Nell'era dell'AI, l'illusione di sembrare intelligenti e di fare gatekeeping attraverso l'expertismo è giunta al termine. Per evitare malintesi, vale la pena chiarire cosa intendo con questo (con l'aiuto di GPT-5): Per molto tempo, una persona poteva guadagnare autorità semplicemente "sembra intelligente". Un linguaggio curato, gergo denso e credenziali d'élite spesso servivano come scorciatoie per giudicare la competenza. Ciò che intendo per "Expertismo" qui è uno status basato su quei segnali piuttosto che su abilità dimostrate e misurabili in modo ripetuto. "Gatekeeping" significa anche usare quello status per controllare chi ha accesso a informazioni, strumenti o opportunità. L'AI ora sottrae gran parte del valore da queste apparenze e indebolisce quelle porte. È importante notare che ciò che finisce non è l'expertise stessa, ma il monopolio che la retorica accreditata aveva sulla credibilità. Pertanto, il mercato si sta spostando da segnali di prestigio a segnali di prestazione. Le domande diventano: il tuo modello prevede nuovi dati con accuratezza fuori campione? I tuoi protocolli si replicano in altre mani? Le tue decisioni superano costantemente semplici baseline? Le tue affermazioni sopravvivono a controlli avversariali da parte dell'AI? L'apparenza di intelligenza ora conta molto meno rispetto alla capacità di produrre risultati che altri possono eseguire, testare e migliorare. Il gatekeeping si indebolisce per motivi simili. Conoscenze e strumenti che una volta erano bloccati dietro riviste, paywall o cerchie professionali possono essere riassunti, spiegati e operazionalizzati dall'AI. (Sebbene set di dati a pagamento o di grandi dimensioni esistano ancora in caveau, si spera che diventino aperti anche loro). Le persone possono apprendere più velocemente, prototipare più rapidamente e confrontare alternative senza chiedere permesso. Nessuna di queste cose rende l'expertise nel mondo reale opzionale. La conoscenza tacita conta ancora: come condurre un esperimento senza contaminazione, come reclutare i pazienti giusti, come vedere un modello di fallimento precocemente, come progettare un protocollo che sopravviverà alla revisione e alle operazioni. L'AI può redigere il tuo piano e catturare errori ovvi, ma non può pipettare, esaminare un paziente o assumersi la responsabilità etica, almeno non ancora. In medicina, ingegneria, scienza, il contatto causale con la realtà e la responsabilità per le conseguenze rimangono il nucleo della pratica esperta. La conseguenza pratica è un nuovo modo di segnalare competenza. Affermazioni chiare e testabili superano la brillantezza astratta. Flussi di lavoro riproducibili superano spiegazioni ornate. La validità predittiva supera il prestigio.