AI & Data Analytics
L’intelligenza artificiale distruggerà l’educazione delle nuove generazioni?
News
Ottobre 8, 2026
“Questa tecnologia atrofizzerà la mente di coloro che la useranno, perché smetteranno di esercitare il cervello. La fiducia riposta in modelli esterni alla mente, non interiorizzati, scoraggerà l’uso delle facoltà mentali. Gli studenti avranno solo una conoscenza apparente e superficiale, e per di più diventeranno insopportabili, perché si crederanno competenti senza esserlo.”
L’avvertimento di un intellettuale impegnato sui pericoli dell’intelligenza artificiale? Il risultato di una commissione di inchiesta sull’uso di ChatGPT nelle scuole? No, una libera versione di Fedro 275. La “tecnologia” di cui parla Platone è… la scrittura, e chi parla nella finzione platonica è il faraone egiziano Thamus, a cui il dio Thot, inventore della tecnica e delle arti, presenta le sue invenzioni. Il modello didattico dell’Accademia di Platone era la comunità, dove la conoscenza si formava dopo una lunga frequentazione e una vita passata a discutere attivamente sui temi di ricerca, come esprime bene l’allievo Glaucone nella Repubblica: “La misura giusta per discorrere di queste cose, Socrate, è la vita intera!” [1]. Mentre la scrittura è muta, non risponde alle domande, non sa difendere le sue tesi e dà solo l’illusione del sapere, il dialogo è il cuore dell’educazione filosofica, perché solo l’interazione viva permette di verificare la mutua comprensione [2].
La storia dell’educazione occidentale ha seguito prevalentemente un’altra strada. Ha prevalso il modello espositivo, più vicino alla sistematicità aristotelica: trattati, manuali, definizioni, classificazioni, lezioni ex cathedra. La scolarizzazione di massa ha favorito inevitabilmente la lezione frontale: un maestro può dialogare seriamente con uno o due allievi al massimo. Il dialogo sopravvive come finzione letteraria in Agostino e Boezio, in Galileo col suo Dialogo sopra i due massimi sistemi, in Berkeley e Hume, in Leopardi nelle Operette morali. Persino in matematica, nell’affascinante saggio di Imre Lakatos Dimostrazioni e confutazioni. Nel ventesimo secolo, l’Immortale di Francia George Dumézil ritorna con nostalgia all’Accademia in una deliziosa finzione ambientata nei Campi Elisi, dove le ombre inscenano un dialogo platonico sul mistero delle ultime parole di Socrate: “Qui non abbiamo più amor proprio, né paraocchi. Il nostro solo scopo è cercare la verità, e siamo altrettanto contenti se scaturisce dal suggerimento altrui o dalle nostre intuizioni personali. Parliamo un’unica lingua, e spesso ho l’impressione che non siamo altro che le cellule indifferenziate di un enorme cervello. Ah se i viventi potessero accomodarsi in simili macchine!… A dire il vero, aggiunse con un sospiro, i dialoghi di Platone non ce ne forniscono già il modello? È un peccato che la maggior parte dei filosofi dopo di lui abbiano preferito girare in tondo, ognuno nella sua geniale solitudine” [3].
L’avvertimento di un intellettuale impegnato sui pericoli dell’intelligenza artificiale? Il risultato di una commissione di inchiesta sull’uso di ChatGPT nelle scuole? No, una libera versione di Fedro 275. La “tecnologia” di cui parla Platone è… la scrittura, e chi parla nella finzione platonica è il faraone egiziano Thamus, a cui il dio Thot, inventore della tecnica e delle arti, presenta le sue invenzioni. Il modello didattico dell’Accademia di Platone era la comunità, dove la conoscenza si formava dopo una lunga frequentazione e una vita passata a discutere attivamente sui temi di ricerca, come esprime bene l’allievo Glaucone nella Repubblica: “La misura giusta per discorrere di queste cose, Socrate, è la vita intera!” [1]. Mentre la scrittura è muta, non risponde alle domande, non sa difendere le sue tesi e dà solo l’illusione del sapere, il dialogo è il cuore dell’educazione filosofica, perché solo l’interazione viva permette di verificare la mutua comprensione [2].
La storia dell’educazione occidentale ha seguito prevalentemente un’altra strada. Ha prevalso il modello espositivo, più vicino alla sistematicità aristotelica: trattati, manuali, definizioni, classificazioni, lezioni ex cathedra. La scolarizzazione di massa ha favorito inevitabilmente la lezione frontale: un maestro può dialogare seriamente con uno o due allievi al massimo. Il dialogo sopravvive come finzione letteraria in Agostino e Boezio, in Galileo col suo Dialogo sopra i due massimi sistemi, in Berkeley e Hume, in Leopardi nelle Operette morali. Persino in matematica, nell’affascinante saggio di Imre Lakatos Dimostrazioni e confutazioni. Nel ventesimo secolo, l’Immortale di Francia George Dumézil ritorna con nostalgia all’Accademia in una deliziosa finzione ambientata nei Campi Elisi, dove le ombre inscenano un dialogo platonico sul mistero delle ultime parole di Socrate: “Qui non abbiamo più amor proprio, né paraocchi. Il nostro solo scopo è cercare la verità, e siamo altrettanto contenti se scaturisce dal suggerimento altrui o dalle nostre intuizioni personali. Parliamo un’unica lingua, e spesso ho l’impressione che non siamo altro che le cellule indifferenziate di un enorme cervello. Ah se i viventi potessero accomodarsi in simili macchine!… A dire il vero, aggiunse con un sospiro, i dialoghi di Platone non ce ne forniscono già il modello? È un peccato che la maggior parte dei filosofi dopo di lui abbiano preferito girare in tondo, ognuno nella sua geniale solitudine” [3].
La più formidabile sfida dall'invenzione della stampa
L’ironia storica è che oggi potremmo usare la tecnologia proprio per recuperare qualcosa del modello educativo dell’Accademia. Quella stessa intelligenza artificiale che sembra minacciare l’autonomia intellettuale potrebbe infatti anche rendere economicamente accessibile ciò che per secoli è stato un privilegio: un interlocutore personale, sempre disponibile, capace di adattare domande e feedback al singolo studente. Questa opportunità va però valutata nel contesto più ampio dall’adozione di una tecnologia dirompente, che pone la sfida gnoseologica, etica e istituzionale forse più formidabile dai tempi della diffusione della stampa.
La ricerca empirica tra il 2024 e il 2026 ha cominciato a misurare gli effetti reali dell’intelligenza artificiale generativa sull’apprendimento, e qui il quadro si fa meno rassicurante. I dati rivelano criticità profonde che minacciano i fondamenti fisiologici dell’apprendimento, in primis la ritenzione a lungo termine della conoscenza e l’allenamento al pensiero analitico. Gli studenti sono portati a delegare sistematicamente la fatica dell’elaborazione interna, con il risultato di un apprendimento effimero e superficiale. È il problema noto come cognitive offloading (delega cognitiva). Uno studio condotto su oltre 26 mila studenti cinesi che utilizzavano l’intelligenza artificiale ha rilevato una riduzione di circa il 30% del tempo dedicato ai compiti e un miglioramento del 18% nei voti relativi a questi ultimi, a fronte però di un calo del 20% nei risultati agli esami [4].
Sina Rismanchian et al. hanno analizzato 3,2 milioni di interazioni di apprendimento in matematica nell’arco di un decennio sulla piattaforma online ALEKS, sviluppata da McGrow Hill e molto utilizzata soprattutto in Nord America, documentando un marcato calo — successivo all’introduzione di ChatGPT — del tempo dedicato a problemi suscettibili di risoluzione tramite intelligenza artificiale, al prezzo di un declino in termini di apprendimento: negli esercizi di verifica svolti sotto sorveglianza, la probabilità di risposta corretta diminuisce del 25% [5]. Questi sono solo due esempi di un numero crescente di evidenze empiriche sul “paradosso della prestazione”: l’intelligenza artificiale può potenziare il rendimento di uno studente in un compito immediato, riducendo al contempo quell’apprendimento duraturo che costituisce l’obiettivo stesso dell’istruzione [6].
Si potrebbe argomentare che la delega cognitiva non sia mai stata una novità, a partire dall’introduzione della scrittura, come osserva Platone. Tuttavia, non tutte le deleghe sono equivalenti. Le tecnologie tradizionali permettono di delegare la conservazione delle informazioni o l’esecuzione di procedure standard: la calcolatrice svolge un calcolo, ma non decide quale problema formulare, quale rappresentazione matematica utilizzare e quale significato attribuire al risultato. L’intelligenza artificiale generativa, invece, può intervenire nella formulazione stessa del ragionamento. Può proporre un’argomentazione, una diagnosi, una dimostrazione, una clausola contrattuale o un’architettura software.
La ricerca empirica tra il 2024 e il 2026 ha cominciato a misurare gli effetti reali dell’intelligenza artificiale generativa sull’apprendimento, e qui il quadro si fa meno rassicurante. I dati rivelano criticità profonde che minacciano i fondamenti fisiologici dell’apprendimento, in primis la ritenzione a lungo termine della conoscenza e l’allenamento al pensiero analitico. Gli studenti sono portati a delegare sistematicamente la fatica dell’elaborazione interna, con il risultato di un apprendimento effimero e superficiale. È il problema noto come cognitive offloading (delega cognitiva). Uno studio condotto su oltre 26 mila studenti cinesi che utilizzavano l’intelligenza artificiale ha rilevato una riduzione di circa il 30% del tempo dedicato ai compiti e un miglioramento del 18% nei voti relativi a questi ultimi, a fronte però di un calo del 20% nei risultati agli esami [4].
Sina Rismanchian et al. hanno analizzato 3,2 milioni di interazioni di apprendimento in matematica nell’arco di un decennio sulla piattaforma online ALEKS, sviluppata da McGrow Hill e molto utilizzata soprattutto in Nord America, documentando un marcato calo — successivo all’introduzione di ChatGPT — del tempo dedicato a problemi suscettibili di risoluzione tramite intelligenza artificiale, al prezzo di un declino in termini di apprendimento: negli esercizi di verifica svolti sotto sorveglianza, la probabilità di risposta corretta diminuisce del 25% [5]. Questi sono solo due esempi di un numero crescente di evidenze empiriche sul “paradosso della prestazione”: l’intelligenza artificiale può potenziare il rendimento di uno studente in un compito immediato, riducendo al contempo quell’apprendimento duraturo che costituisce l’obiettivo stesso dell’istruzione [6].
Si potrebbe argomentare che la delega cognitiva non sia mai stata una novità, a partire dall’introduzione della scrittura, come osserva Platone. Tuttavia, non tutte le deleghe sono equivalenti. Le tecnologie tradizionali permettono di delegare la conservazione delle informazioni o l’esecuzione di procedure standard: la calcolatrice svolge un calcolo, ma non decide quale problema formulare, quale rappresentazione matematica utilizzare e quale significato attribuire al risultato. L’intelligenza artificiale generativa, invece, può intervenire nella formulazione stessa del ragionamento. Può proporre un’argomentazione, una diagnosi, una dimostrazione, una clausola contrattuale o un’architettura software.
Una reazione scomposta
La reazione istintiva di molte università è stata affidarsi agli strumenti (basati su intelligenza artificiale) per la rilevazione dei testi generati artificialmente. Ma la ricerca e la giurisprudenza hanno mostrato che la presunzione alla base di questi strumenti è tecnicamente fragile e, peggio, iniqua. Un testo con sintassi uniforme, lessico standardizzato e scarsa eccentricità stilistica rischia di essere marcato erroneamente come artificiale, punendo in modo discriminatorio alcune categorie di studenti come i non madrelingua. Il caso simbolo risale al 2023, quando la Vanderbilt University ha disattivato pubblicamente il rilevatore di Turnitin. L’esempio di Vanderbilt è stato seguito da centinaia di altri atenei. Con circa 75.000 elaborati all’anno, anche se il tasso di falsi positivi fosse di appena l’1% come dichiarato dal vendor Turnitin (ma diversi studi hanno dimostrato che il tasso di errore può essere ben più elevato [7]), l’ateneo avrebbe dovuto gestire non meno di 750 false accuse. Patate bollenti che rischiano di costare care, soprattutto negli Stati Uniti.
L’integrazione dell’intelligenza artificiale nelle scuole e nelle università non è più soltanto una questione esclusivamente pedagogica, ma costituisce ormai un’urgente e complessa sfida normativa. Con l’approvazione formale dell’Artificial Intelligence Act, l’Unione Europea ha posto il sistema educativo al centro: l’Allegato III classifica esplicitamente come “ad alto rischio” tutti i sistemi di intelligenza artificiale utilizzati per determinare l’ammissione degli studenti alle istituzioni educative, valutare i risultati dell’apprendimento, instradare percorsi educativi e monitorare il comportamento e il rilevamento del plagio durante gli esami. Questa classificazione comporta una serie di obblighi importanti a carico delle università e delle scuole pubbliche che faranno uso di questi strumenti (AI Act, Articolo 27). L’entrata in vigore delle nuove norme è prevista per il 2 dicembre 2027 [8].
Anche le organizzazioni sovranazionali cercano un punto di equilibrio. Il Learning Compass 2030 dell’OCSE e gli AI Competency Frameworks dell’UNESCO suggeriscono che gli esseri umani non debbano competere con le macchine sul terreno della velocità, ma coltivare empatia, giudizio morale, resilienza, diversità culturale e intelligenza emotiva. Vero, ma non sufficiente. Un medico non può essere soltanto più empatico di un algoritmo. Deve conoscere la medicina.
