Le università dovrebbero consentire agli studenti di usare l’intelligenza artificiale generativa nei lavori accademici?

Argomentazione iniziale

Fase completata dal primo oratore di entrambe le parti, con struttura chiara, linguaggio fluido, logica coerente e corretta esposizione della posizione. Gli argomenti presentati sono tre, convincenti, con profondità e innovazione.

Argomentazione iniziale della parte affermativa

Immaginate di chiedere a un architetto di progettare un ponte senza software di calcolo strutturale, o a un ricercatore medico di analizzare dataset genomici senza algoritmi di pattern recognition. Sarebbe un atto di nostalgia, non di rigore. La domanda che ci poniamo oggi non è se la tecnologia stia cambiando l’università, ma se l’università avrà il coraggio di guidare questo cambiamento o di subirlo. Sosteniamo fermamente che le università debbano consentire, regolamentare e integrare l’uso dell’intelligenza artificiale generativa nei lavori accademici. Non come scorciatoia, ma come strumento di potenziamento cognitivo e come nuovo standard di literacy accademica.

Il nostro primo argomento riguarda l’evoluzione pedagogica e la preparazione al futuro professionale. Il mercato del lavoro di domani non premierà chi sa produrre un testo in tre ore, ma chi sa interrogare, validare, contestualizzare e orchestrare sistemi intelligenti. Consentire l’IA generativa nei lavori universitari non significa delegare il pensiero, significa insegnare la literacy algoritmica: la capacità di costruire prompt critici, di riconoscere allucinazioni statistiche, di integrare output sintetici in un ragionamento originale. L’università che vieta l’IA crea un divario tra formazione e realtà, consegnando laureati impreparati a un ecosistema lavorativo già ibridato uomo-macchina.

Il secondo argomento tocca l’equità e la democratizzazione del sapere. L’IA generativa, se resa accessibile e guidata da linee guida trasparenti, agisce come un equalizzatore strutturale. Per studenti con disturbi specifici dell’apprendimento, per chi studia in una lingua non materna, o per chi proviene da contesti con minori risorse di tutoraggio, l’IA funziona da editor paziente, da traduttore concettuale, da ponte verso la piena espressione del proprio potenziale. Vietarne l’uso in nome di un presunto merito puro significa cristallizzare le disuguaglianze pregresse, trasformando la difficoltà di accesso in un filtro sociale mascherato da tradizione accademica.

Il terzo argomento ridefinisce il concetto stesso di rigore universitario. Se un modello statistico può generare un saggio formalmente corretto, forse il nostro metro di valutazione era troppo legato alla forma, alla memorizzazione e alla produzione meccanica. L’IA ci costringe a spostare il focus dalla stesura passiva alla sintesi attiva, dalla ripetizione all’originalità concettuale, dalla conformità alla capacità di argomentare, verificare e contestualizzare. Il rigore non scompare; si eleva. L’università deve valutare il processo critico, non solo il prodotto finale, e l’IA è il catalizzatore che rende questa transizione inevitabile e necessaria.

Ci diranno che l’IA mina l’integrità accademica. Ma l’integrità non risiede nel proibire gli strumenti, risiede nel dichiararne l’uso, nel citarli, nel governarli con trasparenza e responsabilità. Le università non sono musei del sapere, sono fucine del futuro. Consentire l’intelligenza artificiale generativa non significa arrendersi alla macchina, significa insegnare agli studenti a guidarla, a interrogarla e a farne un’estensione consapevole del proprio intelletto.

Argomentazione iniziale della parte negativa

Quando un atleta assume un potenziatore, non vince la gara: la svuota di significato. L’educazione universitaria non è una fabbrica di output, è una palestra della mente. Ci opponiamo alla liberalizzazione dell’intelligenza artificiale generativa nei lavori accademici. Non per luddismo o per paura del progresso, ma per la difesa del processo cognitivo, dell’integrità epistemica e della voce intellettuale autentica. La nostra posizione è chiara: l’università deve preservare lo spazio sacro della riflessione autonoma, limitando l’uso dell’IA generativa a funzioni di supporto marginale e vietandone l’impiego nella produzione sostanziale dei lavori valutati.

Il nostro primo argomento riguarda l’erosione dello sviluppo cognitivo e del pensiero critico. Il valore formativo dell’università risiede nella fatica del pensiero. Scrivere, ricercare, strutturare un argomento, confrontarsi con il vuoto della pagina bianca non sono compiti burocratici: sono i percorsi neurali attraverso cui si costruisce la capacità di analisi, di sintesi e di argomentazione autonoma. Delegare la stesura o la rielaborazione concettuale a un modello probabilistico significa bypassare il conflitto cognitivo necessario all’apprendimento profondo. Si ottiene un prodotto levigato, ma si perde il processo che trasforma lo studente in pensatore.

