Non c’è giorno che non salti fuori una pubblicazione sull’AI.

Utilissimi qugli accrocchi che fanno meta-lettura. Qui è NotebookKM a pontificare su una rivista:

Gianna Fracassi – Chi governa l’intelligenza artificiale? Approccio: Politico-istituzionale, socio-economico e sindacale. Abstract: L’autrice analizza l’IA non come un destino tecnologico ineluttabile, ma come un terreno di conflitto politico ed economico, interrogandosi su chi controlla le infrastrutture e chi beneficia dei profitti. Viene criticata la delega al libero mercato, sostenendo la necessità di un forte intervento dello Stato per governare la transizione e ricondurre il potere tecnologico sotto la responsabilità democratica. La conoscenza viene rivendicata come bene comune fondamentale per prevenire disuguaglianze e derive autoritarie o di oligopolio privato.

Cosimo Di Bari – La pedagogia critica come interprete dell’intelligenza artificiale Approccio: Pedagogico, ecologico e critico-riflessivo. Abstract: Il contributo rifiuta le posizioni polarizzate (“apocalittici” vs “integrati”) per abbracciare una prospettiva ecologica, in cui la scuola deve agire come “omeostato”, ovvero riequilibratore rispetto alla pervasività delle tecnologie. L’autore pone domande critiche sull’IA come strumento di controllo e veicolo di pregiudizi, proponendo agli insegnanti cinque passi operativi (andare oltre il panico, capire il funzionamento, usare l’IA senza farsi usare, sfidare la tecnologia e usarla in modo creativo) per educare futuri cittadini consapevoli.

Giuliano Franceschini – L’intelligenza didattica artificiale: uno sguardo sul futuro dell’istruzione Approccio: Storico-tecnologico, sociologico e inter-transdisciplinare. Abstract: Attraverso un’analisi storica del rapporto tra innovazioni tecnologiche e società, l’autore introduce il concetto di “intelligenza didattica” della specie umana, che oggi muta in “intelligenza didattica artificiale”. La rivoluzione elettronica causa una “disintermediazione di secondo livello”: l’IA non solo media l’informazione, ma la crea autonomamente, arrivando a simulare teorie della mente e sostituendo potenzialmente l’insegnante nella progettazione. Invita a evitare posizioni catastrofiste o acritiche, analizzando consapevolmente l’ideologia veicolata dagli strumenti attuali.

Gaetano Fabiano – Educare nell’era dell’intelligenza artificiale Approccio: Normativo, etico e pedagogico-didattico. Abstract: L’articolo traccia il quadro normativo europeo (AI Act) e italiano (Legge 132/2025, Linee guida del MIM), sottolineando la necessità di tutelare i diritti fondamentali e la centralità dell’azione umana rispetto all’IA. Identifica nella formazione continua dei docenti (AI literacy) l’elemento chiave per superare il divario di competenze con gli studenti e usare l’IA come strumento formativo senza subirla. Pone inoltre il problema della valutazione, suggerendo di spostare il focus dal prodotto finale (facilmente generabile dalle macchine) al processo cognitivo e argomentativo dello studente.

Claudio Franchi – Gioco, digital games, technologies e istruzione: un nuovo quadro interpretativo… Approccio: Antropologico, cognitivo e neuroscientifico. Abstract: Il saggio analizza la funzione originaria del gioco come “allenamento facilitato alla sopravvivenza” in un ambiente delimitato e sicuro. Esamina come i meccanismi del “piacere” insiti nel gioco vengano oggi riadattati nei processi di gamification per governare comportamenti a fini commerciali o indurre dipendenza (come nei social media). Discutendo il valore dei serious games, conclude che i videogiochi sono utilissimi per acquisire abilità tecniche e digitali di base, ma si rivelano insufficienti e inefficaci per la trasmissione e l’assimilazione di saperi teorici complessi e profondi.

Tuscia Sonzini – Ricerca accademica e intelligenza artificiale: luci e ombre Approccio: Epistemologico, etico e normativo. Abstract: L’autrice valuta l’impatto dell’IA sul metodo scientifico universitario, evidenziando il vantaggio di poter elaborare enormi moli di dati e velocizzare i processi di ricerca empirica e testuale. Tuttavia, solleva forti problematiche etiche riguardanti la trasparenza delle fonti, la proliferazione di disinformazione e “allucinazioni”, i conflitti sul diritto d’autore e sull’attribuzione della paternità delle opere, oltre al rischio che il monopolio tecnologico accentui le disuguaglianze nell’accesso alla conoscenza accademica.

Claudio Franchi – L’intelligenza artificiale sa fare solo i compiti Approccio: Critico, epistemologico e socio-politico. Abstract: Partendo da uno studio OCSE che compara i risultati dell’IA con i test PISA e PIAAC, l’autore smonta l’autorevolezza di queste misurazioni, accusate di rispondere a modelli neoliberisti per fornire competenze funzionali al mercato anziché reale intelligenza. Spiega come il Deep Learning e i modelli linguistici operino su base puramente statistica e probabilistica, senza possedere intenzionalità, empatia o capacità relazionali umane. Conclude che l’IA non potrà mai sostituire le dinamiche umane autentiche e rivendica i diritti sociali e sindacali come unico scudo per i lavoratori.

