---

Intelligenza Artificiale e Formazione: Analisi Critica, Modelli a Confronto e Prospettive Strategiche

Questo approccio presenta una sintesi approfondita e critica dell’impatto dell’intelligenza artificiale (IA) generativa, con un focus specifico sul settore educativo. L’analisi decostruisce il dibattito pubblico, spesso superficiale e polarizzato, per delineare una comprensione sobria e politicamente consapevole dei dispositivi digitali. Emerge una netta contrapposizione tra due paradigmi: da un lato, il modello dominante del “capitalismo cibernetico”, basato su una logistica estrattiva di dati, controllato da un oligopolio di corporation e finalizzato alla mercificazione del sapere; dall’altro, un modello alternativo conviviale e decentralizzato, ispirato alla filosofia open source, che promuove la conoscenza come bene comune e persegue finalità di emancipazione culturale.

I punti chiave dell’analisi sono i seguenti:

1. Natura dell’IA: L’IA generativa non replica l’intelligenza umana ma opera attraverso un’intelligenza prestazionale, basata su modelli statistico-probabilistici applicati a immensi corpora di dati. È definita come “comunicazione artificiale” (E. Esposito) che agisce “senza capire”, imitando gli esiti dei processi cognitivi umani senza possederne la comprensione semantica.
2. Critica al Modello Dominante: L’integrazione dell’IA nell’istruzione è spinta da una coalizione di interessi (piattaforme, editoria, PNRR) che promuove un’istruzione subalterna al mercato. Questo porta alla sprofessionalizzazione del docente, ridotto a “impiegato esecutivo”, e alla diffusione di un “sapere morto”, standardizzato e alienante.
3. Proposta Pedagogica Emancipante: Si propone un modello di “autorialità generativa supervisionata”, in cui il controllo su intenzioni, obiettivi e valutazione critica rimane saldamente in mano umana. Alle macchine vengono delegati compiti esecutivi e a basso valore cognitivo, mentre la formulazione del prompt viene valorizzata come un’attività cognitiva superiore.
4. Evoluzione dell’Infrastruttura: L’infrastruttura tecnologica è in rapida evoluzione, con una diversificazione dei servizi (testo, immagini, video) e l’emergere di piattaforme avanzate (es. Perplexity.ai, NotebookLM) che introducono nuovi paradigmi come la “metalettura” (analisi automatizzata di fonti). L’integrazione pervasiva in ecosistemi come Google Workspace (con Gemini e Smart Canvas) mostra come il testo stia diventando un hub dinamico e interattivo.
5. Centralità del Pensiero Critico: L’opera del docente e ricercatore Marco Guastavigna funge da filo conduttore, fornendo un quadro critico per analizzare la “Platform Society”, il “tecno-liberismo” e la “società della conoscenza sorvegliata”. La sua proposta si fonda sulla necessità di politicizzare il dibattito per affermare il sapere come bene comune e promuovere l’uso di tecnologie conviviali.

In conclusione, il documento evidenzia la duplice natura dell’IA: uno strumento che, se adottato acriticamente, rischia di rafforzare una logica di subordinazione culturale e professionale, ma che, se governato da un approccio critico, consapevole e orientato al bene comune, può diventare una potente infrastruttura per l’inclusione e l’emancipazione collettiva.

——————————————————————————–

1. Decostruzione del Dibattito Pubblico sull’IA

Il discorso attuale sull’intelligenza artificiale è afflitto da limiti che ne impediscono una comprensione profonda, ostacolando un’adozione consapevole in ambito formativo.

• Polarizzazione e Sensazionalismo: Il dibattito è intrappolato in una sterile dicotomia tra “affatto contrari”, che temono la pigrizia intellettuale, e “affatto favorevoli”, che invocano l’inevitabilità del progresso. Questo dualismo mediatico impedisce un’analisi complessa.
• Riduzionismo a ChatGPT: L’intero campo dell’IA generativa è stato ridotto quasi esclusivamente a ChatGPT, mettendo in ombra altri dispositivi (es. generatori di immagini) e alternative come Google Bard, il cui arrivo ha generato un “silenzio assordante”.
• Empirismo Banalizzante: La discussione si limita spesso a un approccio pratico e strumentale, con corsi focalizzati sull’uso di specifici software senza un adeguato approfondimento teorico, etico e civile.
• Lessico Concettualmente Fuorviante: L’uso di termini come “intelligenza”, “creare” e “strumento” è frutto di un marketing efficace ma ingannevole:
  • Intelligenza: Sovrappone impropriamente i processi statistico-predittivi delle macchine con la cognizione umana.
  • Creare: Occulta come l’IA si basi sull’appropriazione e rielaborazione della conoscenza sociale preesistente.
  • Strumento: Neutralizza i dispositivi, nascondendo il fatto che essi inducono comportamenti e modificano profondamente i contesti relazionali.

