1. Introduzione: La posta in gioco dell’intelligenza artificiale nel lavoro accademico
L’intelligenza artificiale è spesso raccontata nei termini di una rivoluzione tecnica, ma ci si sofferma di meno sul significato delle trasformazioni che essa introduce nel nostro modo di lavorare, di collaborare, di attribuire valore al tempo e all’attenzione. In ambito accademico, dove la parola, la scrittura e la memoria condivisa sono strumenti fondamentali, l’introduzione di assistenti digitali capaci di trascrivere, sintetizzare e rielaborare i nostri incontri di lavoro solleva domande tutt’altro che banali: chi parla e chi ascolta? Di chi è la responsabilità di ciò che viene registrato, riportato, deciso?
In questo contributo presentiamo un confronto fra alcune delle soluzioni oggi in uso o in sperimentazione all’interno dell’Università di Torino – da Cisco Webex a ChatGPT, passando per il sistema open source Whisper – per riflettere su come la tecnologia stia riformulando pratiche quotidiane apparentemente semplici, come la presa di appunti. Non si tratta solo di strumenti, ma di scelte: ogni strumento implica infatti un diverso rapporto con i dati — con il modo in cui vengono raccolti, dove vengono conservati, chi può accedervi e a quali condizioni.
2. Oltre gli strumenti: scelte tecnologiche e implicazioni etiche
Scegliere tra una soluzione open source e una su licenza commerciale significa decidere non solo in base alla performance, ma anche in base a principi come la trasparenza, la sicurezza, la sovranità tecnologica. In definitiva, la questione non è solo “come trascriviamo”, ma “quale idea di lavoro e conoscenza vogliamo promuovere”.
3. L’Università di Torino e l’IA: una strategia in divenire
I progressi effettuati in ambito di intelligenza artificiale viaggiano a un ritmo tale da imporre alle istituzioni non solo un monitoraggio costante delle tecnologie che si servono dell’IA, ma anche una vera e propria fase di testing delle potenzialità di questi strumenti. La nascita di una piattaforma scientifica all’interno dell’Università di Torino, dedicata interamente allo studio e alla ricerca su questo macro-tema, è indicativa della particolare attenzione riposta dall’Ateneo a riguardo.
L’istituzione di corsi di formazione continua per i dipendenti, o la nascita di specifici progetti mirati all’implementazione dell’IA nelle attività lavorative è intesa, in questa fase, con l’obiettivo di favorire lo scambio di conoscenze e la collaborazione fra le diverse realtà presenti in Ateneo.
L’attuazione di misure specifiche, quali ad esempio l’acquisto di circa 600 licenze di strumenti quali ChatGPT e Microsoft 365 CoPilot, distribuite a docenti, ricercatori e personale tecnico-amministrativo, è senz’altro strategica ai fini di una sperimentazione diffusa che possa restituire un feedback diretto dai dipendenti stessi sull’utilità di queste tecnologie.
Peraltro, la presenza della IA nella vita quotidiana dei lavoratori si fa mano a mano più pressante, non solo per via di strumenti nuovi coi quali fare esperienza, ma anche attraverso l’aggiornamento di software già molto familiari, i quali ora hanno integrato la IA per compiti assistenziali.
4. Cisco Webex: trascrivere in tempo reale con l’assistente intelligente
Si prenda come esempio Cisco Webex, la piattaforma utilizzata quotidianamente dai dipendenti di Ateneo per svolgere riunioni e videoconferenze online. Tra le più recenti novità introdotte, spicca una nuova funzionalità di assistenza basata su IA che rappresenta un deciso passo avanti nel panorama degli strumenti digitali per la collaborazione: accedendo a un meeting, gli utenti possono attivare — tramite un’icona circolare al centro dell’interfaccia — un assistente intelligente in grado di fornire riepiloghi in tempo reale, trascrizioni automatiche e risposte personalizzate alle domande.
L’attività di reportistica effettuata manualmente durante una riunione è senz’altro familiare a tutti noi: serve per tenere traccia delle discussioni, delle decisioni prese e delle azioni da intraprendere. Il supporto digitale può rivelarsi particolarmente utile quando si desidera rendere il processo più efficiente e meno dispendioso: un software che trascrive e riepiloga quanto dichiarato in una riunione lunga e complessa può consentirci di prestare totale attenzione ai relatori, senza il cruccio di dover riportare tutto a mano, riducendo la possibilità di errori e fraintendimenti.
