Fine semestre con Anna, docente che valida sei progetti in venti minuti
L'endorsement docente non è il moat. L'estrazione AI da artefatti reali sì. Ma quando i docenti hanno tempo di pesarsi, il loro endorsement aggiunge un livello di fiducia che rende un buon segnale ancora migliore. Ecco come fa Anna senza che diventi un altro impegno.
La cosa che non chiediamo ai docenti
La maggior parte dei sistemi career service implicitamente richiede coinvolgimento dei docenti per credibilità. Il docente verifica, il sistema mostra la verifica, gli studenti ne beneficiano. Il problema con quel modello è che i docenti sono impegnati, e un sistema che dipende dalla loro partecipazione costante è fragile.
InTransparency non funziona così. La verifica delle skill avviene tramite estrazione AI dall'artefatto stesso — il codice, la tesi, i file di design. Il profilo di uno studente è credibile senza che un singolo docente lo tocchi.
L'endorsement docente esiste, ma è un bonus signal opzionale. Quando un docente aggiunge un endorsement, aggiunge un livello di fiducia sopra un profilo già supportato da evidenze. Quando non lo fa, il profilo funziona comunque.
Questa è la giornata di Anna con quel layer bonus.
Fine semestre, il laboratorio di Anna
Anna insegna Ingegneria Informatica in un politecnico. Tiene una sezione di laboratorio sui sistemi embedded per studenti del secondo anno — circa 35 studenti per ciclo. Fine semestre significa demo di progetto: ogni team presenta un piccolo progetto embedded costruito durante il periodo. Anna valuta le demo come parte del corso.
Quello che Anna non fa normalmente è scrivere raccomandazioni LinkedIn o compilare moduli del career service. Ha 35 studenti questo semestre, 40 quello prima e 45 quello prima ancora. La matematica del "scrivi una raccomandazione personalizzata per ognuno" non funziona.
La schermata di endorsement
Dopo le demo apre InTransparency. Il sistema le mostra ogni progetto del suo corso che gli studenti hanno caricato — 28 dei 35 l'hanno fatto. Ognuno è annotato con la lista skill estratte dall'AI e un link all'artefatto.
Per ogni progetto ha tre opzioni: salta, endorsa, o endorsa con commento. Saltare va bene ed è esplicito. Endorsare è un click — aggiunge il suo nome al progetto come docente supervisore e timbra un trust signal che i recruiter vedranno.
Decide di endorsare sei progetti questo ciclo. Sono quelli in cui la demo è andata bene, la documentazione era pulita e lo studente ha dimostrato più dell'obiettivo base del corso. Per due aggiunge un commento di una riga. Per quattro clicca solo "Endorsa". Tempo totale: circa venti minuti.
Per gli altri 22 progetti, salta. Va bene. Quegli studenti non ottengono il suo endorsement, ma non perdono nemmeno qualcosa che avrebbero avuto — le skill estratte dall'AI sono ancora sul loro profilo, l'artefatto è ancora linkato e i recruiter li possono ancora trovare.
Cosa vedono i recruiter
Quando un recruiter guarda uno dei sei progetti endorsati, il profilo porta un piccolo badge in più: "Endorsed by Prof. [nome di Anna], sistemi embedded, coorte primavera 2026." Se il recruiter clicca sul badge, vede il commento di una riga se c'è, e una verifica che questa docente ha insegnato questo corso in questo semestre.
Tutto qui. Niente testimonial di cinque paragrafi. Niente lettera formale di referenza. Solo un segnale chiaro e cliccabile: un'istruttrice reale, che ha insegnato il corso rilevante, ha messo il suo nome su questo lavoro.
Per il recruiter, è utile nello stesso modo in cui una commit history Git pulita è utile: non sostituisce la sua valutazione, ma sposta il prior.
Perché questo design
Il design è intenzionale. Abbiamo considerato di rendere l'endorsement un artefatto più pesante e formale — lettere complete di raccomandazione, valutazioni strutturate, moduli multi-domanda. L'abbiamo rifiutato perché ogni minuto aggiuntivo di impegno docente riduce la partecipazione, e una partecipazione ridotta rende il segnale più rumoroso (i docenti che endorsano diventano un gruppo auto-selezionato).
Un endorsement con un click che richiede 20 secondi significa che più docenti lo useranno. Il segnale è più debole per endorsement rispetto a una lettera di 500 parole, ma è disponibile su più studenti, quindi il valore a livello di popolazione è più alto.
Quando l'endorsement docente non c'è
La maggior parte degli studenti sulla piattaforma non ha un endorsement docente. I loro profili funzionano comunque. Vengono comunque scoperti dai recruiter. La loro evidenza di skill è comunque estratta da artefatti reali. Un recruiter che guarda un profilo come quello di Marco senza un endorsement raggiunge la stessa conclusione che avrebbe raggiunto con uno — l'artefatto è l'artefatto.
L'endorsement, quando presente, è un bonus. Non è la fondazione. La fondazione è l'artefatto, l'estrazione AI e l'audit log della piattaforma.
Quella distinzione conta. Significa che la piattaforma non dipende dalla partecipazione costante di Anna, ma significa anche che quando Anna ha venti minuti a fine semestre, quei venti minuti producono valore reale per sei dei suoi studenti — senza diventare un nuovo impegno permanente sul suo calendario.
Questa è la piattaforma dal posto di un docente: uno strumento che usi quando hai tempo, non uno che aggiunge un nuovo impegno a un carico didattico già pieno.