2. Epistemologia e Natura dell’IA Generativa

Per un uso significativo dell’IA, è essenziale comprenderne la reale natura epistemologica, superando le metafore antropomorfiche.

• Comunicazione Artificiale: Secondo Elena Esposito, le macchine ottengono risultati straordinari perché non cercano più di essere intelligenti. Il loro successo si basa sull’individuazione di pattern statistici in enormi quantità di dati, operando secondo il paradigma del “fare senza capire”. Sono esperte di sintassi probabilistica, non di semantica.
• Approccio Prestazionale: Nello Cristianini definisce questo cambio di paradigma “la scorciatoia”: si rinuncia alla comprensione causa-effetto di un sistema a favore della predizione statistica del suo comportamento. L’intelligenza è ridefinita come la capacità di un agente di agire efficacemente per raggiungere i propri obiettivi.
• Macchine Ingannevoli: Simone Natale osserva che, fin dal test di Turing, l’obiettivo non è riprodurre i processi interiori umani, ma imitarne gli esiti in un processo definito “benevolo inganno”.
• Complementarità Cognitiva: Junaid Mubeen inquadra l’IA nella storia degli artefatti matematici, dispositivi creati per delegare compiti esecutivi e liberare spazio cognitivo umano per attività logico-speculative.

Da queste analisi emerge che i dispositivi di IA sono assistenti artificiali dotati di un’intelligenza prestazionale, che imitano le performance umane senza replicarne i processi cognitivi.

3. Il Paradigma Dominante: Capitalismo Cibernetico e Logistica Estrattiva

L’IA opera all’interno di un preciso contesto socio-economico che ne determina le finalità e le implicazioni.

• Oligopolio Tecnologico: Solo poche grandi corporation (Alphabet, Microsoft) possiedono la potenza di calcolo, le infrastrutture e l’accesso ai Big Data necessari per addestrare i modelli, consolidando un dominio culturale e operativo.
• Modello Estrattivo: Il modello di business si fonda sull’estrattivismo culturale e cognitivo. Attraverso servizi “gratuiti”, le piattaforme captano in tempo reale l’intelligenza collettiva (conversazioni, interazioni) per affinare i sistemi e generare profitto, realizzando uno “scambio ineguale”.
• Privacy e Lavoro non Retribuito: Le informative sulla privacy (es. Google Bard) rivelano che le conversazioni sono lette da revisori umani. L’utente, di fatto, fornisce lavoro non retribuito per il perfezionamento del dispositivo. Le restrizioni sull’età (18 anni per Bard, 13 per ChatGPT) rendono inoltre problematico un uso diretto da parte di molti studenti.
• Costi Nascosti: Il modello produttivista dominante ignora i costi ambientali (consumi energetici, rifiuti elettronici) e i costi economici legati ai modelli freemium, che richiedono licenze a pagamento per un uso completo, non sostenibili per docenti o famiglie.

4. L’Impatto sull’Istruzione: Sprofessionalizzazione e Standardizzazione

L’integrazione acritica dell’IA nel sistema scolastico, spinta da interessi commerciali e dagli investimenti del PNRR, sta producendo uno “smottamento professionale” e una mercificazione del sapere.

• La Sprofessionalizzazione del Docente: Gli insegnanti rischiano di trasformarsi da progettisti di percorsi didattici a “impiegati esecutivi dell’istruzione”, il cui compito è assemblare materiali standardizzati generati da macchine (UDA, quiz, slide). Questo processo è mascherato dall’alibi dell’innovazione e dell’incremento della “creatività”.
• Mercificazione del Sapere: L’IA contribuisce a creare una “logistica capitalistica della conoscenza”, dove il sapere viene “confezionato”, standardizzato e trasformato in un asset economico (“sapere morto”), contrapposto al “sapere vivo”, che è critico, creativo e relazionale.
• Critica al Discorso Istituzionale: Le linee guida ministeriali sono definite “un florilegio di esemplificazioni generiche e banali”, subalterne a un modello utilitaristico. Allo stesso modo, la “presunta centralità del prompt engineering” viene criticata come un’idea risibile che banalizza la complessità dell’interazione uomo-macchina.

5. Una Proposta Pedagogica Emancipante

In contrapposizione al modello dominante, viene delineato un approccio pedagogico per un uso professionale, ragionevole e significativo dell’IA, sviluppato all’interno del laboratorio “Nuove tecnologie per l’apprendimento” dell’Università di Torino.

5.1 Principi Fondamentali

• Primato Umano: La responsabilità di intenzioni, obiettivi, progettazione e valutazione critica resta saldamente in mano umana. L’IA non deve sostituire, ma mobilitare le capacità umane elevate.
• Delega dei Compiti Esecutivi: Agli assistenti artificiali vanno assegnati compiti ripetitivi e a basso valore cognitivo (definiti “intelligenza compilativa”).
• Il Prompt come Attività Cognitiva Superiore: La formulazione di richieste (prompt) efficaci non è un virtuosismo tecnico, ma il risultato di elevate capacità culturali e cognitive umane.
• Ciclo Operativo Critico: Il processo deve partire dagli obiettivi didattici e valutare solo in seguito se e come l’IA possa supportarli, in un ciclo che include valutazione di significatività ed equità.

Fase del Processo	Responsabilità Umana (Docente)	Potenziale Supporto dell’Assistente Artificiale
1. Progettazione	Definire intenzioni, obiettivi didattici, contesto.	Nessuno.
2. Esecuzione	Formulare il prompt, guidare il dialogo di perfezionamento.	Eseguire il compito computazionale (scrivere, riassumere, ecc.).
3. Verifica	Valutare la congruenza e l’efficacia dell’output.	Nessuno.
4. Rielaborazione	Rimaneggiare, correggere e integrare l’output.	Eseguire ulteriori richieste di modifica.

5.2 Applicazioni Didattiche Concrete

• Schematizzazioni Grafiche: L’IA (es. Algor Education) può generare bozze di mappe su argomenti consolidati, fornendo una base da cui partire, ma non deve sostituire il processo cognitivo di creazione da parte degli studenti.
• Produzione e Adattamento di Testi: L’IA può supportare dettatura, trascrizione, traduzione e l’adattamento di testi (semplificazione, ampliamento) per scopi esercitativi.
• Generazione di Immagini: Permette di creare immagini personalizzate superando i vincoli del copyright, misurandone l’efficacia sulla base cognitiva (“consapevole concettualizzazione by e in prompt”).
• Supporto alla Ricerca: I chatbot sono utili se forniscono contenuti strutturati e, soprattutto, citano le fonti in modo puntuale (es. Microsoft Bing Chat, Diffit).

6. Il “Pluriverso Digitale”: Due Modelli a Confronto

La contrapposizione fondamentale non è tra “digitale sì” e “digitale no”, ma tra due modelli socio-tecnici opposti.

Caratteristica	Modello del Capitalismo Cibernetico (Logistica Estrattiva)	Modello Conviviale e Decentralizzato
Paradigmi	Alphabet/Google, Microsoft	Linux, Framasoft, Open Source
Logica Operativa	Piattaforme centralizzate, consumo compulsivo, obsolescenza.	Infrastrutture aperte, software libero, modularità, riparabilità.
Modello Economico	Servizi “gratuiti” in cambio di tracciamento e profilazione.	Servizi royalty free, finanziati da donazioni o modelli etici.
Conoscenza	Capitale privato (brevetti, copyright).	Bene comune (licenze Creative Commons).
Approccio Cognitivo	Apprendimento per l’adattamento al mercato, competizione.	Apprendimento per l’emancipazione collettiva, inclusione.
Finalità Educativa	Preparazione al mercato del lavoro, lessico subalterno.	Sviluppo del pensiero critico, scelta consapevole.

La scuola pubblica dovrebbe orientarsi inequivocabilmente verso il secondo modello, rifiutando la subalternità culturale e professionale al primo.

7. Analisi dell’Infrastruttura Tecnologica in Evoluzione

Per una comprensione critica è necessario analizzare la materialità dell’infrastruttura e la sua rapida evoluzione.