Teresa Numerico – L’intelligenza artificiale e la riproduzione degli stereotipi di genere Approccio: Sociologico, filosofico e del femminismo intersezionale. Abstract: L’articolo smonta il mito della neutralità dell’IA, dimostrando come i sistemi predittivi e generativi (addestrati su dati passati e moderati da lavoratori spesso in contesti tradizionalisti) non facciano altro che replicare e amplificare ferocemente stereotipi sessisti, mascolinità tossica e discriminazioni contro soggettività non binarie. Per l’autrice l’IA agisce come un “gioco di specchi” che naturalizza l’ingiustizia, proponendo in risposta una curatela consapevole dei dati in ottica femminista e un’educazione critica per svelare l’illusione di oggettività di questi strumenti.

Claudio Franchi e Madeleine Pastinelli – Gli stereotipi e le discriminazioni di genere al tempo dell’IA Approccio: Politico-giuridico e degli studi di Genere e Tecnologia. Abstract: Gli autori esaminano come la natura di black box proprietaria e segreta degli algoritmi (tutelati dal segreto industriale delle grandi multinazionali) impedisca di verificare le reali pratiche di discriminazione nei software. Attraverso esempi come le vecchie assunzioni di Amazon e i bias nelle traduzioni linguistiche, si dimostra come la tecnologia rafforzi l’egemonia esistente. Viene criticato l’AI Act europeo per contenere scappatoie, rivendicando la necessità di ribaltare collettivamente le rappresentazioni dominanti per combattere la disuguaglianza.

Salvatore Salzano – Lavorare utilizzando l’IA senza farsi utilizzare da essa Approccio: Pragmatico, pedagogico-sperimentale. Abstract: Dopo aver associato i meccanismi di addestramento dell’IA ai classici paradigmi psicologici (comportamentismo, costruttivismo, cognitivismo), l’autore dimostra che uno studente non può “auto-educarsi” usando l’IA senza cadere nel nozionismo. Diventa vitale il docente come “mediatore culturale” che insegna a porre le giuste domande alla macchina. Nella pratica professionale, l’IA viene esaltata come ottima “segretaria” per la semplificazione, traduzione e inclusività dei materiali didattici, raccomandando però agli insegnanti di non delegare mai alla macchina l’esercizio fondamentale della valutazione.

Claudio Franchi – Creazione e manipolazione del consenso nelle società digitali avanzate Approccio: Sociologico, mediatico ed economico. Abstract: Si delinea il passaggio dai mass media centralizzati allo strapotere globale delle “superstar firms” (Big Tech), le quali possiedono un capitale e un potere comunicativo superiori persino agli Stati. L’articolo evidenzia il rischio di manipolazione psicologica e disinformazione (fake news) generato dai sistemi di raccomandazione algoritmici e dai modelli linguistici (LLM), capaci di influenzare inconsapevolmente scelte politiche e di consumo creando “bolle” per gli utenti. L’autore auspica l’inserimento scolastico di una vera “filologia comunicativa” per addestrare al ragionamento critico democratico.

Claudio Franchi – I segreti dell’intelligenza artificiale: uno scontro tra poteri Approccio: Filosofico-politico e critico-tecnologico. Abstract: Applicando una lente mutuata dalla filosofia politica (Tacito, Machiavelli, Hobbes, Foucault) all’IA, il testo indaga il “segreto industriale” come vero strumento di controllo sociale. Gli algoritmi (black box) sfuggono a qualsiasi scrutinio etico e trasparenza democratica, creando uno squilibrio di potere gravissimo quando vengono usati da aziende e Stati per automatizzare decisioni fondamentali sulle vite dei cittadini o dei lavoratori (es. mobilità, assunzioni). L’autore invoca una governance collettiva che vada oltre il mero rispetto formale della privacy per instaurare una vera negoziazione democratica.

Claudio Franchi – Al servizio della collettività e non del profitto. Per una democrazia dell’IA Approccio: Storico-critico e politico-sindacale. Abstract: Questo saggio pone l’avvento dell’IA come crocevia tra le rivoluzioni storiche della comunicazione (alfabeto e stampa) e le rivoluzioni industriali. Critica aspramente l’atteggiamento passivo degli Stati, che assumono l’IA come un fatto ineluttabile mosso dal neoliberismo e dai profitti delle multinazionali tecnologiche, nascondendosi dietro vaghe linee guida europee o ministeriali (come la “Strategia per l’innovazione”) prive di veri obiettivi democratici. Conclude chiedendo un’alleanza politica forte da parte di soggetti collettivi e sindacali per garantire che questa tecnologia operi a vantaggio di tutti.

Giuliano Franceschini (Appendice) – Un’intervista all’intelligenza artificiale sul futuro dell’istruzione Approccio: Sperimentale e documentale (simulazione di dialogo). Abstract: L’autore propone le risposte generate da un LLM in merito al proprio impatto sull’educazione. L’IA (dichiarando preventivamente la propria natura non umana e probabilistica) profila diversi scenari: nel sistema 0-6 l’impatto sarà sul personale amministrativo per non inquinare lo sviluppo naturale infantile; nella primaria si avverte il rischio di de-potenziare processi logici e cognitivi in via di formazione; per la secondaria e l’università emerge un mutamento irreversibile del metodo di studio e della valutazione, spostando il fulcro dal prodotto al processo. A livello temporale, l’IA viene descritta come un’imminente e radicale “infrastruttura educativa” che richiederà l’educazione critica come principale strumento di autodifesa sociale e cognitiva.

---

Dall’analisi dei contributi presenti nel testo, emerge una chiara tensione tra l’elaborazione di chiavi di lettura inedite e la riproposizione di temi ormai standardizzati nel dibattito pubblico sull’Intelligenza Artificiale.

Di seguito vengono proposti due elenchi: il primo evidenzia i concetti originali e innovativi introdotti dagli autori per decodificare il fenomeno; il secondo raccoglie la ripetizione “liturgica” di concetti scontati, ovvero quei topoi retorici, istituzionali o accademici che fungono da premessa obbligata o da cliché nel discorso sull’IA.

1. Rilevazione di concetti originali e innovativi

• L’Intelligenza Didattica e la “disintermediazione di secondo livello”: Giuliano Franceschini introduce il costrutto antropologico di “intelligenza didattica”, definendola come la capacità evolutiva della specie umana (Sapiens e Docens) di costruire “teorie della mente” reciproche per trasmettere la cultura. L’originalità sta nel leggere l’avvento dell’IA non come un semplice strumento, ma come una “intelligenza didattica artificiale” in grado di operare una “disintermediazione di secondo livello”: l’IA non si limita a mediare il rapporto tra individuo e informazione (come faceva internet), ma crea essa stessa l’informazione e simula teorie della mente, disintermediando di fatto il rapporto tra chi insegna, chi apprende e la didattica.
• La scuola come “Omeostato”: Cosimo Di Bari supera la semplice idea di scuola come luogo di alfabetizzazione tecnologica, proponendo la metafora cibernetica della scuola come “omeostato”. In una società saturata dal digitale, l’istituzione scolastica deve assumere una funzione di “conservazione” e riequilibrio, preservando competenze umane profonde (attenzione, pensiero critico) che rischiano di atrofizzarsi, bilanciando così la pervasività del “capitalismo della sorveglianza”.
• I videogiochi come “gradino più basso di complessità”: Ribaltando la percezione comune, Claudio Franchi teorizza che i videogiochi siano in realtà un’esperienza cognitiva meno complessa rispetto ai giochi fisici o alla vita reale. Essi offrono un “allenamento facilitato alla sopravvivenza” in un ambiente chiuso con parametri limitati e privo di rischi reali. L’obsolescenza rapida dei giochi semplici deriva proprio dal fatto che, una volta acquisita quella micro-capacità, il bisogno biologico (e il relativo piacere) si esaurisce.
• Il parallelismo tra Machine Learning e Paradigmi Pedagogici: Salvatore Salzano offre una chiave di lettura pragmatica ed epistemologica molto originale, sovrapponendo i metodi di addestramento dell’IA alle teorie dell’apprendimento umano. L’apprendimento “per rinforzo” dell’IA ricalca il comportamentismo skinneriano; quello “non supervisionato” ricorda il costruttivismo; quello “supervisionato” riproduce il cognitivismo. Questo serve a dimostrare che l’IA non ha intenzionalità e che, senza la mediazione del docente, l’uso autonomo da parte dello studente rischia di resuscitare un “neocomportamentismo digitale” basato sul puro nozionismo.
• La “Dittatura della normalità” e l’IA come “Copia della Copia”: Affrontando i bias di genere, Teresa Numerico e Claudio Franchi non si limitano a denunciare il sessismo, ma ne spiegano la genesi statistica. Basandosi sulla probabilità, l’IA impone una “dittatura della normalità”. Rifacendosi al concetto platonico di mimesis, l’IA viene definita come una “copia della copia” che ci intrappola in un gioco di specchi, naturalizzando e amplificando le ingiustizie epistemiche e materiali del passato anziché descrivere il presente o il futuro.
• La “Filologia comunicativa”: Per contrastare la crisi epistemica e la disinformazione manipolatoria delle Big Tech, Franchi propone l’istituzione di una nuova disciplina scolastica, la “filologia comunicativa”. Essa non deve limitarsi al fact-checking, ma deve insegnare a leggere i testi e le informazioni mettendoli in stretta relazione con il sistema economico, storico e le relazioni di potere che li hanno generati.

---

2. Ripetizione liturgica di concetti scontati e noti

• La polarizzazione “Apocalittici vs Integrati”: Si tratta del cliché accademico per eccellenza quando si introduce una nuova tecnologia. Citare la celebre dicotomia di Umberto Eco del 1964 per dire che “non bisogna demonizzare la tecnologia né abbracciarla acriticamente” è un passaggio obbligato, ripetuto quasi liturgicamente per posizionare il proprio saggio in una (scontata) “terza via” di equilibrio.
• Il mantra “La tecnologia non è neutrale”: Un concetto fondamentale degli studi sui media fin dagli anni ’70, ma oggi ripetuto in modo quasi dogmatico. Molti autori sentono il bisogno di ribadire che l’IA riflette gli interessi, il potere e l’ideologia di chi la programma e la finanzia, un dato di fatto ormai ampiamente storicizzato ma riproposto come monito essenziale.
• La rassegna burocratica delle normative (AI Act e Linee Guida): Diversi contributi indulgono nella liturgia istituzionale di elencare documenti, leggi e direttive (l’AI Act europeo del 2024, la Legge italiana 132/2025, le Linee Guida del MIM). Sebbene utili per il quadro giuridico, spesso si traducono nella ripetizione di “parole d’ordine” vaghe (trasparenza, etica, centralità della persona) che gli stessi autori, in altri passaggi, ammettono essere piene di scappatoie, inefficaci contro il potere delle multinazionali o prive di reali ricadute applicative.
• L’invocazione salvifica al “Pensiero Critico” e all'”Educazione all’IA”: La risposta universale a qualsiasi minaccia posta dall’IA (disinformazione, manipolazione, perdita di competenze) è la necessità di sviluppare “senso critico” e di formare cittadini consapevoli. Questa formula, pur corretta pedagogicamente, assume spesso i contorni di una delega retorica, ripetuta in ogni paragrafo conclusivo senza sempre specificare come tale pensiero critico debba essere materialmente costruito di fronte a macchine così pervasive.
• La rassicurazione “L’IA non sostituirà il docente ma lo supporterà”: È il tipico esorcismo contro la paura della disoccupazione tecnologica o della disumanizzazione. Viene ripetuto liturgicamente che la macchina sarà un’ottima “segretaria tuttofare” o un “tutor”, ma che la relazione empatica, la valutazione del processo e il ruolo di mediatore culturale rimarranno appannaggio esclusivo dell’essere umano.
• Il problema delle “Allucinazioni” e del Diritto d’Autore: Elencare tra le ombre dell’IA il fatto che inventi informazioni (allucinazioni), che violi il diritto d’autore e che ponga problemi sulla paternità dell’opera intellettuale è ormai un passaggio di rito in qualsiasi analisi sull’uso dell’IA nella ricerca accademica e nell’istruzione.