Il secondo argomento tocca la crisi epistemica e la fiducia accademica. L’intelligenza artificiale generativa non conosce la verità; conosce la probabilità. Allucina, cita fonti inesistenti, riproduce bias strutturali e normalizza il pensiero medio. Inserirla nel cuore della valutazione universitaria mina la fiducia epistemica su cui si fonda l’intero edificio accademico. Come possiamo certificare competenze se non sappiamo più distinguere tra un ragionamento umano e una simulazione algoritmica? La trasparenza dichiarata non risolve il problema della valutazione autentica, perché l’IA non è un semplice strumento di scrittura: è un generatore di contenuti che altera la natura stessa della prova intellettuale.

Il terzo argomento riguarda l’omologazione culturale e la perdita della voce autoriale. L’IA tende alla media statistica. I suoi output sono levigati, convenzionali, privi di quella imperfezione creativa, di quel rischio intellettuale e di quella soggettività che caratterizzano il pensiero originale. L’università deve coltivare voci distinte, non cloni testuali. Consentire l’IA generativa nei lavori accademici rischia di appiattire la diversità intellettuale, trasformando la ricerca in un esercizio di ottimizzazione algoritmica e la scrittura in un processo di assemblaggio passivo. La conoscenza non si misura in efficienza, ma in profondità umana.

Ci risponderanno che è inevitabile e che basta regolamentare. Ma la regolamentazione non restituisce il tempo perso a pensare, né ricostruisce i percorsi neurali bypassati. L’università non deve inseguire l’efficienza industriale; deve proteggere lo spazio della riflessione autonoma, della lentezza necessaria, della fatica che genera consapevolezza. Non siamo contro la tecnologia, siamo contro la sua sostituzione al cuore dell’esperienza formativa. Il divieto non è un muro contro il progresso, è un argine per preservare ciò che rende umano l’apprendere: la capacità di pensare da soli, prima di pensare con gli altri, e prima di pensare con le macchine.

Confutazione dell'argomentazione iniziale

Fase svolta dal secondo oratore di entrambe le parti, mirata a confutare gli interventi della fase di argomentazione iniziale dell’avversario, integrare i punti di vista della propria argomentazione, espandere la direzione della propria tesi e consolidare la posizione.

Confutazione del secondo oratore affermativo

Confutazione dell'intervento del primo oratore negativo

L’opposizione ci dipinge un’immagine romantica dell’università come palestra della mente, dove la fatica solitaria e il confronto con la pagina bianca sono gli unici percorsi legittimi verso la conoscenza. Ma questa visione ignora un dato storico e pedagogico fondamentale: ogni salto tecnologico è stato inizialmente percepito come una minaccia alla purezza cognitiva. La calcolatrice non ha spento il pensiero matematico; lo ha liberato dalla meccanica aritmetica per concentrarlo sulla modellazione e sulla risoluzione di problemi complessi. L’intelligenza artificiale generativa non è un potenziatore che svuota la gara, è un moltiplicatore di capacità che sposta il campo di gioco. Vietarla non preserva il pensiero; lo confina in un’anacronistica torre d’avorio, mentre il mondo reale corre altrove.

Si parla di erosione cognitiva, ma la vera erosione avviene quando gli studenti usano l’IA di nascosto, senza guida, senza metodo. Consentirne l’uso significa trasformare un rischio in una competenza strutturata. La fatica del pensiero non scompare; si trasforma. Non si tratta più di produrre tre pagine di testo da zero, ma di interrogare criticamente un output, verificarne le fonti, smontarne i bias, integrarlo in una tesi originale. Questo è pensiero critico di livello superiore, non delega. L’università che vieta l’IA non protegge la mente; la lascia disarmata di fronte a strumenti che gli studenti useranno comunque, ma senza supervisione accademica.

Quanto alla crisi epistemica, l’opposizione confonde il sintomo con la malattia. Le allucinazioni dell’IA non sono un motivo per bandirla, ma il motivo per cui deve essere insegnata. L’università ha il dovere di formare cittadini epistemicamente vigili, non di nascondere loro gli strumenti che dovranno usare. Se un modello statistico inventa una citazione, lo studente deve imparare a riconoscerlo, a incrociare i dati, a costruire una catena di verifica. Questo è il nuovo rigore. La trasparenza dichiarata non è una scappatoia; è il fondamento di una nuova etica della ricerca, dove l’onestà intellettuale si misura nella capacità di tracciare, citare e validare, non nel fingere che la tecnologia non esista.

