La Regina Rossa

September 30, 2026 ~ Marco Piovesan ~ Leave a comment

In “Attraverso lo specchio”, Lewis Carroll racconta una scena tanto assurda quanto illuminante. Alice corre insieme alla Regina Rossa. Corre sempre più velocemente, si affanna, cerca di tenere il passo. Eppure, quando finalmente si ferma, scopre con stupore di essere rimasta esattamente nello stesso punto.

La Regina le spiega che, in quel mondo, bisogna correre più che si può semplicemente per restare dove si è. Se si vuole andare da qualche parte, bisogna correre almeno il doppio.

È una metafora sorprendentemente efficace per descrivere il rapporto tra istruzione, lavoro e mobilità sociale.

Per molti di coloro che oggi hanno sessant’anni, la terza media poteva essere sufficiente per entrare nel mercato del lavoro, trovare un impiego stabile, comprare una casa e costruire una famiglia. Naturalmente non era così per tutti e il passato era tutt’altro che privo di difficoltà. Ma, per una parte importante di quella generazione, un livello di istruzione relativamente basso era compatibile con una traiettoria di vita economicamente stabile.

Oggi un giovane può studiare cinque anni in più, conseguire un diploma, iscriversi all’università, ottenere una laurea magistrale, imparare una o due lingue straniere, fare tirocini e magari trascorrere un periodo all’estero. E, alla fine di questa lunga corsa, può scoprire di non aver raggiunto una posizione migliore di quella che i suoi genitori avevano ottenuto con molti meno anni di formazione.

È la corsa della Regina Rossa.

Il punto non è che studiare non serva. Al contrario: per il singolo individuo l’istruzione continua a essere una delle risorse più importanti per aumentare le proprie opportunità. Il problema nasce quando confondiamo ciò che può essere vantaggioso per il singolo con ciò che è sufficiente per migliorare le condizioni di un’intera generazione.

Se il numero di persone con un titolo di studio elevato cresce più rapidamente del numero di lavori qualificati disponibili, le credenziali richieste per accedere alle stesse posizioni tendono ad aumentare. Dove ieri bastava un diploma, oggi può essere richiesta una laurea. Dove bastava una laurea, può comparire la richiesta di un master, di esperienza internazionale o di anni di tirocinio.

Non necessariamente perché il lavoro sia diventato altrettanto più complesso, ma perché, quando aumenta il numero dei candidati qualificati, i titoli di studio possono diventare anche uno strumento di selezione.

Il risultato è paradossale: una generazione può essere molto più istruita della precedente senza essere, per questo, altrettanto più sicura economicamente.

Ed è qui che il confronto tra generazioni rischia di diventare ingannevole. Dire a un giovane “devi studiare di più”, “devi specializzarti”, “devi fare esperienza”, “devi essere disposto a spostarti” può essere un consiglio sensato dal punto di vista individuale. Ma non è una risposta sufficiente a un problema collettivo.

Perché non possiamo risolvere soltanto aumentando la velocità dei corridori un problema che dipende anche dal numero e dalla qualità dei traguardi disponibili.

Se vogliamo che una maggiore istruzione produca anche maggiore mobilità sociale, occorre che alla crescita delle competenze corrisponda una crescita delle opportunità: lavori qualificati, produttività, salari, possibilità di carriera e condizioni che consentano ai giovani di trasformare il capitale umano accumulato in autonomia economica.

Altrimenti continueremo a chiedere a ogni nuova generazione di correre un po’ più velocemente della precedente.

E quando, esausta, ci dirà di essere ancora nello stesso punto, rischieremo persino di risponderle che non ha corso abbastanza.

L’intelligenza artificiale e eterogeneità

September 28, 2026 ~ Marco Piovesan ~ Leave a comment

Chiedere se l’intelligenza artificiale aumenti la produttività o distrugga posti di lavoro è probabilmente il modo sbagliato di impostare il problema. Le evidenze che abbiamo non descrivono un’unica tecnologia con un effetto uniforme, ma una tecnologia i cui risultati cambiano radicalmente a seconda del compito, dell’esperienza del lavoratore, dell’organizzazione in cui viene introdotta e del livello al quale misuriamo le conseguenze. L’intelligenza artificiale può accelerare alcune attività, rallentarne altre, ridurre le differenze di produttività tra colleghi e, nello stesso tempo, rendere più difficile l’ingresso dei giovani nel mercato del lavoro. Il dato economicamente più importante non è quindi il suo effetto medio, ma la sua eterogeneità.

La produzione non è organizzata per professioni, bensì per insiemi di compiti. Un avvocato consulta documenti, interpreta norme, scrive testi, formula strategie e interagisce con il cliente. Un ricercatore raccoglie informazioni, analizza dati, costruisce ipotesi e decide quali domande meritino di essere studiate. Un insegnante trasmette conoscenze, valuta l’apprendimento, motiva gli studenti e adatta le spiegazioni alle loro difficoltà. L’intelligenza artificiale può sostituire alcune di queste attività, aumentare la produttività in altre ed essere quasi irrilevante nelle restanti.

Per questa ragione, l’esposizione di una professione all’IA non misura la probabilità che quella professione scompaia. Indica soltanto che una parte dei suoi compiti potrebbe essere modificata. L’effetto sull’occupazione dipenderà da come le imprese ricomporranno le attività, da quanto diminuirà il costo del servizio e da come reagirà la domanda. L’automazione riduce il lavoro necessario per produrre una quantità data, ma l’aumento di produttività può abbassare i prezzi, espandere il mercato e creare nuovi compiti nei quali il lavoro umano mantiene un vantaggio comparato. Nel modello di Acemoglu e Restrepo, il risultato dipende dall’equilibrio tra displacement effect, productivity effect e reinstatement effect: sostituzione di compiti umani, espansione della produzione e creazione di nuove attività affidate al lavoro.

I primi esperimenti sull’IA generativa hanno documentato guadagni notevoli. In uno studio su attività di scrittura professionale, l’accesso a ChatGPT ha ridotto di circa il 40 per cento il tempo necessario per completare i compiti, migliorando anche la qualità media dei testi. In un esperimento con GitHub Copilot, i programmatori assistiti dall’IA hanno completato un esercizio il 55,8 per cento più rapidamente rispetto al gruppo di controllo. In un’azienda di assistenza clienti, l’introduzione di un sistema generativo ha aumentato del 14 per cento il numero di problemi risolti ogni ora.

