Quaranta percento. È quanto tempo risparmia in media un professionista quando usa ChatGPT per scrivere un testo strutturato, secondo lo studio di Noy e Zhang pubblicato su Science nel 2023. La qualità del lavoro, valutata da revisori indipendenti, sale del 18%. Per un’università che vende contenuti standardizzati a peso, è una notizia da pagina interna. Per un sistema che cerca ancora di capire cosa fare con i suoi laureati, è la prima nota a margine di una crisi più profonda.
Negli ultimi diciotto mesi sono usciti almeno tre studi che hanno cambiato i termini della conversazione: Brynjolfsson, Li e Raymond sul Quarterly Journal of Economics del 2025, che misura un aumento di produttività del 15% nei customer service che usano un assistente conversazionale, con i lavoratori meno qualificati che guadagnano molto di più dei senior; il rapporto Burning Glass-Harvard sul skills-based hiring del 2024, che mostra come la rimozione del requisito di laurea dagli annunci abbia prodotto un cambiamento medio reale di +3,5 punti percentuali nelle assunzioni effettive; e lo Stanford AI Index 2026, che documenta una traiettoria di capacità che continua a salire mentre i costi di inference crollano. Sommati, questi tre dati non dicono che la laurea è morta. Dicono che il prezzo del contenuto sta crollando, e la laurea italiana ha ancora venduto soprattutto contenuto.
Da qui la tesi del working paper alla base di questo articolo, che riprendiamo testuale: “L’AI non rende inutile la formazione superiore. Rende inutile la formazione superiore mediocre.”
La laurea non è una cosa: è un pacchetto di cinque funzioni
Il primo errore quando si discute di “laurea sì, laurea no” è trattare il titolo universitario come un oggetto unico. Non lo è. È una bundle che storicamente ha tenuto insieme cinque funzioni distinte, e l’AI le colpisce in modo molto diverso. Disaggregarle è la prima operazione utile.
1. Trasmissione di conoscenza. Per secoli l’università è stata il posto in cui ascoltavi un esperto spiegare una materia. La lezione frontale, il manuale, l’esame orale. Qui l’impatto dell’AI è massimo: un tutor conversazionale ben istruito risponde 24 ore su 24, personalizza il ritmo, accetta domande stupide senza giudicare e non fa pagare la retta. La sostituibilità funzionale è alta. Non per tutto, non al 100%, ma quanto basta perché il valore del solo trasferimento di nozioni si stia compressando rapidamente.
2. Segnale al mercato del lavoro. La laurea è una scorciatoia che il datore di lavoro usa per stimare diligenza, capacità cognitiva, conformità a standard. Sull’argomento signaling esiste una letteratura economica decennale (Spence, Arrow). Qui l’erosione è parziale: portfolio verificabili, prove di lavoro reali e badge di competenza stanno diventando segnali concorrenti credibili in molti settori. Non li sostituiscono ovunque, ma li affiancano sempre più spesso.
3. Licenza regolatoria e fiducia pubblica. In medicina, farmacia, ingegneria safety-critical, professioni legali, revisione contabile, la laurea non è opzionale: è la condizione legale per esercitare. Qui l’AI cambia gli strumenti, non la sostanza. La responsabilità giuridica resta sulla persona accreditata. La sostituibilità è bassa per costruzione: nessuno vuole essere operato da un sistema senza un umano accountable accanto.
4. Rete sociale. Compagni di corso, mentori, alumni. Per molte carriere — venture capital, consulting, accademia, parte della politica — la rete acquisita durante l’università è metà del valore. L’AI non sostituisce questo. Lo aumenta, semmai, ma non crea per te un mentore con dieci anni in BCG che ti raccomanda con un partner.
5. Formazione del giudizio. Saper distinguere argomenti deboli da forti, decidere in condizioni di incertezza, scrivere prosa che regge a un’obiezione informata, riconoscere quando un dato non vuole dire quello che sembra dire. Questa è la funzione più sottovalutata dell’università quando è fatta bene, ed è quella su cui l’AI ha l’impatto più paradossale: la rende più, non meno, importante. Perché un mondo pieno di output AI plausibili ma sbagliati richiede esseri umani capaci di giudicarli.
| Funzione | Cosa fornisce | Impatto AI | Conseguenza pratica |
|---|---|---|---|
| Trasmissione conoscenza | Nozioni, manuali, lezioni | Alta sostituibilità | Il valore della lezione frontale crolla |
| Segnale al mercato | Filtro per assunzioni | Erosione parziale | Portfolio e prove pratiche concorrono |
| Licenza regolatoria | Diritto di esercitare | Bassa sostituibilità | Resta cardine in medicina, ingegneria, diritto |
| Rete sociale | Mentori, alumni, peer | Bassa sostituibilità | L’università fisica conserva vantaggio |
| Formazione del giudizio | Pensiero critico, scrittura | Impatto crescente (non sostituibile) | Diventa la funzione più preziosa |
La tesi del paper si riassume così: le università che vendevano soprattutto la funzione 1 — trasmissione di nozioni — hanno un problema serio. Le università che vendono la 3, la 4 e soprattutto la 5 hanno ancora un mercato. Anzi, ne hanno uno più grande di prima.