Infine, l’omologazione culturale è un rischio solo se l’IA viene usata passivamente. Ma in un contesto accademico regolamentato, l’IA diventa un interlocutore dialettico. Non appiattisce la voce autoriale; la costringe a definirsi meglio. Lo studente non copia; dialoga, contesta, rielabora. La nostra proposta non è la liberalizzazione selvaggia, ma l’integrazione pedagogica: valutazione del processo, difese orali, tracciamento delle iterazioni, corsi di literacy algoritmica. L’università che vieta l’IA non protegge la mente; la lascia impreparata a un futuro in cui la collaborazione uomo-macchina sarà la norma, non l’eccezione.

Confutazione del secondo oratore negativo

Confutazione degli interventi del primo e secondo oratore affermativo

L’affermativo ci propone una narrazione seducente: l’IA come calcolatrice del linguaggio, la fatica che si trasforma, la trasparenza che risolve tutto. Ma questa analogia regge solo in superficie. La calcolatrice automatizza il calcolo, non il ragionamento. L’IA generativa automatizza la sintesi, la struttura argomentativa e persino la voce stilistica. Non è un moltiplicatore di capacità; è un sostituto del processo cognitivo fondamentale. Quando si delega la rielaborazione concettuale a un modello probabilistico, non si sta spostando il campo di gioco, si sta eliminando il campo stesso. La differenza tra strumento e sostituto non è retorica; è epistemologica.

Si parla di equità, ma si ignora la realtà materiale dell’accesso. I modelli più avanzati sono a pagamento, richiedono competenze tecniche, e sollevano gravi questioni di privacy e proprietà intellettuale. Consentire l’IA non democratizza il sapere; crea un nuovo divario tra chi può permettersi il premium e chi si accontenta della versione base, tra chi sa ingegnerizzare i prompt e chi ne subisce l’output. Inoltre, la dipendenza algoritmica non è empowerment. È un’atrofia progressiva della capacità di strutturare un pensiero autonomo. L’equità non si ottiene normalizzando la dipendenza da un servizio esterno; si ottiene garantendo che ogni studente sviluppi le competenze di base prima di affidarsi a un intermediario digitale.

L’affermativo propone la valutazione del processo e le difese orali come soluzione. Ma è una proposta amministrativamente insostenibile e pedagogicamente fragile. Come si traccia un processo quando l’IA può generare bozze, revisioni e persino simulazioni di dialogo in pochi secondi? Le difese orali non scalano, e trasformano l’università in un esame continuo di performance, non di apprendimento. La trasparenza dichiarata, poi, non risolve il problema della valutazione autentica: se lo studente dichiara di aver usato l’IA per il settanta percento del lavoro, cosa stiamo certificando? La sua capacità di fare prompt o la sua competenza disciplinare? Il titolo di laurea perde valore quando diventa un attestato di efficienza algoritmica invece che di padronanza intellettuale.

La nostra posizione non è il luddismo, è la difesa di spazi cognitivi non negoziabili. L’università deve preservare zone AI-free per le competenze fondazionali: scrittura accademica, analisi testuale, costruzione argomentativa. Solo dopo aver consolidato queste basi, l’IA può essere introdotta come strumento di ricerca avanzata, non come sostituto della produzione valutata. L’integrità accademica non è un ostacolo al progresso; è il fondamento senza il quale il titolo di studio perde valore. Non stiamo costruendo un muro contro il futuro. Stiamo tracciando un confine necessario per garantire che, quando gli studenti parleranno con le macchine, abbiano prima imparato a pensare da soli.

Interrogatorio incrociato

Fase completata dal terzo oratore di entrambe le parti, che prepara tre domande basate sulle opinioni dell’avversario e sulla propria posizione. Il terzo oratore di una parte pone una domanda ciascuno al primo, secondo e quarto oratore dell’altra parte, che devono rispondere senza evitare le domande. I terzi oratori si alternano nel porre domande, iniziando dalla parte affermativa. Le domande e le risposte sono profonde, innovative, acute, dirette e umoristiche. Al termine, i terzi oratori fanno un breve riassunto delle risposte dell’avversario, iniziando dalla parte affermativa.

Domande del terzo oratore affermativo

Contenuto dell'interrogatorio del terzo oratore affermativo e risposte della parte negativa

Terzo oratore affermativo al primo oratore negativo: Avete paragonato l’IA a un potenziatore che svuota la gara di significato. Ma se uno studente usa un potenziatore di nascosto, la gara è già truccata. Perché preferite un divieto che spinge l’IA nel mercato nero accademico, invece di una regolamentazione che trasforma il cheating in una competenza verificata e governata?

