L’AI come nuovo assistente del ricercatore: opportunità, limiti e sfide per la ricerca europea - APRE

L’intelligenza artificiale sta trasformando profondamente il modo in cui viene prodotta la conoscenza scientifica. Dalla revisione della letteratura all’analisi dei dati, dalla scrittura alla visualizzazione dei risultati, i nuovi strumenti generativi stanno modificando il lavoro quotidiano dei ricercatori. La sfida per l’Europa consiste nel comprenderne le potenzialità, i limiti e le implicazioni per il futuro della ricerca.

Ne discutiamo dal punto di vista dello European Youth Think Tank (EYTT), organizzazione che riunisce giovani ricercatori e studiosi attivi in ambiti disciplinari differenti con l’obiettivo di promuovere ricerca interdisciplinare, innovazione e collaborazione scientifica. Le riflessioni presentate in questo articolo nascono proprio dall’esperienza maturata all’interno dell’EYTT, che negli ultimi anni ha promosso attività di ricerca e formazione di giovani ricercatori anche all’utilizzo dell’intelligenza artificiale.

L’intelligenza artificiale non rappresenta infatti soltanto un tema di studio, ma anche uno strumento che sta progressivamente entrando nei processi quotidiani di produzione della conoscenza. All’interno dell’EYTT, strumenti come la revisione automatica della letteratura, il supporto alla scrittura e l’analisi dei dati sono ormai parte integrante del lavoro di ricerca, il che ci permette di osservarne da vicino sia le potenzialità sia i limiti.

L’AI aumenta la produttività, ma non sostituisce le competenze

Uno dei principali benefici dell’intelligenza artificiale consiste nell’aumento della produttività. Oggi, un ricercatore può utilizzare strumenti generativi per sintetizzare grandi quantità di informazioni, individuare connessioni tra studi differenti, migliorare la qualità linguistica di un testo, generare codice, supportare l’analisi dei dati e creare visualizzazioni avanzate in tempi estremamente ridotti rispetto al passato.

Tuttavia, l’errore più comune consiste nel considerare questi strumenti come semplici generatori automatici di contenuti. L’utilizzo efficace dell’intelligenza artificiale richiede competenze elevate e una conoscenza approfondita degli argomenti trattati, e chi non possiede una solida preparazione disciplinare rischia di accettare passivamente risultati che possono contenere errori, semplificazioni o interpretazioni imprecise.

L’utilizzo dell’AI nella ricerca dovrebbe quindi essere concepito come un processo iterativo, che non consiste nel formulare una richiesta e copiare il risultato ottenuto. Al contrario, il ricercatore deve costruire progressivamente il dialogo con il sistema, verificare ogni output, correggere le informazioni, affinare le richieste e confrontare criticamente i risultati generati.

L’intelligenza artificiale produce risultati migliori quando viene guidata da persone che conoscono profondamente il tema oggetto di studio. In questo senso, l’AI non elimina il ruolo del ricercatore, ma rende ancora più importante la sua capacità di valutazione critica.

Dalla programmazione al linguaggio naturale

L’impatto dell’intelligenza artificiale appare particolarmente evidente nel campo dell’analisi dei dati. Per decenni la ricerca quantitativa si è basata su strumenti come R, Stata, Python e altri linguaggi di programmazione specialistici. Questi strumenti continueranno a svolgere un ruolo importante, ma l’interazione con i sistemi informatici sta cambiando rapidamente. Sempre più frequentemente il ricercatore può descrivere in linguaggio naturale l’analisi che desidera effettuare e ottenere automaticamente codice, procedure statistiche e visualizzazioni. Questo rende gli strumenti analitici più accessibili e riduce alcune delle barriere tecniche tradizionalmente associate alla programmazione.

