Dici Brown e pensi a eccellenza, merito, cervelli abituati a competere senza scorciatoie. Eppure, l’ultimo scandalo che attraversa il campus di Providence racconta una storia diversa: centinaia di studenti pronti a servirsi dell’intelligenza artificiale generativa per superare gli esami senza studiare. A scoperchiare il vaso di Pandora è stato Roberto Serrano, professore di economia non vedente, che ha notato anomalie nei compiti e ha deciso di non chiudere un occhio. «Non possiamo scegliere di diventare idioti», ha dichiarato, riferendosi alla tentazione di delegare il pensiero a un chatbot.

I numeri danno corpo alla preoccupazione. Un sondaggio condotto tra gli studenti di Princeton ha rilevato che il 29,9% ha ammesso di aver usato l’AI per barare in almeno un esame o compito. A Brown, la situazione è esplosa in un corso specifico, dove l’abuso di strumenti come ChatGPT ha falsato i risultati e minacciato la credibilità della valutazione. Serrano non ha mollato la presa, e il caso è diventato un punto di non ritorno.

Quella di Brown non è una crisi a sé stante, ma il sintomo di un problema strutturale. L’AI generativa in cloud è ovunque: basta un browser e uno smartphone per accedere a modelli in grado di produrre saggi, risolvere problemi matematici e scrivere codice. Bloccare l’accesso alle piattaforme è tecnicamente quasi impossibile in una rete universitaria aperta. L’unica via percorribile per ripristinare l’integrità degli esami è ribaltare la prospettiva: non tentare di fermare l’AI esterna, ma portare l’AI dentro l’istituzione, sotto controllo.

È qui che il deployment on-premise di LLM cambia le carte in tavola. Un ateneo potrebbe allestire un proprio server con un modello open source, erogando gli esami su un ambiente air-gapped dove ogni interazione è registrata, ogni generazione di testo è tracciabile e nessuna richiesta esce verso il cloud pubblico. Gli studenti potrebbero usare l’AI come strumento assistito — non per barare, ma per imparare — sapendo che il sistema è progettato per rilevare abusi. La sovranità dei dati degli studenti, il rispetto del GDPR e la possibilità di audit diventano non più opzioni ma requisiti.

Da Brown arriva quindi un segnale di secondo ordine che va oltre le aule. La crescente sfiducia verso i servizi cloud per compiti sensibili spinge le organizzazioni a ripensare la propria infrastruttura AI. Le università che sceglieranno di costruire stack locali, con GPU dedicate per l’inference e storage controllato, saranno quelle che potranno offrire esami equi e certificabili. Vince chi investe in hardware on-premise e tooling di orchestrazione, mentre i provider di AI cloud rischiano di perdere un intero segmento di mercato nel mondo dell’istruzione. Una lezione che, da Brown, risuona ben oltre i cancelli della Ivy League.