Un Avatar AI Può Sostituire un Professore Universitario? Un'Analisi degli Istruttori AI del 2026

Nell'ottobre 2025, il responsabile dell'apprendimento per il corso di laurea magistrale online in informatica della Georgia Tech ha presentato un nuovo assistente alla didattica ai suoi studenti. L'assistente si chiamava DAI-vid. Assomigliava esattamente al professor David Joyner, parlava esattamente come David Joyner ed era disponibile 24 ore su 24, 7 giorni su 7, in diciassette lingue. C'era solo una differenza tra DAI-vid e il professore in carne e ossa: DAI-vid era un avatar AI, addestrato su anni di registrazioni di lezioni e sessioni di domande e risposte di Joyner, e distribuito sulla piattaforma edX per rispondere alle domande degli studenti che prima dovevano attendere una risposta umana.

DAI-vid non era un caso isolato. Entro la fine dell'anno accademico 2025/2026, docenti avatar AI erano in servizio presso la Boise State University (un intero corso asincrono tenuto dall'avatar AI del professore umano), la University of Miami (un professore di informatica con una versione AI multilingue di se stesso disponibile 24/7), la University of Virginia (avatar distribuiti dall'autunno del 2025 presso il Center for Learning Based on Cognitive Science), il Morehouse College (avatar digitali a immagine di ciascun professore che fungevano da assistenti alla didattica) e in un elenco in crescita di piattaforme di e-learning. Section AI ha lanciato il „primo professore avatar AI“ sulla sua piattaforma di formazione aziendale. La rete Alpha School, con sede in Texas, che applica rette fino a 75.000 dollari all'anno per l'iscrizione dalla materna alle superiori, eroga l'intera didattica accademica due ore al giorno tramite software AI senza insegnanti umani – ma con soli „guide“ adulti per la supervisione e la motivazione.

La domanda provocatoria non è più se un avatar AI possa insegnare. Lo sta già facendo a studenti paganti in istituzioni di prestigio. La domanda cruciale è se un avatar AI possa sostituire un professore umano in un senso profondo – ossia non solo trasmettendo contenuti, ma stimolando l'apprendimento, il tutoraggio, il giudizio e quel tipo di trasformazione intellettuale che un diploma universitario dovrebbe certificare. Questo articolo esamina le prove derivanti dalla prima ondata di distribuzioni: dove gli avatar AI eccellono, dove falliscono sistematicamente e quale sia il loro ruolo realistico nel 2026 e oltre.

Cosa sta realmente accadendo: una mappa dei docenti AI del 2026

Le distribuzioni si dividono in tre categorie, ciascuna con obiettivi e vincoli distinti.

• L'assistente alla didattica AI. Un professore umano rimane responsabile del corso. Un avatar AI risponde alle domande degli studenti al di fuori dell'orario di ricevimento, chiarisce i concetti di base, guida gli studenti attraverso il materiale richiesto e rimanda i problemi complessi al docente umano. Questo è il modello dominante nel 2026. Gli esempi includono l'avatar del professore di informatica della University of Miami, gli avatar digitali dei docenti di Morehouse e il DAI-vid di Joyner alla Georgia Tech. La soddisfazione dichiarata dagli studenti è elevata; gli avatar AI riducono il sovraccarico di tempo del docente senza rimuovere l'essere umano dal processo.
• Il docente di corso AI. L'avatar rappresenta la presenza didattica principale per un intero corso, con un docente umano che supervisiona la progettazione del piano di studi e la valutazione a un livello strategico e non di erogazione. Artificial Intelligence Applications alla Boise State è l'esempio più citato: un corso di etica dell'AI asincrono interamente tenuto da un avatar AI creato a partire dalle precedenti lezioni del professore. Section AI applica un modello simile sulla sua piattaforma. Queste distribuzioni sono più recenti (la maggior parte è in fase pilota nel 2026) e i dati sui risultati dell'apprendimento rimangono preliminari.
• L'istituzione AI che sostituisce i docenti. La rete Alpha School ne è l'esempio emblematico. Il modello: gli studenti ricevono due ore di didattica accademica quotidiana tramite un software AI adattivo, senza docenti tradizionali. Gli adulti presenti (chiamati guide) forniscono motivazione, supervisionano il comportamento e facilitano le attività extra-accademiche. Le rette variano tra 40.000 e 75.000 dollari all'anno e la rete si è espansa in diverse città nel 2025/2026. Alpha afferma che gli studenti apprendono „il doppio in 2 ore“. Questa affermazione è controversa. Nessuna valutazione indipendente dei risultati di apprendimento è stata finora pubblicata.

