Interviste
Dr. Anthony Lee, presidente e CEO di Westcliff University – Serie di interviste

Punti chiaveLa preparazione della forza lavoro richiede ora la supervisione umana dei risultati…
Vedi di più
- La preparazione della forza lavoro richiede ora la supervisione umana dei risultati dell'IA e un giudizio responsabile.
- L'alfabetizzazione sull'IA deve essere integrata nel curriculum di ogni disciplina, non trattata come un'aggiunta.
- La valutazione deve misurare il ragionamento autentico e la competenza applicata, non solo la produzione automatizzata.
Dr. Anthony M. Lee è il Presidente di Westcliff University a Irvine, California, una delle università in più rapida crescita negli Stati Uniti, passata da meno di qualche centinaio di studenti a oltre 3.000 studenti nell’ultimo decennio. Dr. Lee ha ricoperto ruoli di leadership in numerose università e scuole negli Stati Uniti e a livello internazionale. Con esperienza in programmi innovativi ibridi e online, Dr. Lee ha lanciato nuovi programmi che integrano la tecnologia con le lezioni tradizionali in presenza nel campus per un’esperienza di apprendimento migliorata. Ha guidato con successo le scuole attraverso il processo di accreditamento a livello universitario e nel percorso dalla scuola dell’infanzia al termine della scuola secondaria. Ha maturato esperienza di leadership in molte aree critiche dell’istruzione superiore, tra cui marketing, finanza, gestione operativa, conformità normativa e accreditamento.
Come è cambiata la sua definizione di preparazione al lavoro nell’era dell’intelligenza artificiale generativa e dell’automazione?
La preparazione al lavoro una volta significava competenza tecnica e la capacità di contribuire immediatamente all’interno di un ruolo definito. Nell’era dell’intelligenza artificiale generativa, questa definizione non è più sufficiente perché la natura del lavoro stesso sta cambiando.
Oggi, la preparazione significa operare efficacemente in ambienti in cui l’intelligenza è distribuita tra esseri umani e macchine, in cui gli strumenti evolvono continuamente e in cui lo svolgimento del lavoro è sempre più supportato dalla tecnologia. Il vantaggio competitivo non è più solo sapere come eseguire una mansione, ma sapere come inquadrare i problemi, supervisionare gli output dell’AI, esaminare criticamente le ipotesi e applicare il giudizio nel rispetto dei vincoli del mondo reale.
Stiamo assistendo a un passaggio dall’esecuzione delle mansioni alla supervisione cognitiva. Il lavoro nelle posizioni iniziali viene ridefinito. La produzione routinaria può essere automatizzata, la responsabilità no. Ciò pone un’enfasi maggiore sul pensiero critico, il ragionamento etico, la consapevolezza del contesto e la capacità di tradurre gli output generati dall’AI in decisioni responsabili.
A Westcliff, consideriamo la preparazione al lavoro come l’integrazione delle competenze specialistiche, della padronanza dell’AI e del giudizio umano disciplinato. Gli studenti devono capire come funzionano i sistemi generativi, dove creano vantaggio e dove introducono rischio. Ancor più importante, devono imparare a collaborare con questi sistemi senza esternalizzare la responsabilità intellettuale.
Il nostro modello di apprendimento applicato è progettato intorno all’impegno strutturato con le tecnologie emergenti in contesti autentici. L’obiettivo non è solo la competenza negli strumenti, ma la capacità di adattamento, la capacità di rimanere efficaci mentre gli strumenti cambiano.
In questa era, i professionisti che si distinguono non saranno quelli che competono con l’AI, ma quelli che possono dirigere l’AI in modo ponderato, metterla in discussione rigorosamente e rimanere responsabili per gli esiti che influenza. È questo che la preparazione al lavoro richiede ora.
Cosa significa per un’istituzione prendere seriamente l’AI a livello di curriculum e istituzionale, piuttosto che trattarla come un optional?
L’AI non è semplicemente un ulteriore strumento didattico. Cambia l’architettura dell’istruzione stessa.
Prendere sul serio l’AI significa innanzitutto riprogettare. Ogni disciplina deve esaminare come i sistemi generativi stanno ridefinendo le aspettative professionali e definire cosa richiede la competenza aumentata dall’AI. La valutazione deve misurare il ragionamento e la competenza applicata, non solo l’output.
