AI hiring jobs: l'86% degli atenei usa già l'AI

Il dato: l'86% degli atenei americani usa l'AI sulla ricerca di lavoro

La rilevazione della National Association of Colleges and Employers fissa una soglia netta: ad aprile 2026 l'86% degli istituti di istruzione superiore statunitensi dichiara di usare l'AI nel lavoro individuale con gli studenti sulla ricerca di lavoro, come riporta Fast Company^[1]. Il mercato delle AI hiring jobs comincia quindi molto prima del primo colloquio.

Quasi tutti quegli atenei comprano lo strumento da un fornitore esterno.

Il numero misura diffusione. Misura quanti centri di carriera hanno acceso un software, e resta una cosa diversa dalla capacità di progettare quel software. La distanza tra le due misure regge tutta questa analisi.

Per chi assume l'effetto arriva subito. Il curriculum, la lettera di presentazione e la preparazione al colloquio di un candidato entry-level passano oggi per un sistema che l'organizzazione datrice di lavoro ha raramente visto in funzione. Il filtro agisce a monte della selezione, fuori dal perimetro di chi poi decide.

Dartmouth passa dall'acquisto alla costruzione

Dartmouth College ha creato un ruolo di chief product officer dentro il proprio centro di carriera, il primo del genere in un ateneo della Ivy League. Il ruolo è andato a Kiley McEvoy, ex senior product manager di Google e alumna dello stesso college.

Il prodotto in sviluppo accompagna lo studente lungo tutto il percorso universitario, con domande regolari su interessi, competenze e desideri professionali.

Joe Catrino, direttore esecutivo del Dartmouth Center for Career Design, descrive l'offerta classica degli uffici di orientamento come un servizio rimasto identico per decenni. La frase pesa più della singola assunzione: definisce l'orientamento come un prodotto, quindi come qualcosa che si progetta, si misura e si corregge.

Portare una figura di prodotto dentro un ateneo sposta la domanda. Si passa da "quale strumento abbiamo comprato" a "chi possiede la competenza di disegnare il percorso". La seconda domanda vale per ogni organizzazione che gestisce persone.

La prima porta viene progettata a monte

Il punto di ingresso nel mercato del lavoro resta il segmento più esposto. I ruoli entry-level assorbono per primi la riorganizzazione delle attività che l'AI rende automatiche, e le carriere tendono a comprimersi verso l'alto.

I dati sul mercato del lavoro americano registrano da mesi una pressione crescente sui neolaureati: disoccupazione in aumento relativo e assunzioni iniziali in calo rispetto al resto degli organici.

Il caso di Dartmouth aggiunge un elemento nuovo a quel quadro. Quando l'infrastruttura che prepara i candidati viene disegnata da chi possiede competenza di prodotto, la qualità della preparazione smette di essere casuale e diventa una variabile progettata.

Per chi assume la conseguenza è concreta. I segnali che arrivano dal candidato (formato del curriculum, chiarezza degli obiettivi, aderenza al ruolo) riflettono anche la qualità del sistema che lo ha allenato. Leggere quei segnali come puro merito individuale diventa quindi un errore di misura.

Adozione e capacità di progettare restano due misure diverse

L'86% racconta un'adozione ampia. Racconta anche una dipendenza: gran parte degli atenei affida a un fornitore la logica con cui uno studente viene indirizzato verso un settore, un ruolo e una retribuzione attesa.

La stessa dinamica attraversa le organizzazioni che assumono.

Comprare una piattaforma di screening richiede una firma. Ridisegnare la selezione intorno a quella piattaforma richiede competenza interna, tempo dei manager e una definizione chiara di cosa conta come potenziale. La prima cosa avviene in poche settimane, la seconda in alcuni trimestri.

Il collo di bottiglia dell'adozione resta la preparazione di chi guida, più della disponibilità delle persone. Strumenti eccellenti affidati a una leadership impreparata rendono meno di strumenti mediocri affidati a una leadership alfabetizzata. Il caso Dartmouth mostra la versione positiva della stessa regola: una competenza di prodotto interna alza il livello di ambizione di tutto il servizio.