Cosa dicono davvero i dati nel 2026
Il dibattito pubblico tende a oscillare tra due caricature: “la laurea è morta” e “non cambia nulla, andate a studiare”. Nessuna delle due regge i dati. Vale la pena fermarsi sui numeri verificabili.
OCSE — Education at a Glance 2025. Il vantaggio reddituale dei laureati terziari rispetto a chi ha solo la scuola secondaria superiore è in media il 54% nei paesi OCSE. È un premio significativo, sopravvissuto a un decennio di previsioni apocalittiche sull‘“obsolescenza della laurea”. Allo stesso tempo, lo stesso rapporto ricorda che solo il 43% degli studenti completa il bachelor nel tempo previsto. Il 59% lo finisce entro un anno extra, e il 70% entro tre anni in più. C’è una larga fetta di studenti per cui la laurea è un percorso lungo, costoso e non sempre coronato dal premio salariale dei dati medi.
BLS — Bureau of Labor Statistics, 2024. Negli Stati Uniti, chi ha un bachelor ha redditi mediani più alti e tassi di disoccupazione più bassi rispetto a chi ha solo il diploma superiore. È un fatto stabile da decenni e i dati 2024 lo confermano. Anche qui, però, le medie nascondono varianze enormi tra discipline: ingegneria e scienze pagano molto, alcune humanities meno. Il “valore della laurea” è sempre stato un’aggregazione di realtà molto diverse.
Brynjolfsson, Li & Raymond — Quarterly Journal of Economics, 2025. È lo studio più importante uscito sull’AI generativa e produttività finora. Campione di 5.172 agenti di customer service che adottano un assistente conversazionale: produttività media +15%, ma con un dettaglio decisivo. I lavoratori meno esperti e meno qualificati guadagnano molto di più dei senior. L’AI comprime il gap tra junior e senior. Letta dal punto di vista del “premio della laurea”, è una notizia ambivalente: in compiti standardizzati e verificabili, il vantaggio della formazione formale si riduce. Il novizio con l’AI fa quasi quanto il veterano. In compiti dove serve giudizio non standardizzato, il vantaggio resta o aumenta.
Noy & Zhang — Science, 2023. Per la scrittura professionale standardizzata, ChatGPT riduce il tempo medio di esecuzione del 40% e migliora la qualità giudicata da revisori del 18%. Per un’università che valuta esami di scrittura come esercizio individuale di abilità testuale, è un problema serio.
Peng et al. — GitHub Copilot, 2023. Per task di programmazione standard, l’assistente AI fa completare il lavoro il 55,8% più velocemente. Su input ripetitivi, non su problemi di architettura non banali.
Burning Glass Institute & Harvard — Skills-Based Hiring 2024. Il dato più sottovalutato di tutto il dibattito. Le imprese hanno annunciato in massa la rimozione del requisito di laurea dagli annunci di lavoro. Bene. Ma misurando le assunzioni effettive, il cambiamento reale è stato in media di +3,5 punti percentuali. Tradotto: solo una nuova assunzione ogni 700 ha davvero beneficiato del passaggio allo skills-first. Il rapporto lo chiama “more announced than realized”. Il segnale comportamentale del datore di lavoro non è cambiato quanto quello dichiarato.
Stanford AI Index 2026. Il rapporto annuale di Stanford HAI nell’edizione 2026 documenta due dinamiche rilevanti per la nostra discussione: le capacità dei modelli su benchmark di ragionamento, codice e matematica continuano a salire anno su anno, mentre il costo per token (inference) è sceso di ordini di grandezza in tre anni. Combinati, questi due trend abbattono la barriera economica all’accesso a un “tutor AI” personalizzato per chiunque abbia uno smartphone. È la condizione tecnica perché la funzione 1 della laurea — trasmissione di nozioni — diventi un mercato a basso costo marginale.