Nonostante questo proliferare normativo, la situazione sul campo è di diffusa anarchia, sia a livello nazionale che internazionale. Per esempio, in Francia un dossier [9] del 2025 evidenzia come le iniziative di educazione all’intelligenza artificiale dipendono ancora drammaticamente dallo sforzo individuale dei singoli docenti-pionieri, mentre l’indagine TALIS 2024 dell’OCSE evidenzia un marcato divario nell’adozione dell’intelligenza artificiale a supporto dell’insegnamento: negli Emirati Arabi Uniti e a Singapore l’adozione tocca il 75%, in Francia e in Giappone resta sotto il 20%. In generale, recenti indagini mostrano come gli insegnanti europei siano mediamente più cauti e disincantati. Un’indagine di Sanoma Learning appena pubblicata rivela che, sebbene l’uso dell’intelligenza artificiale da parte degli insegnanti in Europa sia in costante aumento, la percezione dell’impatto di questa tecnologia sui risultati in termini di apprendimento rimane stabilmente bassa, passando dal 18% nel 2023 al 14% nel 2025 e al 16% nel 2026 [10]. Un corpo docente, insomma, che usa lo strumento e nel contempo dubita che serva a qualcosa.
L’integrazione dell’intelligenza artificiale nelle scuole e nelle università non è più soltanto una questione esclusivamente pedagogica, ma costituisce ormai un’urgente e complessa sfida normativa. Con l’approvazione formale dell’Artificial Intelligence Act, l’Unione Europea ha posto il sistema educativo al centro: l’Allegato III classifica esplicitamente come “ad alto rischio” tutti i sistemi di intelligenza artificiale utilizzati per determinare l’ammissione degli studenti alle istituzioni educative, valutare i risultati dell’apprendimento, instradare percorsi educativi e monitorare il comportamento e il rilevamento del plagio durante gli esami. Questa classificazione comporta una serie di obblighi importanti a carico delle università e delle scuole pubbliche che faranno uso di questi strumenti (AI Act, Articolo 27). L’entrata in vigore delle nuove norme è prevista per il 2 dicembre 2027 [8].
Anche le organizzazioni sovranazionali cercano un punto di equilibrio. Il Learning Compass 2030 dell’OCSE e gli AI Competency Frameworks dell’UNESCO suggeriscono che gli esseri umani non debbano competere con le macchine sul terreno della velocità, ma coltivare empatia, giudizio morale, resilienza, diversità culturale e intelligenza emotiva. Vero, ma non sufficiente. Un medico non può essere soltanto più empatico di un algoritmo. Deve conoscere la medicina.
Nonostante questo proliferare normativo, la situazione sul campo è di diffusa anarchia, sia a livello nazionale che internazionale. Per esempio, in Francia un dossier [9] del 2025 evidenzia come le iniziative di educazione all’intelligenza artificiale dipendono ancora drammaticamente dallo sforzo individuale dei singoli docenti-pionieri, mentre l’indagine TALIS 2024 dell’OCSE evidenzia un marcato divario nell’adozione dell’intelligenza artificiale a supporto dell’insegnamento: negli Emirati Arabi Uniti e a Singapore l’adozione tocca il 75%, in Francia e in Giappone resta sotto il 20%. In generale, recenti indagini mostrano come gli insegnanti europei siano mediamente più cauti e disincantati. Un’indagine di Sanoma Learning appena pubblicata rivela che, sebbene l’uso dell’intelligenza artificiale da parte degli insegnanti in Europa sia in costante aumento, la percezione dell’impatto di questa tecnologia sui risultati in termini di apprendimento rimane stabilmente bassa, passando dal 18% nel 2023 al 14% nel 2025 e al 16% nel 2026 [10]. Un corpo docente, insomma, che usa lo strumento e nel contempo dubita che serva a qualcosa.
La palestra della mente
Non è necessario rimpiangere le tavole logaritmiche per riconoscere che alcune attività ripetitive possedevano un valore formativo indipendente dal loro risultato immediato. Aiutavano a sviluppare attenzione sostenuta, memoria di lavoro, controllo dell’errore e capacità di seguire una procedura senza perdere il filo. La distinzione importante è tra competenze strumentali e competenze costitutive. Saper eseguire manualmente una determinata operazione può diventare obsoleto. La precisione, la perseveranza, la capacità di riconoscere un’anomalia e di ricostruire una catena causale restano invece elementi costitutivi dell’apprendimento. La comprensione profonda richiede una certa forma di “riproducibilità”. Una spiegazione può apparire familiare, elegante e persino ovvia, finché non proviamo a riprodurne autonomamente tutti i passaggi. Il dettaglio svolge qui una funzione epistemologica: è un rivelatore di illusioni.
L’intelligenza artificiale rende questa distinzione più importante, perché genera contenuti dotati di una straordinaria verosimiglianza cognitiva. Le sue risposte sono fluide, ordinate e plausibili. Per verificarle non basta una generica capacità critica, formula diventata ormai tanto universale quanto vaga. Occorre capire la materia abbastanza bene da poter scendere al livello dei passaggi elementari. Non si può verificare in modo affidabile un ragionamento o una dimostrazione se non si è in grado, con tempo e strumenti adeguati, di riprodurre il risultato autonomamente.
La domanda è quali attività formative possano prendere il posto di quelle che inevitabilmente l’intelligenza artificiale fagociterà. Non ci sono risposte definitive per ora, temo. Al calcolo ripetitivo potranno forse sostituirsi la ricostruzione di un metodo e la spiegazione del perché esso funzioni. Alla produzione di soluzioni potrà subentrare la ricerca sistematica delle incoerenze. Alla memorizzazione di tanti casi diversi potrà affiancarsi la capacità di individuare il principio che li unifica. Resta il dubbio di fondo: se la competenza nasce dalla capacità di ricostruire da soli una catena di ragionamento, può un’intera generazione cresciuta con l’intelligenza artificiale raggiungerla senza aver quasi mai dovuto inanellare quelle catene?
L’intelligenza artificiale rende questa distinzione più importante, perché genera contenuti dotati di una straordinaria verosimiglianza cognitiva. Le sue risposte sono fluide, ordinate e plausibili. Per verificarle non basta una generica capacità critica, formula diventata ormai tanto universale quanto vaga. Occorre capire la materia abbastanza bene da poter scendere al livello dei passaggi elementari. Non si può verificare in modo affidabile un ragionamento o una dimostrazione se non si è in grado, con tempo e strumenti adeguati, di riprodurre il risultato autonomamente.
La domanda è quali attività formative possano prendere il posto di quelle che inevitabilmente l’intelligenza artificiale fagociterà. Non ci sono risposte definitive per ora, temo. Al calcolo ripetitivo potranno forse sostituirsi la ricostruzione di un metodo e la spiegazione del perché esso funzioni. Alla produzione di soluzioni potrà subentrare la ricerca sistematica delle incoerenze. Alla memorizzazione di tanti casi diversi potrà affiancarsi la capacità di individuare il principio che li unifica. Resta il dubbio di fondo: se la competenza nasce dalla capacità di ricostruire da soli una catena di ragionamento, può un’intera generazione cresciuta con l’intelligenza artificiale raggiungerla senza aver quasi mai dovuto inanellare quelle catene?
Chi paga?
A questo punto emerge un problema di cui si parla assai meno. Una società che vuole formare buoni medici, avvocati, ingegneri e matematici può benissimo imporre periodi di addestramento in cui l’intelligenza artificiale è limitata o vietata. Ma chi paga il conto?
Tradizionalmente, nelle professioni, formazione e produzione di valore coincidevano. Il giovane avvocato cercava precedenti e controllava citazioni. Il medico compilava cartelle cliniche. L’ingegnere verificava disegni. Erano attività routinarie, ma necessarie. Avevano un’utilità pratica per l’organizzazione e, contemporaneamente, un valore formativo per l’apprendista. Lo studio professionale o l’impresa acquistavano lavoro relativamente economico, ottenendo come effetto collaterale la formazione di un futuro esperto. Il rischio maggiore non è soltanto che scompaiano alcuni lavori d’ingresso, ma che venga meno il gradiente di difficoltà sul quale si costruiva la carriera professionale. Se i compiti banali vengono automatizzati e quelli complessi restano appannaggio degli esperti, nel mezzo si apre un vuoto. Ma proprio quel livello intermedio costituiva il terreno sul quale l’apprendista imparava il mestiere.
Gran parte della ricerca disponibile riguarda il mondo della scuola e dell’apprendimento di base. Molto meno sviluppata è la riflessione sulla formazione dei professionisti. Un apprendistato assistito dall’intelligenza artificiale dovrà essere progettato intorno a una responsabilità cognitiva non delegabile. Serve individuare nuovi compiti che siano contemporaneamente utili e formativi, obbligando il giovane professionista a muoversi dai principi ai dettagli e dai dettagli di nuovo ai principi. La questione richiede anche una nuova progettazione del lavoro: se gli incentivi aziendali premiano soltanto velocità, volume e riduzione dei costi, il giovane verrà inevitabilmente spinto a delegare alla macchina quanto più possibile.
Tradizionalmente, nelle professioni, formazione e produzione di valore coincidevano. Il giovane avvocato cercava precedenti e controllava citazioni. Il medico compilava cartelle cliniche. L’ingegnere verificava disegni. Erano attività routinarie, ma necessarie. Avevano un’utilità pratica per l’organizzazione e, contemporaneamente, un valore formativo per l’apprendista. Lo studio professionale o l’impresa acquistavano lavoro relativamente economico, ottenendo come effetto collaterale la formazione di un futuro esperto. Il rischio maggiore non è soltanto che scompaiano alcuni lavori d’ingresso, ma che venga meno il gradiente di difficoltà sul quale si costruiva la carriera professionale. Se i compiti banali vengono automatizzati e quelli complessi restano appannaggio degli esperti, nel mezzo si apre un vuoto. Ma proprio quel livello intermedio costituiva il terreno sul quale l’apprendista imparava il mestiere.
Gran parte della ricerca disponibile riguarda il mondo della scuola e dell’apprendimento di base. Molto meno sviluppata è la riflessione sulla formazione dei professionisti. Un apprendistato assistito dall’intelligenza artificiale dovrà essere progettato intorno a una responsabilità cognitiva non delegabile. Serve individuare nuovi compiti che siano contemporaneamente utili e formativi, obbligando il giovane professionista a muoversi dai principi ai dettagli e dai dettagli di nuovo ai principi. La questione richiede anche una nuova progettazione del lavoro: se gli incentivi aziendali premiano soltanto velocità, volume e riduzione dei costi, il giovane verrà inevitabilmente spinto a delegare alla macchina quanto più possibile.
Un ritorno alle origini?
Un modello che recentemente si sta facendo strada è l’idea di usare l’intelligenza artificiale come tutor socratico, che non fornisce la soluzione, ma aiuta lo studente a costruirla autonomamente attraverso il dialogo attivo, facendo domande, mettendo in dubbio le conclusioni affrettate, rivedendo criticamente le assunzioni. Personalmente, questa è la modalità che uso da sempre per i compiti più complessi, e che consiglio nelle mie lezioni sull’intelligenza artificiale generativa. Il prompt engineering e i suoi effimeri successori vanno benissimo per compiti routinari dove conta solo l’efficienza. Ma quando la complessità concettuale aumenta non portano nessun vantaggio, anzi tendono a limitare il ragionamento con paletti troppo rigidi.
E tuttavia, anche questa modalità non è ancora soddisfacente. Tanto per cominciare perché usare un modello di intelligenza artificiale come sparring partner nel ragionamento richiede una conoscenza di base molto solida, cioè precisamente quell’esperienza e quella competenza che lo studente tipicamente ancora non possiede. Le evidenze empiriche, finora, invitano alla prudenza. Una ricerca comparativa su ChatGPT usato con approccio socratico in combinazione con tutor umani [11] conclude che un modello ibrido è ancora indispensabile per unire l’accessibilità della macchina alla qualità pedagogica del tutor in carne e ossa. Lo studio più importante del 2026 riguarda Khanmigo, il tutor socratico di Khan Academy: diciotto scuole medie americane, due anni di sperimentazione, un miglioramento misurabile ma non rivoluzionario [12]. E una scoperta prevedibile: quasi tutti gli studenti avevano accesso al tutor, ma lo usavano poco, preferendo la risposta pronta e preconfezionata dei chatbot più comuni.
E tuttavia, anche questa modalità non è ancora soddisfacente. Tanto per cominciare perché usare un modello di intelligenza artificiale come sparring partner nel ragionamento richiede una conoscenza di base molto solida, cioè precisamente quell’esperienza e quella competenza che lo studente tipicamente ancora non possiede. Le evidenze empiriche, finora, invitano alla prudenza. Una ricerca comparativa su ChatGPT usato con approccio socratico in combinazione con tutor umani [11] conclude che un modello ibrido è ancora indispensabile per unire l’accessibilità della macchina alla qualità pedagogica del tutor in carne e ossa. Lo studio più importante del 2026 riguarda Khanmigo, il tutor socratico di Khan Academy: diciotto scuole medie americane, due anni di sperimentazione, un miglioramento misurabile ma non rivoluzionario [12]. E una scoperta prevedibile: quasi tutti gli studenti avevano accesso al tutor, ma lo usavano poco, preferendo la risposta pronta e preconfezionata dei chatbot più comuni.
Conclusione?
Nel presentare la sua invenzione Thot, da consumato commerciale, la qualifica come “un elisir di memoria e sapienza”, e aggiunge che dovrebbe essere usato da tutti gli egiziani. Ma nel testo originale la parola che ho tradotto come “elisir” è pharmakon (φάρμακον), che, come tutti gli studenti di greco sanno perfettamente, può significare sia medicina sia veleno [13]. Dipende dalla dose e dalla modalità di assunzione. Ma il faraone Thamus è un cliente scafato, e osserva che l’inventore di una tecnologia non è necessariamente il miglior giudice dei suoi benefici o dei suoi rischi per la società.
L’ambivalenza del termine si riflette nell’ambivalenza della tecnologia: la scrittura ha davvero prodotto generazioni di studenti che citano senza aver capito, ma senza scrittura non avremmo il Fedro, e dunque nemmeno la critica della scrittura. Ma alla fine la resistenza di Thamus è stata travolta dalla diffusione inarrestabile di una tecnologia troppo comoda per essere ignorata. Succederà lo stesso con l’intelligenza artificiale, già oggi ampiamente usata in shadow mode da studenti e dipendenti, cioè autonomamente al di fuori di qualunque regola e controllo.
Se non possiamo fermare la marea con un secchio, dovremo in qualche modo adattarci per non essere travolti. Ma a differenza della scrittura, che si è diffusa lentamente nel corso dei millenni (nel 1861, all’indomani dell’unificazione, l’Italia contava una media del 78% di analfabeti e ancora oggi in alcuni paesi in via di sviluppo solo poco più della metà della popolazione sa scrivere), l’intelligenza artificiale non ci accorderà tutto questo tempo. La mia convinzione è che l’unico baluardo sia, ironicamente, la formazione, cioè in ultima istanza proprio quella scuola che appare oggi disorientata di fronte alla marea montante dell’intelligenza artificiale. Ma deve essere una formazione ripensata dalle radici, che privilegi la profondità e non la dispersione superficiale. Non ho soluzioni definitive da proporre. Per il momento, l’unica conclusione che mi sento di trarre è che occorra conoscere il proprio avversario. Non a un livello superficiale, limitato all’arte di scrivere prompt efficaci o all’illustrazione di casi d’uso comuni, ma a quello dei principi che ne governano il funzionamento. Sono convinto che questi principi possano essere comunicati anche a persone prive di formazione tecnica, purché chi insegna investa il tempo necessario per comprenderli a fondo e trovare il modo più adatto per trasmetterli senza usare metafore puerili.
[1] μέτρον δέ γʼ, ἔφη, ὦ Σώκρατες, ὁ Γλαύκων, τοιούτων λόγων ἀκούειν ὅλος ὁ βίος. Politeia, 5.450
[2] Questa concezione non implicava un rifiuto assoluto della scrittura, ma una gerarchia: il testo poteva essere un richiamo, una provocazione o un esercizio, ma non sostituiva l’incontro dialettico nel quale la comprensione veniva messa alla prova.
[3] George Dumézil, “Divertissement sur les dernières paroles de Socrate”, pubblicato nel 1984 da Gallimard come appendice all’opera «…Le moyne noir en gris dedans Varennes».
[4] David Strömberg et al., The Generative AI Learning Penalty: Evidence from Chinese Secondary Education, 2026
[5] Sina Rismanchian et al., Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build, 2026
[6] Si veda il raaporto di Lodge J. M. and Loble L., Artificial intelligence, cognitive offloading and implications for education, University of Technology Sydney, 2026
[7] Lo studio condotto da Perkins et al. (2024), intitolato “GenAI Detection Tools, Adversarial Techniques and Implications for Inclusivity in Higher Education”, ha evidenziato un’accuratezza di base del 39,5%!
[8] Annex III High-risk AI: Obligations, Scope and Deadline: https://www.regulation-ai.eu/en/annex-iii/
[9] Rentrée scolaire 2025 : enseigner et apprendre à l’heure des IA et de l’encadrement des usages numériques – https://labo.societenumerique.gouv.fr/fr/articles/dossier-rentr%C3%A9e-scolaire-2025-enseigner-et-apprendre-%C3%A0-lheure-des-ia-et-de-lencadrement-des-usages-num%C3%A9riques/
[10] Sanoma Learning, European Teacher Survey 2026
[11] Hoda Fakour, Moslem Imani, ” Socratic wisdom in the age of AI”, 2025
[12] Philip Oreopoulos, Nina Low, ” One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment”, 2026
[13] In greco moderno, φάρμακο ha perso l’ambivalenza originaria e significa solo “medicina, medicamento”.
