L’intelligenza artificiale è già entrata nella scuola e sta cambiando il rapporto tra studenti, docenti e conoscenza. Scrive testi, risolve problemi, spiega concetti, traduce, riassume, crea immagini. I Large Language Models (ChatGPT, Claude, Gemini, Perplexity, Notebook LM, ecc.) vengono sempre più utilizzati dagli studenti e dai docenti prima ancora che la scuola abbia il tempo di interrogarsi su cosa siano davvero, su come funzionino e su quale posto debbano occupare nei processi educativi.
Qual è l’impatto dell’Intelligenza Artificiale sui sistemi educativi?
La domanda che attraversa questo contributo è: quale impatto avranno le AI all’interno dei sistemi educativi? Dietro questa formulazione si nasconde però un nodo molto più complesso, che chiama in causa la natura stessa della conoscenza, il senso del lavoro educativo, il ruolo degli insegnanti e il diritto degli studenti a sviluppare un pensiero autonomo.
La sfida dell’alfabetizzazione critica all’IA
La scuola non può permettersi di restare ai margini di questa trasformazione, né può limitarsi a inseguirla con corsi di formazione centrati sull’uso degli strumenti. Deve, al contrario, porsi alla guida di un processo di alfabetizzazione critica che consenta a studenti e insegnanti di abitare consapevolmente il nuovo ecosistema dell’IA.
Quattro sfide centrali
Le pagine che seguono propongono una lettura articolata di questo scenario. Nella prima parte vengono messi a fuoco quattro problemi fondamentali:
- la dimensione epistemica della delega cognitiva
- l’impatto affettivo e relazionale dei chatbot sui giovani
- le questioni etiche sollevate dall’uso dell’IA con i minori
- le sfide politico-istituzionali che le scuole si trovano ad affrontare
La natura dell’intelligenza artificiale
L’intelligenza artificiale è una macchina di calcolo statistico con funzione predittiva che apprende tramite addestramento di input esterni e dati immagazzinati. L’IA “non pensa”, “non comprende”, “non giudica”, ma produce una fluenza verbale attraverso sequenze plausibili di parole che scambiamo per conoscenza.
Riflessioni epistemologiche
Comprendere nell’educazione è imperativo, in quanto la comprensione è un aspetto fondamentale del pensare. Uno snodo riguarda propriamente l’esplicabilità delle AI (explainability AI), ovvero come l’AI generativa spiega e chiarisce la ricerca delle fonti e il processo di co-creazione dei propri output linguistici.
- Sul piano etico, l’esplicabilità consente di porre condizioni per una contro-spiegazione.
- Sul piano epistemico, l’accesso alla spiegazione consente di individuare l’origine di potenziali errori.
- Sul piano metacognitivo, favorisce capacità di autoregolazione cognitiva.
Introdurre sistemi non spiegabili nella gestione delle informazioni e delle conoscenze rischia di minare la “fiducia” alla base della relazione educativa fondamentale in ogni processo di apprendimento.
Tra potenziale e atrofia cognitiva
Le ricerche più recenti evidenziano paradossi nel rapporto tra AI e cognizione umana. Da un lato, l’AI amplia, estende e potenzia le capacità cognitive, dall’altro induce una progressiva delega del pensiero, riducendo lo sforzo cognitivo e l’autonomia nel pensiero.
- Il cognitive atrophy paradox: quando l’utente delega alle AI senza verificare, accettando passivamente le risposte, si verifica un atrofia cognitiva.
- Il comfort-growth paradox: la semplicità dell’utilizzo dell’AI può ridurre la capacità di affrontare autonomamente situazioni complesse.
L’aspetto affettivo ed emotivo
Secondo l’indagine di Save the Children “Senza filtri” (2025), il 74,2% dei giovani tra 15 e 19 anni ha usato l’IA almeno una volta a settimana. Dei dati più significativi:
- Il 45,7% ha usato l’IA per studiare, il 68,3% di questi attraverso chatbot.
- I ragazzi apprezzano l’IA per essere sempre disponibile, empatica e non giudicante.
- Il 23,9% dichiara di poter parlare all’AI di cose che non direbbe ad amici o famiglia.
- Il 63,5% ha trovato almeno una volta più soddisfacente il confronto con l’IA rispetto a una persona reale.
Questi dati rivelano una tendenza a percepire le macchine come dotate di caratteristiche psicologiche, che potrebbe generare un cortocircuito emotivo.
Le strategie dell’industria
OpenAI, ad esempio, ha annunciato di aver lavorato con più di 170 esperti di salute mentale per insegnare alle AI a riconoscere con maggiore precisione segnali di disagio. Gli aggiornamenti riguardano tre aree:
- psicosi e mania
- autolesionismo e suicidio
- disagi legati alle dipendenze
Queste iniziative evidenziano come l’industria persegua consapevolmente una direzione volta a consolidare il legame emotivo tra giovani e intelligenze artificiali.
Verso un modello di educare all’IA
La scuola deve promuovere una lettura critica dell’IA, non semplicemente l’utilizzo. A tal fine, si avanzano alcune proposte:
- AI Literacy: insegnare come funziona l’IA, non soltanto come usarla.
- Pedagogia Hacker: incoraggiare la sperimentazione e la ridefinizione critica degli strumenti.
- Didattica Esperienziale: favorire il pensiero attivo e la co-creazione del sapere.
- Relazione critica con strumenti tecnologici: sviluppare una capacità di interrogare e non semplicemente delegare.
La prospettiva futura
Il vero nodo non è quanto l’IA sappia fare, ma quanto impatterà sui processi di apprendimento della popolazione scolastica. La scuola dovrà evitare l’eccesso di ottimismo o di paura. Deve invece offrire una guida critica e pedagogica, in grado di rispondere a un cambiamento epocale.