Gli accademici devono svegliarsi sull'IA

Questo articolo è ispirato da un’ondata di recenti scritti legati all’IA da parte di persone che rispetto: Dan Williams, Alex Imas, Ben Ansell, Tibor Rutar, scott cunningham, Kevin Munger, Hollis Robbins, Claude (sì!) Blattman, Kevin Bryan, Andy Hall, Kelsey Piper, Sean Westwood e molti altri. Quindi qui continuo la tradizione di scrivere le opinioni che disturbano ma sono necessarie.

Studio l’immigrazione e l’opinione pubblica, non l’IA. Ma ho trascorso gli ultimi mesi guardando l’IA trasformare il mio flusso di lavoro di ricerca, e ho alcune cose da dire ai miei colleghi. Per la prima volta nella mia vita, genuinamente non so come sarà il mondo accademico tra cinque anni.¹ Anche se il progresso si fermasse completamente e rimanessimo bloccati con i modelli attuali per sempre, i cambiamenti già in corso trasformeranno il mio campo di ricerca accademica e pubblicazione in modo irriconoscibile. Lo status quo è insostenibile. Potrebbe richiedere tempo, perché il mondo accademico è l’istituzione più dispositivamente conservatrice del pianeta. Ma cambierà.

Ecco dieci tesi per i miei colleghi, la maggior parte dei quali sembra ancora ignara.

1. L’IA sa già fare ricerca nelle scienze sociali meglio della maggior parte dei professori.

Questa non è un’iperbole. Tibor Rutar ha recentemente descritto la generazione di un intero articolo di ricerca usando solo prompt IA, producendo un lavoro che considera pubblicabile in riviste del primo quartile. Paul Novosad ha riferito di aver ottenuto risultati simili in 2-3 ore. Yascha Mounk afferma che Claude può produrre un articolo di teoria politica di qualità pubblicabile in meno di due ore con un feedback minimo. Scott Cunningham stima che la creazione di un manoscritto ora costa all’incirca 100 dollari di servizi di editing più un abbonamento a Claude.

E questo va ben oltre il macinare numeri o l’esecuzione di codice Stata preesistente. Sì, ciò che sto affermando qui è che i LLM producono eccellenti rassegne della letteratura e generano feconde ricombinazioni di idee esistenti. Siamo onesti: gli accademici non sono stati particolarmente bravi a scrivere, e l’IA può rendere le vostre idee molto più accessibili alle persone che ne hanno effettivamente bisogno. Ma un uso efficace richiede investimento: Aziz Sunderji descrive la costruzione di un file di istruzioni di circa 200 righe che codifica il suo flusso di lavoro di ricerca, le scelte di giudizio e i limiti comportamentali. Questo richiede una competenza.

2. L’articolo accademico è un formato morto che cammina.

Sean Westwood l’ha detto senza mezzi termini: “L’IA fa le rassegne della letteratura meglio. L’IA farà la peer review. Gli utenti scorreranno i riassunti dell’IA. La vera scienza è la domanda, il piano di pre-analisi e l’analisi. L’articolo di 30 pagine è solo carta regalo residuale.” È stato crocifisso su Bluesky per aver detto questo. Ma ha assolutamente ragione, e la reazione negativa prova il suo punto: il campo non riesce nemmeno a discutere l’ovvio senza chiudersi a riccio. Arthur Spirling ha anche ragione che abbiamo bisogno di conversazioni su cosa sia un articolo, cosa significhi “revisione”, e il ruolo corretto dell’IA generativa. Forse sarebbe una buona cosa se l’IA ci spingesse finalmente a superare un sistema in cui le università spendono i soldi dei contribuenti per pagare editori commerciali per produrre molto lentamente PDF² a pagamento con risultati obsoleti di ricerche finanziate con fondi pubblici.

3. Il sistema delle riviste commerciali potrebbe non sopravvivere.

L’ultimo articolo di Cunningham modella la matematica. Se la creazione di un manoscritto scende a un paio d’ore e circa 100 dollari, le sottomissioni potrebbero aumentare di cinque volte mentre i posti nelle riviste restano fissi. I tassi di rifiuto al desk passerebbero da circa il 50% a circa il 90%. Il modello di ricavo crolla. La peer review, già sotto sforzo, diventa impossibile su scala. Kevin Munger argomenta a favore di tariffe di sottomissione, revisori pagati, revisione post-pubblicazione e screening assistito da LLM. La domanda è se le riviste si adattano o vengono aggirate. La mia scommessa è che la maggior parte verrà aggirata.

