Cinque aspetti problematici del rapporto tra l'Università e le Big Tech

L’intelligenza artificiale generativa e conversazionale, pur di recentissima introduzione, è già entrata stabilmente nello strumentario dei ricercatori di ogni disciplina. Non è questa la sede per discuterne vantaggi e ricadute di vario segno, compresi potenziali effetti negativi relativi all’autorialità e alla perdita di competenze. Ciò che vorremmo qui brevemente discutere è l’ingresso ufficiale nell’università di modelli proprietari messi al servizio degli studiosi con le migliori intenzioni senza, però, considerarne forse tutte le implicazioni. Il 28 luglio 2025 la Conferenza dei Rettori dell’Università Italiana (CRUI) ha annunciato un accordo con OpenAI per fornire licenze ChatGPT Edu a condizioni di acquisto agevolate nel triennio ottobre 2025- ottobre 2028. La procedura riporta un importo a base di gara di 30 milioni di euro. L’accesso non è comunque gratuito né copre necessariamente tutti i ricercatori strutturati. Ogni università stabilisce un canone ai singoli affiliati, per esempio l’Università degli Studi di Milano l’ha fissato in 7,05 euro al mese Iva esclusa, il Politecnico di Torino in 103,12 euro l’anno.

A livello internazionale, il 29 luglio di quest’anno OpenAI ha lanciato il programma ChatGPT for Academic Researchers, in base al quale saranno messe a disposizione licenze per i modelli più avanzati a centomila scienziati che abbiano recentemente pubblicato almeno un articolo in sedi ritenute autorevoli e che lavorino in settori che vanno dalle scienze biologiche all’informatica, dall’ingegneria alla matematica e alla fisica. Nel frattempo, OpenAI ha mostrato la sua capacità di produrre avanzamenti conoscitivi sia nel campo della matematica sia della computer science, diffondendo la dimostrazione di centinaia di teoremi e risolvendo annose questioni teoriche. Anche se l’accordo CRUI-OpenAI esclude che i dati condivisi siano usati per l’addestramento dei modelli, la questione generale che si impone è a quali condizioni l’accesso a strumenti così potenti accresca anche la capacità autonoma delle università di produrre, verificare e trasmettere conoscenza. Dovremmo interrogarci sulle ricadute scientifiche di un rapporto organico tra atenei e Big Tech straniere che hanno interessi globali, principalmente economici, e che, seppure si ponessero obiettivi di avanzamento della ricerca, rischierebbero di andare a comprimere il ruolo delle università.

In primo luogo, il ricorso sistematico da parte dei ricercatori ai modelli di IA può modificare il modo in cui i contenuti riferiti all’università stessa di appartenenza vengono selezionati, presentati, fruiti e utilizzati. In altre parole, quando documenti e archivi vengono caricati o collegati al sistema, uno studioso interroga il chatbot che ha a disposizione anche per vagliare tutta la “memoria” del proprio ateneo – articoli, libri, progetti realizzati, convegni, tesi di laurea. In questo modo, affida a uno strumento esterno l’interpretazione e un primo esame critico, che vengono condotti sulla base di presupposti di addestramento non sempre chiari all’utilizzatore. Occorrerebbe invece strutturare un sistema in cui ogni università resti custode e garante dei processi di interrogazione del proprio patrimonio informativo.

Il secondo punto riguarda l’idea di autonomia stessa degli atenei. Ciò non significa che si debba prescindere da strumenti e infrastrutture tecniche esterne: le collaborazioni tra studiosi sono da sempre uno dei pilastri delle istituzioni di educazione superiore. Tuttavia, nel basarci su sistemi efficientissimi vanno poste alcune domande chiave che non sono eludibili. In termini di verificabilità, si può comprendere quali sono i dati e le fonti grazie ai quali si ottiene uno specifico risultato? In termini di tracciabilità, sappiamo ricostruire, almeno sommariamente, i processi interni e le operazioni rilevanti? L’amministrazione universitaria dovrebbe pertanto allontanarsi dalla condizione di semplice “cliente” di colossi tecnologici stranieri. Acquisire un servizio di IA senza costruire un’infrastruttura di memoria espone al rischio di delegare il controllo della verità scientifica a soggetti terzi. Il Politecnico di Torino già segnala ai propri utenti che allo scadere della licenza verrà perso l’accesso ai contenuti dello “workspace” e che non sembra possibile l’esportazione completa di essi in modalità autonoma. E ancora: che cosa resta del pluralismo se molta dell’attività accademica viene canalizzata all’interno di un modello dalle prestazioni eccellenti ma pur sempre frutto di una precisa architettura?

Vi è, in terzo luogo, un tema cruciale per la ricerca stessa. Quando viene fornito a condizioni di favore uno strumento potente ed efficiente, sostanzialmente senza precedenti nelle capacità di assistenza all’investigazione scientifica, non è implausibile ritenere che vi si farà ampio ricorso sia per progettare e raccogliere materiali sia per ottenere una valutazione in itinere e finale del prodotto. Questa circolarità dentro lo stesso ambiente può introdurre il rischio di ridurre e omogeneizzare le prospettive oltre che di limitare altre forme di controllo esterno e indipendente dei risultati. Non è un esito inevitabile, ma un pericolo da considerare con attenzione.

Il quarto punto riguarda la responsabilità degli atenei stessi verso i ricercatori più giovani e tutti coloro che sono in formazione per essere poi reclutati nei propri ranghi. Quanto supervisionata o controbilanciata deve essere l’introduzione istituzionale dei chatbot avanzati per evitare fenomeni che cominciano a essere documentati di deskilling o perdita di competenze di base a motivo del ricorso a strumenti automatizzati? Se l’intelligenza artificiale permette oggi un aumento di produttività, con conseguente prestigio e finanziamenti per la singola università, in futuro potremmo scoprirci meno dotati di risorse intellettuali e più dipendenti dai modelli di IA.

Infine, sembrerebbe sensato che prima di scegliere i prodotti, un ateneo renda esplicite le funzioni che intende affidare all’esterno e quali capacità deve conservare come proprie. Serve inoltre chiedersi come venga distribuito il valore generato dalla collaborazione tra atenei e Big Tech. I ricercatori possono sfruttare strumenti certamente potenti, nello stesso tempo contribuiscono a individuarne limiti e nuove applicazioni. Quali benefici duraturi ne ricavano le istituzioni cui appartengono rispetto ai guadagni delle aziende? In questo senso, vanno considerate le proposte di valorizzare anche sistemi e fornitori italiani ed europei, non in senso protezionistico, del tutto fuori dal tempo, ma nella misura in cui contribuiscano effettivamente a diversificare gli strumenti e a rendere praticabile il cambio di modelli. In tale prospettiva, una priorità per la Ue potrebbe essere la costruzione di infrastrutture scientifiche comuni, comprendenti capacità di calcolo, dati, modelli aperti e strumenti accessibili alle università, da sviluppare insieme alle competenze necessarie per utilizzarli e modificarli.