Siobahn Day Grady affronta il divario nei finanziamenti per l'istruzione sull'AI

Siobahn Day Grady ha creato il primo istituto di ricerca sull'AI presso un'HBCU, nonostante un sistema di finanziamento che assegna a queste istituzioni meno dell'uno per cento. Un profilo di IEEE Spectrum presenta il suo lavoro come un ambizioso sforzo per rendere l'intelligenza artificiale accessibile in tutta la North Carolina Central University. La questione più rilevante è se quel modello possa sopravvivere allo squilibrio finanziario che cerca di superare.

Grady ha avviato l'Institute for Artificial Intelligence and Emerging Research di NCCU, o IAIER, nel gennaio 2025. Da allora ha coinvolto oltre 2.800 studenti, docenti e residenti della comunità, secondo il profilo sull'alfabetizzazione dell'AI. I suoi programmi vanno oltre l'informatica, includendo assistenza sociale, sanità, archivi digitali e altri ambiti.

La portata iniziale dell'istituto sostiene l'idea di trattare l'alfabetizzazione sull'AI come istruzione generale. Tuttavia, la sua dipendenza da sovvenzioni e aziende tecnologiche mette in luce un vincolo più difficile. Le università con minori risorse per la ricerca devono preparare gli studenti a un mercato del lavoro plasmato dall'AI, competendo al contempo con istituzioni dotate di maggiori risorse in termini di docenti, capacità di calcolo e raccolta fondi.

Questo è il conflitto centrale del lavoro di Grady. Un'università può rendere universale l'istruzione sull'AI in aula, ma l'accesso alle infrastrutture che sostengono tale istruzione resta profondamente diseguale.

Grady ha trasformato un laboratorio di AI in un istituto per l'intero ateneo

IAIER ha trasformato la strategia AI di NCCU da progetto di ricerca specialistico a programma universitario per la formazione e lo sviluppo della forza lavoro.

Il piano di Grady non è iniziato con l'istituto. Nel 2020 ha fondato alla NCCU il Laboratory for Artificial Intelligence and Emerging Research. Il laboratorio ha offerto agli studenti opportunità di lavorare a progetti che riguardano machine learning, interazione uomo-computer, sanità e sistemi autonomi.

Quella struttura restava comunque incentrata su un gruppo di ricerca. Poteva servire gli studenti partecipanti e sostenere progetti selezionati, ma non poteva raggiungere ogni dipartimento. Grady ha iniziato a considerare un modello più ampio quando nel 2024 si è presentata un'opportunità di finanziamento da Google.

L'istituto risultante ha ricevuto 1 milione di dollari da Google.org. NCCU descrive IAIER come un centro per l'istruzione interdisciplinare, la ricerca e lo sviluppo responsabile dell'AI. La sua panoramica dell'istituto lo identifica inoltre come il primo istituto di AI con sede presso un'HBCU negli Stati Uniti.

Il consiglio dei fiduciari dell'università ha approvato formalmente IAIER il 17 dicembre 2025, dopo una revisione istituzionale. L'approvazione ha conferito all'organizzazione uno status che andava oltre il laboratorio originario gestito dai docenti. Ha inoltre posizionato l'istituto per coordinare programmi accademici, partnership, finanziamenti alla ricerca e formazione per la comunità.

Questa distinzione è importante perché l'alfabetizzazione sull'AI non coincide con la formazione di informatici. Significa comprendere cosa possono fare i sistemi di AI, dove falliscono e come i loro output influenzano le decisioni. Include anche la capacità di mettere in discussione le fonti dei dati, individuare i rischi e utilizzare strumenti appropriati in una disciplina specifica.

Uno studente di infermieristica e uno di scienze dell'informazione non useranno l'AI negli stessi modi. Lo stesso vale per assistenti sociali, archivisti, insegnanti o analisti aziendali. Un istituto esteso all'intero ateneo può collegare basi comuni agli standard professionali di ciascun settore.

Il programma di seed grant di IAIER illustra questo approccio. L'istituto ha assegnato finanziamenti fino a 10.000 dollari a 11 progetti nella sua prima coorte rendicontata. I progetti hanno riguardato assistenza sociale, sanità, archiviazione digitale, scienze dell'informazione e altri ambiti.

Uno dei progetti sta sviluppando un laboratorio di simulazione supportato dall'AI per studenti di assistenza sociale. Gli studenti possono esercitarsi nelle interazioni con i clienti senza considerare il sistema un sostituto dell'esperienza sul campo supervisionata. Lo scenario trasforma l'istruzione sull'AI in una questione di giudizio professionale, non soltanto di costruzione dei prompt.

È un obiettivo più impegnativo del semplice mostrare agli studenti come usare un chatbot. Richiede che i docenti decidano quando l'AI migliora l'apprendimento, quando introduce un'incertezza inaccettabile e come gli studenti debbano documentarne l'uso.

IAIER organizza anche eventi con aziende come Deloitte, FICO, Anthropic, IBM e Google. Questi collegamenti espongono gli studenti alle attuali aspettative del mondo del lavoro e offrono ai docenti una visione delle pratiche in evoluzione al di fuori dell'accademia.

Il coinvolgimento dell'industria porta con sé una propria tensione. Le aziende sviluppano prodotti di AI più rapidamente di quanto le università possano aggiornare i programmi, approvare corsi e formare gli insegnanti. Le università hanno quindi bisogno di conoscenze esterne, ma non possono lasciare che i fornitori definiscano l'alfabetizzazione sull'AI interamente attorno alle proprie piattaforme.

L'istituto di Grady opera direttamente all'interno di questa tensione. Utilizza il sostegno aziendale per ampliare la partecipazione, inquadrando al contempo l'istruzione sull'AI come una responsabilità accademica interdisciplinare. La prossima prova per l'istituto sarà capire se questo equilibrio potrà reggere con l'espansione dei programmi e della domanda.

IEEE Spectrum mostra perché l'alfabetizzazione sull'AI sta diventando istruzione generale

Il racconto di IEEE Spectrum sostiene con chiarezza che l'alfabetizzazione sull'AI appartiene ormai all'intero curriculum, non a un singolo dipartimento tecnico.

NCCU non dispone ancora di un corso di laurea dedicato all'informatica, sebbene l'università stia sviluppando una laurea in informatica e un minor in AI. Questa assenza potrebbe apparire come uno svantaggio. Ha però spinto IAIER verso un modello che non usa l'iscrizione a informatica come criterio di accesso.

Ogni matricola della NCCU incontra ora una formazione introduttiva sull'AI attraverso UNIV 1100, un corso obbligatorio di istruzione universitaria. Il programma è iniziato con una classe del primo anno di quasi 1.700 studenti nell'autunno 2025, secondo il modulo AI obbligatorio di NCCU.

Il modulo utilizza IBM SkillsBuild, una piattaforma di apprendimento online che offre formazione tecnologica di base e certificazioni. Gli studenti completano il materiale indipendentemente dal corso di laurea previsto. NCCU afferma che possono inoltre accedere a percorsi di mentorship e tirocinio che coinvolgono IBM e altri partner.

L'inserimento del modulo in un corso obbligatorio cambia chi riceve la formazione. Un workshop facoltativo tende ad attirare studenti che si sentono già a proprio agio con la tecnologia. Un requisito universale raggiunge studenti che altrimenti potrebbero concludere che l'AI non sia rilevante per il loro lavoro.

Questa impostazione riflette l'argomento di Grady secondo cui non è più possibile separare i sistemi digitali dalla vita professionale ordinaria. I responsabili delle assunzioni si aspettano sempre più che i laureati sappiano valutare il lavoro assistito dall'AI, comunicare con sistemi automatizzati e riconoscere output inaffidabili. Queste aspettative si estendono ormai ben oltre lo sviluppo software.

Tuttavia, il prompting di base non può essere il punto d'arrivo. Uno studente che sa come richiedere un riassunto non comprende automaticamente allucinazioni, privacy, copyright o bias incorporati. Per allucinazione si intende la produzione, da parte di un modello generativo, di informazioni plausibili ma prive di supporto.

L'alfabetizzazione sull'AI deve quindi includere la verifica. Gli studenti devono confrontare gli output con i materiali originali, dichiarare un'assistenza AI significativa e comprendere quando le informazioni riservate debbano restare fuori dai sistemi di terze parti.

Questo lavoro ha anche una dimensione di gestione della conoscenza. Studenti e ricercatori hanno bisogno di modi affidabili per organizzare il materiale di origine prima di chiedere all'AI di interpretarlo. Una base di conoscenza AI personale può sostenere questo processo quando conserva le citazioni e mantiene le affermazioni collegate alle prove.

Lo sviluppo dei docenti diventa altrettanto importante. Un'istituzione non può stabilire aspettative comuni sull'AI se gli insegnanti non ricevono tempo o indicazioni per riprogettare le valutazioni. IAIER ha collaborato con team di sviluppo della facoltà per aiutare gli educatori a integrare l'AI nei propri corsi.

Integrare non significa usare lo stesso strumento in ogni aula. Un docente di storia potrebbe concentrarsi sulla verifica delle fonti. Un docente di assistenza sociale potrebbe esaminare il consenso e i confini professionali. Un ricercatore in ambito sanitario potrebbe concentrarsi su privacy, validazione e conseguenze delle previsioni errate.

Questo approccio disciplinare offre a IAIER una motivazione più solida rispetto a quella di un generico centro tecnologico. Tratta l'AI come uno strato che attraversa molte forme di lavoro, riconoscendo al contempo che ogni professione presenta rischi diversi.

Il modello crea inoltre pressione su altre università. Le istituzioni che limitano l'insegnamento dell'AI agli insegnamenti tecnici opzionali rischiano di laureare studenti con una preparazione disomogenea. Le università più ricche possono rispondere assumendo docenti e creando centri specializzati, ma le istituzioni più piccole affrontano scelte più difficili.

NCCU ha scelto innanzitutto l'ampiezza. Sta offrendo a ogni matricola una base di riferimento, costruendo al contempo opzioni avanzate di ricerca e laurea su quelle fondamenta. L'approccio è pratico, ma la sua qualità dipenderà dal continuo sostegno ai docenti e da aggiornamenti regolari del curriculum.

L'accesso universale all'AI incontra un sistema di ricerca diseguale

Il modello di Grady mette in discussione una discrepanza strutturale: alle HBCU si chiede di preparare talenti per l'AI senza ricevere una quota equa degli investimenti nella ricerca.

Gli storici college e università afroamericani rappresentano il 3,2 per cento delle istituzioni che rilasciano lauree quadriennali. Eppure, nell'anno fiscale 2023 hanno ricevuto soltanto lo 0,91 per cento della spesa federale per ricerca e sviluppo nell'istruzione superiore.

Il divario non è limitato a un solo anno. Dal 2018, le HBCU hanno ricevuto in media lo 0,87 per cento dei finanziamenti federali alla ricerca accademica, secondo i dati federali su R&S pubblicati.

La distribuzione tra le agenzie aggiunge un ulteriore livello. Diciassette delle 43 agenzie federali che nel 2023 hanno erogato fondi per la ricerca universitaria non hanno assegnato nulla alle HBCU. Ciò significa che il 40 per cento delle agenzie partecipanti non ha effettuato alcuna allocazione per la ricerca alle HBCU.

Anche due importanti fonti di finanziamento hanno distribuito quote sproporzionatamente ridotte. Il Department of Health and Human Services ha destinato alle HBCU lo 0,54 per cento dei propri finanziamenti alla ricerca accademica. Il Department of Defense ha destinato lo 0,40 per cento.

Queste cifre sono importanti per l'AI perché la capacità di ricerca si accumula. Un finanziamento federale può sostenere ricercatori laureati, accesso al calcolo, personale amministrativo e studi pilota. Queste risorse aiutano un'istituzione a competere per il finanziamento successivo e ad attrarre ulteriori partner.

I finanziamenti limitati producono l'effetto opposto. I docenti dedicano più tempo alla preparazione delle proposte con minore supporto amministrativo. Le istituzioni faticano a mantenere i laboratori tra un finanziamento e l'altro. Gli studenti ricevono meno opportunità di ricerca retribuite che possono condurre a studi post-laurea o a un impiego tecnico.

Il problema non è la mancanza di talenti rilevanti. Le HBCU servono da tempo studenti che restano sottorappresentati nelle professioni scientifiche e ingegneristiche. Il loro coinvolgimento è particolarmente importante quando i sistemi di AI influenzano comunità storicamente escluse dalla progettazione tecnologica.

Il background di un ricercatore non garantisce una tecnologia equa. Tuttavia, escludere istituzioni e comunità dalla ricerca riduce la varietà delle domande poste. Riduce inoltre il bacino di persone in grado di contestare presupposti discutibili.

I finanziamenti interdisciplinari di IAIER mostrano come una partecipazione più ampia possa cambiare l'agenda della ricerca. Un docente di assistenza sociale affronta l'AI in modo diverso rispetto a uno sviluppatore di modelli. Un archivista individua problemi di conservazione, provenienza e rappresentazione che un team di prodotto commerciale potrebbe trascurare.

L’istituto offre inoltre agli studenti uno spazio per esplorare queste domande prima di entrare nel mondo del lavoro. L’esperienza di ricerca può insegnare loro a inquadrare i problemi, gestire le prove, verificare le affermazioni e comunicare l’incertezza. Queste capacità restano preziose anche quando cambiano gli specifici strumenti di AI.

Le sovvenzioni aziendali possono contribuire a colmare lacune immediate, ma non sostituiscono un investimento pubblico continuativo. Un’azienda può modificare le proprie priorità filantropiche, riorganizzare un programma o interrompere una partnership. Le università devono sostenere studenti e docenti lungo cicli più estesi.

Anche i finanziamenti pubblici possono cambiare. I bilanci federali per la ricerca sono soggetti a negoziazioni politiche, mentre i programmi incentrati sulla diversità affrontano ulteriori controlli. Un finanziamento una tantum può generare attività senza garantire personale o operatività dopo la conclusione dell’assegnazione.

Il governo federale ha annunciato nel settembre 2025 un investimento una tantum da 500 milioni di dollari nelle HBCU e nelle istituzioni istituite dai governi tribali dei nativi americani. Questo impegno ha offerto un sostegno nel breve termine, ma la sua natura una tantum non ha risolto il divario ricorrente nella ricerca.

Per IAIER, il divario nei finanziamenti trasforma la crescita in un rischio. Il successo attira più studenti, progetti dei docenti, richieste dalla comunità e potenziali partner. Ogni nuovo programma aggiunge esigenze di coordinamento e supporto che una sovvenzione temporanea potrebbe non coprire.

Grady ha identificato nei finanziamenti il principale ostacolo alla sostenibilità dell’istituto. Questa valutazione complica il racconto ottimistico creato dall’elevata partecipazione. Raggiungere migliaia di persone dimostra che esiste domanda, ma non dimostra che il modello operativo possa autofinanziarsi.

Il principale avversario non è quindi un’altra università o un altro laboratorio di AI. È il divario tra l’accesso universale come promessa e la capacità di ricerca diseguale come realtà.

Le partnership con l’industria ampliano l’accesso, ma non possono definire il curriculum

Le partnership tecnologiche offrono a NCCU risorse preziose, ma l’università deve mantenere il controllo su cosa significhi un’educazione all’AI responsabile.

IAIER ha collaborato con Google e IBM su formazione e certificazioni. Ha inoltre ospitato sessioni che hanno coinvolto datori di lavoro e aziende di AI. Questi rapporti mettono gli studenti in contatto con strumenti, ricercatori, reti professionali e potenziali percorsi di carriera.

L’istituto ha ospitato il primo OpenAI Academy Summit tenutosi presso una HBCU. L’evento ha portato a NCCU 444 partecipanti provenienti da oltre 40 istituzioni, secondo il resoconto di IEEE Spectrum. Il summit HBCU ufficiale ha incluso discussioni su istruzione, preparazione al lavoro, imprenditorialità e adozione responsabile.

Il valore di questa rete è significativo. Gli studenti delle università ben finanziate ottengono spesso un accesso informale a ricercatori in visita, ex studenti e selezionatori. Gli eventi ospitati da NCCU possono ridurre la distanza tra gli studenti delle HBCU e le organizzazioni che definiscono l’occupazione nell’AI.

Le certificazioni possono anche rendere visibili le competenze appena acquisite. Uno studente senza una specializzazione tecnica può trarre vantaggio da un certificato riconosciuto che segnali una formazione di base. Tuttavia, le certificazioni sono utili solo quando i datori di lavoro comprendono cosa misurano.

Esiste il rischio che l’alfabetizzazione all’AI diventi una raccolta di badge dei fornitori. Un badge può verificare il completamento di un corso senza dimostrare se uno studente sappia mettere in discussione un output, proteggere dati sensibili o identificare un’applicazione inadatta.

Un’istruzione incentrata sui fornitori può inoltre invecchiare rapidamente. Interfacce di prodotto, nomi dei modelli e condizioni di abbonamento cambiano. Gli studenti hanno bisogno di concetti trasferibili che restino utili quando cambia lo strumento preferito.