Ciò non significa però che le competenze matematiche e statistiche diventino meno importanti. Al contrario, per verificare la correttezza di un’analisi è necessario comprendere le metodologie utilizzate, conoscere i limiti degli strumenti statistici e saper interpretare correttamente i risultati ottenuti. Molti errori attribuiti all’intelligenza artificiale avvengono quando il sistema riceve richieste incomplete e, in mancanza di informazioni sufficienti, tende comunque a produrre una risposta plausibile. Per questo motivo la qualità dell’output dipende in larga misura dalla qualità delle informazioni fornite dal ricercatore e dalla sua capacità di verificare e affinare progressivamente l’analisi.

La questione dell’accesso e delle risorse

Un tema che richiede più attenzione riguarda l’accesso agli strumenti più avanzati. Le versioni più performanti dei sistemi di intelligenza artificiale sono spesso disponibili soltanto attraverso servizi a pagamento che richiedono risorse economiche non sempre accessibili a tutti i ricercatori.

Questa situazione apre una riflessione importante per università, centri di ricerca e programmi europei. Se l’intelligenza artificiale è destinata a diventare una componente strutturale dell’attività scientifica, allora l’accesso a questi strumenti dovrebbe essere considerato sempre più come una risorsa di ricerca, al pari di banche dati, software specialistici o infrastrutture di calcolo.

Negli ultimi anni numerose università europee hanno iniziato a investire non soltanto nell’utilizzo dell’intelligenza artificiale, ma anche nella formazione di studenti, ricercatori e personale accademico. L’idea di fondo è che l’AI non debba essere considerata semplicemente uno strumento tecnologico, ma una nuova competenza trasversale destinata a influenzare la ricerca, la didattica e il trasferimento tecnologico. Tra gli esempi più significativi vi è la University of Oxford, che ha sviluppato programmi dedicati alla comprensione delle opportunità, dei limiti e delle implicazioni dell’intelligenza artificiale.

Nell’Unione Europea, un caso particolarmente interessante è rappresentato dalla KU Leuven, tra le università più attive nei programmi europei di ricerca e innovazione, che negli ultimi anni ha investito in iniziative dedicate all’intelligenza artificiale e alla digitalizzazione della ricerca.

Anche in Italia stanno emergendo iniziative particolarmente interessanti. Un esempio è rappresentato dalla AI Academy promossa dall’Università Ca’ Foscari Venezia, un progetto aperto a studenti, ricercatori, imprese e professionisti con l’obiettivo di favorire la diffusione delle competenze sull’intelligenza artificiale e promuovere il dialogo tra università e sistema produttivo.

Questi esempi indicano una direzione chiara: non è sufficiente mettere gli strumenti a disposizione dei ricercatori, occorre anche costruire la capacità di usarli in modo consapevole e critico.

Il rischio di omologazione

Un ulteriore aspetto riguarda il rischio di omologazione della ricerca. I sistemi di intelligenza artificiale sono addestrati su enormi quantità di dati e tendono, per loro natura, a individuare le soluzioni statisticamente più probabili. Questo rappresenta un vantaggio quando l’obiettivo è sintetizzare informazioni esistenti o supportare attività ripetitive, mentre può rappresentare un limite quando la ricerca richiede l’esplorazione di percorsi radicalmente nuovi.

La scienza non avanza soltanto attraverso l’accumulo di conoscenze, ma anche attraverso intuizioni che mettono in discussione paradigmi consolidati, e se l’utilizzo dell’intelligenza artificiale si riducesse a una semplice riproduzione di modelli esistenti, il rischio sarebbe quello di favorire una progressiva standardizzazione della produzione scientifica.

Tuttavia, è importante non sopravvalutare questo rischio. I modelli di intelligenza artificiale vengono addestrati su dati prodotti dagli esseri umani e possono quindi incorporare limiti, distorsioni e squilibri presenti nelle informazioni utilizzate per l’addestramento. Proprio perché l’intelligenza artificiale tende a generare risultati coerenti con le informazioni disponibili, il suo utilizzo efficace dipende fortemente dalla qualità delle domande formulate e dalla capacità del ricercatore di interpretarne gli output in maniera critica. In altre parole, l’AI tende a essere tanto più utile quanto maggiore è la competenza di chi la utilizza. Chi possiede solide competenze disciplinari può utilizzare questi strumenti come amplificatori delle proprie capacità di analisi, interpretazione e innovazione.