Questi risultati dimostrano che i guadagni di produttività sono possibili, non che siano automatici. Gli esperimenti misurano solitamente compiti circoscritti, con un obiettivo chiaro e un risultato facilmente valutabile. Il lavoro reale è invece composto da attività interdipendenti, conoscenze contestuali, standard qualitativi impliciti e responsabilità difficili da codificare. Se un’attività che occupa il 10 per cento della giornata viene svolta nel 50 per cento del tempo, il guadagno potenziale sull’intera giornata non è del 50 per cento, ma del 5 per cento. E anche quel 5 per cento può essere assorbito dalla verifica dei risultati, dal coordinamento con i colleghi o da colli di bottiglia presenti altrove.

La distinzione tra capacità tecnica e convenienza economica è essenziale. Un compito può essere tecnicamente automatizzabile, ma non esserlo economicamente perché l’integrazione è costosa, gli errori sono difficili da individuare o la responsabilità non può essere delegata. Per valutare l’impatto macroeconomico non basta quindi contare i compiti sui quali un modello riesce a produrre una risposta plausibile. Bisogna stimare quanti possano essere svolti in modo affidabile, quale sia il risparmio netto dopo i costi di controllo e quanto pesino nel processo produttivo complessivo.

Le capacità dei modelli presentano inoltre una frontiera irregolare. In un esperimento con consulenti di Boston Consulting Group, l’intelligenza artificiale ha migliorato velocità e qualità quando i compiti rientravano nelle sue capacità. Su un problema collocato appena oltre quella frontiera, invece, gli utilizzatori dell’IA hanno ottenuto risultati peggiori. Compiti apparentemente simili possono quindi produrre effetti opposti. Il rischio non deriva soltanto dall’errore del modello, ma dalla capacità del modello di presentare una risposta sbagliata in forma credibile, inducendo il lavoratore ad accettarla.

Un esperimento del 2025 con programmatori esperti rende il quadro ancora più complesso. Sedici sviluppatori hanno svolto 246 attività su repository open source ai quali contribuivano abitualmente. Quando potevano utilizzare strumenti di IA, hanno impiegato in media il 19 per cento di tempo in più. Prima dell’esperimento prevedevano di risparmiare il 24 per cento del tempo; dopo averlo concluso, continuavano a ritenere di essere stati più veloci. La maggiore fluidità soggettiva del lavoro non coincideva con la produttività misurata.

Il risultato non dimostra che l’IA rallenti generalmente i programmatori. Riguarda professionisti esperti, progetti maturi e strumenti disponibili nei primi mesi del 2025. Evidenze successive suggeriscono che gli strumenti potrebbero essere migliorati, ma le nuove stime sono ancora troppo imprecise per misurare la dimensione dell’accelerazione. L’esperimento mostra però che produttività percepita e produttività effettiva possono divergere. Ridurre lo sforzo cognitivo può far sembrare un’attività più rapida anche quando il tempo complessivo aumenta.

La stessa cautela è necessaria quando si passa dalla produttività individuale a quella dell’organizzazione. In un esperimento condotto su 7.137 lavoratori di 66 imprese, l’accesso a un assistente generativo integrato negli strumenti di lavoro ha ridotto il tempo dedicato alla posta elettronica di circa due ore alla settimana tra coloro che lo utilizzavano effettivamente. È diminuito anche il lavoro svolto fuori dall’orario ordinario. Non sono però emersi cambiamenti significativi nella quantità o nella composizione complessiva delle attività.

Un risultato analogo emerge dai dati danesi. Nonostante l’adozione diffusa degli assistenti generativi e la comparsa di nuovi compiti legati all’IA, nei primi due anni non sono stati osservati effetti superiori al 2 per cento su salari o ore lavorate. Il risparmio di tempo su una singola attività, quindi, non si trasforma necessariamente in maggiore produzione, salari più elevati o riduzione dell’orario. Può essere assorbito da altre attività, da standard qualitativi più esigenti o semplicemente da una maggiore intensità del lavoro.

È una nuova versione del paradosso della produttività. Le tecnologie di portata generale possono diffondersi rapidamente senza produrre subito un’accelerazione visibile della produttività aggregata. I benefici emergono dopo investimenti in capitale intangibile: dati, competenze, procedure, sistemi di controllo e nuove strutture organizzative. L’intelligenza artificiale può essere installata in pochi minuti, ma ridisegnare un’organizzazione richiede molto più tempo. Inserire un modello linguistico in una procedura inefficiente rischia semplicemente di automatizzare l’inefficienza.

Anche gli effetti sulle competenze sono ambivalenti. Nel servizio clienti, il guadagno di produttività prodotto dall’IA raggiungeva circa il 35 per cento tra i lavoratori meno esperti, mentre era molto più contenuto tra quelli con maggiore esperienza. Il sistema sembrava trasferire ai primi una parte delle conoscenze tacite e delle pratiche sviluppate dai colleghi migliori. Altre evidenze recenti indicano che gli incrementi possono essere maggiori anche per le persone con livelli di istruzione più bassi.

Nel breve periodo, l’IA può quindi comprimere le differenze di produttività e rendere accessibili attività precedentemente riservate a chi possedeva più esperienza. Nel lungo periodo, però, emerge un problema diverso. Se la tecnologia assorbe i compiti attraverso i quali i giovani imparavano il mestiere, le imprese potrebbero ridurre le posizioni di ingresso. La stessa tecnologia che permette a un principiante di comportarsi più rapidamente come un esperto può indebolire il processo attraverso il quale si diventa realmente esperti.

Le prime evidenze sul mercato del lavoro sono coerenti con questa possibilità, anche se non consentono ancora conclusioni causali. I dati statunitensi disponibili fino a giugno 2026 non mostrano una sostituzione generalizzata del lavoro. L’occupazione dei lavoratori tra 22 e 25 anni nelle professioni maggiormente esposte all’IA si trova però circa il 19 per cento al di sotto del livello che avrebbe raggiunto seguendo l’andamento delle professioni meno esposte. Per i lavoratori più esperti non emerge una differenza analoga. La divergenza sembra dipendere soprattutto da una riduzione delle assunzioni, non da un aumento dei licenziamenti.

Il confronto può risentire del ciclo economico, dei tassi di interesse, della diversa composizione settoriale e di tendenze iniziate prima della diffusione dell’IA generativa. Non dimostra quindi che la tecnologia abbia causato il calo relativo dell’occupazione giovanile. Segnala tuttavia dove potrebbero apparire per primi i suoi effetti: non necessariamente nei licenziamenti di massa, ma nel mancato ingresso di nuovi lavoratori nelle professioni più esposte.

