L’AI entra nelle aule, ma la sfida è coinvolgere docenti e studenti nella sua progettazione, valutazione e governance.
Quando si parla di intelligenza artificiale nella scuola, la domanda più frequente riguarda ciò che l’AI potrà fare per l’educazione: personalizzare i percorsi, correggere gli elaborati, generare materiali, assistere gli studenti, ridurre il carico amministrativo dei docenti. È una domanda comprensibile, ma contiene già un rischio: immaginare la scuola come il terminale passivo di tecnologie progettate altrove, secondo criteri stabiliti da imprese, laboratori e piattaforme che raramente conoscono fino in fondo la complessità dell’apprendimento. In questo scenario, il sistema educativo acquista strumenti, adatta procedure e forma gli insegnanti all’uso di prodotti dei quali non ha contribuito a definire né le finalità né il funzionamento. La questione decisiva, invece, non è soltanto come l’AI educherà gli esseri umani, ma chi educherà l’AI. Se i sistemi artificiali sono destinati a entrare stabilmente nelle aule, nelle attività di orientamento e valutazione, nella produzione dei contenuti e nell’organizzazione delle carriere scolastiche, allora la scuola non può limitarsi a utilizzarli: deve partecipare alla loro costruzione culturale, pedagogica ed etica.
Educare un’intelligenza artificiale non significa attribuirle coscienza o intenzionalità, ma intervenire sull’insieme di dati, criteri, obiettivi, vincoli e meccanismi di valutazione che ne determinano il comportamento. Ogni sistema di AI incorpora infatti una rappresentazione, esplicita oppure implicita, di ciò che considera corretto, rilevante, efficace o desiderabile. Un’applicazione educativa che suggerisce esercizi deve possedere un’idea di apprendimento; un sistema che valuta un testo deve adottare una concezione della qualità; un algoritmo di orientamento deve stabilire quali caratteristiche dello studente siano significative e quali percorsi possano essere considerati appropriati. Queste non sono scelte esclusivamente tecniche. Sono decisioni pedagogiche e sociali, perché influenzano le opportunità offerte agli studenti, la percezione delle loro capacità e, in alcuni casi, la costruzione delle loro aspettative future. Delegare interamente tali decisioni ai produttori tecnologici significa trasferire fuori dalla scuola una parte della sua funzione educativa.
Per evitare questa eterodirezione, occorre superare il modello della scuola-consumatrice e costruire quello della scuola produttrice di intelligenza artificiale educativa. Produrre non vuol dire necessariamente sviluppare internamente grandi modelli linguistici o competere con le piattaforme globali. Significa diventare parte attiva della filiera: definire i problemi da affrontare, selezionare e qualificare i dati, contribuire alla progettazione delle interfacce, stabilire gli indicatori di efficacia, verificare le risposte, identificare gli errori e valutare gli effetti sui comportamenti e sugli apprendimenti. Docenti, dirigenti, ricercatori, studenti e famiglie dovrebbero essere coinvolti non soltanto come utenti finali o gruppi di sperimentazione, ma come soggetti capaci di imprimere ai sistemi artificiali una direzione coerente con le finalità pubbliche dell’istruzione.
Questo cambiamento richiede anzitutto di riconoscere il valore dei dati prodotti quotidianamente dalla scuola. Elaborati, errori ricorrenti, strategie di soluzione, interazioni collaborative, domande formulate dagli studenti e percorsi di miglioramento costituiscono una straordinaria infrastruttura di conoscenza. Tuttavia, trasformare questa ricchezza in materia utile per l’AI non significa estrarla indiscriminatamente e consegnarla alle piattaforme. I dati educativi riguardano minori, fragilità, capacità cognitive, condizioni familiari e traiettorie personali: non sono una risorsa neutra, né possono essere trattati come un giacimento commerciale. Servono governance pubblica, protezione rigorosa, trasparenza, minimizzazione e controllo delle finalità. Ma serve anche un passo ulteriore: la sovranità sul dato educativo deve tradursi nella capacità della comunità scolastica di decidere quali conoscenze produrre attraverso quel dato e a beneficio di chi.
Una scuola produttrice di AI potrebbe, per esempio, costruire patrimoni condivisi di contenuti validati dagli insegnanti, basi di conoscenza territoriali, repertori disciplinari aperti e dataset educativi controllati, rappresentativi delle differenze linguistiche, culturali e cognitive presenti nelle classi. Potrebbe contribuire allo sviluppo di modelli specializzati, più piccoli e verificabili, destinati a compiti circoscritti: accompagnare la comprensione di un testo, sostenere uno studente con disturbi specifici dell’apprendimento, simulare un dialogo storico, aiutare il docente a individuare gli ostacoli concettuali più frequenti. In questa prospettiva, l’innovazione non coinciderebbe con l’adozione dell’ultimo prodotto disponibile, ma con la capacità di progettare tecnologie pertinenti ai bisogni reali. La scuola diventerebbe così un laboratorio nel quale l’intelligenza artificiale viene osservata, corretta e orientata attraverso l’esperienza educativa.
Il ruolo degli studenti, in particolare, non dovrebbe esaurirsi nell’apprendimento di tecniche di prompting. Saper formulare una richiesta efficace è utile, ma non costituisce da solo una vera alfabetizzazione all’AI. Gli studenti devono poter analizzare le risposte dei modelli, individuare stereotipi e omissioni, confrontare fonti, documentare gli errori, progettare piccoli sistemi e partecipare alla definizione delle regole con cui le tecnologie vengono utilizzate. In questo modo diventano coautori critici degli ambienti intelligenti nei quali cresceranno, anziché consumatori dipendenti da strumenti percepiti come infallibili. Educare l’AI significa allora educare contemporaneamente gli esseri umani a comprenderne i limiti, a contestarne le decisioni e a esercitare una responsabilità che nessuna automazione può sostituire.
La trasformazione investe direttamente anche la professionalità docente. All’insegnante non viene chiesto di diventare programmatore, ma di acquisire la capacità di tradurre la propria competenza disciplinare e pedagogica in criteri utilizzabili per progettare e valutare i sistemi. Il docente conosce la differenza tra errore e fraintendimento, tra difficoltà temporanea e bisogno educativo, tra risposta formalmente corretta e comprensione autentica. È proprio questa conoscenza situata, spesso tacita e costruita attraverso anni di esperienza, che manca ai modelli. Senza il contributo degli insegnanti, l’AI può riconoscere regolarità statistiche, ma non comprendere il significato educativo delle situazioni nelle quali interviene. La scuola possiede dunque qualcosa che l’industria tecnologica non può generare autonomamente: una competenza sui processi di formazione umana. La sfida consiste nel trasformarla in potere progettuale.
Perché questa trasformazione diventi possibile, tuttavia, non bastano singole sperimentazioni affidate alla buona volontà di docenti particolarmente innovativi. Occorre costruire una vera infrastruttura pubblica dell’intelligenza artificiale educativa, capace di collegare scuole, università, istituti di ricerca, amministrazioni, imprese tecnologiche e territori. Le istituzioni scolastiche potrebbero diventare nodi di una rete nazionale nella quale condividere modelli, pratiche, dati anonimizzati, criteri di validazione e risultati delle sperimentazioni. Le università e gli enti di ricerca fornirebbero il supporto scientifico e metodologico; le imprese contribuirebbero con capacità tecnologiche e industriali; lo Stato garantirebbe regole, interoperabilità, sicurezza e continuità degli investimenti. La direzione pedagogica, però, dovrebbe rimanere saldamente nelle mani della comunità educativa, perché una tecnologia destinata alla scuola deve essere giudicata innanzitutto sulla base della qualità dell’apprendimento che produce, non del numero di utenti che riesce a conquistare.
Sarebbe necessario, in questa prospettiva, ripensare anche le modalità attraverso cui vengono acquistate le tecnologie. Troppo spesso le scuole scelgono tra prodotti già definiti, confrontando funzionalità, costi e semplicità d’uso, senza poter intervenire sui criteri con cui gli algoritmi operano. Un’amministrazione pubblica più consapevole dovrebbe invece adottare forme di procurement orientate alla ricerca e all’innovazione, nelle quali le esigenze educative precedano la selezione della soluzione tecnica. Non si dovrebbe partire da una piattaforma alla ricerca di un problema, ma da un problema didattico definito insieme agli insegnanti, chiedendo poi ai fornitori di sviluppare sistemi verificabili, adattabili e interoperabili. I contratti dovrebbero garantire accesso alle informazioni rilevanti sul funzionamento dei modelli, portabilità dei dati, possibilità di audit, misurazione degli effetti e libertà di sostituire il fornitore. Altrimenti, la dipendenza da una singola piattaforma rischia di trasformarsi in una forma di dipendenza culturale, oltre che tecnologica ed economica.
Il tema riguarda direttamente anche l’autonomia strategica dell’Europa. I modelli generativi più utilizzati sono addestrati prevalentemente su contenuti prodotti in lingua inglese e riflettono gerarchie informative, categorie e sensibilità costruite in contesti differenti da quelli delle scuole italiane. Questo non significa chiudersi in una sterile autarchia digitale, ma riconoscere che la pluralità linguistica e culturale non può sopravvivere nell’AI se non viene intenzionalmente rappresentata. La letteratura italiana, le specificità territoriali, la storia locale, il patrimonio scientifico e pedagogico nazionale, le minoranze linguistiche e le differenti modalità con cui una comunità interpreta il sapere non entrano automaticamente nei modelli in modo equilibrato. Devono essere selezionati, organizzati, descritti e resi interrogabili. La scuola può svolgere un ruolo decisivo in questo processo, trasformandosi in un grande laboratorio diffuso di produzione e validazione della conoscenza.