Ciascuno di questi modelli è attualmente testato sul campo. Le seguenti conclusioni sono tratte dalla prima ondata di distribuzioni, dalle ricerche sui risultati dell'apprendimento che hanno tenuto il passo con i sistemi di tutoraggio AI (in particolare il lavoro su Khanmigo della Khan Academy, che è l'analogo su scala più vicino), e dalle realtà operative visibili per docenti e studenti nelle istituzioni che eseguono questi programmi.

Dove gli avatar AI eccellono davvero

Sarebbe intellettualmente disonesto respingere del tutto gli avatar AI. In diverse dimensioni chiave, essi superano di fatto i docenti umani, e qualsiasi analisi onesta deve iniziare da qui.

• Disponibilità. Un avatar AI è sveglio alle 2 di notte quando lo studente affronta finalmente i compiti previsti per mezzanotte. Nessun assistente umano può offrire questo servizio senza andare incontro all'esaurimento. La riduzione dei tempi di attesa per ottenere aiuto è uno dei fattori più significativi per la persistenza degli studenti nei corsi online, e gli avatar AI la migliorano nettamente.
• Portata multilingue. DAI-vid alla Georgia Tech funziona in diciassette lingue. Per gli studenti internazionali nei programmi in lingua inglese, la differenza tra poter porre una domanda nella propria lingua madre e dover tradurre la propria confusione in una seconda lingua è la differenza tra ricevere aiuto e arrendersi. Gli avatar AI eliminano questa barriera in un modo che i docenti umani non possono realisticamente replicare.
• Pazienza su scala. Un avatar AI risponderà alla stessa domanda di base per la millesima volta con la stessa cura e chiarezza della prima. I docenti umani, per quanto benevoli, non hanno questa capacità. Per i corsi introduttivi in cui si ripetono gli stessi dubbi ogni semestre, un avatar che guidi ogni studente confuso attraverso la spiegazione standard ha un reale valore pedagogico.
• Ritmo personalizzato. I dati di Khanmigo della Khan Academy, l'analogo su scala più vicino, mostrano chiari guadagni. Un progetto pilota che ha coinvolto 15.000 studenti in 200 scuole nel 2026 ha rivelato che gli studenti che interagivano con Khanmigo per almeno 30 minuti a settimana registravano progressi di apprendimento equivalenti a 2 o 3 settimane aggiuntive di didattica tradizionale. Lo studio della SRI International nel 2025 ha evidenziato una padronanza dell'algebra più rapida del 23% rispetto alle videolezioni tradizionali.
• Apprendimento senza imbarazzo. Uno studente che non oserebbe mai alzare la mano per ammettere di non aver capito un prerequisito porrà la domanda a un avatar AI senza esitazione. Questo è un reale vantaggio pedagogico, in particolare per gli studenti il cui background culturale o la cui personalità rendono difficile la richiesta di aiuto in pubblico.
• Coerenza. L'avatar fornisce oggi la stessa risposta alla domanda Q fornita sei mesi fa e che fornirà tra sei mesi. I docenti umani deviano, sviluppano punti ciechi o semplicemente affrontano giornate negative. Per la trasmissione di contenuti, la coerenza è un punto di forza.

Ognuno di questi punti rappresenta un vantaggio legittimo. La domanda non è se gli avatar AI possano fare cose utili nell'istruzione. Possono farlo, palesemente. La domanda è se ciò che non possono fare sia ancora così importante da non poter rimuovere il professore umano dal processo.

Dove gli avatar AI falliscono sistematicamente

I modi in cui falliscono non sono casuali. Si concentrano su cinque aree, ognuna delle quali evidenzia ciò che un professore umano offre in modo unico.