Questa distinzione modifica il modo in cui dovremmo pensare alla disuguaglianza. L’IA può ridurre le differenze di performance tra persone che occupano già lo stesso ruolo, ma aumentare la distanza tra chi riesce a entrare in una professione e chi ne rimane escluso. Può essere egualitaria condizionatamente all’occupazione e, contemporaneamente, rendere più selettivo l’accesso all’occupazione stessa.

Un’altra tensione riguarda la creatività. Gli esperimenti mostrano che i suggerimenti generati dall’IA possono migliorare la qualità media delle idee, soprattutto tra le persone che partono da livelli più bassi. Quando molti individui utilizzano modelli simili, tuttavia, i risultati tendono ad assomigliarsi. È possibile avere un aumento della creatività misurata a livello individuale e, nello stesso tempo, una riduzione della varietà collettiva. La media migliora, ma la distribuzione si restringe.

Ciò che conta, quindi, non è soltanto se l’IA venga adottata, ma come venga utilizzata. Un sistema che propone una risposta completa e invita implicitamente ad accettarla tende a sostituire il giudizio umano. Un sistema che presenta alternative, segnala l’incertezza e rende più semplice la verifica può rafforzarlo. La complementarità tra persone e macchine non è una proprietà intrinseca della tecnologia: dipende dalla progettazione degli strumenti, dagli incentivi e dall’organizzazione del lavoro.

Neppure l’esposizione teorica coincide con l’adozione effettiva. Alla fine del 2024 quasi il 40 per cento degli adulti statunitensi tra 18 e 64 anni aveva utilizzato strumenti generativi, ma soltanto il 23 per cento degli occupati li aveva usati per lavoro nella settimana precedente e circa il 9 per cento li utilizzava quotidianamente. Dati più recenti mostrano che gli indici di esposizione spiegano soltanto una parte delle differenze nell’adozione tra professioni e compiti. Esposizione, adozione, intensità d’uso e automazione sono quattro grandezze distinte, anche se vengono spesso trattate come equivalenti.

Dal punto di vista macroeconomico, l’errore più comune consiste nel trasformare una vasta esposizione potenziale in un grande aumento certo del prodotto. L’effetto sul PIL dipende dalla quota di attività effettivamente adottabili, dal risparmio netto prodotto in ciascuna attività e dalla velocità con cui le organizzazioni riescono a ristrutturarsi. Le stime più prudenti suggeriscono che l’impatto nel prossimo decennio potrebbe essere significativo, ma molto più contenuto di quanto lascino intendere le dimostrazioni tecnologiche.

Queste valutazioni potrebbero però trascurare il canale più importante e più difficile da misurare: l’effetto dell’IA sulla produzione di conoscenza. Se la tecnologia aumenta la produttività di scienziati, ricercatori e ingegneri, non accelera soltanto la produzione corrente, ma sposta la frontiera delle possibilità future. In questo caso, i benefici maggiori non deriverebbero dalla scrittura più rapida di testi o codice, bensì dalla scoperta di nuovi farmaci, materiali e processi produttivi. È anche il canale sul quale abbiamo meno evidenze affidabili.

Rimane infine il problema distributivo. Una tecnologia può aumentare il surplus complessivo senza migliorare nella stessa misura il benessere dei lavoratori. Se i modelli, i dati e la capacità di calcolo sono controllati da pochi soggetti, una parte rilevante dei guadagni di produttività può trasformarsi in rendite. La concentrazione può emergere lungo tutta la filiera: semiconduttori, infrastrutture cloud, modelli di base e piattaforme di distribuzione. In mercati poco concorrenziali, l’aumento della produttività non si trasferisce automaticamente in prezzi più bassi o salari più elevati.

Il problema economico dell’intelligenza artificiale non consiste dunque nello stabilire se essa sostituirà oppure completerà il lavoro. In alcuni compiti farà la prima cosa, in altri la seconda. La questione è capire come questi effetti vengono ricomposti nelle professioni, nelle imprese e nell’intera economia, e chi possiede il potere di appropriarsi dei benefici.

Le evidenze disponibili non giustificano né l’idea di una rivoluzione già pienamente visibile nei dati aggregati né la conclusione opposta secondo cui nulla starebbe cambiando. Le trasformazioni più importanti potrebbero manifestarsi inizialmente nei margini meno evidenti: nelle assunzioni che non avvengono, nelle competenze che non vengono più apprese, nel tempo risparmiato che non diventa tempo libero e nelle decisioni che vengono progressivamente delegate.

L’intelligenza artificiale amplia l’insieme delle possibilità produttive, ma non stabilisce quale organizzazione del lavoro prevarrà. Questo dipenderà dalle scelte delle imprese, dalla struttura dei mercati, dalle istituzioni formative e dalle politiche pubbliche. La tecnologia determina ciò che può essere fatto. L’economia politica determina chi lo farà, a quali condizioni e chi ne riceverà i benefici.

Riferimenti bibliografici

Acemoglu, D. (2024), “The Simple Macroeconomics of AI”, NBER Working Paper n. 32487.

Acemoglu, D. e Restrepo, P. (2018), “The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment”, American Economic Review, 108(6), 1488–1542.

Becker, J., Rush, N., Barnes, B. e Rein, D. (2025), “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, Model Evaluation & Threat Research.

Bick, A., Blandin, A. e Deming, D. J. (2024), “The Rapid Adoption of Generative AI”, NBER Working Paper n. 32966, revisione 2025.

Bick, A., Blandin, A., Deming, D. J. e Schumacher, T. R. (2026), “What Work Does Generative AI Do?”, NBER Working Paper n. 35677.

Brynjolfsson, E., Chandar, B. e Chen, R. (2026), “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab.

Brynjolfsson, E., Li, D. e Raymond, L. R. (2025), “Generative AI at Work”, The Quarterly Journal of Economics, 140(2), 889–942.

Brynjolfsson, E., Rock, D. e Syverson, C. (2019), “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics”, in A. Agrawal, J. Gans e A. Goldfarb (a cura di), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press, 23–57.

Dell’Acqua, F. et al. (2026), “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”, Organization Science, 37(2), 403–423.

Dillon, E. W., Jaffe, S., Immorlica, N. e Stanton, C. T. (2025), “Shifting Work Patterns with Generative AI”, NBER Working Paper n. 33795.

Doshi, A. R. e Hauser, O. P. (2024), “Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content”, Science Advances, 10, eadn5290.

Humlum, A. e Vestergaard, E. (2025), “Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI”, NBER Working Paper n. 33777, revisione 2026.

Noy, S. e Zhang, W. (2023), “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence”, Science, 381(6654), 187–192.