Autonomia tecnologica europea, creatività e futuro della ricerca

Esiste inoltre una questione strategica che riguarda l’Europa: gran parte dei sistemi di intelligenza artificiale più avanzati è oggi sviluppata e controllata da un numero ristretto di grandi attori tecnologici globali. Questa concentrazione pone interrogativi non soltanto economici, ma anche scientifici e geopolitici.

La dipendenza da poche piattaforme potrebbe influenzare l’accesso alla conoscenza, agli strumenti di ricerca e alle capacità computazionali necessarie per produrre innovazione. Per questa ragione, il dibattito sull’intelligenza artificiale dovrebbe riguardare anche la capacità dell’Europa di sviluppare proprie competenze, infrastrutture e modelli di AI, rafforzando così la propria autonomia scientifica e tecnologica. Emerge allo stesso tempo una questione più profonda, che riguarda il rapporto tra intelligenza artificiale e creatività scientifica.

Innovazione scientifica e capacità creativa

Molte innovazioni scientifiche nascono dall’incontro tra discipline e idee diverse. La storia della ricerca è ricca di esempi in cui una soluzione sviluppata in un determinato ambito è stata successivamente applicata a un problema completamente diverso. In questo senso, sia l’intelligenza artificiale sia la mente umana sembrano operare attraverso processi di associazione e ricombinazione di conoscenze esistenti.

Anche l’AI è infatti in grado quando richiesto, di associare concetti lontani tra loro, combinare idee provenienti da discipline differenti e generare soluzioni inattese, in modo simile a come nascono molte intuizioni umane.

Tuttavia, la somiglianza si ferma qui. Le associazioni generate dall’intelligenza artificiale derivano da processi statistici, attraverso i quali il sistema individua configurazioni che risultano plausibili sulla base dei dati disponibili e delle frequenze osservate durante l’addestramento. Ciò che emerge è quindi il risultato di una sofisticata elaborazione probabilistica. La differenza fondamentale risiede nella coscienza. L’essere umano non si limita a generare associazioni tra idee, ma è consapevole del problema che sta affrontando e delle finalità che guidano il processo di ricerca. La creatività scientifica non consiste soltanto nel produrre una connessione originale, ma nel comprendere perché quella connessione sia significativa e quali conseguenze possa avere per la conoscenza. In questo senso, la coscienza rappresenta un elemento centrale della creatività. Un’associazione di idee diventa una scoperta scientifica non quando viene semplicemente generata, ma quando viene riconosciuta, interpretata e sviluppata all’interno di un quadro teorico coerente. È questo passaggio dalla semplice associazione alla comprensione che continua a distinguere il pensiero umano dagli attuali sistemi di intelligenza artificiale.

Per questo motivo, almeno allo stato attuale della tecnologia, l’intelligenza artificiale appare più come uno strumento capace di amplificare il processo creativo che come un soggetto creativo in senso proprio. Può accelerare l’esplorazione di possibilità e connessioni, ma continua a essere il ricercatore a individuare il significato delle idee generate e a trasformarle in nuova conoscenza.

Se immaginiamo quali risultati avrebbero potuto ottenere figure come Einstein, Marie Curie o Alan Turing disponendo di strumenti capaci di accedere in pochi secondi a una parte significativa della conoscenza scientifica mondiale, comprendiamo come il vero potenziale dell’intelligenza artificiale non risieda nella sostituzione del ricercatore, ma nel rafforzamento delle sue capacità di intuizione, analisi e scoperta.

Siamo probabilmente soltanto all’inizio di questa trasformazione. La sfida per la ricerca europea non consiste nel resistere all’intelligenza artificiale, ma nel governarla. Utilizzarla in modo efficace, critico e responsabile potrebbe rappresentare uno dei fattori chiave per rafforzare la competitività scientifica dell’Europa nei prossimi anni, preservando al tempo stesso ciò che rende la ricerca una delle attività più creative e innovative dell’essere umano.

Questo articolo è tratto da APREmagazine n. 29 di luglio/2026