Primo oratore negativo: Perché il mercato nero esiste già, ma la nostra risposta non è legalizzarlo. È potenziare i controlli e la pedagogia della fatica. Se normalizziamo il potenziatore, cambiamo le regole del gioco: non valutiamo più la resistenza cognitiva, ma la capacità di dosare la sostanza. La trasparenza non restituisce i neuroni che non si sono attivati. Preferiamo un divieto chiaro a un permesso che trasforma l’università in un laboratorio di ottimizzazione algoritmica.

Terzo oratore affermativo al secondo oratore negativo: Parlate di crisi epistemica e allucinazioni statistiche. Ma i database accademici tradizionali sono pieni di bias, errori di traduzione e citazioni errate. Perché l’IA è un virus da eradicare e non un nuovo paziente da diagnosticare? Se l’università insegna a verificare le fonti, perché non può insegnare a verificare l’algoritmo?

Secondo oratore negativo: Perché l’errore umano è tracciabile, contestabile e soggetto a responsabilità diretta. L’allucinazione algoritmica è opaca, scalabile e si presenta con l’autorevolezza di un testo finito. Insegnare a verificare l’IA è utile, ma non può sostituire la costruzione autonoma del sapere. Non si impara a nuotare leggendo un manuale sull’idrodinamica mentre si sta su una barca a motore. La verifica è un’attività successiva alla comprensione, non un suo surrogato.

Terzo oratore affermativo al quarto oratore negativo: Proponete zone AI-free per le competenze fondazionali. Ma il mercato del lavoro non aspetta che lo studente finisca il triennio per introdurre l’IA. Se l’università forma professionisti con strumenti del 2015 per un mondo del 2025, non sta forse tradendo la sua missione di preparazione al futuro? Come giustificate questo divario tra aula e realtà?

Quarto oratore negativo: L’università non è un centro di addestramento professionale immediato. È un’istituzione che preserva i fondamenti epistemici. Se un medico impara a diagnosticare solo con l’IA, cosa fa quando il server cade? Le competenze fondazionali sono la rete di sicurezza. Il divario non è tra 2015 e 2025, è tra dipendenza e autonomia. Preferiamo laureati lenti ma solidi, che veloci ma fragili. La velocità senza struttura è solo rumore.

Riassunto dell'interrogatorio della parte affermativa

Le risposte della controparte rivelano una difesa statica che confonde la protezione con l’isolamento. Hanno ammesso che il mercato nero esiste, ma hanno scelto di ignorarlo piuttosto che governarlo. Hanno equiparato l’IA a un errore umano, ignorando che la differenza sta nella scalabilità e nella necessità di una nuova literacy, non nel divieto. Infine, hanno giustificato il divario formativo con un’idealizzazione della lentezza, dimenticando che l’università ha il dovere di preparare alla realtà, non di costruire un rifugio temporale. La loro posizione non protegge il pensiero; lo congela in un’epoca che non esiste più.

Domande del terzo oratore negativo

Contenuto dell'interrogatorio del terzo oratore negativo e risposte della parte affermativa

Terzo oratore negativo al primo oratore affermativo: Avete definito l’IA un equalizzatore strutturale. Ma i modelli più performanti sono a pagamento, richiedono competenze di prompt engineering e sollevano dubbi sulla privacy dei dati. Come può uno strumento commercializzato e tecnicamente selettivo democratizzare il sapere, invece di creare un nuovo divario tra chi ha il premium e chi si accontenta della versione base?

Primo oratore affermativo: Il divario esiste già: chi ha tutor privati, chi ha biblioteche ben fornite, chi ha tempo libero per studiare. L’IA, anche nella versione base, offre un livello di supporto senza precedenti. La soluzione non è vietare lo strumento, ma fornire licenze istituzionali e corsi di accesso. L’equità si costruisce regolando l’accesso, non negandolo. È come dire che i computer non sono democratici perché non tutti hanno un MacBook Pro.

Terzo oratore negativo al secondo oratore affermativo: Proponete la valutazione del processo e le difese orali come antidoto. Ma se l’IA può generare bozze, revisioni e persino simulare interrogatori in pochi secondi, come distinguete un processo autentico da uno simulato? Non rischiate di trasformare l’università in un tribunale della tracciabilità, dove si valuta la capacità di fingere un percorso invece che la competenza?

