi in cui si verifica il percorso del ragionamento invece di limitarsi a valutare l'elaborato scritto finale.

EdTech e fornitori di tutoraggio con IA #

Chi costruisce strumenti commerciali affronta un dilemma pedagogico. I prodotti pensati solo per generare risposte accelerano il disimpegno degli studenti e l'isolamento cognitivo. Le piattaforme che avranno successo negli ambienti accademici di primo livello saranno quelle che strumentano il metodo socratico, preservando lo sforzo cognitivo e offrendo al tempo stesso un sostegno mirato.

Formazione aziendale e inserimento tecnico #

Le academy aziendali e i datori di lavoro del settore tecnologico affrontano lo stesso deficit di padronanza: neoassunti che sfruttano strumenti di generazione del codice senza comprendere le modalità di guasto sottostanti. Le organizzazioni di ingegneria devono adattare i propri modelli di apprendistato per valutare il debugging di base e il ragionamento architetturale.

Conclusione #

Il rapporto del comitato ad hoc del MIT si distingue perché rifiuta di ridurre l'IA generativa a un fastidio per l'integrità accademica. Presentando la tecnologia come una prova di resistenza sullo scopo centrale dell'istruzione universitaria, il comitato offre una tabella di marcia sobria: accogliere la sperimentazione con spirito di umiltà istituzionale, senza permettere che l'incertezza giustifichi la paralisi amministrativa. La vera prova, nel prossimo ciclo accademico, sarà capire se il corpo docente saprà riprogettare i piani di studio per preservare una padronanza profonda e al tempo stesso preparare i laureati a un mondo nativo dell'IA.

Domande frequenti #

Il MIT vieta l'IA generativa negli elaborati degli studenti?

No. Il MIT non applica un divieto generalizzato. Ogni docente stabilisce la policy del proprio insegnamento, dall'uso integrato dell'IA nei compiti a esercizi fondamentali specifici senza IA, e il comitato raccomanda maggiore coerenza istituzionale e una giustificazione pedagogica trasparente.

In che modo l'IA generativa incide sulla tradizionale «p-set» (esercitazione)?

Le esercitazioni hanno storicamente funzionato come principale strumento per sviluppare resilienza cognitiva attraverso la risoluzione individuale dei problemi. Con un'IA disponibile ovunque, gli studenti possono generare rapidamente soluzioni valide, con il rischio che uno svolgimento superficiale sostituisca una vera padronanza intellettuale.

Che cosa raccomanda il comitato in materia di valutazione?

Il comitato sottolinea che gli strumenti di valutazione tradizionali (esami da svolgere a casa, esercitazioni scritte standard) devono essere riconsiderati. Le soluzioni di lungo periodo puntano sulla valutazione in tempo reale, sulle dimostrazioni basate su progetti e su una riprogettazione dei piani di studio che premi l'analisi critica anziché la produzione meccanica.

Riferimenti #

MIT Ad Hoc Committee, (2026). Rapporto finale sull'uso dell'IA nell'insegnamento, nell'apprendimento e nella formazione alla ricerca ⧉. Massachusetts Institute of Technology.
MIT Office of the Chancellor and Provost, (2026). Mandato al comitato ad hoc sull'IA generativa ⧉. Massachusetts Institute of Technology.
Eric Klopfer e Samuel Madden, (2026). Insegnare e apprendere nell'era dell'IA generativa ⧉. MIT News.

Ultima revisione 2026-09-25.

Ultima revisione 2026-10-27.

Ripubblica questo articolo

La tecnologia arriva prima dell'istituzione: il comitato IA del MIT — Sebastien Rousseau

Il comitato del MIT sull'IA rileva un uso pervasivo tra gli studenti e docenti divisi, e respinge l'idea che l'incertezza possa giustificare l'inazione.

Questo articolo è pubblicato con licenza Creative Commons Attribution 4.0 International. La ripubblicazione richiede l'attribuzione all'URL canonico.

La tecnologia arriva prima dell'istituzione: il comitato IA del MIT — Sebastien Rousseau

Il comitato del MIT sull'IA rileva un uso pervasivo tra gli studenti e docenti divisi, e respinge l'idea che l'incertezza possa giustificare l'inazione.

Originally published at https://sebastienrousseau.com/it/2026-09-25-tecnologia-arriva-prima-dell-istituzione-comitato/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER