Uno studio rileva che i dottorandi che usano l’IA per scrivere la tesi hanno meno probabilità di rimanere in ambito accademico dopo la laurea

I dottorandi negli Stati Uniti che si affidano a strumenti di intelligenza artificiale mentre scrivono le loro tesi di dottorato hanno meno probabilità di rimanere in ambito accademico dopo la laurea, secondo una nuova ricerca che traccia le destinazioni di inizio carriera nei vari campi scientifici, inclusa la biologia. L’analisi aggiunge un riscontro quantitativo a un dibattito spesso dominato dagli aneddoti: se l’IA generativa sia soprattutto un acceleratore di produttività per gli studiosi — oppure una tecnologia che rimodella in modo sottile le traiettorie professionali, modificando ciò che la formazione dottorale segnala a datori di lavoro e commissioni di selezione.

Lo studio, pubblicato online il 16 ottobre 2026, ha esaminato l’uso dichiarato da parte dei laureati PhD negli Stati Uniti di strumenti di scrittura e ricerca assistiti dall’IA durante la preparazione della tesi, confrontando tali dichiarazioni con gli esiti del primo impiego. I laureati che hanno riferito di aver usato l’IA in modo sostanziale come supporto alla scrittura della tesi risultavano rappresentati in misura sproporzionata in ruoli nell’industria, mentre coloro che hanno dichiarato un uso scarso o nullo erano più propensi ad accettare posizioni postdoc, incarichi da ricercatore in ambito accademico o altri ruoli presso università.

Sebbene il lavoro non sostenga che l’uso dell’IA causi l’abbandono dell’accademia, l’associazione è rimasta anche dopo aver tenuto conto di comuni fattori di confondimento che influenzano la scelta di carriera, come l’area di studio, la tipologia di istituzione e l’anno di laurea. In biologia — dove il lavoro dottorale coinvolge sempre più metodi ad alta intensità di dati, sintesi rapide della letteratura e formati di tesi in stile manoscritto — gli strumenti di scrittura e di sintesi (summarization) basati su IA sembrano particolarmente attraenti. I ricercatori che studiano la formazione post-laurea osservano che ciò potrebbe dipendere dal fatto che gli studenti di bioscienze sono sotto pressione per pubblicare rapidamente, documentare con chiarezza metodi complessi e competere per un bacino in contrazione di posizioni accademiche.

Un’interpretazione, suggerita da esperti di sviluppo della forza lavoro dottorale, è che gli strumenti di IA possano amplificare un processo di selezione già in atto. Gli studenti già orientati verso carriere non accademiche potrebbero essere più inclini ad adottare sistemi di IA che imitano la scrittura tipica del mondo del lavoro, automatizzano la stesura di routine e accelerano la produzione di report e documentazione. Le assunzioni nell’industria in biotecnologie, farmaceutica, consulenza scientifica e software per la ricerca spesso premiano velocità, chiarezza e comunicazione cross-funzionale — ambiti in cui l’IA può offrire un vantaggio immediato. Al contrario, la valutazione accademica continua a enfatizzare argomentazione originale, ragionamento metodologico profondo e una prova in stile apprendistato di una voce scientifica indipendente, rendendo un’assistenza estesa dell’IA professionalmente più delicata.

Un’altra possibilità è che l’uso dell’IA modifichi l’esperienza formativa stessa. La scrittura della tesi non è soltanto un prodotto finale; è anche una prova generale per proposte di grant, peer review e il processo iterativo di costruzione di narrazioni scientifiche. Se l’IA si fa carico di parti di questo apprendistato, alcuni docenti temono che gli studenti si laureino con minori opportunità di esercitare le competenze retoriche e analitiche che vengono esaminate con grande attenzione nelle selezioni per postdoc e per posizioni di docente. Allo stesso tempo, altri sostengono che un uso accorto dell’IA — adeguatamente dichiarato e supervisionato — potrebbe liberare i tirocinanti affinché si concentrino su progettazione sperimentale, ragionamento statistico e sintesi concettuale, rafforzando anziché indebolire la preparazione all’accademia.

I risultati arrivano in un momento in cui le università stanno cercando di definire regole per l’IA nella ricerca di laurea magistrale e dottorato senza soffocare l’innovazione. Le policy differiscono ampiamente, ma molti dipartimenti di biologia oggi incoraggiano la trasparenza: agli studenti viene chiesto di documentare quali strumenti sono stati usati per la stesura (drafting), la revisione linguistica, il coding o la preparazione delle figure, e di mantenere la responsabilità umana per affermazioni, citazioni e interpretazioni. La ricerca osserva che l’“uso” non è un comportamento unico—spazia dalla semplice rifinitura grammaticale alla generazione di interi passaggi—e che gli effetti sui risultati possono dipendere dall’intensità e dal tipo di assistenza.

Lo studio mette inoltre in evidenza una dimensione istituzionale. I master professionali e i percorsi di dottorato applicato da tempo enfatizzano la traduzione della conoscenza in contesti reali, i tirocini e le reti intersettoriali. Le università del Pacific Northwest, per esempio, promuovono la formazione post-laurea come un percorso verso esperienza pratica, mentorship personalizzata e avanzamento di carriera oltre l’accademia, inclusi industria e servizio pubblico. Questo messaggio può intersecarsi con l’adozione dell’IA: strumenti che snelliscono scrittura e comunicazione possono rendere più facile per i tirocinanti cercare tirocini, preparare deliverable in stile industriale e orientarsi verso datori di lavoro esterni alle università.

Per la biologia in particolare, la ricerca solleva questioni pratiche per i principal investigator e per le commissioni di dottorato. Le linee guida per la tesi dovrebbero specificare quali forme di assistenza IA sono consentite? I programmi dovrebbero insegnare l’“AI literacy” accanto alla scrittura scientifica, inclusi metodi per verificare gli output alla ricerca di errori, bias e riferimenti inventati? E le commissioni accademiche di selezione tratteranno le tesi fortemente assistite dall’IA come segnali meno credibili di autonomia, anche quando gli esperimenti sottostanti sono rigorosi?

Gli autori chiedono misurazioni migliori, più che panico morale: definizioni più chiare dell’assistenza IA, norme di disclosure standardizzate e monitoraggi longitudinali per capire se gli spostamenti verso l’industria nelle prime fasi di carriera siano permanenti o riflettano semplicemente l’evoluzione dei percorsi post-PhD. In un mercato del lavoro in cui il biotech continua ad assorbire talenti scientifici, l’IA potrebbe agire meno come innesco di un esodo che come acceleratore—aiutando alcuni laureati a muoversi più rapidamente verso settori che già offrono retribuzioni più prevedibili, scienza basata su team e ruoli diversificati.

Perché è importante

La biologia dipende da un flusso costante di ricercatori accademici per formare studenti, gestire laboratori e perseguire domande di lungo periodo che l’industria potrebbe non considerare prioritarie. Se l’adozione dell’IA è associata a un minor numero di PhD che rimangono in accademia, le università avranno bisogno di standard di formazione e pratiche di disclosure più chiari per preservare la fiducia nell’autorialità scientifica. Al tempo stesso, la tendenza potrebbe riflettere una sana diversificazione—segnalando che le competenze dottorali, sempre più potenziate dall’IA, vengono riallocate nell’intera bioeconomia.