L'obiezione accademica e la risposta di merito

La critica esiste e merita spazio. Una newsletter della Chronicle of Higher Education del 16 settembre 2026 ha definito insensata la corsa della Ivy League verso l'AI, in un intervento di opinione che raccoglie il malessere di una parte del mondo accademico^[2].

L'obiezione centra un rischio reale: sostituire la relazione educativa con un flusso automatico di suggerimenti.

La risposta utile sta nella differenza tra delega e progettazione. Un ateneo che compra uno strumento chiavi in mano cede il criterio a un fornitore. Un ateneo che assume una figura di prodotto tiene il criterio dentro casa e lo rende discutibile, misurabile, correggibile.

Vale lo stesso per chi assume. Il valore di una tecnologia di selezione dipende da chi ne possiede le regole, e la proprietà delle regole resta una scelta di governance, prima ancora che una scelta tecnica.

Il bias entra da entrambi i lati del processo

Il lato dei recruiter porta un secondo problema. Una quota ampia dei team HR usa già forme di screening automatico, la fiducia dichiarata verso le interviste condotte dall'AI cresce, e insieme cresce il numero di professionisti che riferisce di aver osservato bias nei risultati.

La fiducia corre più veloce della misura.

Quando entrambe le estremità del processo sono mediate da modelli (lo studente allenato da uno strumento, il candidato filtrato da un altro), l'esito dipende dall'allineamento tra due sistemi costruiti da fornitori diversi, con obiettivi diversi.

Un ateneo ottimizza il collocamento dei propri laureati. Una piattaforma di screening ottimizza la riduzione del volume di candidature da leggere. I due obiettivi si toccano poco, e la persona in mezzo assorbe tutta la differenza.

Cosa fanno le organizzazioni che colmano il divario

Le organizzazioni ad alto funzionamento si muovono su tre piani, tutti visibili nei dati di mercato del lavoro degli ultimi due anni.

• Conversione del talento interno prima del ricorso al mercato esterno
• Ridisegno dei ruoli di ingresso intorno alle attività che l'AI lascia scoperte
• Trasparenza verso i candidati sul ruolo dei modelli nella selezione

Il primo piano riguarda i costi. Ricollocare una persona su un ruolo nuovo costa meno che licenziare e riassumere, e le organizzazioni dotate di una mappa aggiornata delle competenze restano una minoranza ristretta.

Il secondo piano riguarda il contenuto del lavoro. Un ruolo di ingresso costruito intorno a compiti ormai automatici perde senso in pochi mesi, mentre un ruolo costruito intorno a giudizio, relazione con il cliente e verifica del risultato regge il passaggio.

Il terzo piano riguarda la fiducia. Gli atenei stanno già spiegando agli studenti come funzionano gli strumenti che usano con loro, e la stessa domanda arriverà presto ai datori di lavoro.

Le metriche che il board dovrebbe vedere

Il caso di Dartmouth produce quattro domande operative, una per ogni tavolo decisionale.

• CEO: la porta d'ingresso dell'organizzazione è un processo progettato o un residuo storico?
• CHRO: chi, dentro il team, possiede competenza di prodotto sugli strumenti di selezione?
• CFO: quale quota della spesa in tecnologia HR finanzia capacità interna invece di licenze esterne?
• Talent & Compensation Committee: quale metrica misura la qualità delle assunzioni entry-level a dodici e a ventiquattro mesi?

L'86% degli atenei americani è un dato da portare in consiglio. Descrive un cambiamento nella preparazione di ogni futura coorte di candidati, e arriva prima di qualsiasi decisione interna sul recruiting.

Un ateneo ha deciso di trattare l'orientamento come prodotto e ha comprato la competenza per farlo.

La domanda di design per chi guida un'organizzazione resta simmetrica: quale parte del percorso di ingresso delle persone è oggi disegnata da qualcuno che risponde al vostro consiglio, e quale parte è disegnata da un contratto di licenza firmato tre anni fa?