Un Counselor AI per la SUA-CdS: innovazione digitale e cultura della qualità

Un Counselor AI per la SUA-CdS: innovazione digitale e cultura della qualità

Introduzione

La redazione e la revisione della Scheda Unica Annuale del Corso di Studio (SUA-CdS) rappresentano, da oltre un decennio[1], una delle attività più delicate e complesse all’interno dei processi di assicurazione della qualità universitaria. Non si tratta solo di compilare un documento amministrativo: la SUA-CdS è infatti lo strumento che rende trasparenti, coerenti e valutabili le finalità, la struttura e gli esiti di un Corso di Studio, secondo le logiche di un Sistema di Assicurazione della Qualità (AQ) che in Italia si basa su un processo di Autovalutazione-Valutazione-Accreditamento (AVA).

La necessità di rispettare le Linee guida dell’ANVUR, di garantire uniformità terminologica e metodologica, nonché di assicurare un linguaggio tecnico-istituzionale coerente comporta un impegno rilevante per una pluralità di attori: Gruppo di gestione AQ, Coordinatori di CdS, Manager Didattici, Presidio della Qualità di Ateneo (PQA) e Nucleo di Valutazione (NdV). Si tratta di un lavoro pluri-collegiale che, per quanto essenziale, comporta un notevole carico di attività di analisi, composizione e verifica, con margini di difficoltà che spesso incidono anche sulla qualità complessiva del documento.

In questo quadro si inserisce il progetto promosso dalla Comunità professionale Comenio Didattica & Management, un’iniziativa di formazione-intervento e di consulenza permanente dedicata in primo luogo ai Manager Didattici – comunque denominati nei diversi Atenei (Responsabile didattico, Referente per la didattica, etc.) – e, più in generale, a tutte le figure operanti nelle Università italiane nell’ambito della didattica, dell’AQ, dei CdS, dei Nuclei di Valutazione e dei Presìdi della Qualità di Ateneo.

In collaborazione con Ex Machina Italia, società specializzata nello sviluppo di soluzioni digitali per la trasformazione tecnologica delle imprese e della Pubblica Amministrazione, Comenio D&M ha avviato un progetto sperimentale, presentato oggi 15 ottobre 2025, in occasione del 4° Forum nazionale Comenio Didattica & Management di Bologna[2].

Il progetto si propone di sperimentare un modello innovativo di supporto alla redazione della SUA-CdS, fondato sull’impiego di un agente digitale altamente specializzato, sviluppato attraverso le più avanzate tecnologie di Intelligenza Artificiale generativa e calibrato sulle esigenze concrete di chi, negli Atenei, è impegnato quotidianamente nella gestione dei processi di AQ.

Obiettivi del progetto

L’obiettivo principale del progetto è quello di alleggerire il carico operativo gravante su chi quotidianamente è impegnato nella redazione e nella revisione delle SUA-CdS, mantenendo, tuttavia intatto il rigore metodologico richiesto dal sistema AVA3. L’agente digitale è concepito come un vero e proprio facilitatore, in grado di affiancare le diverse figure coinvolte nel processo, adattando il proprio funzionamento alle esigenze specifiche di ciascun attore.

Per i Corsi di Studio di nuova istituzione, l’agente rappresenta uno strumento di grande utilità, in quanto consente di orientare e guidare fin dall’inizio la compilazione dei quadri descrittivi e della “Sezione Qualità”. Questo significa ridurre i tempi necessari alla redazione, ma soprattutto garantire che il documento sia prodotto già con un’impostazione coerente agli standard richiesti dall’ANVUR.

I Manager Didattici trovano nell’agente un alleato capace di ridurre il peso delle attività ripetitive e di fornire supporto linguistico e metodologico. Invece di disperdere tempo nella ricerca di formule, esempi o schemi testuali già approvati, possono concentrarsi sugli aspetti di sostanza, affidando alla tecnologia la predisposizione di bozze, proposte e suggerimenti.