I dati, sommati, raccontano una storia coerente. Non “la laurea è morta”. Non “non cambia nulla”. Il vantaggio della laurea si sposta dal contenuto al giudizio, dal cosa sai al come decidi, dalla certificazione iniziale all’aggiornamento continuo. È un movimento lento ma irreversibile, e le università che lo ignorano stanno difendendo una rendita che il mercato del lavoro ha già smesso di pagare.
Dove la laurea resta forte. Dove perde monopolio.
Una mappa onesta dei territori dove la laurea è ancora indispensabile, di quelli dove sta diventando opzionale, e di quelli dove non lo è mai stata davvero.
| Dominio | Stato della laurea | Cosa la sostituisce o la affianca |
|---|---|---|
| Medicina, farmacia | Quasi obbligatoria per legge | Nulla — responsabilità giuridica + sicurezza pubblica |
| Ingegneria safety-critical (civile, aerospaziale, nucleare) | Obbligatoria | Nulla — accountability tecnica |
| Diritto regolato (avvocato, notaio, magistratura) | Obbligatoria | Nulla — abilitazione di legge |
| Revisione contabile, attuariato | Obbligatoria | Nulla — albo professionale |
| Ricerca scientifica accademica | Praticamente obbligatoria | Nulla nella forma standard |
| Insegnamento scuola pubblica | Obbligatoria | Nulla — concorso pubblico |
| Consulting strategico top-tier | Forte preferenza | Storia di lavoro + risultati misurabili |
| Finanza istituzionale | Forte preferenza | CFA + esperienza |
| Software engineering | Preferita, non necessaria | Portfolio GitHub + colloqui tecnici |
| Data science e analytics | Preferita, non necessaria | Progetti pubblici + Kaggle + bootcamp |
| Marketing digitale | Non necessaria | Risultati su campagne reali |
| Design (prodotto, grafico, UX) | Non necessaria | Portfolio + Behance + Dribbble |
| Media e giornalismo | Erosione forte | Pubblicazioni + audience propria |
| Imprenditorialità tech | Marginale | Track record + investitori che ti finanziano |
| Lavori artigianali e tecnici qualificati | Mai stata necessaria | Apprendistato + certificazioni di mestiere |
Due osservazioni dalla tabella. Primo: la laurea resta saldissima dove la società ha bisogno di accountability legale e fiducia pubblica codificata. Nessuno vuole un chirurgo self-taught. Secondo: in molti settori della “knowledge economy” digitale, la laurea era già un segnale debole prima dell’AI. L’AI sta solo accelerando una traiettoria che era cominciata con GitHub, con i bootcamp di programmazione e con i portfolio pubblici verso il 2010.
C’è poi una nuova competenza che attraversa quasi tutti i settori e che il sistema universitario italiano sta insegnando malissimo o per niente: AI literacy combinata con epistemologia pratica. Saper riconoscere quando un output dell’AI è plausibile-ma-falso (le “hallucinations” del modello), saper verificare una fonte, saper distinguere correlazione e causa, saper attribuire la responsabilità di un errore in un processo dove un umano e un modello collaborano. Non è un soft skill. È la nuova competenza tecnica fondamentale, e nessuna università italiana di sistema la insegna come materia obbligatoria. Dovrebbe.
Il modello LAUREA 2.0
Per non fermarsi alla diagnosi, il working paper propone un modello operativo. È un acronimo, lo riconosciamo, ma serve a tenere insieme sei elementi che la riforma della formazione superiore deve affrontare contemporaneamente. Si chiama LAUREA 2.0, ed è la proposta proprietaria del paper.
L — Learning permanente. La formazione superiore smette di essere un blocco di tre o cinque anni concentrato tra i diciotto e i ventiquattro, e diventa un percorso modulare distribuito sull’arco della carriera. Tradotto operativamente: un ingegnere informatico laureato nel 2018 deve poter rientrare nel 2026 per un modulo certificato di sei settimane su sicurezza dei modelli linguistici, senza re-iscriversi a un’intera laurea magistrale. Le università tedesche (TU Munich, Hasso Plattner) e statunitensi (MIT xPRO) hanno già infrastrutture mature in questo senso. In Italia siamo molto indietro.
A — AI tutor. Ogni corso integra strumenti di tutoring AI personalizzati: feedback immediato sugli esercizi, spiegazioni alternative per studenti che non hanno capito alla prima, generazione di problemi calibrati sul livello del singolo. Esempio operativo: il dipartimento di matematica della Georgia Tech ha un tutor AI proprietario che fa esercitazioni infinite ai suoi studenti di primo anno. Le valutazioni di apprendimento sono salite. Non sostituisce il docente. Lo libera dal lavoro ripetitivo di correzione di compiti standard.
