L’intelligenza artificiale sta trasformando la scuola e l’università non come semplice strumento accessorio, ma come forza strutturale capace di ridefinire metodi didattici, pratiche di valutazione e persino l’idea stessa di apprendimento. Nel dibattito contemporaneo, l’AI non è più una promessa futura, ma è già parte integrante dell’ecosistema educativo, con effetti sempre più visibili sull’insegnamento, sulla ricerca e sulla tenuta dell’integrità accademica.
Per lungo tempo, la scuola classica si è fondata su un modello relativamente lineare: il docente trasmette il sapere, il manuale lo organizza, l’esercizio lo consolida e la verifica ne misura l’assimilazione. L’ingresso dell’AI modifica questa architettura in profondità, introducendo una logica più interattiva, adattiva e personalizzata. I contenuti possono essere modulati in base al livello dello studente, il ritmo dell’apprendimento può diventare meno uniforme e il tipo di supporto può variare secondo bisogni specifici, lacune pregresse e obiettivi individuali. In questo scenario, il ruolo dell’insegnante non scompare, ma si trasforma: da semplice trasmettitore di contenuti a guida critica, progettista di ambienti di apprendimento e mediatore culturale tra conoscenza, tecnologia e senso. Sul piano pratico, gli strumenti generativi consentono di produrre spiegazioni semplificate, schemi, quiz, esempi, mappe concettuali e riformulazioni testuali con una rapidità prima impensabile. Questo può alleggerire molte attività ripetitive e liberare tempo per esercizi di ordine superiore, come l’analisi, la discussione e la riflessione critica. Tuttavia, proprio la facilità di produzione genera un rischio rilevante: confondere la velocità con la comprensione, e l’efficienza con il sapere. È qui che si colloca una delle principali indicazioni dell’UNESCO, che insiste su un approccio “human-centered”, fondato su inclusione, equità, centralità dell’essere umano e sviluppo del pensiero critico.
All’università l’impatto è ancora più profondo, perché tocca il cuore stesso della formazione superiore: la ricerca, la scrittura scientifica, l’autonomia argomentativa e la valutazione finale. In questo ambito, il problema non riguarda soltanto l’uso dell’AI come supporto tecnico, ma la ridefinizione dei criteri con cui si riconosce una competenza autentica. Secondo Izvestia, la quota di testo generato da AI nelle tesi analizzate nelle università russe, sarebbe cresciuta dal 9,9% nel 2022 al 42,3% nel 2025, mentre solo 30 università avrebbero introdotto regolamenti specifici sull’uso delle reti neurali. Parallelamente, il Ministero russo della Scienza e dell’Istruzione Superiore ha discusso l’introduzione di moduli obbligatori sull’AI e la revisione dei criteri di valutazione. Facile comprendere come l’utilizzo dell’AI comprometta quello he è il lavoro più importante di uno studente: la tesi di laurea. Ora, sicuramente l’AI non implica la fine della tesi di laurea in senso assoluto, ma segnala una crisi del suo formato tradizionale. La tesi classica, intesa come lungo elaborato testuale, rischia infatti di diventare sempre più vulnerabile alla delega tecnologica. Per questo, in diverse università si stanno sperimentando soluzioni alternative o complementari: dichiarazione obbligatoria dell’uso dell’AI, limiti quantitativi ai contenuti generati, difese orali più rigorose, “project work” applicativi e modelli orientati all’innovazione. Il nodo non è dunque vietare la tecnologia, ma impedire che essa sostituisca la responsabilità intellettuale dello studente.
Le criticità principali sono almeno tre. La prima è etica: l’AI può favorire plagio, outsourcing cognitivo e valutazioni distorte della reale competenza dello studente. La seconda è epistemologica: i sistemi generativi possono produrre testi formalmente convincenti ma sostanzialmente inesatti, inducendo a confondere la plausibilità linguistica con la verità scientifica. La terza è sociale: l’accesso diseguale a strumenti digitali, infrastrutture e competenze può ampliare i divari già esistenti tra scuole, territori e gruppi sociali, anziché ridurli. Accanto a questi rischi emerge un problema metodologico decisivo. I tradizionali compiti scritti non bastano più, da soli, a misurare il sapere, perché possono essere prodotti, rielaborati o rifiniti da sistemi esterni. Di conseguenza, molte istituzioni stanno ripensando la valutazione attraverso prove orali, portfolio, lavori di processo, laboratori, presentazioni argomentate e verifiche che rendano visibile il percorso cognitivo dello studente. L’attenzione si sposta così dal solo prodotto finale alla tracciabilità dell’apprendimento, cioè alla capacità di documentare come una competenza è stata costruita, interiorizzata e applicata.
La sfida, in definitiva, non consiste nello scegliere tra scuola tradizionale e intelligenza artificiale, ma nel costruire una nuova alleanza tra competenza umana e supporto algoritmico. Le principali linee internazionali, incluse quelle promosse dall’ UNESCO, convergono su alcuni principi: formazione docente, alfabetizzazione all’AI, governance trasparente, tutela dei diritti degli studenti e uso responsabile delle tecnologie. L’obiettivo non è formare individui dipendenti dalla macchina, ma cittadini capaci di comprenderla, governarla e valutarne criticamente gli effetti. In questa prospettiva, la scuola del futuro non sarà meno umana; dovrà però essere più esigente sul piano critico, più consapevole sul piano etico e più raffinata sul piano didattico. Il rischio maggiore non è che l’AI sostituisca del tutto insegnanti e studenti, ma che renda invisibile il confine tra apprendimento e imitazione. La vera innovazione non consisterà quindi nella produzione automatica di testi o risposte, bensì nella capacità educativa di usare l’intelligenza artificiale senza rinunciare alla costruzione autonoma del pensiero.