I Presìdi della Qualità di Ateneo (PQA) beneficiano della possibilità di monitorare in modo sistematico e uniforme i contenuti delle schede, ricevendo segnalazioni in caso di incoerenze o difformità e potendo disporre di strumenti di comparazione interna tra diversi Corsi di Studio. Ciò contribuisce a rendere più immediata e affidabile l’attività di vigilanza sulla qualità della didattica.

Infine, il Nucleo di Valutazione (NdV), organo di controllo di di verifica in un ruolo cruciale di garanzia per l’intero Ateneo, può avvalersi di schede meglio strutturate e più facilmente leggibili, così da semplificare la valutazione della coerenza interna dei corsi e della loro aderenza alle strategie complessive di Ateneo.

Il funzionamento dell’agente AI

Dal punto di vista tecnico, l’agente si basa sull’architettura Retrieval Augmented Generation (RAG), che combina la capacità generativa dei modelli linguistici con una base documentale selezionata e continuamente aggiornata. Questo significa che, a differenza di strumenti generalisti, l’agente produce risposte contestualizzate e riferite a documenti specifici, riducendo al minimo il rischio di imprecisioni, di allucinazioni o di incongruenze.

L’addestramento è stato realizzato utilizzando un corpus di testi accuratamente predisposto dal Team per la Formazione di COMENIO D&M, comprendente le Linee guida dell’ANVUR, e del CUN, la normativa nazionale vigente in materia di didattica e valutazione, nonché una raccolta di linee guida e best practices sviluppate da diversi Atenei italiani. A questo si aggiungono documenti operativi elaborati da PQA e NdV, così da assicurare un’aderenza piena non solo alle prescrizioni normative, ma anche alle pratiche effettivamente in uso nelle Università.

Il funzionamento dell’agente si sviluppa attraverso un’interazione dialogica con l’utente. Docenti, Manager Didattici, membri del PQA o del NdV possono porre quesiti, richiedere suggerimenti o chiedere una revisione dei testi già prodotti. L’agente fornisce risposte precise, propone riformulazioni, offre esempi tratti da buone pratiche e mette in evidenza eventuali criticità.

Questa impostazione si inserisce nella stessa linea tecnologica che ha portato Ex Machina Italia a sviluppare altri agenti AI destinati al mondo universitario. Un esempio è il Tutor Delibere, realizzato con la community PuntoOrgani[3], che supporta la stesura guidata delle delibere universitarie. Anche in quel caso, l’agente non sostituisce il lavoro degli Organi Accademici, ma ne facilita l’attività, rendendo più rapido e ordinato il processo.

Benefici attesi

I benefici derivanti dall’introduzione dell’agente SUA-CdS Counselor sono molteplici e investono tutti i livelli del sistema accademico. Innanzitutto, vi è una riduzione significativa del carico burocratico. L’agente consente di predisporre bozze e schemi testuali che velocizzano la stesura, alleggerendo in particolare il lavoro dei Manager Didattici e dei docenti. Questo comporta non solo un risparmio di tempo, ma anche una minore frammentazione delle attività, con un conseguente incremento dell’efficienza complessiva.

Parallelamente, si registra un miglioramento della qualità dei contenuti. L’agente, addestrato su fonti normative e linee guida accademiche, è in grado di proporre testi più aderenti agli standard ANVUR, con minori rischi di incoerenza o di interpretazioni arbitrarie. Le schede risultano così più uniformi e comparabili, agevolando il compito di chi deve valutarle o monitorarle.

Un altro beneficio riguarda la normalizzazione e la comparabilità delle informazioni. La possibilità di produrre documenti con impostazioni simili favorisce non solo il lavoro di PQA e NdV, ma anche il confronto tra Corsi di Studio, Dipartimenti e Atenei. Questo aspetto contribuisce alla diffusione di buone pratiche e alla costruzione di un patrimonio comune di esperienze e soluzioni.