• Giudizio di fronte all'ambiguità. Una studentessa si presenta al ricevimento con una preoccupazione vaga sul tema della sua tesi e l'allusione al fatto che forse non è adatta per gli studi post-laurea. Un docente umano decodifica la situazione, pone due domande mirate, si rende conto che il vero problema è una perdita di fiducia dopo un feedback severo da parte di un consulente e interviene in modo pedagogico e personale. Un avatar AI affronta la questione di superficie (la metodologia della tesi) con competenza e manca completamente il vero punto di intervento. La studentessa se ne va tecnicamente informata ma priva di sostegno personale.
• Il tutoraggio che si costruisce nel tempo. Il vero tutoraggio è il risultato cumulativo di decine di piccole interazioni nel corso di mesi e anni – un docente che si ricorda che questo studente era interessato ai sistemi distribuiti al terzo anno, gli ha raccomandato un articolo specifico al quarto anno ed è ora in grado di proporgli un'opportunità di ricerca durante la magistrale. Gli avatar AI migliorano nella memoria conversazionale, ma l'integrazione tra contesti, anni e aree che i mentori umani realizzano in modo affidabile rimane fuori dalla loro portata. I laureati che vengono assunti, ammessi ai migliori programmi di dottorato e che ottengono opportunità insolite sono in misura sproporzionata quelli che un mentore umano ha notato e sostenuto. Nessun avatar ha ancora fatto questo.
• L'autorità calibrata. Quando uno studente prende una decisione importante – cambiare corso, abbandonare una materia, prendersi un anno sabbatico – il peso della raccomandazione di un docente umano deriva in parte dal fatto che il docente assume una responsabilità. Rivedrà lo studente. Avrà vergogna se il suo consiglio si rivelerà errato. È responsabile di fronte ai suoi pari. La raccomandazione di un avatar non ha lo stesso peso, anche se è tecnicamente migliore, perché lo studente sa che l'avatar non subirà alcuna conseguenza. Questo non è un difetto tecnico da correggere; è una caratteristica della responsabilità umana che l'AI non può riprodurre.
• Leggere la sala. Alcuni dei momenti di apprendimento più importanti avvengono quando un docente nota che la classe è confusa dal terzo passaggio della dimostrazione di ieri, che il coinvolgimento è appena calato, che lo studente brillante in fondo ha una domanda che non osa porre. Si tratta di una percezione reale e multimodale in tempo reale delle dinamiche di gruppo. Gli avatar AI non fanno questo nel 2026. Gestiscono le richieste individuali in una coda.
• Generazione di nuova conoscenza. Il modello dell'università di ricerca si fonda sul presupposto che chi insegna sia anche chi conduce le ricerche che producono la generazione successiva di conoscenze. Gli avatar AI, addestrati su lavori passati, non possono generare ricerche che ancora non esistono. Un'università che sostituisse interamente i suoi docenti con avatar addestrati sul lavoro delle generazioni precedenti si ridurrebbe a un'istituzione di pura trasmissione di conoscenze. Cesserebbe di essere un'istituzione di produzione di conoscenze.

Queste non sono preoccupazioni filosofiche inventate per proteggere i posti di lavoro dei docenti. Sono i motivi operativi per cui ogni installazione seria nel 2026 ha strutturato l'avatar AI come un complemento del docente e non come il suo sostituto. Anche le distribuzioni più aggressive – l'avatar per l'intero corso di Boise State, il programma della Alpha School – mantengono la struttura umana a un livello superiore rispetto all'avatar (il progettista del piano di studi, la guida, la supervisione istituzionale). La domanda non è se gli umani debbano rimanere nel processo. Si tratta di capire a quale livello debbano operare.

La ricerca sui risultati dell'apprendimento: cosa sappiamo davvero

Le prove empiriche sul tutoraggio tramite AI sono particolarmente interessanti e più sfumate di quanto presentino spesso i sostenitori o gli scettici. Tre conclusioni emergono dalle ricerche pubblicate negli ultimi 18 mesi.

Le prove di Khanmigo sono le più solide. L'infrastruttura di test della Khan Academy rappresenta quanto di più vicino a un test controllato randomizzato (RCT) su scala industriale per il tutoraggio AI. Le loro conclusioni interne (pubblicate nell'aprile 2026 in How Khan Academy is Building a Better AI Tutor) integrano test A/B rigorosi su centinaia di migliaia di conversazioni di tutoraggio. I risultati sono positivi ma modesti: l'inclusione di sintesi delle conversazioni ha migliorato il coinvolgimento cognitivo del 5,09% (livello di confidenza del 99,4%), la sintesi dello storico di risoluzione dei problemi degli studenti ha migliorato la correttezza del passaggio successivo del 3,4%. Si tratta di guadagni reali che si accumulano, ma non sono i dati del tipo „apprendimento raddoppiato“ che si vedono talvolta nei materiali di marketing.