Peng, S., Kalliamvakou, E., Cihon, P. e Demirer, M. (2023), “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot”, arXiv:2302.06590.

Principi

September 27, 2026 ~ Marco Piovesan ~ Leave a comment

Qualche anno fa ho scritto per Emma e Zoe delle note che riassumessero i principi che regolano il mio agire quotidiano. Qui una versione riassuntiva.

ESPLORARE E DECIDERE

Scopri ciò che funziona e fallo

Scoprire ciò che funziona richiede curiosità e disponibilità a sperimentare. Significa formulare ipotesi, provare su scala limitata, osservare i risultati e correggere la rotta. Il fallimento non va celebrato in sé: è utile soltanto quando produce informazioni e modifica il tentativo successivo. Mettere in discussione le abitudini consolidate è importante, ma non tutto ciò che è nuovo è migliore. La domanda decisiva è: quale soluzione funziona, per chi, in quali condizioni e con quali costi?

Quando emergono evidenze sufficienti, bisogna smettere di esplorare e passare all’esecuzione. Sapere cosa fare non basta: servono disciplina, continuità e un sistema che renda l’azione ripetibile. Il progresso nasce dall’alternanza tra esplorazione intelligente e applicazione coerente.

Capisci quando devi vincere e quando non devi perdere

Non tutte le decisioni hanno la stessa struttura. In alcune situazioni vale la pena cercare il massimo risultato: l’opportunità è rara, il vantaggio potenziale è elevato e il fallimento è sostenibile. In altre, la priorità è evitare una perdita irreversibile: proteggere la salute, la reputazione, le relazioni, il capitale o la libertà di scelta.

La strategia dipende dall’asimmetria degli esiti. Se perdere significa uscire dal gioco, la prudenza viene prima del rendimento. Se il costo dell’errore è limitato e il beneficio possibile è grande, l’audacia può essere razionale. La saggezza non consiste nell’essere sempre prudenti o sempre coraggiosi, ma nel riconoscere quale partita si sta giocando.

Agisci invece di reagire

Agire significa scegliere una direzione prima che l’urgenza del momento scelga per noi. Vuol dire chiarire obiettivi e valori, anticipare gli ostacoli e decidere con intenzione. Reagire è inevitabile nelle emergenze, ma diventa pericoloso quando emozioni, notifiche e richieste altrui governano stabilmente il nostro comportamento.

L’alternativa non è controllare tutto. È creare uno spazio tra stimolo e risposta: fermarsi, distinguere ciò che è urgente da ciò che è importante e scegliere la prossima azione utile. Essere protagonisti non significa dominare le circostanze, ma conservare la capacità di rispondere con lucidità.

Ragiona in termini probabilistici

Quasi tutte le decisioni importanti avvengono in condizioni di incertezza. Ragionare probabilisticamente significa sostituire il linguaggio del certo e dell’impossibile con stime aggiornabili: quali esiti sono plausibili, quanto sono probabili e quali conseguenze avrebbero?

Una buona decisione può produrre un cattivo risultato e una cattiva decisione può essere premiata dalla fortuna. Per questo bisogna valutare separatamente la qualità della scelta e l’esito ottenuto.

Conviene chiedersi quali informazioni cambierebbero davvero il giudizio, quanto costa aspettare e quale errore sarebbe più grave. Le probabilità non eliminano l’incertezza, ma rendono il ragionamento più trasparente e permettono di correggerlo quando arrivano nuove evidenze.

Diversifica senza disperderti

Diversificare significa evitare che un singolo evento possa compromettere tutto. Distribuire risorse, competenze, relazioni e opportunità riduce la fragilità e mantiene aperte più strade. La diversificazione può anche favorire l’apprendimento, perché mette in contatto idee e ambienti differenti.

Diversificare, tuttavia, non significa distribuire l’attenzione in modo uniforme. Troppi progetti producono superficialità e costi di coordinamento. La regola utile è concentrare l’impegno dove si può creare valore e diversificare dove una concentrazione eccessiva esporrebbe al rischio di rovina.

Riconosci chi dà e chi prende

Le categorie di giver e taker sono più utili se descrivono comportamenti, non identità immutabili. Chi dà crea valore per gli altri attraverso tempo, conoscenze, opportunità e sostegno. Chi prende cerca soprattutto di appropriarsi del valore prodotto dagli altri. La maggior parte delle persone alterna queste modalità secondo il contesto.

La generosità sostenibile richiede confini. Dare senza criterio può esaurire le proprie risorse e premiare chi sfrutta gli altri; proteggersi non equivale a essere egoisti. Conviene osservare reciprocità, affidabilità e comportamento nel tempo. L’obiettivo è contribuire senza annullarsi, aiutare chi può trarne un beneficio reale e limitare l’esposizione verso chi usa sistematicamente gli altri.

AGIRE E MIGLIORARE

Per ottenere risultati diversi, cambia comportamento

Se azioni e condizioni restano uguali, è ragionevole aspettarsi risultati simili. Quando un obiettivo rimane lontano, occorre esaminare senza indulgenza quali abitudini, vincoli o convinzioni mantengano la situazione attuale. Non sempre il problema è la volontà: possono mancare competenze, risorse, incentivi o un ambiente favorevole.

Cambiare non significa rivoluzionare tutto. Spesso è più efficace modificare una variabile alla volta, osservarne l’effetto e conservare ciò che migliora la situazione. La domanda utile non è soltanto “Che cosa desidero?”, ma “Quale comportamento ripetuto rende quel risultato più probabile?”.

Trasforma il dolore senza idealizzarlo

Alcune conquiste e forme di maturità nascono dall’attraversamento di esperienze difficili. La sofferenza può rivelare priorità, rafforzare capacità e rendere più profonda la comprensione degli altri. Ma non è automaticamente educativa, necessaria o nobile: può anche ferire senza offrire alcun insegnamento.

Il valore non sta nel dolore in sé, ma nel modo in cui viene affrontato e, quando possibile, trasformato. Cercare aiuto, proteggersi ed evitare sofferenze inutili non sono segni di debolezza. La resilienza consiste nel ricostruire significato e possibilità, non nel romanticizzare ciò che ha fatto male.

La qualità resta più della velocità

Le persone dimenticano spesso quanto rapidamente un lavoro sia stato concluso, ma ricordano a lungo se era affidabile, chiaro e ben fatto. La qualità costruisce fiducia e reputazione perché continua a produrre effetti dopo la consegna.

