Negli ultimi mesi la scuola italiana ha ricevuto regole precise su come usare l‘intelligenza artificiale in classe. Il Ministero dell’Istruzione ha pubblicato il Decreto Ministeriale n. 166 del 9 agosto 2025. Insieme al decreto sono arrivate anche le Linee guida per l’uso dell’IA nelle scuole. Queste regole si collegano a norme europee più ampie: il Regolamento UE sull’Intelligenza Artificiale (chiamato AI Act) e la Convenzione del Consiglio d’Europa sull’IA e i diritti umani. Il messaggio è sempre lo stesso: l’IA deve aiutare le persone, non sostituirle.
Ma da dove viene questa tecnologia? E perché un insegnante dovrebbe capirla meglio? Facciamo un passo indietro. Se oggi gli insegnanti si chiedono come usare l’IA in classe, il merito è anche di una trovata pubblicitaria del 1956. Quell’anno, durante un incontro al Dartmouth College, lo scienziato John McCarthy inventò l’espressione “Intelligenza Artificiale”. La scelse apposta: doveva colpire le persone e attirare i soldi della fondazione Rockefeller. Altri nomi, come “studi sugli automi” o “cibernetica”, erano più corretti ma meno accattivanti.
Non è un caso isolato. Ancora oggi, secondo il filosofo Luciano Floridi, la parola “intelligenza artificiale” crea confusione. Floridi pensa che sarebbe più giusto parlare di “agente”, non di “intelligenza”. Questi sistemi non hanno una mente. Non capiscono e non provano emozioni. Sanno però agire nel mondo in modo efficace. Le macchine, quindi, “fanno le cose”, ma non “pensano”.
Ma cosa significa in pratica che l’IA deve aiutare le persone senza sostituirle? Entrando subito nel merito (anche se con qualche semplificazione) in letteratura, ad esempio, l’IA può aiutare uno studente a confrontare due modi diversi di leggere una poesia, nel senso che l’IA può utilizzare un approccio multimodale attraverso suoni o immagini da utilizzare da parte dello studente anche in piena autonomia sia a scuola che a casa. Può anche “far parlare” un autore, per capire meglio come pensava. Insomma, l’IA diventa una sorta di collaboratore per il docente ed un “tutore” o un “compagno” di studi per studenti e studentesse.
Parlando invece di matematica, quando uno studente sbaglia un problema, spesso il voto segnala solo il risultato finale sbagliato, senza distinguere dove si è annidato l’errore, se in un passaggio di calcolo, in un’interpretazione sbagliata del testo o in un errore concettuale.
L’IA, invece, può lavorare sul processo passo dopo passo. Se uno studente scrive il proprio ragionamento (anche con errori), l’IA può individuare esattamente in quale passaggio la logica si è interrotta. Facciamo un esempio concreto. Uno studente deve risolvere un’equazione e sbaglia il segno spostando un termine da un lato all’altro. Un correttore tradizionale segnerebbe solo “sbagliato” sul risultato finale. Un’IA guidata correttamente, invece, può:
Isolare il passaggio critico: individuare esattamente dove il segno si è invertito, senza dire subito allo studente “hai sbagliato qui”
Fare domande mirate: chiedere “cosa succede al segno di un termine quando lo sposti dall’altra parte dell’uguale?”, spingendo lo studente a recuperare la regola da solo
Lasciare rielaborare: dare allo studente la possibilità di correggere il singolo passaggio e verificare se il resto del ragionamento torna coerente
Questo approccio si differenzia molto dal semplice fornire la soluzione: non offre la risposta corretta pronta, ma restituisce allo studente il controllo sul proprio processo di pensiero. Da un punto di vista didattico, sposta l’attenzione dal “prodotto” (la risposta giusta) al “processo” (come si è arrivati a un errore, e come lo si supera), un principio ben radicato nella pedagogia della matematica: capire perché si sbaglia rafforza la comprensione molto più che ricevere la soluzione corretta.
Tornando alle origini dell’IA, l’idea di far ragionare una macchina non nasce in Silicon Valley. Le sue radici sono antiche, nella filosofia e nella psicologia. Il legame tra scuola, linguaggio e IA parte già nell’antica Grecia. I filosofi Stoici furono tra i primi a studiare come funziona il linguaggio. Distinsero la parola in sé (il significante) dal concetto che essa esprime (il significato). Sono le basi di quella che oggi si chiama semiotica.
Nel Seicento, il filosofo Cartesio disse che la ragione umana funziona per passaggi chiari e ordinati, un po’ come in matematica. Più tardi, Leibniz riprese questa idea, sognando un linguaggio universale del pensiero.
Poco dopo, il filosofo Blaise Pascal costruì la Pascalina, nel 1642. Era una delle prime calcolatrici meccaniche della storia, e la prima a diffondersi davvero. In realtà, qualche decennio prima, nel 1623, il tedesco Wilhelm Schickard aveva già progettato una macchina simile. Ma il prototipo bruciò in un incendio e rimase quasi sconosciuto per secoli. La Pascalina, comunque, dimostrò una cosa importante: anche i calcoli si possono affidare a una macchina.
