Durante la conferenza annuale Optimization and Decision Science – ODS 2026 dell’Associazione Italiana di Ricerca Operativa, la sezione giovani AIROYoung ha organizzato una sessione panel interattiva per discutere delle sfide e delle opportunità che l’Intelligenza Artificiale (IA) porta con sé, sia per il mondo della ricerca sia, più in generale, sulla società. Qui di seguito, Alice Raffaele, partecipante nel pubblico, e Martina Doneda, moderatrice del panel, riassumono le questioni principali e i punti di vista emersi.

Tra il 7 e il 10 settembre 2026 a Galzignano Terme si è tenuta l’International Conference on Optimization and Decision Science – ODS 2026, il tradizionale appuntamento annuale dell’Associazione Italiana di Ricerca Operativa (AIRO). Più di 200 persone da tutta Italia e dall’estero hanno partecipato all’evento, che ha incluso: tre plenarie da parte degli invitati Renato De Leone (Università di Camerino), Kevin Tierney (University of Vienna) e Immanuel Bomze (University of Vienna); più di 150 presentazioni su contributi metodologici riguardanti ottimizzazione combinatoria, con incertezza, non lineare e machine learning, ma anche applicazioni in ambito logistica e trasporti, scheduling, healthcare, musica e didattica, con un focus particolare alla sostenibilità. D’altronde, il tema principale del convegno era proprio “Shaping Tomorrow: Optimization and Decision Science for Sustainability”. E come non discutere anche, pensando proprio al domani e al futuro, della tematica più calda del momento, anche al di fuori dai convegni di settore?

 

“Research in the Era of AI: Opportunities, Challenges, and New Frontiers”

Ci ha pensato AIROYoung, la sezione giovani di AIRO (che ha spento quest’anno dieci candeline!), a organizzare una sessione panel di quasi due ore, moderata da Martina Doneda, assegnista di ricerca dell’Università di Bergamo e attuale tesoriera di AIROYoung. Sono stati invitati quattro ricercatori e ricercatrici in diverse fasi della carriera accademica: Renata Mansini, professoressa ordinaria dell’Università di Brescia; Ettore Lanzarone, professore associato dell’Università di Bergamo; Giusy Macrina, ricercatrice a tempo determinato dell’Università della Calabria; e Antonio Candelieri, professore associato dell’Università di Milano Bicocca. Oltre a loro, nell’aula vi erano poi circa una trentina di persone che sono intervenute continuamente durante il confronto.

Da sinistra: Renata Mansini, Ettore Lanzarone, Giusy Macrina e Antonio Candelieri

La conversazione è subito entrata nel vivo dopo aver rotto il ghiaccio con la domanda generale “Quando è stata l’ultima volta che hai usato l’IA e per cosa?”.  Qualcuno ha risposto che stava usando un tool di IA durante la sessione stessa (senza specificare come). Per quanto riguarda gli usi, non è emerso nulla che chi scrive o legge non sappia già: fare riassunti di documenti, ottenere un sommario delle notizie del giorno, revisionare e controllare la grammatica di testi scritti, tradurre, formulare query strutturate e codificare alcune funzioni, oppure usare questi strumenti come motori di ricerca avanzati, per quanto ancora un po’ troppo allucinati. Nella conversazione, si è spesso fatto riferimento ai modelli di IA come dei tesisti o stagisti da supervisionare e di cui verificare attentamente quanto producono e restituiscono. Un altro paragone, suggerito da Candelieri, è quello con il personale di una biblioteca con accesso a una conoscenza molto più vasta e interdisciplinare di quella di una singola persona.

 

Una minaccia o un supporto per il pensiero critico?

I modelli di IA sono spesso impiegati per attività ripetitive e noiose, specie quelle che richiedono molto tempo. Alcuni dei partecipanti hanno affermato di delegare compiti che non richiedono l’applicazione di pensiero critico; altri hanno invece sottolineato come questi modelli possono essere usati proprio come supporto per lo stesso: un chatbot diventa una spalla dotata di pazienza infinita con cui fare brainstorming. Tuttavia, la questione è delicata.