Le università devono quindi distinguere la familiarità con i prodotti da un’alfabetizzazione duratura. La familiarità con i prodotti aiuta gli studenti a diventare produttivi con i sistemi attuali. Un’alfabetizzazione duratura li aiuta a valutare i sistemi futuri e a riconoscere problemi ricorrenti.

Lo stesso principio vale per la ricerca dei docenti. Il sostegno aziendale può finanziare esperimenti e offrire accesso tecnico, ma le domande di ricerca non dovrebbero dipendere interamente dalla roadmap commerciale di un’azienda. L’indagine indipendente è essenziale quando gli studiosi analizzano pregiudizi, effetti sul lavoro, privacy o guasti dei sistemi.

La struttura interdisciplinare di IAIER offre una certa protezione contro un pensiero ristretto ai fornitori. I suoi progetti iniziano da problemi interni a campi quali il lavoro sociale e l’archiviazione. La tecnologia è al servizio della domanda di ricerca, anziché definirla.

Tuttavia, la dipendenza dell’istituto da partnership esterne crea una legittima incertezza. I dati sulla partecipazione riportati pubblicamente non rivelano quanti studenti completino una formazione continuativa. Non mostrano neppure se i laureati applichino efficacemente queste competenze dopo aver lasciato NCCU.

Esistono poche evidenze longitudinali pubblicate sugli esiti occupazionali, la produttività della ricerca o i cambiamenti nelle pratiche dei docenti. Questa assenza è comprensibile per un istituto giovane, ma limita le affermazioni generali sull’efficacia del modello.

La domanda pertinente non è se IAIER abbia già risolto l’accesso diseguale all’AI. Non ha avuto tempo, finanziamenti o dati pubblicati sugli esiti sufficienti per sostenere questa conclusione. La domanda è se il suo progetto iniziale generi progressi misurabili che altre istituzioni possano riprodurre.

Una valutazione utile distinguerebbe la presenza agli eventi da un coinvolgimento più profondo. Monitorerebbe il completamento dei corsi, la partecipazione alla ricerca, i tirocini, le certificazioni, gli inserimenti nei corsi di laurea magistrale e la fiducia degli studenti nel verificare gli output dell’AI.

Dovrebbe inoltre esaminare chi ne beneficia all’interno dell’università. La formazione universale per le matricole crea un ampio punto di partenza, ma le opportunità avanzate possono comunque concentrarsi tra gli studenti con più tempo, esperienza pregressa o contatti con i docenti.

La capacità dei docenti rappresenta un altro limite. Le seed grant possono avviare progetti promettenti, ma i ricercatori hanno bisogno di tempo, supporto tecnico e finanziamenti successivi. Altrimenti, i programmi pilota scompaiono dopo aver prodotto una dimostrazione iniziale.

Nessuna di queste preoccupazioni invalida la strategia di Grady. Definiscono le evidenze ancora necessarie. L’istituto ha dimostrato che una HBCU può organizzare un’iniziativa di AI visibile e trasversale al campus. Non ha ancora dimostrato se il modello resti stabile dopo l’esaurimento delle prime sovvenzioni.

Tre segnali mostreranno se il modello può durare

Il futuro di IAIER dipenderà da infrastrutture continuative, risultati misurabili per gli studenti e replicazione oltre un singolo campus.

Il primo segnale è lo spazio fisico dedicato da NCCU all’istituto. Grady ha dichiarato a IEEE Spectrum che IAIER prevedeva di aprire la sua prima struttura dedicata nel campus nell’autunno del 2026. NCCU ha descritto un edificio di circa 5.000 piedi quadrati lordi destinato all’apprendimento e alla ricerca.

Un centro fisico offrirebbe a studenti e docenti un luogo costante per progetti, tutoraggio, formazione e collaborazione. Dimostrerebbe inoltre che l’università sta integrando IAIER nelle proprie attività invece di trattarlo come un programma temporaneo finanziato da sovvenzioni.

La struttura da sola non garantirà la sostenibilità. I dettagli importanti includeranno personale, attrezzature, accesso alle risorse di calcolo, fondi operativi e il numero di programmi che potrà sostenere. Un edificio privo di risorse ricorrenti indebolirebbe l’affermazione più ampia dell’istituto.