5. Il caso Whisper: l’open source per la trascrizione automatica
Vi sono anche soluzioni alternative, sempre mediante l’uso di IA, che ci consentono di delegare ad assistenti virtuali il compito di elaborare una trascrizione di un meeting, a patto che si utilizzi il file video o audio della riunione stessa come fonte. Ad esempio, un programma open source come Whisper, sviluppato da OpenAI, è un sistema speech to text che trascrive automaticamente il contenuto di un file in modo intuitivo e preciso, anche partendo da file audio di bassa qualità o che presentano rumori di fondo. Inoltre, fra le sue funzionalità, vi è anche quella di tradurre in lingua inglese file audio a partire da una decina di lingue diverse supportate dal modello, fra cui chiaramente l’italiano.
Nell’ambito dei test in corso su questi strumenti nel settore accademico, il Polo di Medicina dell’Università di Torino ha avviato una sperimentazione proprio sull’uso di Whisper, con l’obiettivo non solo di valutare le potenzialità del programma nel migliorare i processi di reportistica e documentazione interna, ma anche per confrontare l’utilizzo degli strumenti IA sia in locale che tramite licenza.
6. ChatGPT e Mistral: modelli a confronto per rielaborare i contenuti
Si può affermare che il risultato ottenuto con uno dei software acquistati, ovvero ChatGPT, sia migliore perché più immediato: generando un unico prompt, si ottiene una versione trascritta e rielaborata della registrazione della riunione. ChatGPT fa infatti affidamento proprio su questo stesso ASR (sistema di riconoscimento vocale automatico) per la trascrizione, svolgendo poi la rielaborazione, riassunto e altre attività proprie di un modello linguistico.
Al termine del processo, il vantaggio sarà stato quindi quello di ottenere una trascrizione già riformulata per poter diventare a tutti gli effetti un documento che, una volta revisionato, potrà considerarsi già pronto all’uso. Se invece si sceglie di utilizzare modelli open source,occorrerà effettuare i due passaggi singolarmente.
Nella sperimentazione condotta, la fase di trascrizione è stata dunque svolta da Whisper, mentre per la parte di elaborazione è stato utilizzato Mistral 7B, un large language model open source.
I vantaggi riscontrati in questo caso riguardano molti altri aspetti. Intuitivamente, si può pensare all’appiattimento dei costi legati proprio all’acquisto di licenze: essendo open source, Whisper e Mistral permettono di essere liberamente integrati nei propri sistemi senza dover stipulare una contrattualistica in merito.
7. Costi, competenze e controllo: cosa serve per usare l’IA in locale
Va precisato che, per poter lavorare con Whisper e Mistral installandoli in locale, è necessario disporre di risorse hardware adeguate, solitamente non previste per l’uso standard in Ateneo. Più grande è il modello installato (su GitHub, per Whisper, sono presenti cinque varianti, con diversi livelli di complessità), più performante dovrà essere il processore e potrebbe essere necessario disporre di una scheda video. Oltre alla potenza della macchina, bisogna considerare che la gestione di uno strumento personalizzato ad hoc richiede competenze tecniche e organizzative: il personale incaricato dell’uso dovrà essere sufficientemente esperto da occuparsi della manutenzione e degli aggiornamenti necessari.
D’altra parte, questa indipendenza da interventi esterni e da infrastrutture non proprietarie può rivelarsi vantaggiosa: lavorando offline si riducono drasticamente i rischi legati alla sicurezza informatica e si garantisce un maggiore controllo sui dati e la loro protezione, nel rispetto delle normative GDPR vigenti.
Infatti, tutta la documentazione non esce dal perimetro aziendale rimanendo all’interno dell’organizzazione. Ovviamente, questo non può accadere per i servizi su licenza come ChagtGPT, i quali usufruiscono di server localizzati potenzialmente dall’altra parte del mondo e su cui il transito di dati sensibili è massiccio poiché effettuato via internet.
8. Conclusioni: Ripensare il lavoro accademico attraverso l’IA
In definitiva, si può affermare che le opportunità di implementazione dell’intelligenza artificiale in ambito amministrativo ed universitario siano molteplici e talvolta inaspettate, come avvenuto nelle unità amministrative del Polo di Medicina.
Una disamina di vantaggi e svantaggi di un acquisto di software su licenza e di un’installazione locale può aiutare a chiarire all’utente quale delle due vie sia la più percorribile per le proprie esigenze.
Un’attività molto comune la trascrizione di appunti può diventare dunque terreno di confronto e offrire possibili alternative d’uso e aprire ad ulteriori tentativi, i quali diventano parte di un processo di aggiornamento e ricerca che sia il più possibile ampio, diversificato e dialogante.
Immagini generate tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (2025).
