Per la prima volta dal crollo della bolla dot-com, le iscrizioni ai corsi di Computer Science nei campus della University of California registrano un’inversione di tendenza significativa. Secondo quanto riportato dal San Francisco Chronicle, il dato system-wide evidenzia un -6% nell’ultimo anno, dopo un già preoccupante -3% nel 2024. Il fenomeno assume un peso ancora maggiore se contestualizzato nel quadro nazionale: i dati diffusi a gennaio dal National Student Clearinghouse Research Center indicano un +2% nell’enrollment complessivo dei college statunitensi. Non si tratta quindi di una contrazione generalizzata dell’istruzione superiore, ma di una riallocazione selettiva delle scelte formative.
L’unica eccezione nel sistema UC è rappresentata da University of California, San Diego, che ha introdotto quest’autunno un major dedicato all’Artificial Intelligence, registrando un incremento delle iscrizioni. Un segnale che suggerisce come la dinamica in atto non sia un disimpegno verso il tech, bensì una ridefinizione delle priorità accademiche in funzione delle nuove traiettorie di mercato.
Dalla Computer Science all’AI: shift di competenze e percezione del rischio
L’interpretazione più superficiale collegherebbe il calo delle iscrizioni alla recente difficoltà di placement per i neolaureati in CS, in un contesto di hiring freeze e razionalizzazioni post-pandemiche nel settore tech. Tuttavia, l’evidenza empirica indica una trasformazione più profonda: gli studenti stanno rispondendo a una mutazione strutturale del mercato del lavoro, orientandosi verso percorsi perceived as AI-native.
Un’indagine condotta a ottobre dalla Computing Research Association – network che aggrega dipartimenti di computer science e computer engineering – evidenzia che il 62% dei programmi di computing ha registrato un calo delle iscrizioni undergraduate nell’ultimo semestre. Parallelamente, i nuovi corsi e college focalizzati su AI, cybersecurity e data-driven disciplines mostrano tassi di crescita a doppia cifra. Più che un tech exodus, siamo di fronte a una migrazione interna all’ecosistema STEM.
La dinamica è coerente con un mercato che premia skill set ibridi: machine learning engineering, AI governance, MLOps, human-AI interaction, AI ethics. La Computer Science tradizionale, pur rimanendo foundational, non è più percepita come sufficiente in un contesto dominato da large language models, generative AI e automazione cognitiva.
Il modello cinese: AI literacy come infrastruttura nazionale
Mentre negli Stati Uniti il dibattito accademico resta frammentato, la Cina ha adottato un approccio sistemico e centralizzato all’AI literacy. Secondo quanto riportato dal MIT Technology Review, circa il 60% di studenti e faculty nelle università cinesi utilizza strumenti di AI più volte al giorno. L’AI non viene trattata come una minaccia alla didattica, bensì come infrastruttura abilitante.
Atenei come Zhejiang University hanno reso obbligatori i corsi di AI, mentre istituzioni d’élite come Tsinghua University hanno creato college interdisciplinari interamente dedicati all’intelligenza artificiale. La fluency in AI è diventata table stakes, prerequisito implicito per qualsiasi percorso accademico STEM e non solo.
Questa strategia si inserisce in un framework più ampio di politica industriale, in cui l’AI è considerata leva strategica per competitività globale, supply chain tecnologica e autonomia digitale. L’università diventa così hub di talent pipeline coerente con gli obiettivi macroeconomici nazionali.
Le università USA tra accelerazioni e resistenze interne
Negli Stati Uniti la risposta è più eterogenea e spesso conflittuale. Negli ultimi due anni, decine di atenei hanno lanciato programmi specifici in AI. Il Massachusetts Institute of Technology ha introdotto il major “AI and Decision-Making”, oggi il secondo più popoloso del campus. La University of South Florida ha registrato oltre 3.000 iscritti nel nuovo college dedicato ad AI e cybersecurity già nel primo semestre. La University at Buffalo ha inaugurato un dipartimento “AI and Society” con sette nuovi undergraduate degree programs, raccogliendo più di 200 candidature prima dell’apertura ufficiale.
Non ovunque, tuttavia, la transizione è fluida. Alla University of North Carolina at Chapel Hill, il cancelliere Lee Roberts ha descritto una faculty divisa tra chi “leaning forward” e chi mantiene “their heads in the sand”. La decisione di fondere due scuole per creare un’entità focalizzata sull’AI ha generato resistenze interne, nonostante la nomina di un vice provost dedicato esclusivamente all’Artificial Intelligence.
Il conflitto riflette una tensione tipica delle organizzazioni complesse: governance accademica vs execution speed. In un contesto in cui l’AI evolve con cicli di innovazione trimestrali, i tempi deliberativi delle università rischiano di risultare incompatibili con la velocità del mercato.
Il ruolo delle famiglie e la percezione dell’automazione
Un ulteriore driver del cambiamento è rappresentato dalle famiglie. Secondo quanto riportato dal San Francisco Chronicle, consulenti di ammissione come David Reynaldo osservano un riposizionamento strategico dei genitori: dopo anni in cui la Computer Science era percepita come major ad alto ROI, oggi molti orientano i figli verso discipline ritenute più resilienti all’automazione, come mechanical ed electrical engineering.
La narrativa sull’AI che sostituisce programmatori junior e sviluppatori entry-level, impatta direttamente la domanda formativa
Questa percezione, alimentata dalla narrativa sull’AI che sostituisce programmatori junior e sviluppatori entry-level, impatta direttamente la domanda formativa. Il paradosso è evidente: mentre l’AI ridisegna il lavoro nel software engineering, aumenta la richiesta di competenze avanzate in AI stessa. Gli studenti sembrano aver colto questa distinzione, scegliendo percorsi che integrano deep technical skills con AI specialization.
Un wake-up call per l’ecosistema accademico e per le startup
È prematuro stabilire se il calo delle iscrizioni in CS rappresenti un fenomeno ciclico o una trasformazione strutturale. Tuttavia, il segnale è inequivocabile: l’AI sta diventando layer trasversale dell’intero sistema educativo e produttivo. Il dibattito su ban o regolamentazione di strumenti come ChatGPT appare ormai superato; la questione centrale è l’integrazione sistemica dell’AI nei curricula.
Per l’ecosistema startup, questa riallocazione di talent pipeline ha implicazioni rilevanti. Le nuove coorti di laureati saranno sempre più AI-native, con competenze in prompt engineering, model fine-tuning, data governance e AI product management. Le università che sapranno adottare un approccio agile, integrando AI literacy in modo pervasivo e interdisciplinare, diventeranno hub privilegiati per venture building e trasferimento tecnologico.
In caso contrario, il rischio è una progressiva erosione di competitività rispetto a sistemi più coordinati come quello cinese. Gli studenti stanno già votando con i piedi. La domanda per gli amministratori accademici è se riusciranno a riallineare l’offerta formativa alla velocità dell’innovazione, o se continueranno a dibattere mentre il mercato, e i talenti, si spostano altrove.