U — Università certificatrice. L’università non è più il distributore esclusivo del sapere, ma il certificatore di affidabilità del titolo. Se il contenuto è ovunque, il valore aggiunto si sposta sul “chi garantisce che questa persona sa davvero ciò che il pezzo di carta dice”. Significa rendere gli esami non solo più seri ma più difensivi: prove orali, presentazioni con domande adversarial, valutazioni dove l’AI può essere usata ma lo studente deve giustificare ogni scelta.
R — Real-world portfolio. Apprendistato obbligatorio integrato nella laurea, progetti reali con aziende, capstone che producano output pubblici. La tesi tradizionale, scritta da solo per essere letta da tre persone, è un format che fa fatica a giustificarsi nel 2026. Sostituirla, o affiancarla, con un progetto reale (un’app rilasciata, un report di consulenza per una PMI, un’analisi pubblicata) cambia la natura del segnale.
E — Etica epistemica. Insegnare a verificare, dubitare, attribuire responsabilità. È una materia, non una citazione nei discorsi inaugurali. Esempio operativo: un modulo trasversale obbligatorio in tutti i corsi di laurea, in cui gli studenti imparano a confrontare un output AI con una fonte primaria, a riconoscere quando il modello sta confabulando, a documentare la catena di responsabilità tra umano e macchina in un workflow misto. Le scuole di medicina americane stanno introducendo questa materia per la diagnostica assistita. Va estesa a tutto.
A — Accreditamento continuo. Il titolo di laurea non scade, ma alcune competenze sì. Il sistema dei digital badge, già operativo in molti paesi anglosassoni, va portato in Italia con standard pubblici: ogni competenza certificata ha una data di emissione, un livello, un’autorità di rilascio e — quando ha senso — un termine di rinnovo. Un radiologo certificato sull’uso dell’AI diagnostica nel 2026 dovrà aggiornarsi nel 2030. Non perde la laurea. Aggiorna la competenza specifica.
LAUREA 2.0 non è una proposta minimalista. Implica una riforma seria del sistema universitario italiano: regole sulle valutazioni, accreditamento delle micro-credenziali, infrastruttura tecnica per i tutor AI, rapporto strutturato tra atenei e imprese. Ma è una direzione concreta, e ogni mese che la si rimanda è un mese in cui le università italiane perdono terreno rispetto ai concorrenti europei.
Quattro scenari 2026-2035
Il paper non si limita a un modello prescrittivo. Costruisce quattro scenari di evoluzione del sistema, con probabilità ragionate. Vale la pena vederli sintetizzati.
| Scenario | Descrizione | Probabilità centrale | Per chi è una buona notizia |
|---|---|---|---|
| 1. Conservazione adattiva | L’università integra l’AI ma non si trasforma. Lezioni frontali, esami, format anni ‘90 con qualche tool aggiunto. | Media | Nessuno. Lenta erosione. |
| 2. Ibrido modulare | Laurea tradizionale + micro-credenziali + portfolio + AI tutor. Le università diventano hub di certificazione. | Alta | Studenti che lavorano. Università che si riformano. |
| 3. Disruption skills-first | In ampie aree della knowledge economy, i datori di lavoro assumono per prove (portfolio, prove tecniche, simulazioni) ignorando la laurea. | Media in digitale, bassa in regolato | Lavoratori capaci ma non titolati. Bootcamp e edtech. |
| 4. Backlash regolatorio | Frodi AI nei processi educativi spingono regolatori a rafforzare l’esame tradizionale e il valore legale del titolo. | Media | Università tradizionali. Albi professionali. |
La previsione centrale del paper è una composizione di scenari, non uno solo. Entro il 2035, in Italia: la laurea resterà forte e probabilmente rafforzata nei settori regolati (scenari 1 e 4 dominano), mentre diventerà solo una delle vie possibili in larghe aree della knowledge economy digitale (scenari 2 e 3 dominano). Il sistema non collasserà. Si stratificherà.
Per capire dove ti collochi tu — studente, lavoratore, imprenditore — la matrice decisionale è semplice. Il tuo settore richiede una licenza di legge? Allora la laurea è ancora obbligatoria. Il tuo settore ha portfolio pubblici verificabili? Allora la laurea è preferita ma non strettamente necessaria, e quello che fai nei prossimi cinque anni — progetti, output, rete — peserà di più del pezzo di carta.