La validazione esterna è mista. Il progetto pilota della MSU University sui software di tutoraggio AI all'inizio del 2025 ha evidenziato guadagni di apprendimento significativi in tutte le condizioni, ma nessuna differenza statisticamente significativa tra i gruppi con e senza AI nei risultati finali dell'apprendimento. Gli studenti percepivano l'AI positivamente, ma la percezione non si traduceva necessariamente in miglioramenti misurabili delle prestazioni.

Le affermazioni più spettacolari sono le meno verificate. L'affermazione principale di Alpha School „Il doppio in 2 ore“ si basa interamente su analisi interne che non sono state verificate in modo indipendente o sottoposte a revisione paritaria. I ricercatori della DeepLearning.ai Newsletter, nella loro analisi del gennaio 2026, hanno evidenziato l'assenza di validazione esterna. CBC News ha riportato gli avvertimenti di esperti canadesi di educazione che invitano alla cautela di fronte a questo modello. L'affermazione potrebbe rivelarsi vera, parzialmente vera o gonfiata dal marketing; ciò che conta attualmente è che le istituzioni che assumono decisioni sulla didattica assistita da AI non dispongono di dati di performance solidi su cui basarsi.

L'onesta valutazione delle prove a metà del 2026: il tutoraggio AI porta a guadagni di apprendimento misurabili da piccoli a moderati in test controllati, i guadagni sembrano abbastanza robusti da giustificare un investimento continuo e le più grandi affermazioni di marketing superano ampiamente le prove che le sostengono. L'AI come complemento: supportata empiricamente. L'AI come sostituto: ancora speculativa.

Perché la risposta onesta è „Non ancora, e forse mai“

Quando i ricercatori di questo settore parlano in privato dell'evoluzione della didattica assistita da AI, la conversazione si concentra spesso su una distinzione tra due tipi di insegnamento. Il primo tipo è la trasmissione di contenuti e il tutoraggio di routine: spiegare un concetto, guidare uno studente attraverso una procedura, rispondere alle domande comuni, ripetere pazientemente la stessa spiegazione. L'AI è già molto brava in questo ambito e migliorerà ulteriormente.

Il secondo tipo è la trasformazione intellettuale: aiutare uno studente a forgiare un'identità di pensatore nella propria disciplina, identificare un potenziale che lo studente non vede ancora in se stesso, navigare attraverso le transizioni ambigue in cui un apprendista passa da competente a originale, connetterlo al tessuto sociale della sua area. Questo è ciò che le buone università hanno sempre fatto al loro meglio, ed è ciò che l'AI non fa affatto nel 2026. La domanda interessante è se lo farà mai, o se questo lavoro di trasformazione dipenda costitutivamente da un essere umano che è egli stesso membro della comunità intellettuale in cui lo studente viene introdotto.

Il nostro punto di vista personale, dopo diciotto mesi di attenta osservazione delle distribuzioni: il lavoro di trasformazione è costitutivamente umano, e le distribuzioni che avranno successo a lungo termine sono quelle che lo integreranno correttamente. L'università di successo nel 2030 utilizzerà in modo massiccio l'AI per la trasmissione di contenuti, il tutoraggio, la pianificazione, la portata multilingue e la disponibilità 24/7. Preserverà la docenza umana per i compiti che richiedono giudizio, responsabilità, tutoraggio e presenza. La versione priva di successo – quella che ci aspettiamo di vedere fallire visibilmente nei prossimi anni – è quella che cercherà di eliminare del tutto il professore umano, ottimizzando i costi a breve termine per accorgersi, in studi di coorte su cinque anni, che i suoi laureati sono forse tecnicamente informati, ma professionalmente mal preparati.

Il modello ibrido che sta realmente emergendo

Ciò che funziona nel 2026 è una divisione del lavoro strutturata tra l'AI e la docenza umana. Il modello è coerente tra le istituzioni che ottengono buoni risultati.