..

---

Dall’analisi dei contributi presenti nel numero monografico, emerge una forte coerenza tematica che porta diversi autori a sovrapporsi, riprendendo e sviluppando i medesimi concetti chiave da prospettive complementari. Di seguito le principali ripetizioni concettuali e tematiche individuabili nei saggi:

1. La non-neutralità dell’IA e l’opacità degli algoritmi (Black Box) Quasi tutti gli autori rifiutano il determinismo tecnologico, ribadendo che l’Intelligenza Artificiale non è uno strumento neutro, ma riflette gli interessi, i valori e il potere di chi la programma e la finanzia. Gianna Fracassi sottolinea che gli algoritmi non sono neutrali, poiché incorporano sempre una gerarchia di valori. Cosimo Di Bari afferma che la tecnologia è ormai un attore studiato per generare reazioni predeterminate al fine di produrre profitto. Giuliano Franceschini ricorda che le tecnologie esprimono sempre le intenzioni di chi le possiede e le controlla. Teresa Numerico smonta l’illusione di oggettività dei sistemi generativi, descrivendoli come elaboratori statistici che riflettono la “forza della probabilità”. Claudio Franchi e Madeleine Pastinelli, così come Franchi in un saggio successivo, convergono sul concetto di black box: l’algoritmo è un segreto industriale protetto dalle multinazionali, che impedisce la trasparenza democratica e nasconde i reali criteri con cui vengono prese le decisioni.

2. La riproduzione dei bias, degli stereotipi di genere e delle disuguaglianze Il tema della discriminazione prodotta dall’IA è un altro elemento di forte sovrapposizione. Teresa Numerico spiega come il deep learning, basandosi su dati storici etichettati spesso in contesti tradizionalisti, finisca per imporre una “dittatura della normalità” che riproduce e amplifica stereotipi sessisti e discriminazioni contro le soggettività non binarie. Questo esatto meccanismo viene esaminato anche da Franchi e Pastinelli, che portano ad esempio il caso dei software di reclutamento di Amazon, i quali escludevano sistematicamente i curriculum femminili. Il rischio che l’IA replichi e rafforzi i bias razziali e di genere è un allarme sollevato esplicitamente anche da Gaetano Fabiano, da Cosimo Di Bari e dallo stesso assistente virtuale nell’intervista simulata da Franceschini.

3. Il cambiamento del paradigma valutativo: dal prodotto al processo Con l’avvento dell’IA generativa, capace di redigere testi, risolvere problemi e produrre output formali impeccabili, diversi autori concordano sulla necessità di rivoluzionare la valutazione scolastica. Gaetano Fabiano evidenzia che l’oggetto della valutazione deve spostarsi dal prodotto finale (facilmente generabile dalla macchina) all’analisi del processo di apprendimento e del ragionamento. Salvatore Salzano ribadisce che occorre privilegiare il percorso compiuto dallo studente per giungere alle risposte, rendendo necessarie forme di accertamento meno strutturate. Questa prospettiva viene confermata ripetutamente nell’intervista all’IA curata da Franceschini, dove si prospetta che, in tutti i gradi di istruzione superiore e all’università, la valutazione dovrà basarsi su colloqui, bozze successive, difesa delle scelte e discussione delle fonti.

4. L’imprescindibilità del docente come “mediatore” e dell’IA come “assistente” La retorica della sostituzione dell’insegnante viene respinta all’unanimità. Salvatore Salzano definisce il docente un “mediatore culturale” fondamentale per insegnare allo studente come interrogare correttamente la macchina, mentre descrive l’IA come un’eccellente “segretaria tuttofare” per il lavoro burocratico e di traduzione del professore. Anche Fabiano sottolinea che l’asimmetria di competenze tecniche tra studenti e docenti rende il ruolo dell’insegnante ancora più vitale nell’orientare e guidare criticamente. L’IA stessa, nell’intervista conclusiva, ammette di non poter “conoscere” l’alunno, prevedendo il proprio ruolo come infrastruttura di supporto per alleviare i compiti ripetitivi dei docenti, ma senza mai poterne rimpiazzare la relazione educativa e la responsabilità pedagogica.