Implicazioni concrete per quattro pubblici
Per le università
Smettere di vietare l’AI negli esami è il primo punto. Vietare uno strumento che lo studente userà tutti i giorni nel lavoro non è una riforma, è un patetico tentativo di rinvio. Progettare invece valutazioni dove l’AI è esplicitamente ammessa, ma lo studente deve difendere oralmente le scelte, motivare i prompt, assumere responsabilità degli errori, e produrre output che dimostrino giudizio non automatico. Significa esami più costosi per il sistema (più tempo del docente, prove personalizzate), ma è l’unica strada credibile.
Per le imprese
Non buttare la laurea, ma smettere di usarla come scorciatoia pigra. Skills-first vero significa investire in assessment serio, apprendistato strutturato, ruoli junior protetti dove le persone possono sbagliare e crescere. Rimuovere il requisito di laurea da un annuncio costa zero. Costruire un processo di selezione che valuti competenze vere costa parecchio. Il rapporto Burning Glass-Harvard è impietoso su questo: le aziende che hanno fatto solo la prima cosa non hanno cambiato nulla.
Per gli studenti
La domanda non è “la laurea serve o no”. È disaggregata: il mio settore richiede una licenza di legge? La laurea ha un premio salariale dimostrabile nel mio campo? L’università che sto scegliendo offre una rete vera o solo un timbro? Saprò usare gli anni dell’università per costruire un portfolio reale, non solo per dare esami? Se il settore è regolato, la risposta è ovvia. Se è digitale-creativo, conta più quello che produci di quello che ti certificano.
Per i policy maker
Servono standard pubblici per le micro-credenziali: qualità, verifica dell’identità di chi le ottiene, portabilità tra atenei, riconoscibilità sul mercato del lavoro. Senza questi standard, ogni provider edtech inventa il proprio badge e il sistema si frammenta in modo non utile. Servono inoltre interventi sull’accesso equo agli strumenti AI educativi: se i tutor AI di qualità diventano la norma nelle scuole private e restano fuori dalla portata di quelle pubbliche, il “premio della formazione” diventa di nuovo una funzione del reddito familiare. Sarebbe esattamente il contrario di quello che dovrebbe accadere.
Le frasi chiave del paper
Le citazioni testuali del working paper che vale la pena ricordare, e che riassumono la posizione meglio di qualsiasi parafrasi.
“L’AI non rende inutile la formazione superiore. Rende inutile la formazione superiore mediocre.”
“Il futuro non è no laurea. Il futuro è nessun titolo senza competenza dimostrabile, nessuna competenza senza aggiornamento, nessun uso dell’AI senza giudizio umano.”
“Le università che vogliono restare centrali devono progettare valutazioni dove l’AI è ammessa, ma l’essere umano deve difendere oralmente, motivare, assumere responsabilità.”
“Eliminare il requisito di laurea dagli annunci senza cambiare assessment è marketing HR, non innovazione.”
“Skills-first è più annunciato che realizzato.”
“Il vantaggio della laurea si sposta dal contenuto al giudizio. Le università che vendevano contenuto hanno un problema. Quelle che vendono giudizio hanno un mercato più grande di prima.”
Una conclusione, e un invito
Il dibattito italiano sull’AI e la laurea oscilla tra apocalisse e tecnomalinconia. Tutte e due le posizioni sono comode, e nessuna serve a chi deve decidere oggi cosa studiare, chi assumere, come riformare un ateneo. La posizione del working paper è più scomoda perché è disaggregata: dipende. Dipende dal settore, dipende dall’università, dipende da quello che la persona è disposta a fare con gli anni che ha davanti.
La parte facile dell’argomento è criticare il sistema accademico italiano che non si riforma. La parte difficile è proporre un modello che possa essere implementato senza distruggere quello che funziona. LAUREA 2.0 è un tentativo in quella direzione: tenere la funzione di certificazione e di formazione del giudizio, sostituire la funzione di trasmissione di nozioni con strumenti più efficaci, integrare l’aggiornamento permanente nel disegno del sistema.
Resta una domanda di fondo, ed è quella che dovrebbe orientare le scelte dei prossimi anni: in un mondo in cui produrre un testo, un’analisi, un pezzo di codice plausibile costa quasi zero, cosa restiamo disposti a pagare? La risposta del paper è chiara. Restiamo disposti a pagare per il giudizio. Per la responsabilità. Per la fiducia codificata. Per la rete reale di persone vere. Tutto il resto è un mercato che si sta commodificando, e nessuna istituzione, nemmeno una con mille anni di storia, sopravvive vendendo a prezzo pieno una cosa che il mercato sa fare a prezzo zero.