L’ambivalenza del termine si riflette nell’ambivalenza della tecnologia: la scrittura ha davvero prodotto generazioni di studenti che citano senza aver capito, ma senza scrittura non avremmo il Fedro, e dunque nemmeno la critica della scrittura. Ma alla fine la resistenza di Thamus è stata travolta dalla diffusione inarrestabile di una tecnologia troppo comoda per essere ignorata. Succederà lo stesso con l’intelligenza artificiale, già oggi ampiamente usata in shadow mode da studenti e dipendenti, cioè autonomamente al di fuori di qualunque regola e controllo.
Se non possiamo fermare la marea con un secchio, dovremo in qualche modo adattarci per non essere travolti. Ma a differenza della scrittura, che si è diffusa lentamente nel corso dei millenni (nel 1861, all’indomani dell’unificazione, l’Italia contava una media del 78% di analfabeti e ancora oggi in alcuni paesi in via di sviluppo solo poco più della metà della popolazione sa scrivere), l’intelligenza artificiale non ci accorderà tutto questo tempo. La mia convinzione è che l’unico baluardo sia, ironicamente, la formazione, cioè in ultima istanza proprio quella scuola che appare oggi disorientata di fronte alla marea montante dell’intelligenza artificiale. Ma deve essere una formazione ripensata dalle radici, che privilegi la profondità e non la dispersione superficiale. Non ho soluzioni definitive da proporre. Per il momento, l’unica conclusione che mi sento di trarre è che occorra conoscere il proprio avversario. Non a un livello superficiale, limitato all’arte di scrivere prompt efficaci o all’illustrazione di casi d’uso comuni, ma a quello dei principi che ne governano il funzionamento. Sono convinto che questi principi possano essere comunicati anche a persone prive di formazione tecnica, purché chi insegna investa il tempo necessario per comprenderli a fondo e trovare il modo più adatto per trasmetterli senza usare metafore puerili.
[1] μέτρον δέ γʼ, ἔφη, ὦ Σώκρατες, ὁ Γλαύκων, τοιούτων λόγων ἀκούειν ὅλος ὁ βίος. Politeia, 5.450
[2] Questa concezione non implicava un rifiuto assoluto della scrittura, ma una gerarchia: il testo poteva essere un richiamo, una provocazione o un esercizio, ma non sostituiva l’incontro dialettico nel quale la comprensione veniva messa alla prova.
[3] George Dumézil, “Divertissement sur les dernières paroles de Socrate”, pubblicato nel 1984 da Gallimard come appendice all’opera «…Le moyne noir en gris dedans Varennes».
[4] David Strömberg et al., The Generative AI Learning Penalty: Evidence from Chinese Secondary Education, 2026
[5] Sina Rismanchian et al., Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build, 2026
[6] Si veda il raaporto di Lodge J. M. and Loble L., Artificial intelligence, cognitive offloading and implications for education, University of Technology Sydney, 2026
[7] Lo studio condotto da Perkins et al. (2024), intitolato “GenAI Detection Tools, Adversarial Techniques and Implications for Inclusivity in Higher Education”, ha evidenziato un’accuratezza di base del 39,5%!
[8] Annex III High-risk AI: Obligations, Scope and Deadline: https://www.regulation-ai.eu/en/annex-iii/
[9] Rentrée scolaire 2025 : enseigner et apprendre à l’heure des IA et de l’encadrement des usages numériques – https://labo.societenumerique.gouv.fr/fr/articles/dossier-rentr%C3%A9e-scolaire-2025-enseigner-et-apprendre-%C3%A0-lheure-des-ia-et-de-lencadrement-des-usages-num%C3%A9riques/
[10] Sanoma Learning, European Teacher Survey 2026
[11] Hoda Fakour, Moslem Imani, ” Socratic wisdom in the age of AI”, 2025
[12] Philip Oreopoulos, Nina Low, ” One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment”, 2026
[13] In greco moderno, φάρμακο ha perso l’ambivalenza originaria e significa solo “medicina, medicamento”.
Diego Ragazzi
Data Strategy Lead, Cefriel
Insights correlati
Insight/Eventi
Conoscenza: il nuovo patrimonio dell’impresa
Evento sulla gestione della conoscenza aziendale con Intelligenza Artificiale per valorizzare competenze, documenti e processi interni
Insight/Whitepaper
Decisioni basate sui dati: come l’AI sta trasformando la Data Intelligence
Come l'integrazione tra Data Intelligence e AI trasforma le decisioni aziendali. Scopri il nuovo paper di Cefriel su dati, governance e innovazione.
Insight/News
I modelli a diffusione e la freccia del tempo
Un approfondimento sui modelli a diffusione, tra moto browniano, processi stocastici, intelligenza artificiale generativa, entropia e freccia del tempo.