Secondo oratore affermativo: La tracciabilità non è un tribunale, è una prassi scientifica. Si valutano le iterazioni, le scelte critiche, le correzioni. L’IA può simulare, ma non può sostituire la coerenza intellettuale di uno studente sotto pressione. Inoltre, le difese orali non servono a smascherare, ma a verificare la padronanza. È faticoso? Sì. Ma è l’unico modo per certificare competenze reali in un’era sintetica. La fatica amministrativa è il prezzo della validità accademica.

Terzo oratore negativo al quarto oratore affermativo: Sostenete che l’IA costringa la voce autoriale a definirsi meglio. Ma i modelli generativi sono ottimizzati sulla media statistica e sulla convenzionalità. Se lo studente dialoga con un algoritmo che appiattisce le eccezioni, non sta forse allenandosi a produrre un pensiero levigato e standardizzato? Dove finisce l’originalità e inizia l’assemblaggio?

Quarto oratore affermativo: L’originalità non nasce dal vuoto, nasce dal confronto. L’IA non è il punto di arrivo, è il punto di partenza. Lo studente non copia la media; la contesta, la devia, la personalizza. È come un musicista che usa un metronomo: non suona come il metronomo, lo usa per trovare il proprio ritmo. L’assemblaggio diventa creazione quando c’è regia critica. La standardizzazione è un rischio solo se manca la guida pedagogica.

Riassunto dell'interrogatorio della parte negativa

Le risposte dell’affermativo si reggono su presupposti istituzionali irrealistici e su una fiducia eccessiva nella capacità di tracciare l’intangibile. Hanno liquidato il divario digitale con un’analogia informatica che ignora la natura proprietaria e opaca dei modelli linguistici. Hanno trasformato la valutazione del processo in un esercizio di resistenza burocratica, senza spiegare come si certifichi l’autenticità quando l’IA può generare l’intero percorso in pochi minuti. Infine, hanno confuso l’editing con il pensiero, presentando la regia critica come una bacchetta magica che trasforma la media statistica in originalità. La loro proposta non integra l’IA; la subisce, sperando che la burocrazia accademica possa tenere il passo con la velocità algoritmica.

Dibattito libero

Fase con tutti e quattro gli oratori di entrambe le parti, che intervengono alternandosi con collaborazione e coordinamento. Il dibattito libero inizia dalla parte affermativa. Gli interventi sono profondi, innovativi, acuti, diretti e umoristici.

Il dibattito libero inizia dalla parte affermativa e procede per scambi alterni, con interventi coordinati dei quattro oratori di ciascuna squadra.

Primo round: dove finisce l’aiuto e comincia la sostituzione?

Primo oratore affermativo.
Non chiediamo di consegnare un prompt al posto del pensiero, ma di trasformare un uso già esistente in una pratica dichiarata, valutabile e critica. Il divieto non protegge l’autonomia: la rende clandestina. Se l’università ha paura dell’IA generativa, non deve spegnere lo strumento; deve accendere il giudizio. Non vogliamo laureare un chatbot con lode, vogliamo laureare studenti che, quando il chatbot sbaglia, se ne accorgono prima del docente.

Primo oratore negativo.
Formula elegante, ma il problema resta: l’IA generativa non corregge soltanto, argomenta, sintetizza, sceglie l’ordine delle idee. Non è una penna più veloce; è un autore in affitto. Se consentiamo che il nucleo del lavoro accademico sia prodotto da un modello, non stiamo aggiornando la didattica: stiamo esternalizzando la mente. E una mente esternalizzata non si allena, si noleggia.

Secondo oratore affermativo.
L’autore in affitto esiste solo se l’università continua a valutare soltanto il prodotto finale. Se invece valutiamo il processo, la difesa orale, la capacità di mostrare da dove arrivano le fonti e perché una scelta è migliore di un’altra, l’IA diventa un contraddittore, non un fantasma. Il rigore non consiste nello scrivere al buio con la candela; consiste nel saper accendere la luce e spiegare dove si trova l’interruttore.

Secondo oratore negativo.
Peccato che l’interruttore sia in mano a piattaforme opache. Voi dite: tracciamo il processo. Ma uno studente può generare bozze, finte revisioni, finti dubbi e finti dialoghi in pochi minuti. La trasparenza diventa un genere letterario: lo studente dichiara l’uso dell’IA, l’IA scrive la dichiarazione, e il docente dovrebbe improvvisarsi perito calligrafo digitale. Non è pedagogia, è burocrazia dell’apparenza.

Terzo oratore affermativo.
Allora preferite il mercato nero? Perché il divieto non elimina l’IA: la sposta nelle chat private, nei gruppi Telegram, nei suggerimenti non dichiarati. Almeno l’uso regolato permette licenze istituzionali, formazione, equità di accesso e responsabilità. Il proibizionismo non rende innocuo ciò che proibisce; lo rende solo più furbo.

