L'IA generativa aiuta davvero ad apprendere?

Dalla fine del 2022, milioni di alunni e studenti utilizzano assistenti generativi per ripassare, scrivere, programmare o comprendere. La questione centrale non è più l'adozione, ormai massiccia, ma l'effetto reale sull'apprendimento. La letteratura 2025-2026 offre una risposta in due tempi: un segnale medio positivo e un importante avvertimento causale.

Le meta-analisi: un effetto medio positivo

Diverse sintesi convergono verso un beneficio moderato. Una meta-analisi di 37 studi riporta un effetto moderatamente positivo di ChatGPT sul rendimento scolastico ^[1]. Un'altra, condotta su 35 studi sperimentali e oltre 4.000 partecipanti, rileva un effetto dello stesso ordine, pur segnalando dei limiti sul pensiero di ordine superiore ^[2]. Sintesi più ampie a livello universitario vanno nella stessa direzione ^[3]. In media, dunque, l'IA generativa sembra essere d'aiuto, soprattutto per la comprensione, la produttività e il coinvolgimento.

L'avvertimento causale: avere buone prestazioni non è apprendere

Il risultato più importante proviene da uno studio controllato pubblicato su PNAS. Studenti delle superiori dotati di un assistente di tipo ChatGPT senza salvaguardie ottenevano risultati migliori negli esercizi durante la sessione (+48%), ma calavano del 17% in un esame senza IA: la performance immediata nascondeva un apprendimento inferiore ^[4]. Aspetto cruciale: una versione «tutor» con salvaguardie pedagogiche eliminava questo danno. Il problema non è l'IA, ma l'IA senza progettazione.

Altri lavori esplorano il meccanismo. Uno studio del MIT Media Lab ha osservato, tramite elettroencefalografia, una connettività neuronale più debole e un «debito cognitivo» in chi scriveva con l'assistenza di un LLM rispetto a chi scriveva da solo ^[5]: un risultato suggestivo ma preliminare, su un campione ridotto. Un'indagine su 666 persone riporta una correlazione negativa tra l'uso frequente di strumenti di IA e il pensiero critico, mediata dallo scarico cognitivo ^[6].

L'IA generativa può far brillare la produzione spegnendo al tempo stesso l'apprendimento. Distinguere i due aspetti è il compito centrale della progettazione didattica.

Sintesi Learnya

Che fare di questo paradosso?

• Progettare usi che richiedano lo sforzo di chi apprende, non che lo evitino.
• Distinguere i compiti di produzione (in cui l'IA aiuta) dai compiti di acquisizione (in cui l'IA può nuocere).
• Misurare la ritenzione e il trasferimento, non solo il voto immediato.
• Formare a un uso metacognitivo: verificare, criticare, riformulare ciò che l'IA produce.

L'UNESCO invoca un approccio centrato sull'essere umano, subordinando l'introduzione dell'IA alla protezione dei dati e alle finalità educative ^[7]. Per gli attori europei e svizzeri, ciò si ricollega a un'esigenza di sovranità: mantenere il controllo dei dati e degli usi affinché lo strumento serva l'apprendimento, e non il contrario.

Perché gli studi si contraddicono solo in apparenza

Il lettore frettoloso potrebbe concludere che regni il caos: alcuni studi lodano l'IA, altri la accusano. In realtà, la contraddizione è solo apparente e dipende da ciò che si misura. I lavori che riportano benefici misurano spesso la performance o la produttività durante l'uso; quelli che lanciano allarmi misurano l'apprendimento duraturo, una volta rimosso l'assistente. È esattamente la lezione dello studio PNAS: l'aiuto migliora la produzione immediata ma può scavare un deficit di competenza ^[4].

Questa distinzione cambia tutto sul piano pratico. Uno studente che scrive più velocemente con un assistente non impara necessariamente a scrivere meglio. Il guadagno di produttività è reale, ma non va confuso con un guadagno di apprendimento. Progettare un dispositivo educativo consiste precisamente nel decidere dove si vuole produttività (per esempio, sgrossare una ricerca documentale) e dove si vuole sforzo (per esempio, costruire un'argomentazione).

Bisogna anche diffidare dell'illusione di fluidità. Una risposta ben formulata procura un senso di padronanza che non è padronanza. È uno dei meccanismi suggeriti dai lavori sullo scarico cognitivo e sul pensiero critico ^[6]. La contromisura non è vietare l'IA, ma insegnare un uso riflessivo: chiedere a chi apprende di verificare, criticare, riformulare e spiegare ciò che lo strumento ha prodotto, così da trasformare un consumo passivo in un'elaborazione attiva.

Un'alfabetizzazione all'IA, nuova competenza di base

Se una conclusione emerge, è che l'uso conta più dello strumento. La competenza decisiva dei prossimi anni sarà l'alfabetizzazione all'IA: sapere quando ricorrervi, come formulare una richiesta, come verificare e criticare una risposta e, soprattutto, quando farne a meno per imparare da soli. Questa competenza non si acquisisce spontaneamente; si insegna, come si è insegnata la ricerca documentale nell'era di internet.

Per i sistemi educativi, la sfida è accompagnare questa alfabetizzazione anziché subirla. Ciò presuppone quadri chiari, insegnanti formati e strumenti di cui si padroneggino il funzionamento e i dati. L'IA generativa non è né una minaccia né una soluzione in sé: è un amplificatore. Amplifica l'apprendimento quando è usata bene, e l'illusione di apprendere quando non lo è.