• Sviluppi Recenti: Dall’arrivo di ChatGPT, l’infrastruttura si è potenziata in capacità di calcolo, ha diversificato i servizi (testo, immagini, video, reportistica) e ha visto la moltiplicazione di dispositivi analoghi (Gemini, Claude, Grok).
• Nuovi Paradigmi di Interazione: Piattaforme avanzate introducono un nuovo rapporto con la conoscenza:
  • Perplexity.ai: Si definisce un “assistente intelligente” che fornisce risposte contestualizzate e basate su ricerca online.
  • NotebookLM (Google): Permette di caricare le proprie fonti e interrogarle, introducendo il concetto di “metalettura”: un’analisi dei materiali (scansione, classificazione) eseguita dalla macchina che prepara il lavoro di supervisione e interpretazione umana.
• Integrazione negli Ecosistemi di Scrittura (Caso Google Workspace): L’IA (Gemini) è integrata su tre livelli:
  1. Predittivo (Machine Learning): Funzioni leggere come Smart Compose e Smart Reply.
  2. Generativo (LLM): Funzioni potenti come “Aiutami a scrivere”, che permette di generare, riformulare, accorciare, elaborare e riassumere testi.
  3. Architettonico (Smart Canvas): Trasforma il documento in un hub interattivo tramite Smart Chips (elementi contestuali) e Building Blocks (modelli riutilizzabili), integrando la generazione di contenuti con i flussi di lavoro.

8. La Figura Centrale: Marco Guastavigna

Il quadro critico qui delineato è largamente informato dal lavoro di Marco Guastavigna, docente, formatore e pensatore critico italiano, figura di spicco nel campo delle tecnologie educative.

• Missione: La sua opera è animata dalla “condivisione della conoscenza e lo sviluppo del pensiero critico collettivo”. I suoi blog, come “Pensieri artificiali”, operano senza tracciamento né registrazione, in coerenza con la sua critica alle “piattaforme avide di dati”.
• Critica Radicale: Ha sviluppato una critica severa della “Platform Society”, del “tecno-liberismo” e della “società della conoscenza sorvegliata”, svelando come i dispositivi digitali siano prodotti a prevalente impianto capitalistico.
• Opere e Impatto: È riconosciuto per le sue opere fondamentali sulle mappe concettuali, come “Mappe per capire. Capire per mappe” (2004) e “Insegnare e imparare con le mappe” (2013), ampiamente citate in contesti accademici e istituzionali. La sua attività di ricerca, iniziata negli anni ’80, si è evoluta costantemente, mantenendo una posizione critica e propositiva.
• Coerenza Etica: La sua integrità è esemplificata dalle dimissioni da un incarico di tutor per “inaccettabili forzature logistiche”, anteponendo i principi formativi alle opportunità professionali, una scelta definita “fonte di sollievo e di orgoglio etico”.

9. Conclusioni e Prospettive Strategiche

L’IA generativa si presenta con una natura duplice: da un lato, come strumento di standardizzazione al servizio di un mercato che rischia di dequalificare le professioni intellettuali; dall’altro, come potenziale infrastruttura per democratizzare la conoscenza. Per navigare questa complessità, emergono tre direzioni strategiche:

1. Politicizzare il Dibattito: È essenziale spostare il focus dalla mera adozione tecnica a una discussione pubblica sul modello di società e di sapere che si intende costruire, sostenendo attivamente alternative conviviali e open source.
2. Mantenere la Supervisione Umana e la Riflessione Critica: Il modello da perseguire è quello dell’autorialità generativa supervisionata. È necessario bilanciare l’efficienza esecutiva (fast) per compiti ripetitivi con la necessità di una riflessione ponderata (slow) sugli aspetti significativi del lavoro intellettuale.
3. Investire in Formazione Critica: L’efficacia degli strumenti dipende dalla capacità umana di interagirvi con consapevolezza. La formazione deve andare oltre l’ingegneria dei prompt per includere una comprensione profonda delle implicazioni etiche, epistemologiche e socio-economiche delle tecnologie.

L’evoluzione di questi sistemi trasformerà il ruolo umano da autore primario a validatore strategico, il cui compito sarà focalizzato sulla supervisione, il giudizio critico, la finalizzazione e la validazione etica del contenuto generato.