Terzo oratore negativo.
Non confondiamo regolazione con resa. Se normalizziamo l’uso dell’IA nei lavori valutati, cambiamo la definizione stessa di competenza. Non chiediamo più: sai costruire un ragionamento? Chiediamo: sai ottenere un output accettabile? L’atleta con l’esoscheletro può anche sembrare veloce, ma non sta allenando i muscoli: sta collaudando la macchina.

Quarto oratore affermativo.
Il mondo professionale non è una palestra senza attrezzi. Medicina, diritto, ingegneria, ricerca, giornalismo useranno sistemi generativi. L’università deve formare persone capaci di orchestrare questi strumenti senza diventarne l’assistente. La domanda non è: hai usato l’IA? La domanda è: sai spiegare cosa hai accettato, cosa hai rifiutato e perché la responsabilità resta tua?

Quarto oratore negativo.
Responsabilità è una parola bella, ma presuppone un soggetto. Se lo studente non ha mai attraversato la fatica di formulare un’ipotesi, selezionare una fonte, sbagliare una struttura e riscriverla, quel soggetto è debole. Prima si impara a camminare, poi si usa la bicicletta. Se diamo la bicicletta a chi non ha ancora le gambe, non creiamo ciclisti: creiamo passeggeri.

Secondo round: valutazione, trasparenza e autenticità

Primo oratore affermativo.
La metafora della bicicletta è suggestiva, ma dimentica che l’università ha sempre fornito strumenti: scrittura, stampa, biblioteche digitali, motori di ricerca, traduttori, calcolatrici. Nessuno di questi ha cancellato il pensiero; ne ha cambiato la forma. L’IA è l’ultimo salto, non il primo tradimento.

Primo oratore negativo.
C’è però una differenza qualitativa. La calcolatrice esegue operazioni; l’IA generativa simula il ragionamento e la voce. Non ti aiuta solo a scrivere: ti suggerisce cosa pensare, come ordinarlo, quale stile usare. È come avere un suggeritore teatrale che, a forza di suggerire, finisce per recitare al posto tuo.

Secondo oratore affermativo.
Allora usiamolo come sparring partner. Chiediamo allo studente di generare tre tesi opposte, di confrontarle, di smontarle, di documentare i bias. Così l’IA non sostituisce il pensiero: lo provoca. Il vero analfabetismo non è usare l’IA, è usarla senza saperla criticare. E questa critica si insegna, non si vieta.

Secondo oratore negativo.
Ma per criticare serve una base disciplinare solida. Se lo studente non conosce ancora la materia, la fluidità del modello diventa autorità. L’errore non appare come errore: appare come testo elegante. Voi trasformate l’aula in un laboratorio di verifica permanente, ma la verifica senza conoscenza è solo caccia all’indizio.

Terzo oratore affermativo.
E il vostro divieto trasforma la conoscenza in un esame di resistenza senza strumenti. Noi proponiamo difese orali, versioni intermedie, annotazioni critiche, dichiarazioni d’uso. Sono metodi imperfetti? Sì. Ma sono più seri dei rilevatori automatici di IA, che spesso accusano testi umani e assolvono testi sintetici. Almeno noi guardiamo in faccia lo studente.

Terzo oratore negativo.
Anche noi guardiamo lo studente, ma senza filtri. Le zone libere dall’IA non sono punizioni: sono spazi di formazione. Come in musica si studia prima lo strumento senza effetti elettronici, così in accademia servono compiti in cui la mente è sola con il problema. Se togliamo sempre l’attrito, togliamo anche l’apprendimento.

Quarto oratore affermativo.
Nessuno chiede di togliere l’attrito ovunque. Si può riservare l’assenza di IA ad alcune competenze fondazionali, ma vietarla in tutti i lavori accademici è come vietare il dizionario perché qualcuno potrebbe copiare le definizioni. La questione è proporzionale: più il compito è avanzato, più l’uso consapevole dell’IA può essere parte della competenza.

Quarto oratore negativo.
Proporzionale è anche il rischio. Più il lavoro è avanzato, più l’IA può sembrare convincente e più diventa difficile distinguere contributo umano e contributo statistico. Se la laurea certifica capacità intellettuale, non possiamo certificare un ibrido non dichiarato con precisione. O meglio: possiamo, ma allora cambiamo il nome al titolo: non più laurea in una disciplina, ma laurea in collaborazione con modelli linguistici.