Questo principio non giustifica il perfezionismo. Anche il tempo è una dimensione della qualità: un risultato eccellente ma tardivo può non servire più. Occorre definire lo standard adeguato allo scopo, consegnare quando il valore è ancora utile e dedicare maggiore cura alle parti che avranno conseguenze durature. L’obiettivo è essere tempestivi senza sacrificare ciò che conta.

Misura ciò che vuoi cambiare

Misurare rende visibili il punto di partenza, l’andamento e la distanza dall’obiettivo. Una buona misura aiuta a distinguere le impressioni dai progressi reali e permette di capire se un intervento sta funzionando. Prima di raccogliere dati, però, bisogna chiarire che cosa si vuole migliorare e quale indicatore lo rappresenti davvero.

Ogni misura è incompleta. Quando un indicatore diventa un obiettivo rigido, può indurre comportamenti che migliorano il numero ma peggiorano la realtà sottostante. È quindi utile combinare quantità e giudizio qualitativo, controllare gli effetti indesiderati e rivedere periodicamente gli indicatori. Si misura per imparare e decidere, non per sostituire il pensiero con un numero.

Prepara il domani facendo bene oggi

Il futuro dipende in parte dalle azioni presenti ripetute nel tempo. Prepararsi significa svolgere con cura il lavoro di oggi, costruire competenze e lasciare margine per gli imprevisti. Rimandare in attesa del momento perfetto trasferisce al futuro un costo che tende ad accumularsi.

Fare del proprio meglio non significa spremere ogni giornata fino all’esaurimento. Significa utilizzare bene le risorse disponibili, includendo il riposo e il recupero. Un buon presente non garantisce il domani, ma aumenta le opzioni con cui potremo affrontarlo.

Affronta le cose difficili

La crescita richiede spesso di accettare rischi, fatica e possibilità di errore. Restare sempre nella zona di comfort limita l’apprendimento; esporsi senza criterio, però, può produrre danni sproporzionati. Il rapporto tra rischio e rendimento non è automatico: un rischio maggiore non assicura un risultato migliore.

Conviene scegliere difficoltà che insegnino qualcosa, dimensionare l’esposizione e preservare la possibilità di riprovare. Cadere può far parte del percorso; rialzarsi richiede risorse, sostegno e una lezione concreta. Il coraggio migliore non consiste nell’ignorare il rischio, ma nell’affrontarlo senza compromettere ciò che non ci si può permettere di perdere.

Scegli per che cosa vale la pena faticare

Non esistono scorciatoie affidabili per ciò che richiede competenza, fiducia o carattere. I risultati solidi nascono da pratica, correzione e tempo. Ma la fatica, da sola, non rende giusta una direzione: si può lavorare duramente anche a qualcosa che non conta o non funziona.

La domanda centrale è quale difficoltà sia coerente con i propri valori e con il tipo di vita che si vuole costruire. Scegliere la propria strada significa accettarne consapevolmente i costi, senza adottare obiettivi soltanto perché prestigiosi o approvati dagli altri. Non evitare ogni sacrificio; evita di sacrificarti per fini che non riconosci come tuoi.

Lavora su orizzonti lunghi

I risultati più robusti derivano spesso da azioni modeste mantenute per anni. Conoscenze, capacità, reputazione, relazioni e risparmio possono accumularsi come un interesse composto: ogni progresso rende più produttivo quello successivo. Cominciare presto aumenta il tempo disponibile, ma la logica della costanza vale a ogni età.

L’orizzonte lungo non impone di perseverare ciecamente. Occorre distinguere la pazienza dall’inerzia, verificare periodicamente la direzione e cambiare metodo quando le evidenze lo richiedono. La costanza è preziosa quando si applica a un processo valido e aggiornabile.

CONCENTRARSI E COSTRUIRE

Concentrati sul poco che conta davvero

Una parte limitata delle attività produce spesso una quota rilevante dei risultati. Il principio dell’ottanta-venti non è una legge matematica, ma un invito a identificare leve, persone e compiti ad alto impatto. Prima di aggiungere altro lavoro, chiediti quali attività possano essere eliminate, ridotte, delegate o automatizzate.

Concentrarsi non significa trascurare manutenzione, obblighi e dettagli essenziali. Significa proteggere tempo ed energia per ciò che sposta davvero il risultato, senza lasciare che il rumore occupi l’intera giornata.

Scegli le tue battaglie

Ogni conflitto consuma attenzione, tempo e capitale relazionale. Non tutte le questioni meritano lo stesso investimento. Prima di combattere, valuta la posta in gioco, la probabilità di incidere, il costo dell’escalation e ciò a cui rinunceresti altrove.

Lasciar correre può essere saggezza, ma anche evitamento. Vale la pena intervenire quando sono in gioco principi, danni rilevanti o precedenti destinati a ripetersi. Scegliere le proprie battaglie significa difendere con fermezza ciò che conta senza trasformare ogni divergenza in una prova di forza.

Decidi tra eccellenza selettiva e continuità

In alcuni lavori è meglio produrre pochi risultati eccezionali, accettando prestazioni ordinarie nelle aree meno importanti. In altri, la continuità e l’assenza di errori gravi contano più dei picchi. Un ricercatore, un artista o un imprenditore può beneficiare di qualche dieci e qualche sei; un chirurgo, un pilota o chi gestisce processi critici deve ridurre soprattutto i fallimenti.

La scelta dipende dal modo in cui viene prodotto il valore e dal costo degli errori. Bisogna sapere dove l’eccellenza genera un vantaggio reale e dove, invece, affidabilità e standard minimi sono irrinunciabili.

Comprendi la crescita esponenziale

Nei processi cumulativi, l’inizio può sembrare quasi immobile. Competenze, reti, reputazione e capitale crescono lentamente finché la base è piccola; quando gli effetti iniziano a sommarsi, il progresso diventa più visibile e può accelerare.

Questa dinamica invita alla pazienza, non alla fede cieca. La crescita esponenziale non continua per sempre e molti processi non decollano affatto. Occorre osservare segnali intermedi, verificare che il meccanismo di accumulo esista e distinguere una fase iniziale lenta da una strategia che non funziona.

La semplicità nasconde lavoro

Le soluzioni semplici appaiono ovvie dopo che qualcuno ha eliminato complessità, eccezioni e rumore. Un testo limpido, una lezione chiara o uno strumento intuitivo sono spesso il risultato di molte prove e rinunce. La semplicità ben costruita non è povertà: è complessità compresa e resa utilizzabile.

Bisogna diffidare sia della complicazione usata per impressionare sia della semplificazione che cancella aspetti essenziali. Il criterio è conservare ciò che serve e rimuovere ciò che non aggiunge comprensione o valore.