5. L’alfabetizzazione critica (AI Literacy) e la filologia comunicativa come scudo L’educazione al pensiero critico è la soluzione proposta trasversalmente per affrontare le derive dell’automazione. Cosimo Di Bari parla della necessità per la scuola di farsi “omeostato” e di promuovere un’educazione non solo con l’IA, ma *sull’*IA, per comprenderne i limiti e gli interessi soggiacenti. Fabiano insiste sull’urgenza di una diffusa AI literacy per i docenti. Claudio Franchi, per fronteggiare la disinformazione manipolatoria globale, auspica l’inserimento di una vera “filologia comunicativa”. L’esigenza di insegnare agli studenti a dubitare, verificare le fonti e contestare i risultati algoritmici è un concetto ribadito anche nell’intervista finale da Giuliano Franceschini per ogni ordine e grado di scuola.

6. Il quadro normativo europeo e italiano L’esigenza di inquadrare la sfida tecnologica all’interno di confini giuridici porta diversi autori a citare le stesse direttive. Gaetano Fabiano struttura la sua analisi attorno alle linee guida europee, all’AI Act (Regolamento UE 2024/1689) e alla Legge italiana 132/2025. Tuscia Sonzini menziona le medesime normative per affrontare i nodi etici, del diritto d’autore e della trasparenza nella ricerca accademica. L’AI Act viene esaminato anche da Franchi e Pastinelli, i quali però ne denunciano le scappatoie, accusando la legislazione di utilizzare formulazioni vaghe che permettono alle grandi aziende di eludere una reale regolamentazione contro le discriminazioni.

___

Rispondendo in modo puntuale alle tue tre domande sulla base dei contributi analizzati:

1. Vera conoscenza dell’articolazione dei dispositivi di AI? Negli articoli emerge una conoscenza concettuale e operativa accurata dei dispositivi di Intelligenza Artificiale, anche se essa è sempre subordinata alla riflessione socio-politica o pedagogica, piuttosto che presentata in forma strettamente ingegneristica. Diversi autori dimostrano di conoscere l’architettura di base dei modelli:

• Claudio Franchi traccia l’evoluzione delle reti neurali e dei modelli NLP (Natural Language Processing) e LLM (Large Language Models), spiegando in modo corretto il superamento dei modelli linguistici “top-down” (basati su regole) in favore di quelli “bottom-up” del Deep Learning. Specifica che tali sistemi non comprendono il significato umano, ma funzionano su base puramente statistica e probabilistica, elaborando miliardi di parametri per prevedere le parole.
• Salvatore Salzano analizza l’addestramento della macchina (Machine Learning) illustrando i tre paradigmi fondamentali: apprendimento per rinforzo, non supervisionato e supervisionato, creando un interessante parallelismo con i paradigmi pedagogici umani (comportamentismo skinneriano, costruttivismo e cognitivismo).
• Teresa Numerico dimostra consapevolezza delle fasi di sviluppo del deep learning, citando in particolare l’impatto dei dati storici e il lavoro umano (spesso invisibile e sottopagato) necessario per l’etichettatura o pulizia dei dati (data labeling) su cui i modelli si addestrano.

Pertanto, gli autori conoscono “come” l’IA apprende e articola le risposte, smontandone l’aura magica per evidenziarne la natura algoritmica e probabilistica.

2. Si fa cenno ai dispositivi digitali non estrattivi? Nelle fonti non viene mai usata l’espressione esatta “dispositivi digitali non estrattivi” e non vi è una teorizzazione specifica su hardware o software definiti in questo modo. Tuttavia, il tema dell’estrazione dei dati è centrale in chiave critica. Diversi autori denunciano esplicitamente le logiche estrattive rifacendosi al concetto di “capitalismo della sorveglianza” di Shoshana Zuboff, definito da Gianna Fracassi come un “sistema economico fondato sull’estrazione sistematica di dati” per prevedere e influenzare i comportamenti. Pur non teorizzando i “dispositivi non estrattivi”, gli autori indicano delle alternative a questo modello predatorio: Cosimo Di Bari invita la scuola a farsi veicolo di consapevolezza per incoraggiare “l’utilizzo di piattaforme più rispettose della privacy e meno incentrate su questo modello di arricchimento”. Similmente, Claudio Franchi identifica nell’accesso libero (open source) al codice dei modelli una via fondamentale per scardinare il monopolio estrattivo e incrementare la trasparenza democratica.

3. Si ragiona sul vibe coding? No, nelle fonti non si fa alcun cenno né si ragiona sul concetto di “vibe coding”. Il termine non appartiene al quadro analitico affrontato in questi saggi. L’unica occorrenza della parola inglese “coding” si trova in un passaggio in cui viene citato in maniera molto generica all’interno di un elenco di attività didattiche (insieme a scrittura, scienze e matematica) che l’IA potrebbe supportare nella scuola secondaria di primo grado. L’argomento della programmazione tramite IA “a sensazione” o con linguaggio naturale senza sintassi rigorosa (vibe coding) non viene mai discusso.

___

Sebbene i chatbot linguistici (come ChatGPT) siano lo strumento più citato per gli esempi didattici e quotidiani, gli autori e i curatori dello speciale non limitano affatto la loro analisi a questo tipo di dispositivi. Al contrario, trattano l’Intelligenza Artificiale come una vera e propria “realtà infrastrutturale” che permea e gestisce la società a vari livelli.