Terzo round: equità, futuro e autonomia

Primo oratore affermativo.
Cambiamo nome, se serve, ma non cambiamo ingiustizia. Uno studente non madrelingua, uno studente con dislessia, uno studente lavoratore può usare l’IA per ridurre svantaggi linguistici e organizzativi. Il divieto protegge chi può già permettersi tutor, tempo e risorse; punisce chi ha bisogno di un supporto immediato. L’equità non è neutralità apparente: è dare strumenti diversi a bisogni diversi.

Primo oratore negativo.
L’equità però non può dipendere da abbonamenti privati, termini di servizio e profilazione dei dati. Se l’università legittima l’IA nei lavori valutati, trasforma un diritto allo studio in una dipendenza tecnologica. Oggi il supporto è gratuito, domani è a pagamento; oggi i dati restano tuoi, domani diventano addestramento. La giustizia educativa non si fa con le licenze a rate.

Secondo oratore affermativo.
Per questo la risposta giusta non è il divieto, ma la governance pubblica: licenze istituzionali, modelli aperti, server universitari, formazione obbligatoria. Se lasciamo l’IA fuori dalla porta, entrerà comunque dalla finestra, ma senza regole. Se la portiamo dentro, possiamo almeno decidere condizioni, privacy, trasparenza e limiti.

Secondo oratore negativo.
Governare è nobile, ma l’università non governa davvero i modelli: li subisce. I sistemi cambiano ogni mese, le versioni precedenti spariscono, i criteri di generazione sono opachi. Come si costruisce una valutazione stabile su un terreno che si aggiorna di notte? La didattica ha bisogno di continuità, non di note di rilascio.

Terzo oratore affermativo.
La continuità non è immobilismo. Anche i programmi cambiano, anche le fonti cambiano, anche le teorie cambiano. L’importante è formare un metodo: chiedere, verificare, confrontare, dichiarare. Se l’IA cambia versione, lo studente impara proprio questo: che la tecnologia non è un oracolo, ma un oggetto storico da interrogare. È educazione civica applicata.

Terzo oratore negativo.
Bella come educazione civica, pericolosa come valutazione. Perché quando lo studente consegna un elaborato, il docente deve poter dire: questo pensiero è tuo. Se il pensiero è distribuito tra studente, prompt, modello e correzioni automatiche, la firma diventa una finzione legale. L’originalità non è un collage ben riuscito; è una voce che si assume il rischio di essere propria.

Quarto oratore affermativo.
Ma la voce propria non nasce nel vuoto. Nasce dal confronto con fonti, maestri, dati e anche macchine. L’IA può essere uno specchio che restituisce la media: sta allo studente romperla, correggerla, usarla per vedere meglio. La nostra proposta è semplice: consenso condizionato, dichiarazione obbligatoria, valutazione del processo, responsabilità umana. Vietare è più facile; educare è più difficile. L’università esiste per fare la cosa più difficile.

Quarto oratore negativo.
Ed educare richiede anche limiti. Noi non diciamo: mai IA. Diciamo: non nei lavori valutati che certificano la formazione autonoma, finché le competenze di base non sono solide. Il punto non è essere contro il futuro; è impedire che il futuro diventi una scusa per non formare più nessuno. Se l’università permette alla macchina di scrivere, deve prima essere certa che lo studente sappia ancora pensare. Altrimenti il progresso è solo un bel testo generato da qualcun altro.

Discorso conclusivo

Fase di riassunto dei propri punti di vista e illustrazione della posizione finale, partendo dalle opinioni dell’avversario e dalla propria posizione.

Discorso conclusivo della parte affermativa

Onorevoli giudici, pubblico, controparte. La parte negativa ha costruito la sua intera difesa su un’immagine seducente ma statica: l’università come tempio della fatica solitaria, dove il pensiero nasce esclusivamente dall’attrito non mediato. Hanno parlato di crisi epistemica, di omologazione culturale, di divario digitale. Ma la loro soluzione nasconde un paradosso strutturale: per proteggere la mente, la isolano. Per preservare l’autonomia, la rendono clandestina.

Noi non abbiamo mai chiesto di sostituire lo studente con un prompt. Abbiamo chiesto di trasformare un uso già esistente, diffuso e spesso nascosto, in una pratica dichiarata, critica e valutabile. La controparte teme che la tracciabilità del processo diventi burocrazia. Ma la scienza non è forse tracciabilità? La ricerca accademica non si fonda su iterazioni, revisioni, dichiarazioni di metodo e responsabilità delle fonti? L’intelligenza artificiale non cancella il rigore; lo sposta dalla forma al processo, dalla produzione passiva alla regia critica. Il vero analfabetismo del XXI secolo non è usare l’IA. È non sapere come interrogarla, verificarla e correggerla.