4. Gli accademici applicano all’IA doppi standard assurdi.

L’allucinazione di contenuti è preoccupante, e i ricercatori dovrebbero sempre verificare le loro fonti. Ma proprio come con le auto a guida autonoma, abbiamo bisogno di un punto di riferimento: gli scrittori umani citano superficialmente articoli basandosi sull’abstract da sempre. Le riviste pubblicano già studi con errori nei dati, risultati ottenuti con p-hacking e scoperte non replicabili a tassi allarmanti. Una stima colloca la quota di articoli pubblicati genuinamente utili intorno al 4%. Un LLM che occasionalmente allucina una citazione compete contro un sistema che abitualmente produce scienza-spazzatura vestita con abbastanza gergo da superare la revisione. Se applicassimo lo stesso scetticismo alla ricerca prodotta da umani che applichiamo all’output dell’IA, chiuderemmo metà delle riviste domani.

5. I ricercatori junior affrontano la più grande disruption e opportunità.

Questa è probabilmente una cattiva notizia per i giovani accademici che cercano di avanzare nelle loro carriere nel mezzo di questo sconvolgimento. Jason Fletcher argomenta che la logica strategica della tenure non è cambiata — sopravvivere prima al filtro — ma l’IA altera fondamentalmente come ci si arriva. I costi di preparazione dell’insegnamento diminuiscono. La pulizia dei dati e il debugging vengono delegati all’IA. Il collo di bottiglia si sposta dall’esecuzione alla verifica e al pensiero originale.

Gauti Eggertsson osserva che i rendimenti sul pensiero concettuale e le idee originali sono ora relativamente più alti rispetto al lavoro tecnico di routine. Un ricercatore junior con buone idee e Claude Code può ora produrre ricerca a un ritmo che avrebbe richiesto un intero laboratorio alcuni anni fa. Ma lo stesso vale per tutti gli altri, e i criteri di valutazione non si sono aggiornati.³

6. Non prevedo più un ruolo di assistente di ricerca nel mio flusso di lavoro.

Penso ancora che sia inestimabile avere mentee e coautori. Ma il loro ruolo sta cambiando rapidamente. Non assumerò qualcuno per pulire dati, eseguire regressioni o redigere rassegne della letteratura quando l’IA fa tutto questo più velocemente e a costo trascurabile. Ciò che voglio dai collaboratori è pensiero originale, competenza nel dominio e sfida intellettuale. Questa è una perdita genuina per il tradizionale modello di apprendistato, e non ho una risposta chiara su come sostituirlo. Il quadro complementare di Fletcher — l’IA produce analisi iniziali, i ricercatori umani replicano indipendentemente da zero — punta in una direzione promettente. Ma è chiaro che la tendenza verso una maggiore co-autoria nelle scienze sociali, ad esempio, potrebbe invertirsi molto presto.

7. Molta dell’opposizione all’IA è protezione dello status mascherata da principio.

Di recente mi sono chiesto su Twitter quanto del disgusto per i segni rivelatori dell’IA sia fondamentalmente una nuova versione del controllo grammaticale — persone che fanno rispettare marcatori di status attraverso il gatekeeping linguistico. Kevin Bryan l’ha detto chiaramente: “Capisco il desiderio di ricerca artigianale, fatta a mano, con le matrici invertite a mano. Ma il nostro lavoro è far avanzare la frontiera della conoscenza, non l’autorealizzazione.”

Dan Williams ha scritto in modo persuasivo su come la disinformazione colta fiorisca all’interno di istituzioni dove quasi tutti condividono gli stessi pregiudizi. Penso che qualcosa di simile stia accadendo con il negazionismo dell’IA. Molti accademici — specialmente quelli concentrati su Bluesky⁴ e, sospetto, quelli completamente offline — sono in completa negazione su ciò che sta già succedendo. Chris Blattman è passato dall’essere scettico di Claude Code a costruire un intero toolkit di flusso di lavoro IA in poche settimane. Robert Wright ha recentemente ospitato Alex Hanna e Emily Bender che argomentavano che i LLM sono inutili. Persone intelligenti che affermano che uno strumento che milioni trovano utile è fondamentalmente rotto. Questo atteggiamento presuntuoso è esattamente il motivo per cui i populisti stanno vincendo, e si applica al negazionismo dell’IA tanto quanto alla politica.

8. Le preoccupazioni produttive riguardano sicurezza e verifica.

La mia sfida per chiunque respinga le capacità dell’IA: passate una settimana da soli in una stanza con Claude Code o Codex. Non il chatbot — l’agente. La maggior parte delle persone pensa ancora all’IA come a un motore di ricerca che a volte inventa cose. Non hanno idea di cosa possano fare i sistemi IA agentici.

