高等教育への人工知能の急速な統合は、あるコンピュータサイエンスの学生が大学の学部にとっての「存在論的危機」と表現する事態を引き起こしています。新しいツールへのスムーズな移行ではなく、学生は制度的な「方針の揺れ」の期間を報告しており、そこではAIの厳格な禁止と使用の義務化の間で方針が揺れ動いています。この不整合は断片的な学習環境を生み出し、学生はあるモジュールでは大規模言語モデル（LLM）の使用を求められ、次のモジュールではそれを使用したために罰則を受けるという事態を招いており、安定した教育的枠組みを確立する能力を複雑にしています。
報告されている最も重大な影響の一つは、課題設計の質の低下です。学生は、大学の学部が評価課題の作成にAIをますます利用するようになり、以前は教員によって提供されていた人間による監視を欠いた「肥大化した」課題につながっていると主張しています。LLMは、学生が技術的なタスクを完了する前に新しい教材を学習するために必要な実際の時間や認知的な努力を考慮しないため、これらのAI生成の課題は圧倒的な量の成果物を求める結果を招く可能性があります。技術的な経験が少ない学生にとって、これは大量の要件を満たすために複雑なトピックの表面をなぞることを強いる「スピードラン」のような環境を作り出し、教育の深さを損なう可能性があります。
さらに、自動化を通じた「大規模な学習」の推進は、教育インフラに持続不可能な負荷をかけています。学生は、大学の資金提供者が学生の処理能力を最大化するために自動化システムを好む一方で、それはしばしば人間によるサポートを犠牲にしていると指摘しています。すでに過重労働の状態にあるチューターは、積極的でパーソナライズされた指導を提供するのではなく、自動化されたダッシュボードが学生を「リスクあり」とフラグ立てしたときにのみ学生と接することになるかもしれません。一部の専門家は、AIは既存のスキルを拡張し、開発者が理解できることの基準を引き上げるための強力なツールであると主張しますが、この学生の経験は重要な区別を浮き彫りにしています。それは、AIを専門的なツールとして使用することと、まだ技術の基礎を習得している人々にとっての基礎的な学習プロセスをシステム的に破壊することとの違いです。