Ipotizziamo, per esempio, di voler approfondire la letteratura scientifica relativa a un certo argomento. L’IA è estremamente efficiente nel reperire dati, indicare articoli scientifici di riferimento e fare sintesi ed elenchi puntati, senza che noi nemmeno dobbiamo aprire una singola pagina. Ma il fatto è che noi dobbiamo studiare questi lavori per acquisire conoscenza su quell’argomento, quindi qual è il vantaggio di ricorrere all’IA in questo modo? Senza avere appreso noi stessi le informazioni necessarie, ha osservato Macrina, non è detto che siamo in grado di verificare e valutare quanto ci viene restituito dall’IA. I chatbot sono programmati per dare una risposta ad ogni costo, anche quando questa risposta non esiste, allucinano, e si comportano come ruffiani, nel tentativo di compiacere l’utente. Per questo è ancora più fondamentale essere cauti e dubitare dei risultati quando si sta interpellando l’IA su qualcosa che non si conosce.

Un discorso simile vale anche per la programmazione: l’IA potrebbe essere molto utile nel scrivere codice in qualche linguaggio di programmazione che non si padroneggia, ma poi come si può essere certi che tali righe di codice facciano effettivamente quanto desiderato (e non altro)? Esperti e pubblico hanno concordato unanimemente: l’IA deve essere percepita e utilizzata come uno strumento di supporto e i suoi output devono sempre essere verificati.

Il discorso è poi virato sul concetto stesso di competenze: quali facoltà intellettive non si stanno allenando, o addirittura per niente sviluppando, ricorrendo all’IA per accelerare alcune parti del nostro lavoro? Cosa stiamo rischiando di perdere? Su cosa invece potremmo concentrarci e quali nuove abilità potremmo acquisire dal tempo che recuperiamo? E questo tempo lo recuperiamo davvero, o lo occupiamo solo diversamente, proprio per una fase più lunga di verifica?

 

Tra responsabilità e autorialità

Supponiamo poi che, dopo aver richiesto a un modello di IA di revisionare un contenuto, questo non solo individui errori di battitura e concettuali ma indichi anche come risolverli o come estendere il risultato a un caso più generale. Assumendo che questi suggerimenti siano corretti, ha chiesto Mansini, cosa sarebbe più etico fare in seguito? Molte università hanno già stabilito delle linee guida per l’utilizzo dell’IA (per esempio, vedasi i documenti dell’Università di Brescia, dell’Università di Bergamo o dell’Università di Padova).

È facile concordare sul fatto che è sempre responsabilità dell’utente controllare i risultati e includere una dichiarazione relativa a quanto effettivamente realizzato, ottenuto o revisionato con l’IA. In altre comunità, come quella di Information Retrieval, questa è già una pratica comune e diffusa. Tuttavia, come possiamo avere la certezza che questa policy, inverificabile nella realtà, venga effettivamente seguita Ancora, una dichiarazione del genere è sufficiente e possiamo considerare l’uso di tool di IA come fonte di un parere e da cui non si sta rubando alcuna idea, oppure la sua autorialità deve essere inclusa nel lavoro? Dove finisce il nostro contributo e dove inizia quello dell’IA? Sono davvero arrivati i matematici artificiali?

Partecipata discussione durante la sessione panel

 

L’avanzamento di carriera, la valutazione delle competenze e l’impatto sulla didattica

Se l’IA, come già si sta vedendo in sempre più presentazioni e articoli scientifici, sarà impiegata non solo per i compiti “noiosi” ma anche per le parti più metodologiche, come si potranno valutare i curricula di ricercatori e ricercatrici da assumere (soprattutto quelli più young!) con l’attuale logica di publish or perish e corsa all’h-index che permea il sistema accademico sia in Italia sia all’estero?

Come si farà a comprendere se una persona candidata a una posizione possiede davvero le competenze che dichiara di avere, o che sembrano implicate dalle sue pubblicazioni? Forse sarà la volta buona che cambieranno i criteri di valutazione? Come provocazione, esiste anche uno scenario in cui non ci sarà nemmeno più bisogno di valutare curricula: dato un budget a disposizione per un progetto, si potrebbe anche decidere di sfruttarlo per l’abbonamento più costoso al modello più avanzato e performante di IA disponibile, e non assumere giovani dottorandi o postdoc (che probabilmente userebbero, almeno in parte, l’IA per svolgere i loro compiti), rimpiazzandoli direttamente con numerosi agenti al loro posto. Non rischia di perdersi la formazione, la guida e il mentoraggio delle figure più giovani?