• Livello 1 (gestito in modo autonomo dall'avatar AI): domande frequenti sul contenuto, tutoraggio sui prerequisiti, chiarimenti tecnici, pianificazione, esecuzione di procedure standard, commenti di base sulle bozze. Disponibile 24/7 in più lingue. L'avatar segnala al docente umano le domande a cui non ha potuto rispondere con certezza.
• Livello 2 (gestito dall'avatar AI con revisione umana): primi commenti sui compiti (l'avatar genera una bozza di critica, il docente umano la esamina e la modifica prima dell'invio). Valutazione di compiti strutturati, in cui l'AI applica la griglia di valutazione e l'umano la convalida. Triage delle ore di ricevimento, in cui l'avatar risponde alle domande comuni e rimanda quelle inedite all'umano.
• Livello 3 (solo docente umano): sessioni di tutoraggio di persona. Accompagnamento nelle decisioni chiave (cambio di corso, lettere di raccomandazione per studi post-laurea, consigli di carriera). Supervisione di progetti di ricerca. Interventi in caso di crisi personale. Casi difficili che richiedono responsabilità e giudizio.
• Livello 4 (docente umano con l'AI come strumento): progettazione del piano di studi (l'AI aiuta a redigere, l'umano decide), ricerca (l'AI aiuta nella revisione della letteratura, l'umano produce la ricerca reale), progettazione di esami (l'AI aiuta a generare problemi, l'umano seleziona e convalida).

Questa divisione del lavoro moltiplica da 5 a 10 volte la larghezza di banda di un singolo docente per i compiti di trasmissione dei contenuti, preservando al contempo il lavoro esclusivo degli umani dove conta. Diverse istituzioni riferiscono di poter supportare rapporti studenti-docenti significativamente più elevati senza perdita di qualità, spostando il livello 1 e la maggior parte del livello 2 sull'AI. I risparmi sui costi si traducono in rette più basse, migliori rapporti docenti-studenti nel lavoro di livello 3, o entrambi. Questo è il modello che si imporrà nei prossimi cinque anni.

Ciò che questo modello non fa è sostituire il professore umano. Ristruttura il modo in cui il professore umano utilizza il proprio tempo. Gli studenti che escono da questi programmi interagiscono con un docente umano in modo diverso rispetto agli studenti del 2020: meno tempo dedicato alla trasmissione di contenuti, più tempo dedicato al lavoro personale, di giudizio e di trasformazione per il quale il docente umano è insostituibile. Questo non è un regresso. Per la maggior parte degli studenti, è un miglioramento significativo.

Cosa significa per i programmi che decidono ora

Se siete un amministratore o un direttore di dipartimento che valuta una distribuzione di avatar AI, ecco tre linee guida pratiche tratte da questo anno di osservazione di queste decisioni.

• Iniziate dal livello 1, non dal livello 3. Le distribuzioni che hanno funzionato hanno iniziato facendo rispondere l'avatar alle domande frequenti sui contenuti al di fuori delle ore di lezione. Le distribuzioni che hanno incontrato difficoltà hanno iniziato affidando all'avatar funzioni di valutazione, classificazione o tutoraggio prima che la tecnologia sottostante fosse pronta. Costruite la distribuzione in modo che l'avatar assuma responsabilità maggiori in base alle prestazioni osservate, e non a capacità teoriche.
• Costruite la cappa di verifica contemporaneamente all'avatar. Se l'avatar deve aiutare gli studenti a programmare o a scrivere, l'istituzione deve essere in grado di verificare quali compiti siano effettivamente il prodotto dello sforzo dello studente e quali provengano dall'avatar. Strumenti come Plagly.ai svolgono questa funzione di verifica per i testi e il codice, e l'istituzione che implementa il tutoraggio AI senza implementare la verifica si espone a debolezze di valutazione che non potrà diagnosticare in seguito.
• Pianificate il confronto con i docenti in modo deliberato. Le distribuzioni di avatar hanno successo quando i docenti sono partner nella progettazione, e falliscono quando si presentano loro gli avatar come un fatto compiuto. I docenti conoscono cose sull'insegnamento che il team tecnico ignora. Trattate l'esperienza dei docenti come un contributo per la distribuzione, e non come una resistenza da superare. Le istituzioni che hanno fatto questo nel 2025/2026 sono quelle che mostrano distribuzioni di successo oggi.

La domanda fondamentale non è se l'AI sarà all'università. C'è. C'è già. La domanda è quale ruolo svolga e quale ruolo svolga la docenza umana, e le istituzioni che assumono decisioni informate su questa divisione del lavoro supereranno quelle che scelgono uno dei due estremi. La risposta a „Un avatar AI può sostituire un professore universitario?“ nel 2026 è onesta: può sostituire parti di ciò che fa il docente, non può sostituire la parte più importante, e le università che integrano le due metà di questa frase produrranno laureati meglio preparati rispetto a quelle che ne integrano solo una.