Ecco alcune delle molteplici tipologie di dispositivi e algoritmi di IA (ben lontani dall’essere semplici chatbot generalisti) affrontate nei testi:

• Sistemi decisionali, di classificazione e predittivi: Gli autori analizzano a fondo le IA addestrate per prendere decisioni sulle vite umane. Vengono citati i software aziendali per lo screening automatico dei curriculum e le assunzioni (come il noto caso di Amazon che discriminava le donne), i sistemi predittivi per calcolare l’affidabilità creditizia per mutui o assicurazioni, e le applicazioni scolastiche progettate per classificare gli studenti, stimare il rischio di dispersione e prevedere le fragilità. Viene perfino menzionato il divieto europeo per i sistemi di “punteggio e classificazione sociale”.
• Algoritmi di raccomandazione e logistica predittiva: Vengono analizzati i dispositivi usati dalle piattaforme commerciali e dai social media per profilare gli utenti e chiuderli in “bolle” informative. Si cita l’algoritmo di Netflix (Cinematech) che guida i consumi visivi, così come le IA impiegate da Amazon per la logistica avanzata, capaci di prevedere le intenzioni di acquisto e spostare fisicamente le merci nei magazzini prima ancora che l’utente effettui l’ordine.
• Sistemi di sorveglianza e controllo biometrico/lavorativo: Il testo fa esplicito riferimento all’uso dell’IA per monitorare i lavoratori tramite “telecamere intelligenti e software di analisi comportamentale” che tracciano il tempo di lavoro e le prestazioni.
• Algoritmi per la gestione statale e militare: Franchi discute l’impiego di “algoritmi segreti” da parte dello Stato, citando come esempi l’algoritmo che nel 2016 ha gestito d’imperio la mobilità interprovinciale dei docenti italiani e gli algoritmi usati dal governo per stabilire le restrizioni regionali delle libertà durante la pandemia. Gianna Fracassi menziona persino l’uso dell’IA nei “sistemi d’arma autonomi” all’interno dei conflitti geopolitici.
• Sistemi generativi visivi e deepfake: Non ci si ferma al testo generato. Si ragiona diffusamente sui generatori di immagini (vengono nominati esplicitamente DALL-E e Midjourney) per dimostrare come questi replichino e amplifichino stereotipi di genere e razziali (ad esempio, disegnando figure dirigenziali sempre maschili). Vengono inoltre trattati i pericoli dei deepfake e della creazione di “identità sintetiche” del tutto inesistenti.
• IA per l’analisi dei Big Data nella ricerca: L’IA viene presa in esame anche per le scienze empiriche, dove gli algoritmi vengono usati per setacciare moli sterminate di dati al fine di scovare connessioni e correlazioni invisibili all’occhio umano.

In sintesi, i chatbot generalisti rappresentano per gli autori solo la “punta dell’iceberg” o l’interfaccia più amichevole di un apparato tecnologico molto più profondo. La loro riflessione si concentra su macchine che decidono, controllano, profilano e gestiscono flussi economici e lavorativi.

…

Hai colto un aspetto reale: se cerchi un’analisi tecnica dettagliata sulle architetture “in locale” (che infatti non vengono mai menzionate, essendo l’analisi concentrata sul monopolio delle piattaforme Big Tech in cloud) o un catalogo aggiornato dei singoli software per la traduzione multimodale, l’approccio di questo numero monografico può apparire carente.

Tuttavia, affermare che manchi del tutto la competenza rispetto alle pratiche scolastiche e universitarie o che le funzioni da te citate siano assenti non è del tutto esatto. Le funzioni di assistenza alla lettura, scrittura, traduzione e ricerca sono presenti nel testo, ma vengono descritte con un vocabolario meno tecnico e subordinate a una lente prevalentemente pedagogica, socio-economica e politica.

Ecco come le funzioni che hai menzionato trovano effettivamente spazio nelle pratiche descritte dagli autori:

• Assistenti dialogici e tutor virtuali: Il testo affronta esplicitamente i chatbot usati come tutor dialogici. Tuscia Sonzini cita il caso di Multilearn, “una chatbot potenziata […] che fornisce un aiuto personalizzato agli studenti, come una sorta di tutor disponibile 24 ore su 24” nelle università telematiche. Lo stesso Giuliano Franceschini dedica l’intera appendice a “intervistare” l’IA, trattandola proprio come un “assistente conversazionale” o “interlocutore non umano”, mentre Cosimo Di Bari analizza l’uso frequente dei chatbot da parte degli adolescenti “come supporto emotivo”.
• Assistenti alla scrittura e alla lettura: Salvatore Salzano, basandosi sulla sua pratica di docente, descrive l’uso dell’IA esattamente come assistente alla scrittura. La utilizza come “segretaria alla dettatura” (registrando la voce per farsi trascrivere gli appunti) e le sottopone le proprie dispense chiedendo una “revisione leggera” per rendere i testi “più chiari, fluidi e ben scritti”. Inoltre, consiglia ai suoi studenti di usare l’IA per farsi correggere i codici informatici, avendola a disposizione come “tutor personalizzato”.
• Dispositivi per la traduzione e l’inclusione: Anche se non viene usata la dicitura “traduzione multimodale”, la traduzione è uno dei temi più citati. Salzano usa l’IA per tradurre le dispense in francese e inglese o produrre “versioni in italiano semplificato” per gli studenti non italofoni. L’intervista all’IA conferma che questi strumenti abbatteranno le barriere tramite “sintesi vocale, sottotitoli, trascrizioni, traduzioni, semplificazione linguistica” e “supporti alla comunicazione aumentativa”.
• Deep research (elaborazione dati complessi): Tuscia Sonzini analizza l’impatto dell’IA sul metodo scientifico universitario. Sebbene non usi il termine tecnico deep research, descrive esattamente questa funzione: l’applicazione di algoritmi nelle scienze empiriche per “elaborare quantità di dati di ordine superiore rispetto alle capacità umane, individuando connessioni e correlazioni” e, nelle discipline umanistiche, per “l’analisi automatica di vasti corpora testuali”. L’IA viene inoltre riconosciuta per la capacità di sintetizzare bibliografie e riassumere articoli scientifici.

