Introduzione: dall’uso all’ingegneria dell’AI nelle scuole
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 o ridurre il carico amministrativo dei docenti. È una domanda comprensibile, ma nasconde un rischio: immaginare la scuola come un terminale passivo di tecnologie progettate altrove, secondo criteri stabiliti da imprese, laboratori e piattaforme che raramente conoscono a 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, però, non è soltanto come l’AI educherà gli esseri umani, ma chi educherà l’AI.
Educare l’AI: cosa significa davvero?
Educare un’intelligenza artificiale non implica attribuirle coscienza o intenzionalità, ma intervenire su dati, criteri, obiettivi, vincoli e meccanismi di valutazione che ne determinano il comportamento. Ogni sistema di AI incorpora una rappresentazione, esplicita oppure implicita, di ciò che considera corretto, rilevante, efficace o desiderabile. Un’applicazione educativa che suggerisce esercizi possiede un’idea di apprendimento; un sistema che valuta un testo adotta una concezione della qualità; un algoritmo di orientamento stabilisce quali caratteristiche dello studente siano significative e quali percorsi possano essere considerati appropriati.
Queste scelte non sono 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.
Dal modello consumatore a quello produttore
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.
Il valore dei dati scolastici
Il primo passo è 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.
Per questo è necessaria una governance pubblica che garantisca protezione rigorosa, trasparenza, minimizzazione e controllo delle finalità. Inoltre, 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.
Esempi concreti di produzione scolastica di AI
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.
Alcuni scenari pratici includono:
- sviluppo di modelli specializzati, più piccoli e verificabili, destinati a compiti circoscritti (comprensione di un testo, supporto a studenti con disturbi specifici dell’apprendimento, simulazione di dialoghi storici);
- creazione di librerie di esercizi dinamici basati su errori ricorrenti osservati in classe;
- realizzazione di sistemi di orientamento che utilizzano indicatori locali (es. tassi di abbandono scolastico nel territorio) per suggerire percorsi personalizzati.
In questa prospettiva l’innovazione non coincide con l’adozione dell’ultimo prodotto disponibile, ma con la capacità di progettare tecnologie pertinenti ai bisogni reali. La scuola diventa così un laboratorio in cui l’intelligenza artificiale viene osservata, corretta e orientata attraverso l’esperienza educativa.
Il ruolo attivo degli studenti
Il ruolo degli studenti 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 e documentare gli errori;
- progettare piccoli sistemi o moduli di valutazione;
- 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.
Impatto sulla professionalità docente
La trasformazione investe direttamente 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.
Costruire un’infrastruttura pubblica dell’AI educativa
Perché questa trasformazione diventi possibile, non bastano singole sperimentazioni affidate alla buona volontà di docenti particolarmente innovativi. Occorre