Il secondo segnale è il lancio e l’adozione della prevista laurea in informatica e del minor in AI di NCCU. Questi programmi collegherebbero la formazione introduttiva universale a percorsi accademici più approfonditi.

I dati su iscrizioni e completamenti conteranno più dell’annuncio. Una forte domanda dimostrerebbe che un’ampia esposizione all’AI incoraggia gli studenti a intraprendere studi avanzati. Una progressione debole potrebbe indicare che la formazione introduttiva necessita di un orientamento più efficace, prerequisiti o sostegno finanziario.

I risultati dovrebbero andare oltre le specializzazioni tecniche. La proposta distintiva di IAIER è che l’AI appartenga a tutte le discipline. I ricercatori dovrebbero quindi osservare quanti dipartimenti creino corsi legati all’AI, come i docenti utilizzino le seed grant e se i progetti interdisciplinari proseguano oltre le fasi pilota.

Il terzo segnale è se l’approccio di NCCU diventi riutilizzabile altrove. Grady ha affermato di voler creare un quadro che possa aiutare le HBCU e altre università a istituire programmi simili.

La replicazione rafforzerebbe l’idea che IAIER rappresenti qualcosa di più di un singolo leader o di una sovvenzione di successo. Verificherebbe inoltre quali elementi siano trasferibili tra istituzioni con curricula, popolazioni studentesche e rapporti con l’industria diversi.

Un quadro ripetibile richiederebbe requisiti minimi chiari. Le università avrebbero bisogno di indicazioni sullo sviluppo dei docenti, sulle politiche di uso responsabile, sulla valutazione degli studenti, sulla governance della ricerca, sul coinvolgimento dei datori di lavoro e su finanziamenti sostenibili.

Dovrebbe anche lasciare spazio alle priorità locali. Un’istituzione rurale potrebbe concentrarsi sull’agricoltura o sull’accesso alla salute. Un’università urbana potrebbe porre l’accento sulla pubblica amministrazione, sui trasporti o sull’imprenditorialità di comunità.

Nei prossimi mesi, questi tre segnali dovrebbero chiarire la traiettoria dell’istituto. Una struttura dotata di personale rafforzerebbe la sua base istituzionale. Percorsi accademici in crescita dimostrerebbero una domanda più profonda da parte degli studenti. L’adozione da parte di altre università sosterrebbe l’affermazione di Grady secondo cui il modello può essere trasferito.

Il fallimento su uno qualsiasi di questi segnali non cancellerebbe il lavoro iniziale dell’istituto. Tuttavia, strutture ritardate, progressione debole o assenza di replicazione mostrerebbero dove l’entusiasmo sostenuto dalle sovvenzioni incontra limiti organizzativi.

Il profilo di IEEE Spectrum racconta una leader che spinge l’istruzione superiore verso una definizione più ampia di preparazione all’AI. L’idea più significativa di Grady non è che ogni studente debba diventare programmatore. È che ogni studente abbia bisogno di una comprensione sufficiente per interrogare, dirigere e verificare i sistemi automatizzati.

Questa idea comporta conseguenze pratiche per studenti, datori di lavoro e università. I datori di lavoro dovrebbero guardare oltre i badge specifici di uno strumento e chiedere ai candidati come valutano il lavoro assistito dall’AI. Le università dovrebbero misurare l’apprendimento continuativo, non soltanto la partecipazione. Gli studenti dovrebbero considerare la verifica e il giudizio nel proprio ambito come competenze fondamentali.

La storia attribuisce inoltre una responsabilità ai finanziatori. È difficile chiedere una forza lavoro nell’AI più rappresentativa mantenendo al contempo un sistema di ricerca che destina alle HBCU meno dell’uno per cento dei finanziamenti federali per la R&S accademica.

I lettori dovrebbero osservare cosa accadrà dopo che l’attenzione iniziale si sarà affievolita. IAIER otterrà un sostegno ricorrente, pubblicherà risultati significativi e aiuterà altri campus a creare programmi comparabili? Questi risultati determineranno se l’alfabetizzazione universale all’AI diventerà un impegno istituzionale o resterà dipendente da leader eccezionali alla ricerca di fondi temporanei.

Grady ha già dimostrato che la domanda esiste. Il prossimo passo spetta alle università, ai datori di lavoro, alle agenzie pubbliche e alle aziende tecnologiche. Devono decidere se l’alfabetizzazione all’AI sia una priorità educativa condivisa e finanziarla di conseguenza.