Ogni salto richiede una rincorsa

I cambiamenti visibili sono spesso preceduti da una fase invisibile di preparazione. Prima del salto vengono studio, tentativi, attese e decisioni che dall’esterno possono sembrare immobili. E prima della rincorsa può esserci un sospiro: il momento in cui si riconosce la paura e si decide comunque di partire.

Prepararsi non deve però diventare un modo elegante per rimandare. Una buona rincorsa ha una direzione, una durata e un punto di stacco. Quando le condizioni sono sufficienti, occorre accettare che nessuna preparazione eliminerà completamente l’incertezza.

Aumenta i tentativi senza sprecare gli errori

Il numero dei successi è spesso correlato al numero dei tentativi e, quindi, dei fallimenti possibili. Chi produce molto crea più occasioni per riuscire, purché il costo di ciascun esperimento sia sostenibile. Il fallimento non è una misura del valore personale e non garantisce, da solo, alcun apprendimento.

La strategia efficace consiste nel moltiplicare esperimenti piccoli, ricevere rapidamente informazioni e incorporare ciò che si è imparato. Non cercare l’errore: costruisci un processo nel quale gli errori siano informativi, limitati e non fatali.

Per fare bene, scegli poche cose

L’eccellenza richiede attenzione indivisa, ripetizione e tempo per riflettere. Troppi impegni simultanei frammentano il lavoro e impediscono di raggiungere profondità. Dire sì a una priorità significa quasi sempre dire no, o almeno “non ora”, a qualcos’altro.

Fare poche cose non significa avere interessi ristretti. Significa limitare il numero dei progetti attivi, concludere prima di aggiungere e proteggere spazi di concentrazione. La selezione è parte del lavoro, non una rinuncia preliminare.

INTERPRETARE E VIVERE

La realtà comprende fatti e interpretazioni

I fatti pongono vincoli: alcuni eventi sono accaduti, alcuni numeri sono verificabili e alcune conseguenze sono osservabili. Lo storytelling collega questi elementi, attribuisce cause e costruisce significati. È indispensabile per comprendere e comunicare, ma può anche selezionare, deformare o sostituire le evidenze.

Una buona narrazione dichiara i propri presupposti e resta correggibile dai fatti. Quando racconto ed evidenza entrano in conflitto, non vanno messi sullo stesso piano. La realtà non è creata soltanto dalle storie; le storie determinano, però, quale parte della realtà vediamo e come decidiamo di agire.

Dai priorità al lungo periodo

Molte scelte producono un beneficio immediato e un costo futuro, oppure chiedono un piccolo costo oggi per ampliare le possibilità di domani. Dare priorità al lungo periodo significa considerare la persona che diventeremo, senza sacrificare inutilmente il presente.

Con i bambini questo principio è particolarmente importante. L’obiettivo non è ottenere bambini perfettamente obbedienti o precocemente performanti, ma aiutare a crescere adulti autonomi, responsabili, curiosi e capaci di costruire relazioni. Educare significa combinare protezione e libertà crescente, regole comprensibili e possibilità di sbagliare in sicurezza.

Parti da ciò che devi evitare

Prima di chiederti come vincere, chiediti che cosa potrebbe produrre un danno grave o irreversibile. Individuare comportamenti, ambienti e decisioni da evitare riduce la fragilità e semplifica la strategia. Spesso è più facile prevenire gli errori ricorrenti che prevedere la mossa perfetta.

La paura e l’avversione alla perdita contengono informazioni, ma non devono guidare tutto. L’obiettivo non è eliminare ogni disagio o rischio: è evitare la rovina, proteggere ciò che è essenziale e liberare energie per opportunità caratterizzate da un rischio sostenibile.

Inverti il problema

Quando una domanda è difficile, prova a rovesciarla. Invece di chiederti soltanto come avere successo, chiediti che cosa garantirebbe il fallimento. Invece di domandare come costruire fiducia, elenca i comportamenti che la distruggono. Questa forma di inversione, associata al pensiero di Charlie Munger, rende visibili ostacoli ed errori che il ragionamento diretto può trascurare.

L’inversione non sostituisce una strategia positiva. Aiuta prima a eliminare le cause più prevedibili di insuccesso; poi occorre ancora scegliere che cosa costruire e come farlo.

Scopri chi sei senza inventarti un personaggio

Conoscersi significa osservare con onestà ciò che dà energia, ciò che si evita, i valori che resistono alla pressione e le capacità che emergono nella pratica. L’identità non si trova già completa, ma nemmeno si crea senza vincoli. Nasce dall’incontro tra inclinazioni, esperienze, responsabilità e scelte ripetute.

Non serve imitare un modello estraneo per sentirsi legittimi. Si può cambiare e crescere senza recitare una parte. La domanda non è “Quale immagine voglio proiettare?”, ma “Quali azioni sono coerenti con la persona che desidero diventare?”.

Scegli con cura chi ti sta vicino

Le persone vicine influenzano aspettative, linguaggio, abitudini e percezione di ciò che è possibile. Nel tempo assorbiamo norme e comportamenti dal nostro ambiente sociale, anche senza accorgercene. Per questo conviene frequentare persone che uniscano ambizione e integrità, che sappiano sostenere e contraddire con rispetto.

Non siamo, però, la semplice media degli altri e non tutte le relazioni possono essere scelte. Conservare autonomia significa riconoscere le influenze, stabilire confini e coltivare contesti diversi. La vicinanza migliore non crea conformità: aiuta ciascuno a diventare più libero e responsabile.

Annota e rileggi i piccoli successi

I progressi quotidiani sono facili da dimenticare perché l’attenzione si sposta subito sul problema successivo. Annotare piccoli successi, decisioni riuscite e ostacoli superati crea una memoria più accurata del percorso. Aiuta a riconoscere quali strategie funzionano e a contrastare la tendenza a ricordare soprattutto mancanze ed errori.

La pratica è utile se resta concreta: che cosa è accaduto? Quale azione lo ha favorito? Che cosa conviene ripetere? Non è autocelebrazione, ma raccolta di evidenze per rafforzare fiducia e apprendimento.

Impara più linguaggi

Matematica, poesia, arte e musica sono modi differenti di rappresentare il mondo. La matematica rende precise relazioni e quantità; la poesia concentra esperienza e ambiguità; le arti visive allenano lo sguardo; la musica organizza tempo, forma ed emozione. Conoscere più linguaggi amplia ciò che si riesce a percepire e comunicare.