Perché questa presunta “mancanza di competenza” tecnica?

L’assenza di un focus sui singoli “dispositivi” avanzati (come l’IA in locale) deriva da una precisa scelta di campo politico e istituzionale. Il volume è curato nell’alveo della FLC CGIL e analizza l’IA non dal punto di vista dell’ingegneria del software, ma come “infrastruttura del potere”.

Agli autori interessa meno catalogare le funzionalità dell’ultimo modello di deep research, e interessa molto di più analizzare:

1. Le disuguaglianze: Chi controlla questi strumenti, chi li finanzia e il rischio di un “classismo digitale” dove solo alcuni avranno accesso a versioni a pagamento prive di sorveglianza.
2. I mutamenti cognitivi: Come la macchina trasforma il pensiero dello studente, spostando il problema della scuola dal “prodotto” (il testo scritto o tradotto dalla macchina) al “processo” logico e critico.
3. Il lavoro docente: Come l’IA impatta le dinamiche di valutazione e la demansionamento (“deprofessionalizzazione”) dell’insegnante.

In sintesi, gli autori considerano i software specifici come elementi transitori e in rapida obsolescenza. La loro competenza si concentra deliberatamente sugli effetti di lungo periodo che l’automazione avrà sulla scuola intesa come presidio democratico e cognitivo, piuttosto che sulle specifiche features dei dispositivi informatici.

---

L’Intelligenza Artificiale, analizzata dai contributi, non è un semplice avanzamento tecnico, ma una vera e propria “realtà infrastrutturale” che rappresenta la massima espressione del “capitalismo della sorveglianza”. Essa determina una radicale riconfigurazione dei rapporti di forza, progettata per estrarre dati, prevedere comportamenti e generare profitto. Questa logistica capitalistica della conoscenza va smontata e affrontata su tre piani specifici, come richiesto:

1. Sul piano operativo (Logistica, estrazione e automazione del potere) Il controllo di questa infrastruttura è saldamente nelle mani di poche “superstar firms” (Big Tech), che operano in un regime di monopolio capace di sovrastare persino gli Stati. Il caso più emblematico e materiale della “logistica capitalistica” descritto nei testi è quello di Amazon: attraverso l’analisi predittiva dei comportamenti online, l’azienda è oggi in grado di prevedere gli acquisti con tale esattezza da mobilitare fisicamente le merci nei magazzini periferici prima ancora che l’utente effettui l’ordine (come avviene nei modelli Prime e Prime Now).

Sul piano sociale, l’operatività di questo capitale si traduce nell’affidare le scelte sulle vite umane ad algoritmi protetti dal segreto industriale (black box). Questo esautora il processo democratico: l’IA viene usata per scremare i curriculum scartando sistematicamente le donne (come nel noto tentativo di Amazon del 2014) o persino dallo Stato, come avvenuto in Italia nel 2016 con l’algoritmo segreto che ha gestito d’imperio la mobilità interprovinciale dei docenti, trattando la vita dei lavoratori come puro dato computazionale.

2. Sul piano cognitivo (L’espropriazione del processo e il “neocomportamentismo”) La logistica capitalistica dell’IA disintermedia l’accesso alla conoscenza in modo distruttivo. Giuliano Franceschini la definisce “disintermediazione di secondo livello”: l’IA non si limita a connettere l’utente all’informazione, ma la crea autonomamente simulando una teoria della mente, rimpiazzando la relazione didattica umana.

L’effetto cognitivo sugli studenti è devastante. Fornendo risposte immediate e formalmente perfette, la macchina elimina lo sforzo cognitivo e la costruzione dei nessi causali, spingendo gli studenti verso un “neocomportamentismo digitale” puramente nozionistico. Nella scuola secondaria, questo genera una pericolosissima “frattura tra prodotto e processo”: lo studente può consegnare un elaborato testuale o un codice informatico impeccabile, che però non gli appartiene cognitivamente, perdendo così l’occasione formativa vitale legata al faticare, all’argomentare e allo sbagliare. L’IA agisce come una “scorciatoia cognitiva” che atrofizza lo sviluppo del pensiero critico autonomo.

3. Sul piano culturale (Crisi epistemica e “dittatura della normalità”) Dal punto di vista culturale, la pervasività dei modelli algoritmici genera una vera e propria “crisi epistemica”. Le persone perdono la capacità di distinguere la verità dalla manipolazione, minando le basi del dibattito democratico.