Concentrarsi sul fatto che i LLM “comprendano veramente” o producano conoscenza “reale” è un lusso filosofico che distoglie dalle cose di cui vale la pena preoccuparsi. Come verifichiamo le affermazioni generate dall’IA su scala? Come preveniamo il p-hacking? Il team di Andy Hall ha scoperto che gli agenti IA sono sorprendentemente resistenti al p-hacking compiacente — ma possono essere aggirati con uno sforzo modesto. Come proteggiamo i dati sensibili quando gli strumenti IA accedono ai repository istituzionali? Come ci assicuriamo che i rispondenti ai sondaggi online siano reali? Questi sono problemi risolvibili di ingegneria e progettazione istituzionale, del tipo che Hollis Robbins chiama sfide dell’“ultimo miglio” — cose che vivono ai margini dell’expertise, nel contestuale e nell’irrisolto. Dibattere se Claude sia “davvero” intelligente è come dibattere se una calcolatrice faccia “davvero” matematica mentre il vostro concorrente finisce il compito.

9. Stiamo per avere una scienza molto migliore.

Ci sono alcune note positive, tuttavia. Nel mio campo, l’immigrazione: ora possiamo catalogare automaticamente i cambiamenti nelle politiche e nell’opinione tra i paesi e suggerire correzioni in tempo reale. Possiamo costruire algoritmi per abbinare meglio rifugiati e migranti alle comunità di destinazione. Possiamo assicurarci che ricerca e evidenze siano accessibili ai decisori politici e agli elettori che non leggono mai una rivista accademica.

Più concretamente, Yamil Velez e Patrick Liu costruiscono disegni sperimentali generati dall’IA dal 2022; esperimenti Qualtrics su misura possono ora essere creati in 15 minuti tramite prompt. Il lavoro di Velez indica qualcosa di ancora più grande: l’IA non solo accelera i metodi di sondaggio esistenti, rende possibili forme interamente nuove di sondaggi interattivi e adattivi — disegni che sarebbe stato impraticabile programmare manualmente. David Yanagizawa-Drott è andato ancora oltre, lanciando un progetto per produrre 1.000 articoli di economia con l’IA — non come provocazione, ma come stress test di ciò che accade quando il costo di generare ricerca scende a quasi zero.

Anche i non madrelingua inglesi possono beneficiare enormemente: ricercatori al Cairo, San Paolo e Jakarta possono ora produrre prosa che si legge bene quanto qualsiasi cosa esca da Cambridge o Stanford. Eggertsson sospetta che l’IA eroderà il monopolio che le migliori università statunitensi hanno goduto a lungo, poiché il loro vantaggio si basava in parte sulla trasmissione della conoscenza che ora è quasi istantanea. Se vi sta a cuore democratizzare la scienza, questo conta più della maggior parte delle cose su cui le università spendono denaro.

10. A parte gli scenari apocalittici, l’IA è genuinamente entusiasmante.

Sì, ci sono rischi reali. Lo spostamento di posti di lavoro per alcuni accademici (e la maggior parte delle altre persone) non è ipotetico. Le preoccupazioni sull’allineamento e la sicurezza sono genuine, anche se improbabili da realizzarsi negli scenari peggiori. Le prendo sul serio e temo un po’ il nostro futuro incerto.

Ma ecco ciò a cui continuo a tornare: l’IA è utile e divertente. La mia sensazione è che il gruppo “l’IA agenticà ci sta rendendo stupidi” abbia probabilmente ragione su alcune cose. Ma ho anche notato che la mia soglia di procrastinazione si è alzata. Invece di scorrere notizie deprimenti, ora mi rilasso provando progetti secondari in Claude Code. Potrebbe essere la forma più produttiva di non-lavoro che esista. Ho fatto vibecoding di alcuni progetti piuttosto entusiasmanti nelle ultime settimane. Restate sintonizzati.

Il saggio Yiqing Xu consiglia a tutti di fare una pausa di un mese per rivalutare e riprogettare il proprio flusso di lavoro, poi riprendere. Sono d’accordo. Il ritorno sarà grande. Chiudetevi in una stanza con Claude Code e vedete cosa succede.

P.S. Questo post è stato interamente generato e pubblicato su Substack dall’IA agenticà usando il mio nuovo flusso di lavoro Claude Code (Opus 4.6). Fate di queste informazioni ciò che volete.

P.P.S. Cioè, interamente generato sulla base dei miei post artigianali e scritti a mano sui social media e dei miei pensieri sull’argomento. Quindi chi lo ha scritto, davvero? Ditelo voi.