Dal pubblico è poi arrivata una domanda collegata sempre all’apprendimento in accademia, ma riguardante la seconda missione, la didattica: cosa dovrebbero sapere e saper fare delle persone che si sono appena laureate? L’IA, specialmente nell’ultimo anno, è stata largamente adoperata da studenti e studentesse per studiare, realizzare progetti, superare esami. È vero che si sono sempre trovati modi per copiare e barare agli esami, ma tra smartphone, smartwatch, occhiali e penne intelligenti, è diventato ancora più difficile controllare. Bisognerà ricorrere esclusivamente alle interrogazioni orali? 

C’è da ripensare e rivoluzionare non solo gli esami ma l’intera didattica, mantenendo però quello che dovrebbe essere il ruolo principale del corpo docente: quello di insegnare a mettersi alla prova, a porsi e a rispondere alle domande giuste e, soprattutto, a capire il perché delle risposte. E cosa sarà poi delle future generazioni? Come dovrà adattarsi la didattica anche a livello di scuole primarie e secondarie?

 

Tempus fugit

Per mancanza di tempo, non si è riusciti a discutere di altri argomenti rilevanti e inerenti all’IA ma che sono stati soltanto accennati, quali, per esempio: il garantire equità di accesso agli stessi modelli a chiunque, soprattutto a coloro le cui università non hanno fondi per pagare sottoscrizioni o risorse computazionali, per evitare di ampliare ancora di più le differenze e il divario tra enti più e meno ricchi; l’oligopolio di aziende che offrono questi modelli di IA, i loro risultati e comportamenti recenti e il disallineamento tra i loro obiettivi e quelli della comunità matematica; le conseguenze in ambito sostenibilità ambientale, tra la costruzione di sempre più datacenter e il consumo di acqua; o problemi di privacy e sicurezza.

Il discorso è talmente complesso e ampio che due ore scarse hanno consentito solo di analizzare solo alcuni aspetti del problema. Possono i chatbot appianare le difficoltà di chi non è madrelingua inglese nella produzione scientifica? Il prompt engineering dovrebbe diventare materia di studio? Oppure, se chi studia usa già l’IA fuori dall’aula, ha senso vietarla al suo interno, o stiamo solo proteggendo un modello di insegnamento ormai obsoleto dato l’affermarsi di questa tecnologia? Considerando l’interesse nel tema e la rapidità di evoluzione del fenomeno, vi invitiamo già ora alla prossima sessione panel di AIROYoung ad ODS 2027, che riprenderà il filo del discorso e includerà tutti gli sviluppi e progressi che ci saranno prossimamente.

 

Da una crisi, delle opportunità?

Cosa significherà fare ricerca nel giro di qualche anno, di qualche mese? Come cambierà il nostro modo di lavorare?

Non abbiamo purtroppo risposte precise, forse anche perché, rispetto alle innovazioni e rivoluzioni del passato, il progresso dell’IA si sta muovendo a una velocità ben più alta, con novità e avanzamenti quasi ogni settimana, e non abbiamo quindi il tempo necessario di fermarci a riflettere, ponderare e capire.

Chissà se gli articoli scientifici come li produciamo oggi scompariranno, non più documenti statici ma entità dinamiche, oggetti a cui tutti potranno contribuire per una ricerca più distribuita. Evolverà il modo in cui genereremo nuovi problemi; forse sarà più difficile identificare quelli interessanti perché ciò che ora reputiamo tale verrà risolto dall’IA (o tramite essa) molto più rapidamente che in passato; ciò non toglie che dovrà comunque essere rivisto, compreso, e magari tradotto, formalizzato diversamente e in maniera più accessibile, per poter essere comunicato e passare dall’essere una risposta a essere una soluzione.

La nostra ricerca tuttavia non potrà limitarsi soltanto al fornire nuove domande. Dovranno rimanere solide l’integrità e l’etica professionale, la dimensione umana e il valore della collaborazione, così come tutti gli altri assenti in questi strumenti artificiali; l’IA non ci sostituirà; i senior, coloro con una posizione già stabile, dovranno cercare di farsi sentire o influenzare chi ha potere decisionale a livello di università e autorità locali, nazionali e internazionali. Si dovrà continuare a investire e formare i giovani, e si dovrà continuare a immaginare, sognare, nonché, come ha detto Lanzarone, pensare fuori dagli schemi per restare fuori dai training set.

Alice Raffaele e Martina Doneda

Disclaimer: Questo articolo non è stato scritto utilizzando strumenti di IA.