Ma la serietà richiede anche coerenza istituzionale. L’alfabetizzazione all’AI non può essere confinata in corsi isolati. Lo sviluppo del personale docente, la governance, la strategia di valutazione e la supervisione dei fornitori devono convergere su un principio chiaro secondo cui la tecnologia deve rafforzare la qualità accademica, non diluirla.
A quel punto, l’AI diventa parte dell’infrastruttura intellettuale dell’università. Plasma come l’apprendimento è strutturato, come la padronanza è dimostrata e come la credibilità istituzionale è mantenuta in un mercato del lavoro in cui il giudizio umano e la capacità della macchina operano fianco a fianco. È questo il modo in cui stiamo procedendo a Westcliff.
Come concilia lo sviluppo delle competenze umane fondamentali con l’insegnare agli studenti a lavorare efficacemente con l’AI?
Non vedo questo come un compromesso. Se mai, l’AI generativa aumenta il valore delle capacità umane fondamentali.
Quando la produzione cognitiva routinaria diventa a buon mercato, a fare la differenza è il ragionamento di ordine superiore. Il pensiero critico significa inquadrare meglio le domande e mettere in discussione gli output generati dalla macchina. Il giudizio significa sapere quando affidarsi a un sistema e quando fermarsi. L’etica diventa pratica e riguarda la comprensione delle conseguenze del dispiegamento di sistemi intelligenti su larga scala.
Gli studenti devono imparare a pensare in ambienti in cui l’AI è presente. La formulazione dei prompt è un punto di partenza, ma la supervisione cognitiva è la competenza più profonda. I laureati devono essere in grado di articolare e difendere conclusioni che tengano conto del contributo dei sistemi intelligenti, senza essere determinate da essi.
A Westcliff, trattiamo la padronanza dell’AI come un amplificatore delle competenze fondamentali. Gli studenti si impegnano con gli strumenti intelligenti restando responsabili per la chiarezza, la credibilità e le conseguenze. A lungo termine, i professionisti che si distinguono combineranno la profondità intellettuale con l’agilità tecnologica. L’AI fornisce velocità e scala. Gli esseri umani devono fornire discernimento, responsabilità e leadership.
Quali parti dell’istruzione superiore sono più vulnerabili alla trasformazione dirompente da parte dell’AI e quali aree sono più resilienti di quanto si pensi?
Le aree più vulnerabili sono costruite sul trasferimento di informazioni e sulla produzione standardizzata. Se un modello si basa principalmente sull’erogazione delle lezioni o su valutazioni che misurano la produzione, l’AI lo metterà in discussione rapidamente.
L’istruzione superiore è più resiliente dove si concentra sullo sviluppo strutturato, la mentorship, la pratica applicata, il lavoro di squadra, l’apprendimento clinico e la formazione dell’identità professionale. L’AI può supportare queste esperienze, ma non può sostituire la crescita che nasce dal feedback e dalla responsabilità.
La linea di demarcazione è la progettazione. Le istituzioni che si vedono principalmente come fornitori di contenuti sono esposte. Quelle che operano come sistemi di apprendimento intenzionali, focalizzati sul ragionamento, la competenza applicata e la crescita misurabile, rimangono altamente rilevanti.
L’AI sta aumentando lo standard per ciò che una credenziale deve rappresentare.
Come le università dovrebbero ripensare la progettazione dei corsi di studio mentre l’AI riduce il tempo necessario per acquisire le competenze e abbassa le barriere all’ingresso?
Man mano che l’AI riduce il tempo necessario per acquisire le competenze tecniche, le università devono chiarire dove un corso di laurea aggiunge valore.
Se gli strumenti accelerano la competenza nelle mansioni, l’istruzione superiore deve concentrarsi su ciò che non può essere automatizzato: profondità concettuale, risoluzione di problemi strutturata, giudizio etico e capacità di mantenere prestazioni efficaci in presenza di vincoli.
La progettazione dei corsi di studio dovrebbe essere modulare e orientata alla pratica, ma coerente. L’obiettivo è la competenza cumulativa, integrando la padronanza tecnica con il ragionamento e l’adattabilità.