Domande frequenti

Un avatar AI potrebbe sostituire un professore in un corso online asincrono in cui il tutoraggio è già minimo?

In linea di principio sì, e diversi programmi pilota stanno testando questo aspetto nel 2026. Il successo dipende fortemente dalla natura del corso: se si tratta principalmente di trasmissione di contenuti (l'avatar può farlo) o se comporta commenti sostanziali e una trasformazione intellettuale (l'avatar gestisce parti, l'umano rimane necessario). La distribuzione a Boise State è l'esempio più seguito. La risposta onesta a metà 2026 è che disponiamo di dati pilota promettenti, ma non ancora di dati longitudinali sui risultati dei laureati. I programmi che adottano questo modello devono impegnarsi in monitoraggi longitudinali ed essere pronti a correggere la rotta in base a ciò che mostrano realmente i risultati dei laureati.

Gli avatar AI ridurranno le tasse scolastiche?

Probabilmente sì per la trasmissione di contenuti e il supporto di routine, ma i risparmi sono inferiori a quanto suggeriscono gli slogan di marketing dei fornitori, perché il lavoro umano che l'avatar non può fare è quello che meno si presta alla scala. I costi più significativi di un'università di ricerca intensiva sono l'infrastruttura di ricerca e il tempo dei docenti di alto livello, nulla di cui viene sostituito dall'avatar. Un'istituzione focalizzata sull'insegnamento potrebbe registrare riduzioni di costo significative sui corsi di routine, ma lo scenario realistico è un calo dei costi di insegnamento di circa il 15-30% per i tipici corsi di laurea, e non le cifre superiori al 50% talvolta citate nelle analisi del settore. I risparmi si traducono più spesso in migliori rapporti di tutoraggio sul lavoro di livello 3 piuttosto che in riduzioni forfettarie delle tasse scolastiche.

Cosa succede all'integrità accademica in un corso tenuto da un avatar AI?

Diventa più importante, non meno, e richiede strumenti diversi. Quando un avatar AI è il docente principale, l'istituzione ha bisogno di meccanismi di verifica in grado di distinguere il lavoro degli studenti dall'output dell'avatar, dall'uso di altre AI da parte dello studente e da combinazioni dei due. Strumenti di rilevamento come Plagly.ai diventano operativamente critici e non più opzionali. Le istituzioni che gestiscono corsi assistiti da AI senza verifica integrata corrono un rischio su cui la maggior parte non ha ancora riflettuto chiaramente.

Gli studenti sono soddisfatti dei docenti avatar AI?

La soddisfazione dichiarata è elevata, in particolare per i casi d'uso di livello 1 (disponibilità 24/7, supporto multilingue, tutoraggio paziente). La soddisfazione scende quando si chiede all'avatar di assumere compiti in cui non è bravo – commenti sostanziali su lavori creativi, conversazioni di tutoraggio, giudizi sull'orientamento accademico. I risultati qualitativi di Khanmigo mostrano coerentemente che gli studenti percepiscono positivamente l'AI per ciò che fa bene. Non mostrano ancora che gli studenti preferiscano l'AI alla docenza umana per i compiti che gli umani svolgono in via esclusiva. Questo modello rimarrà probabilmente stabile per anni.

L'„università AI“, interamente gestita dall'AI, avrà successo?

Una versione di questo tentativo sarà seriamente provata nei prossimi anni, e alcune versioni produrranno laureati che se la caveranno bene, altre no. La variazione deriverà da ciò che l'istituzione farà delle risorse umane liberate dal fatto che l'AI si faccia carico dell'insegnamento di routine. Le istituzioni che reinvestiranno questa capacità in un tutoraggio più profondo, maggiori opportunità di ricerca per gli studenti e un lavoro di trasformazione più esigente produrranno eccellenti laureati. Quelle che utilizzeranno la capacità dell'AI principalmente per ridurre i costi e aumentare le iscrizioni produrranno laureati forse tecnicamente informati, ma professionalmente mal preparati, e ne scopriranno le conseguenze in studi sui risultati a cinque o dieci anni. La tecnologia non è il fattore determinante. Lo sono le scelte di progettazione istituzionale attorno alla tecnologia.