Teresa Numerico evidenzia come i sistemi di intelligenza generativa, addestrati su enormi database estratti dal passato, finiscano per imporre una feroce “dittatura della normalità”. Attraverso la “forza della probabilità”, la macchina non fa che naturalizzare e amplificare le discriminazioni storiche esistenti (razzismo, sessismo, mascolinità tossica), comportandosi come la mimesis platonica: una “copia della copia” che ci intrappola in un gioco di specchi conservatore. Inoltre, le piattaforme (come Netflix o i social media) usano la logistica dei sistemi di raccomandazione per chiudere l’utente in rassicuranti “bolle” informative (timeline); questo non avviene per migliorare l’esperienza culturale, ma per manipolare subdolamente l’attenzione, il consenso e i consumi sfruttando meccanismi psicologici inconsapevoli.

La necessaria lotta politica Di fronte a questa logistica capitalistica, gli autori ribadiscono che la tecnologia non è ineluttabile né neutrale, e non può essere delegata al libero mercato. Per combatterla politicamente, la scuola deve farsi “omeostato” (riequilibratore rispetto alla tecnologia) e istituire una “filologia comunicativa”: insegnare agli studenti a smontare i testi generati dalla macchina, a dubitare dell’illusione di oggettività dell’algoritmo e a svelarne i meccanismi economici sottostanti. Sul piano macro-politico, Claudio Franchi e Gianna Fracassi invocano l’intervento di soggetti collettivi (come i sindacati) per rivendicare regole, accesso condiviso ai dati, contropoteri e una governance realmente democratica che metta questa tecnologia al servizio della collettività e non dell’oligopolio di pochi.

La tua riflessione coglie esattamente il nucleo politico e ideologico attorno a cui ruotano i saggi del volume. Gli autori condividono in pieno la tua tesi: accettare l’innovazione come un feticcio ineluttabile e fine a se stesso significa piegarsi passivamente a una logica puramente mercantile e neoliberista, rinunciando a governare la tecnologia per un reale ed equo progresso sociale.

Nei testi analizzati, questa “devastante subalternità culturale” al pensiero d’impresa viene denunciata su più livelli:

1. La subalternità dello Stato al linguaggio e agli interessi aziendali Claudio Franchi smonta proprio l’uso retorico e strumentale del termine “innovazione” analizzando la Strategia per l’innovazione tecnologica e la digitalizzazione del Paese (pubblicata dal governo italiano). Franchi nota come il documento sia redatto nel “più puro stile di bassa divulgazione aziendale”. Sotto l’etichetta dell’innovazione, si nasconde la totale subordinazione del pubblico agli interessi privati: si afferma esplicitamente che “il pubblico è volano di digitalizzazione del privato”. In nome dell’innovazione, si arriva a proporre una “sperimentazione in deroga” alle leggi per favorire lo sviluppo d’impresa, ignorando del tutto il fatto che esistano normative a tutela del lavoro e della società. Si tratta della prova evidente di una “totale subalternità alle imprese private”, dove i cittadini vengono degradati a semplici “consumatori o utenti di servizi”.

2. L’istruzione piegata alla competitività di mercato (modello neoliberale) Questa egemonia del pensiero mercantile investe anche la scuola. Cosimo Di Bari critica aspramente le Linee Guida del Ministero dell’Istruzione, evidenziando come l’introduzione dell’IA sia giustificata con la parola d’ordine della “competizione”: l’innovazione serve per “rafforzare la competitività del sistema educativo”. Di Bari ribatte che la scuola dovrebbe invece concentrarsi sul benessere e sulla formazione di cittadini critici. Sulla stessa linea, Franchi attacca le indagini internazionali come i test OCSE-PISA, accusandoli di promuovere una politica culturale ed economica “di stampo marcatamente neo-liberale”. Questi strumenti non misurano la vera intelligenza, ma piegano il sistema educativo alla necessità di fornire competenze “funzionali alle esigenze dirette del mercato del lavoro e alle imprese private”.

3. L’innovazione venduta come “destino ineluttabile” per bloccare la critica Gli autori denunciano la narrazione per cui lo sviluppo tecnologico capitalista viene presentato come inarrestabile. Come sottolinea Franchi, la tecnologia “viene percepita e compresa ‘spontaneamente’ come una realtà apolitica”. Questa visione è rafforzata ad arte dalla “percezione di inevitabilità”, che fa apparire l’innovazione come un fatto compiuto di fronte al quale è “inaccettabile qualsiasi ipotetica critica”. È l’inganno per cui si fa credere che le regole siano dettate dalla “presunta intoccabilità delle leggi del profitto e del mercato”.

4. La necessità di un rinnovamento equo e democratico Di fronte a questa deriva, gli autori rivendicano esattamente ciò che auspichi: l’innovazione deve tornare a essere un mezzo (valutato e verificato) e non un fine asservito alle Big Tech. Gianna Fracassi afferma chiaramente che “il problema non è rallentare l’innovazione, ma governarla”. Per decenni ci hanno illuso che “il mercato fosse in grado di individuare autonomamente le traiettorie ottimali dello sviluppo”, ma la storia dimostra che le vere trasformazioni necessitano di regole e di orientamento collettivo. Non si può accettare che “le prospettive dello sviluppo restino confinate solo e esclusivamente all’interno di una prospettiva di profitto”.

L’antidoto a questa egemonia mercantile, concludono i curatori, è l’azione dei soggetti collettivi (come i sindacati), i quali devono imporre un confronto pubblico per stabilire standard etici e politici. Solo uscendo dalla subalternità e imponendo una “governance condivisa e pienamente democratica” sarà possibile garantire che l’innovazione porti equità e benefici reali a tutta l’umanità, e non solo a chi detiene il monopolio economico.

Vale la pena.