L’AI abbassa le barriere all’ingresso. Le università devono rispondere aumentando la soglia per l’integrazione, il giudizio e la capacità dimostrata. Un titolo di studio deve attestare competenze durature, non il semplice contatto con una materia.
A Westcliff, consideriamo i corsi di laurea come ecosistemi dinamici piuttosto che progressioni lineari fisse. Le qualifiche cumulabili e i percorsi progressivi consentono agli studenti di tornare a formarsi mentre i settori cambiano, mantenendo coerenza e rigore. La flessibilità è importante, ma la progressione intellettuale è più importante.
Qual è il ruolo che l’AI dovrebbe svolgere nella valutazione e nel rilascio delle credenziali?
L’AI sta costringendo l’istruzione superiore a confrontarsi con una realtà che precede la tecnologia stessa. Molte valutazioni tradizionali stavano misurando la produzione piuttosto che la comprensione. Se una mansione può ora essere automatizzata con minimo sforzo, dobbiamo mettere in discussione se abbia mai catturato il ragionamento.
La valutazione deve spostarsi verso la dimostrazione autentica della competenza, la presentazione e discussione orale, la risoluzione di problemi basata su scenari, il perfezionamento iterativo, le simulazioni applicate e le prove del portfolio che rendono visibile il pensiero. In un ambiente abilitato all’AI, ciò che conta non è solo l’artefatto, ma il processo cognitivo dietro di esso.
A Westcliff, ci siamo mossi verso modelli di valutazione orali e iterativi che richiedono agli studenti di articolare e difendere il loro ragionamento in tempo reale. L’AI può assistere generando prompt adattivi e supportando il feedback su larga scala, ma la responsabilità della progettazione rimane umana. Le istituzioni devono assicurarsi di valutare il processo cognitivo dello studente, non l’output del modello.
Il rilascio delle credenziali sta diventando sempre più una questione di capacità verificata piuttosto che di tempo trascorso a seguire le lezioni. I datori di lavoro vogliono prove di competenza applicata e giudizio responsabile. Le istituzioni che ridisegnano la valutazione in modo proattivo rafforzeranno la credibilità dei loro corsi di laurea.
Quando viene implementata in modo ponderato, l’AI rivela dove gli standard accademici devono essere elevati.
Come si approccia alla governance e alla supervisione quando si introduce l’AI nell’insegnamento e nell’amministrazione?
Ci avviciniamo all’AI come ci avvicineremmo a qualsiasi sistema che incide in misura significativa sulla qualità accademica e sulla credibilità istituzionale. La governance inizia con la chiarezza degli obiettivi, i confini definiti e le linee di responsabilità chiare.
Una supervisione efficace assicura che l’innovazione rafforzi la fiducia piuttosto che eroderla. Ciò significa rigorosi standard di privacy e sicurezza dei dati, valutazione dei pregiudizi e dell’equità quando i sistemi influenzano gli esiti degli studenti e trasparenza su quali strumenti vengono utilizzati e come vengono gestiti i dati.
Ciò richiede anche l’aggiornamento dei quadri di integrità per riflettere le realtà attuali piuttosto che le ipotesi ormai superate. Lo sviluppo del personale docente è fondamentale in modo che l’adozione sia intenzionale e allineata con gli obiettivi di apprendimento, piuttosto che essere frammentata o reattiva.
Quando abbiamo introdotto modelli di valutazione supportati dall’AI a Westcliff, la supervisione era incorporata nella progettazione. Il personale docente ha monitorato l’attuazione, valutato l’impatto e perfezionato i processi in base alle prove. La valutazione del fornitore è continua, non episodica. Le istituzioni devono rivedere regolarmente l’allineamento con gli standard accademici e la protezione degli studenti.
L’obiettivo è l’innovazione responsabile.
Quali sono le idee sbagliate più comuni che gli educatori hanno sull’AI e quale cambiamento di mentalità è necessario?
Due idee sbagliate si presentano ripetutamente. La prima è che l’AI è principalmente un problema di imbroglio nelle prove accademiche. La seconda è che è semplicemente uno strumento di produttività. Nessuna delle due prospettive è sufficiente da sola. Più fondamentalmente, riflette un cambiamento in come la conoscenza è generata, valutata e applicata.