Nello stesso periodo, il filosofo Thomas Hobbes scrisse che “ragionare non è altro che calcolare”. Per lui, pensare significa solo aggiungere e togliere concetti, come si fa con i numeri e queste idee hanno alimentato per secoli lo studio della mente pensata per un certo periodo di tempo del XX secolo come un elaboratore.
Nel 1950 il matematico Alan Turing fece una domanda semplice ma rivoluzionaria: “Le macchine possono pensare?”. Inventò così il “gioco dell’imitazione”, oggi noto come Test di Turing. La regola è questa: se una macchina riesce a chiacchierare per iscritto senza farsi riconoscere da un umano, allora ha una forma di intelligenza. Quella idea, anni dopo, ha portato ai moderni modelli linguistici come ChatGPT, Claude o Google Gemini.1 Ma forse la vera sfida oggi riguarda il rapporto IA-persona. Le indicazioni dell’UNICEF sull’IA per i bambini, l’AI Act europeo e il DM 166/2025 in Italia dicono tutte la stessa cosa: l’IA deve mettere al centro la persona.
A scuola, l’intelligenza artificiale deve restare uno strumento che aiuta a pensare meglio. Non deve sostituire il lavoro delle persone. Usarla bene vuol dire rispettare alcune regole semplici: proteggere i dati degli studenti, stare attenti ai bias (i pregiudizi che l’algoritmo può imparare dai dati con cui è stato addestrato) e includere anche gli studenti con bisogni educativi speciali.
Spetta agli insegnanti restare i “controllori” di questo processo, dopo essersi formati bene sull’IA. Dietro il marketing nato a Dartmouth, la macchina resta solo uno strumento in più. Non sostituisce mai l’intelligenza umana e non c’è motivo neanche di temere previsioni pessimistiche sulla nascita di una futura “superintelligenza” fuori controllo.
Lo stesso Floridi ha contestato più volte le previsioni catastrofiste del filosofo Nick Bostrom. Secondo Bostrom, un’IA sempre più capace potrebbe “esplodere” da sola, diventando autonoma e incontrollabile. Per Floridi, questa idea nasce da un errore di fondo.
Le macchine sono “agenti” efficaci, ma non capiscono davvero quello che fanno. Per questo non possono creare da sole un’intelligenza superiore a quella umana: la loro efficacia nasce dal calcolo su tantissimi dati, non da un vero pensiero. Il rischio reale, dice Floridi, non è che le macchine si “sveglino” e ci superino. Il rischio vero è che siamo noi umani a rinunciare alle nostre responsabilità, lasciando alla tecnologia decisioni che dovrebbero restare nelle nostre mani. Tornando alla scuola, che si parli di un romanzo o di un’equazione, l’IA può diventare un buon aiuto per insegnanti e studenti. A una condizione, però: deve restare uno strumento guidato dalle persone, e non il contrario.
NOTA. Il vero salto in avanti è arrivato con un modo nuovo di gestire il contesto. Nel 2017, un gruppo di otto ricercatori ha pubblicato un articolo intitolato “Attention Is All You Need”. Il gruppo, in gran parte composto da membri di Google, era guidato da Ashish Vaswani e comprendeva anche Aidan Gomez, dell’Università di Toronto. Il testo descrive una nuova tecnologia chiamata Transformer. Questa tecnologia ha introdotto la “finestra di contesto”: la capacità dell’IA di leggere un intero testo tutto insieme, e non più una parola alla volta. Questo modo di funzionare ricorda da vicino gli studi della psicologia della Gestalt. Gli psicologi della Gestalt hanno scoperto che la mente umana non guarda le cose a pezzi separati. Le vede invece come parte di un insieme unico. Lo studioso Kurt Koffka lo disse così: “il tutto è altro dalla somma delle singole parti”. Non significa solo “più grande”: significa diverso, con qualità che i singoli pezzi da soli non hanno. Anche la mente umana funziona così: capiamo il senso di una parola solo all’interno di una frase. Il Transformer fa lo stesso, con un meccanismo chiamato “self-attention”. Per esempio, la parola “chiave” ha un significato diverso se la mettiamo vicino a “casa” oppure vicino a “problema”.
Inoltre, in ambito scolastico nasce l’esigenza dell’affidabilità delle fonti per cui bisogna ridurre il rischio di “allucinazioni” cioè risposte sbagliate che l’algoritmo inventa da solo. Per questa ragione ci sono strumenti come Google NotebookLM o Perplexity funzionali alla didattica perchè usano un sistema chiamato RAG (Retrieval-Augmented Generation) che funziona così: l’IA viene collegata a fonti scelte in anticipo, come i libri di testo digitali della classe. Il sistema prende solo i paragrafi utili e li usa per rispondere allo studente per cui le fonti risultano affidabili in quanto “filtrate” (da decisione umane).
Commenti recenti