Non occorre padroneggiarli tutti allo stesso livello. Il valore sta nell’attraversare discipline diverse e lasciare che ciascuna corregga i limiti delle altre. Una mente plurilingue, anche in senso non letterale, dispone di più strumenti per comprendere problemi complessi.

Guarda la direzione, non soltanto il livello

Il livello di oggi dice dove ti trovi; la variazione dice in quale direzione ti stai muovendo. Guardare la derivata significa chiedersi se, rispetto a ieri o al periodo precedente, si stia migliorando. Questo rende visibili progressi che il confronto con persone eccezionali o con traguardi lontani potrebbe nascondere.

Non bisogna, però, reagire a ogni oscillazione. Una giornata storta può essere soltanto rumore: conviene osservare la tendenza su un intervallo adeguato e confrontarla con il proprio punto di partenza. Gli outlier possono ispirare, ma non sono sempre un termine di paragone utile. Conta la traiettoria, senza perdere di vista la destinazione.

Libertà, indipendenza, violenza economica e finanza personale

September 26, 2026 ~ Marco Piovesan ~ Leave a comment

Quando parliamo di indipendenza femminile pensiamo quasi automaticamente al lavoro. Una donna lavora? Allora è economicamente indipendente. Non è necessariamente così.

Una donna può avere un lavoro, uno stipendio e un conto corrente e, allo stesso tempo, dipendere economicamente dal proprio compagno. La domanda interessante, infatti, non è soltanto: “Hai un reddito?”. È un’altra: “Se domani volessi andartene, potresti permettertelo?”. Questa domanda cambia radicalmente la prospettiva.

I numeri italiani. Partiamo da un dato impressionante. Secondo Istat, nel 2021, tra le coppie italiane di 25-54 anni, nel 29,8% dei casi l’uomo era l’unico percettore di reddito da lavoro. La media europea era il 15,7%. In altre parole, questa configurazione familiare era in Italia quasi due volte più frequente che nell’Unione europea. E l’Italia risultava ultima nell’UE per diffusione delle coppie nelle quali i due partner avevano redditi da lavoro simili. Ma il 29,8% rappresenta soltanto la situazione più evidente.

Ci sono poi tutte le coppie nelle quali entrambi lavorano, ma uno dei due genera una parte nettamente maggiore del reddito familiare.Immaginiamo una coppia nella quale lui guadagna 3.000 euro al mese e lei 1.000. Entrambi lavorano. Entrambi sono formalmente indipendenti. Ma producono rispettivamente il 75% e il 25% del reddito della coppia. Se la famiglia consuma tutto ciò che guadagna e, per semplicità, immaginiamo che entrambi beneficino in egual misura dei consumi familiari, il risultato contabile è semplice: lui produce 3.000 euro ma consuma risorse per 2.000; lei produce 1.000 euro e ne consuma per 2.000. Esiste quindi un trasferimento intrafamiliare netto di 1.000 euro.

Non c’è nulla di necessariamente problematico in questo. Una coppia è anche un sistema di assicurazione reciproca e di condivisione delle risorse. Inoltre il reddito monetario non misura il lavoro domestico, la cura dei figli e tutte le altre forme di produzione all’interno della famiglia. Il problema nasce quando confondiamo questa condivisione con l’autonomia economica.

L’“outside option”. Gli economisti che studiano la famiglia conoscono bene il concetto di outside option: che cosa mi succede se esco dalla relazione?

È qui che reddito e libertà diventano strettamente collegati. Due persone possono avere lo stesso tenore di vita mentre stanno insieme e trovarsi in condizioni completamente differenti nel momento in cui si separano. Chi dispone di un reddito sufficiente, risparmi propri, patrimonio e competenze per amministrarlo può lasciare una relazione sostenendo i costi di una nuova abitazione e di una vita autonoma. Chi non dispone di queste risorse affronta invece un costo di uscita molto più elevato.

La vera misura dell’indipendenza economica, quindi, non dovrebbe essere semplicemente: “Lavori?”. Dovrebbe essere: “Quanto a lungo potresti mantenerti autonomamente se da domani non avessi più accesso al reddito del tuo partner?”

Questa è quella che chiamerei financial exit capacity: capacità finanziaria di uscita. Quando la dipendenza diventa un problema di libertà

Bisogna fare una distinzione fondamentale. Dipendenza economica e violenza economica NON sono sinonimi. Una coppia può scegliere liberamente che uno dei due partner lavori meno, si occupi maggiormente dei figli e dipenda in parte dal reddito dell’altro. Non c’è necessariamente alcuna violenza.

La violenza economica riguarda invece comportamenti di controllo: impedire al partner di utilizzare il proprio denaro, impedirgli di lavorare, nascondere le risorse familiari, negargli l’accesso agli strumenti finanziari o escluderlo sistematicamente dalle decisioni economiche.

E qui i dati Istat sono preoccupanti. Nell’indagine 2025, il 6,6% delle donne che hanno o hanno avuto un partner riferisce di avere subito violenza economica da un partner attuale o precedente. Tra i comportamenti rilevati da Istat figurano l’impedimento a conoscere il reddito familiare, a possedere carta o bancomat, a utilizzare il proprio denaro o a lavorare. Tra le donne che nel 2024 hanno intrapreso un percorso presso un Centro antiviolenza, naturalmente una popolazione fortemente selezionata e quindi non rappresentativa delle donne italiane, il quadro è ancora più netto. Il 45,5% dichiarava di non essere economicamente autonoma. Il 39,7% riferiva di avere subito violenza economica. E persino tra le donne occupate il 14,7% dichiarava di non essere economicamente autonoma.

Quel 14,7% dovrebbe farci riflettere. Avere un lavoro non significa necessariamente potersi permettere di scegliere.

Il paradosso della finanza personale. A questo punto emerge un paradosso. Se l’autonomia economica è una componente così importante della libertà individuale, dovremmo aspettarci che proprio chi rischia maggiormente di dipendere economicamente da qualcun altro investa moltissimo nella propria alfabetizzazione finanziaria.

Eppure in Italia osserviamo ancora un gender gap.

L’indagine della Banca d’Italia sull’alfabetizzazione finanziaria degli adulti trova un punteggio medio di 10,5 per le donne contro 10,9 per gli uomini. Il divario compare anche nelle competenze di finanza digitale. E non sembra essere soltanto un fenomeno delle generazioni più anziane. Nell’indagine Banca d’Italia sui giovani tra 18 e 34 anni emerge nuovamente un divario nelle conoscenze finanziarie a sfavore delle donne.

La domanda interessante è: quanto partecipano oggi uomini e donne alla gestione di risparmi, investimenti, mutui, pensioni e patrimonio familiare?