Infine, l’esperienza del progetto SUA-CdS si colloca in continuità con altre sperimentazioni parallele, come quella già richiamata del Tutor Delibere. Entrambe confermano che l’IA, se opportunamente addestrata, può diventare un facilitatore affidabile in diversi ambiti della governance universitaria, mostrando la replicabilità e la scalabilità del modello.

Sfide e cautele

Naturalmente, l’introduzione di un agente AI non è esente da rischi e criticità. La prima e più importante riguarda l’uso acritico degli output. La capacità dell’agente di produrre testi formalmente corretti non deve indurre a un’accettazione passiva dei contenuti. La responsabilità ultima resta sempre in capo agli attori accademici: docenti, Manager Didattici, PQA e NdV. Senza una validazione attenta, il rischio è di introdurre automatismi che potrebbero impoverire la Qualità anziché migliorarla.

Un’ulteriore sfida è rappresentata dalla necessità di un aggiornamento costante. Le Linee guida ANVUR e la normativa di riferimento sono soggette a revisioni frequenti. Per evitare o ridurre l’obsolescenza dell’agente, è indispensabile implementare processi di manutenzione e ri-addestramento periodici.

Occorre poi tenere conto delle esigenze di neutralità e adattabilità. Ogni Ateneo ha le proprie specificità organizzative e disciplinari: l’agente dovrà garantire uniformità di linguaggio e struttura, senza però comprimere la capacità dei Corsi di Studio di valorizzare le proprie peculiarità.

Infine, vi sono gli aspetti etici e di responsabilità. È fondamentale che i testi generati dall’IA siano chiaramente riconoscibili come tali, nel rispetto dei principi di trasparenza e tracciabilità, e che il loro utilizzo sia sempre accompagnato da un controllo umano consapevole.

Prospettive future

Il progetto SUA-CdS non deve essere considerato come un’iniziativa isolata, ma come il primo passo di una più ampia roadmap strategica. In prospettiva, la tecnologia potrebbe essere applicata anche ad altri documenti chiave dell’assicurazione della qualità, come la Scheda di Monitoraggio Annuale (SMA), i Rapporti di Riesame Ciclico (RRC) o le Relazioni annuali delle Commissioni Paritetiche Docenti-Studenti (CPDS).

L’integrazione con altri progetti paralleli, come il Tutor Delibere o gli agenti sviluppati per la gestione dei massimari e delle procedure amministrative, apre la strada a un ecosistema di agenti AI interconnessi, capace di rispondere a diverse esigenze della governance universitaria.

A livello nazionale, la replicabilità del modello potrebbe favorire la definizione di standard condivisi, promuovendo un dialogo costruttivo con l’ANVUR e con le principali reti di valutazione e di management accademico.

Non va, infine, sottovalutata la dimensione della trasformazione digitale delle amministrazioni pubbliche. L’Università può costituire un laboratorio avanzato, in grado di sperimentare soluzioni innovative da trasferire successivamente ad altri ambiti della PA, contribuendo così alla modernizzazione complessiva del settore pubblico.

Conclusione

L’agente digitale per la SUA-CdS sviluppato da COMENIO D&M e da Ex Machina Italia si configura come un laboratorio di innovazione nazionale, capace di coniugare tecnologia e cultura della qualità.

Il valore del progetto non risiede solo nella riduzione del carico burocratico o nella maggiore uniformità dei documenti, ma soprattutto nella possibilità di rafforzare la funzione critica e valutativa di docenti, Manager Didattici, PQA e NdV. L’IA diventa così uno strumento di semplificazione intelligente, che libera tempo e risorse per attività a più alto valore aggiunto.

La sfida sarà quella di consolidare i risultati della sperimentazione, estendendoli ad altri ambiti e condividendoli a livello di sistema. Solo così l’Intelligenza Artificiale potrà trasformarsi da semplice strumento tecnico a vero motore di innovazione responsabile, capace di accompagnare l’Università italiana nel percorso di modernizzazione e nella costruzione di processi di AQ più maturi, condivisi e partecipati.