Hanno definito l’IA un autore in affitto. Noi rispondiamo che è uno specchio statistico. E uno specchio non pensa: restituisce. Sta allo studente rompere la media, correggere il bias, contestualizzare l’output e assumersi la responsabilità della scelta finale. L’equità non è un’utopia retorica: è dare a chi ha dislessia, a chi non è madrelingua, a chi lavora e studia, gli stessi strumenti di chi può permettersi tutor privati, biblioteche specializzate e tempo libero. Vietare l’IA non protegge i più deboli; cristallizza i privilegi.

L’università non è un museo di metodi superati. È un laboratorio di futuro. Se formiamo professionisti con gli strumenti del 2015 per un mondo del 2025, non stiamo difendendo il pensiero: stiamo consegnando laureati disarmati. La nostra proposta è chiara e coerente: consenso condizionato, dichiarazione obbligatoria, valutazione del processo, responsabilità umana finale. Non è una strada facile. È più complessa del divieto. Ma l’educazione non esiste per scegliere la via più semplice. Esiste per preparare menti capaci di navigare la complessità, non di fuggirla.

Scegliere di integrare l’IA non significa arrendersi all’algoritmo. Significa insegnare agli studenti a governarlo. Perché la trasparenza non è una scusa per abbassare gli standard: è il nuovo standard. E l’università, per definizione, è il luogo dove si impara a criticare, non a ignorare. Per questo, con la consapevolezza che il progresso non si ferma ai cancelli dell’aula, ma si affronta con metodo, responsabilità e coraggio intellettuale, votiamo affermativo.

Discorso conclusivo della parte negativa

Onorevoli giudici, pubblico, controparte. La parte affermativa ci ha offerto una visione ordinata, quasi rassicurante: regolamentazione, trasparenza, valutazione del processo, equità. Un quadro impeccabile sulla carta. Ma la realtà accademica non è un foglio di calcolo. È un ecosistema fragile, dove la competenza si costruisce lentamente, attraverso errori non simulati, dubbi non generati, fatiche non delegate.

Hanno detto che il divieto spinge l’IA nel mercato nero. Ma la risposta al cheating non è la legalizzazione del cheating. È il potenziamento della pedagogia e della valutazione autentica. Hanno paragonato l’IA a una calcolatrice o a un metronomo. Ma la calcolatrice non scrive la dimostrazione; il metronomo non compone la sinfonia. L’IA generativa simula il ragionamento, la struttura argomentativa, la voce autoriale. E quando simuli il nucleo del lavoro accademico, non stai potenziando la mente: la stai esternalizzando. Una mente esternalizzata non si allena. Si noleggia.

La controparte ci chiede di valutare il processo. Ma come si valuta un processo quando un modello può generare bozze, revisioni, finti dubbi e persino simulare interrogatori in pochi secondi? La trasparenza diventa un genere letterario. La dichiarazione d’uso diventa un timbro su un prodotto ibrido. E il titolo di studio rischia di certificare non la padronanza disciplinare, ma l’efficienza nel dialogare con un sistema opaco, proprietario, che cambia ogni mese e che nessuna università controlla davvero. L’equità promessa si scontra con la realtà dei modelli premium, della profilazione dati e della dipendenza tecnologica. Non si costruisce giustizia educativa con le licenze a rate.

Noi non siamo contro il futuro. Siamo contro la fretta che lo confonde con la resa. L’università ha un compito preciso: formare soggetti autonomi, non utenti efficienti. Prima di orchestrare l’IA, lo studente deve sapere cosa sta orchestrando. Deve aver attraversato la fatica di formulare un’ipotesi, di selezionare una fonte, di sbagliare una struttura e di riscriverla. Senza quell’attrito, non c’è apprendimento. C’è solo addestramento. Le zone libere dall’IA non sono punizioni. Sono spazi di sovranità cognitiva. Sono il luogo dove la mente impara a camminare prima di salire su un esoscheletro. Perché se togliamo sempre la resistenza, togliamo anche la forza. E un laureato senza forza intellettuale non è pronto per il mondo: è pronto per essere sostituito da esso.

La nostra posizione non è luddista. È umanista. Difende il diritto dello studente a pensare con la propria voce, a sbagliare con le proprie gambe, a crescere con la propria fatica. L’IA potrà essere uno strumento prezioso in contesti applicativi, ma non nei lavori che certificano la formazione autonoma. Perché un’università che delega la scrittura alla macchina, prima o poi, delega anche il pensiero. E noi crediamo che il pensiero, per fortuna, non si possa generare. Si possa solo coltivare. Per questo, con la convinzione che la lentezza sia a volte l’unica velocità che conta, votiamo negativo.