Ciò richiede nuove competenze professionali e organizzative. Accanto ai docenti potrebbero operare figure capaci di mettere in comunicazione pedagogia, discipline, gestione dei dati e progettazione tecnologica: coordinatori dell’innovazione, curatori di basi di conoscenza, esperti di valutazione algoritmica, progettisti di ambienti adattivi. Non si tratta necessariamente di introdurre una nuova burocrazia o di moltiplicare le specializzazioni, ma di riconoscere funzioni che stanno già diventando indispensabili. All’interno delle reti scolastiche potrebbero nascere laboratori territoriali nei quali insegnanti e studenti sperimentano sistemi aperti, costruiscono prototipi e ne verificano l’impatto. La formazione in servizio dovrebbe accompagnare questo percorso con attività concrete di progettazione, analisi degli errori e valutazione dei risultati, superando i corsi nei quali l’AI viene presentata soltanto come una collezione di applicazioni da imparare a utilizzare.
Anche la valutazione dell’innovazione dovrebbe cambiare. Il successo di un sistema educativo basato sull’AI non può essere misurato esclusivamente attraverso la velocità con cui produce materiali o il tempo risparmiato dal docente. Questi benefici sono importanti, ma insufficienti. Bisogna chiedersi se la tecnologia migliori la comprensione, rafforzi l’autonomia dello studente, riduca oppure amplifichi le diseguaglianze, favorisca il pensiero critico e permetta al docente di dedicare più tempo alla relazione educativa. Bisogna inoltre osservare gli effetti meno immediati: la tendenza a delegare il ragionamento, l’omologazione dei linguaggi, la perdita della capacità di affrontare l’incertezza e la progressiva trasformazione di ciò che viene considerato conoscenza. Non tutto ciò che può essere automatizzato deve esserlo, soprattutto quando la fatica cognitiva, il confronto e persino l’errore costituiscono parti essenziali del processo di apprendimento.
In questa prospettiva, la scuola non dovrebbe limitarsi a proteggere gli studenti dai rischi dell’AI, ma renderli capaci di modificarne concretamente il funzionamento. Una classe potrebbe costruire un archivio verificato sulla storia del proprio territorio e utilizzarlo per alimentare un assistente didattico; confrontare le risposte fornite da modelli diversi; individuare rappresentazioni distorte; definire criteri con cui valutare l’affidabilità delle fonti; progettare un tutor digitale accessibile a studenti con differenti bisogni. Attività di questo tipo integrerebbero competenze scientifiche, umanistiche, linguistiche, sociali ed etiche. L’intelligenza artificiale cesserebbe di essere una materia separata o uno strumento invisibile e diventerebbe un oggetto culturale sul quale esercitare ricerca, creatività e cittadinanza.
Il punto più profondo riguarda, infatti, la distribuzione del potere. Chi addestra i sistemi, seleziona i dati e definisce le metriche influenza le forme di conoscenza che circolano nella società. Se la scuola rinuncia a partecipare a questo processo, rischia di insegnare attraverso macchine educative costruite secondo priorità che non ha scelto. Se invece assume un ruolo produttivo, può contribuire a orientare l’AI verso l’inclusione, la pluralità, la verificabilità e il bene comune. Non significa sostituire l’intelligenza umana con una sua imitazione più efficiente, ma realizzare quella forma di intelligenza aumentata nella quale la tecnologia estende le possibilità della persona senza diminuirne autonomia, responsabilità e capacità di giudizio.
La domanda “chi educa l’AI?” conduce quindi a una scelta politica prima ancora che tecnologica. Possiamo accettare un sistema nel quale poche imprese producono l’intelligenza artificiale e milioni di scuole la consumano, oppure costruire un ecosistema nel quale l’educazione contribuisce a determinare ciò che le macchine devono conoscere, i valori che devono rispettare e i limiti entro cui possono agire. Nel primo caso, la scuola sarà progressivamente adattata alle logiche dell’AI; nel secondo, sarà l’AI a essere orientata dalle finalità della scuola. Il futuro dell’educazione dipenderà anche dalla capacità di scegliere questa seconda strada: non portare semplicemente l’intelligenza artificiale nelle aule, ma portare la cultura, la responsabilità e la pluralità delle aule dentro l’intelligenza artificiale.
Il prof. Carlo Maria Medaglia è delegato del Rettore per la Terza Missione, Innovazione Didattica ed Intelligenza Artificiale, presidente della Commissione Spin Off e presidente della Commissione Rapporti con gli Enti Esterni dell’UNIVERSITÀ DEGLI STUDI TELEMATICA IUL