Il conto corrente non basta. Forse abbiamo definito troppo debolmente l’emancipazione economica. Avere uno stipendio non basta. Avere un conto corrente non basta.E nemmeno dividere formalmente le spese basta.

Una persona economicamente autonoma dovrebbe possedere almeno quattro cose:

– un reddito proprio sufficiente;

– un patrimonio o una riserva finanziaria sulla quale abbia effettivo controllo;

– le competenze necessarie per amministrare autonomamente denaro, debito, risparmio e investimenti;

– la capacità economica di sostenere un’uscita dalla relazione senza precipitare immediatamente in una condizione insostenibile.

Quest’ultimo elemento è quello di cui parliamo meno. E forse è quello più importante. Perché l’indipendenza economica non serve soltanto per comprare ciò che vogliamo. Serve per poter dire di no. Serve per poter negoziare da una posizione meno asimmetrica.E, nelle situazioni peggiori, serve per poter aprire una porta, uscire e non essere costretti a tornare indietro perché non possiamo permetterci di vivere da soli.

La vera emancipazione finanziaria, allora, non consiste semplicemente nel guadagnare denaro. Consiste nell’avere abbastanza risorse, conoscenze e controllo sul proprio patrimonio da poter scegliere liberamente anche quando quella scelta significa andarsene.

Allibito. Un mare di mediocrità e inconsapevolezza

September 15, 2026September 15, 2026 ~ Marco Piovesan ~ Leave a comment

Ieri, durante un esame universitario, ho sorpreso due studentesse con il cellulare nascosto tra le gambe. Le regole erano state spiegate chiaramente, più volte e anche per iscritto: niente telefoni, niente dispositivi elettronici, niente materiale non autorizzato. Prima dell’inizio della prova avevo persino lasciato il tempo necessario per controllare sul telefono il numero di matricola, per chi non lo ricordava, e poi riporlo nella borsa.

Non voglio parlare delle persone coinvolte. L’episodio mi interessa per una ragione diversa: mi ha fatto riflettere ancora una volta su che cosa significhi andare all’università e su quanto tempo e quante risorse alcuni giovani rischino di sprecare senza nemmeno rendersene conto.

Perché ci si iscrive all’università?

Credo che, semplificando, si vadano a cercare due cose.

La prima è l’opportunità di acquisire conoscenze, capacità e competenze. Si frequentano lezioni, si fanno esercizi, si leggono libri e articoli, si discute con professori e compagni, si ricevono critiche e feedback. Si dovrebbe uscire dall’università diversi da come ci si è entrati: capaci di capire qualcosa che prima non si capiva e di fare qualcosa che prima non si sapeva fare.

La seconda è una certificazione credibile di ciò che si è imparato. Un esame superato, un voto, una laurea dicono al resto della società: questa persona ha raggiunto determinati standard e un’istituzione si assume la responsabilità di certificarlo.

E allora mi domando: che senso ha iscriversi all’università se non si segue, se durante le lezioni si è altrove, se si cerca continuamente la scorciatoia per non leggere, non esercitarsi, non pensare? E, soprattutto, che senso ha andarci se poi si cerca di imbrogliare proprio nel momento in cui si dovrebbe dimostrare ciò che si è imparato?

C’è qualcosa di profondamente paradossale nel pagare, direttamente o attraverso la propria famiglia e la collettività, per avere accesso a professori, biblioteche, lezioni, compagni, esercitazioni e anni dedicati quasi esclusivamente alla propria formazione, e poi impegnare energie per trovare il modo di evitare proprio lo sforzo che rende preziosa quell’esperienza.

È come entrare in palestra e dedicare il proprio ingegno a escogitare un sistema per far sollevare i pesi a qualcun altro, sperando però di uscire con i muscoli.

L’intelligenza artificiale rende questo paradosso ancora più evidente. È uno strumento straordinario per imparare di più e meglio. Ma può diventare anche una macchina perfetta per evitare la fatica cognitiva: non capire ma ottenere la risposta, non scrivere ma ottenere il testo, non risolvere ma ottenere la soluzione. E magari, alla fine, ottenere anche il voto.

Dal punto di vista individuale può sembrare perfino razionale: se l’obiettivo è semplicemente prendere una laurea minimizzando lo sforzo, ogni scorciatoia diventa attraente.

Ma questo significa confondere completamente il mezzo con il fine.

Il titolo non dovrebbe essere il prodotto e l’apprendimento il prezzo fastidioso da pagare per ottenerlo. Il prodotto sono le conoscenze, le capacità, la maturità intellettuale e professionale costruite in quegli anni. La laurea è soltanto la certificazione che quel processo è avvenuto.

E qui nasce anche una responsabilità dell’università.

Quando uno studente non studia, spreca soprattutto una parte della propria vita. Quando copia a un esame, invece, il problema diventa collettivo. Se l’università certifica competenze che non sono state acquisite, indebolisce il valore della propria certificazione. Danneggia i compagni che hanno studiato seriamente, i laureati che portano quel titolo nel mercato del lavoro e, alla fine, la propria reputazione.

Per questo contrastare la copiatura non significa difendere l’autorità del professore o applicare burocraticamente una regola. Significa proteggere il valore della laurea di chi se l’è guadagnata.

Ma ciò che mi lascia più amareggiato non è nemmeno la singola scorrettezza. È l’impressione, che episodi come questo rafforzano, di vedere giovani con enormi possibilità attraversare alcuni degli anni più ricchi di opportunità della loro vita immersi in un mare di mediocrità e inconsapevolezza: fare il minimo indispensabile, cercare la scorciatoia, accontentarsi di passare, delegare ad altri o a una macchina la fatica di capire.

Naturalmente non sono tutti così. Vedo anche studenti curiosi, esigenti con se stessi, capaci di appassionarsi, fare domande difficili e utilizzare magnificamente le opportunità che hanno. Ed è forse proprio il confronto con loro a rendere lo spreco degli altri così evidente.

A vent’anni quattro o cinque anni sembrano quasi gratuiti. Non lo sono.

Sono una quantità enorme di tempo, energie e risorse. Soprattutto, sono anni nei quali si ha un privilegio che nella vita diventerà sempre più raro: poter dedicare una parte considerevole del proprio tempo a diventare più competenti, più autonomi e, possibilmente, più intelligenti nel modo di guardare il mondo.

Sprecare questa opportunità per ottenere un pezzo di carta con il minimo sforzo possibile è un pessimo affare.

E nessun voto ottenuto copiando potrà renderlo migliore.