Quando le istituzioni inquadrano l’AI solo come un problema di integrità, ricorrono alla restrizione. Quando la inquadrano solo come efficienza, sottovalutano le sue implicazioni. La domanda più importante è come progettare l’apprendimento in modo che il ragionamento rimanga visibile e responsabile in un ambiente abilitato all’AI.
Il cambiamento di mentalità necessario è dal controllo alla progettazione. Ciò consente ai docenti di assumere un ruolo ancora più centrale come progettisti di esperienze di apprendimento che enfatizzano il giudizio, la sintesi e la competenza applicata.
Con il supporto istituzionale, le pratiche condivise e la governance coerente, i docenti possono progredire verso una didattica consapevole alla quale l’AI pone requisiti più elevati e rende la progettazione accademica più importante che mai.
Come le università dovrebbero preparare gli studenti per un mercato del lavoro in cui i ruoli sono fluidi e l’AI ridefinisce il lavoro nelle posizioni iniziali?
Le posizioni iniziali hanno tradizionalmente servito come terreno di addestramento per le mansioni di produzione routinaria. In molti campi, l’AI ora assorbe gran parte di quel lavoro iniziale. Di conseguenza, i laureati devono operare a un livello più alto già nelle prime fasi della carriera.
La preparazione deve quindi concentrarsi sulle capacità che sono difficili da automatizzare: inquadrare i problemi, la comunicazione, il processo decisionale e la supervisione responsabile dei sistemi intelligenti. Gli studenti devono essere a loro agio nel lavorare nell’ambiguità, dove gli strumenti evolvono e i ruoli sono fluidi.
Le università dovrebbero enfatizzare le competenze adattabili che attraversano i contesti piuttosto che la specializzazione ristretta. L’apprendimento strutturato basato su progetti con vincoli reali è essenziale. Quando gli studenti risolvono problemi complessi e difendono le loro raccomandazioni, praticano il tipo di pensiero responsabile che i datori di lavoro apprezzano sempre più.
L’alfabetizzazione all’AI deve diventare una base. Non tutti devono costruire modelli, ma tutti devono capire come i sistemi intelligenti influenzano le decisioni all’interno della loro professione.
Il mercato del lavoro continuerà a cambiare. La responsabilità dell’istruzione superiore non è prevedere ogni ruolo, ma laureare individui che possano muoversi tra i ruoli, imparare continuamente e contribuire in modo significativo in ambienti plasmati dalla tecnologia in accelerazione.
Cosa segnala che un’università si è adattata con successo ai cambiamenti indotti dall’AI, invece di limitarsi a sopravvivere?
Il successo sarà misurato dagli esiti e non dall’immagine pubblica o da metriche di facciata.
Un’università si è davvero adattata quando il suo curriculum e i modelli di valutazione sono stati ridisegnati intorno alla competenza basata sul mondo reale piuttosto che sulla trasmissione di contenuti. I docenti dimostrano di progettare consapevolmente l’apprendimento, anziché adottare i cambiamenti in ritardo. Gli studenti possono articolare e difendere chiaramente il loro ragionamento in modi che non possono essere generati su richiesta.
L’adattamento istituzionale è anche visibile nella governance. L’uso dell’AI è trasparente, la supervisione è incorporata e possiamo dimostrare che la fiducia negli esiti accademici si rafforza piuttosto che erodersi.
L’indicatore più affidabile, tuttavia, è la convalida esterna. I datori di lavoro riconoscono che i laureati dimostrano un giudizio maturo, una capacità applicata, capacità decisionali e padronanza in ambienti abilitati all’AI.
L’adattamento significa agilità senza compromesso. L’istituzione evolve man mano che la tecnologia avanza, mantenendo gli standard rigorosi e la chiarezza etica. A Westcliff crediamo di stare sviluppando un modello di apprendimento che rimane credibile, resiliente e prezioso mentre l’AI continua a ridefinire il panorama.
Grazie per l’ottima intervista. I lettori che desiderano saperne di più su questa università possono visitare Westcliff University.












