L’articolo di Enzo Peruffo apparso su Il Sole 24 Ore il 2 maggio scorso — “L’alfabetizzazione all’Intelligenza artificiale non può cominciare all’università” — mi ha riportato in mano un documento che a gennaio avevo letto e mi ero ripromesso di riprenderlo prima o poi, e che da allora aspettava il momento giusto per essere ripreso: il Digital Education Outlook 2026 pubblicato dall’OCSE. I due testi non si parlano direttamente, eppure tenendoli aperti uno accanto all’altro ho capito che sono i pezzi dello stesso puzzle.
Riguarda tre tavoli — scuole, docenti e studenti, imprese e organizzazioni — che il dibattito pubblico continua a tenere separati, ma che vivono lo stesso problema, e perché, quando l’OCSE suona il campanello d’allarme, non sta avvertendo soltanto chi si occupa di scuola.
Una nota prima di iniziare. Il nome dell’organizzazione è Organisation for Economic Co-operation and Development, da cui l’acronimo internazionale OECD. In Italia la chiamiamo OCSE perché traduce esattamente il nome dell’istituzione: Organizzazione per la Cooperazione e lo Sviluppo Economico.
Cosa dice davvero l’OCSE, e perché conta molto
Peruffo cita l’OCSE per ricordare il rischio di pigrizia metacognitiva, e fa bene, ma quella citazione coglie soltanto la punta di un iceberg molto più vasto e impegnativo che si trova nel Digital Education Outlook 2026, il rapporto pubblicato a gennaio in cui l’OCSE ha sintetizzato evidenze provenienti da esperimenti randomizzati, ricerche neuroscientifiche e studi sul campo condotti in diversi paesi membri. Ciò che emerge è una distinzione cruciale tra fast AI e slow AI, tra l’uso strumentale del chatbot per ottenere una risposta veloce e l’uso pedagogico dell’intelligenza artificiale, ovvero un modo di usare lo strumento che non punta a darti la risposta ma ad accompagnarti mentre la cerchi — la differenza, dopo qualche mese, è fra chi ha imparato e chi sa solo dove cliccare. È una distinzione che non rappresenta una sfumatura accademica ma una biforcazione che si misura in dati duri da ignorare.
Un esperimento sul campo condotto in Turchia e citato dall’OCSE mostra che gli studenti con accesso all’intelligenza artificiale generativa hanno migliorato le proprie prestazioni di esercitazione del 127%, e fin qui sembrerebbe una buona notizia, se non fosse che gli stessi studenti, una volta privati dell’accesso allo strumento al momento dell’esame, hanno registrato una performance peggiore del 17% rispetto ai compagni che non lo avevano mai usato. La macchina non aveva insegnato loro nulla: aveva semplicemente svolto al posto loro le operazioni mentali — diagnosi del problema, valutazione delle ipotesi, iterazione, riflessione — che costituiscono il cuore stesso dell’apprendimento.
Studi cinesi sulla revisione dei testi mostrano lo stesso schema in modo ancora più nitido: gli studenti che dialogavano con un esperto umano seguivano un percorso strutturato di richiesta d’aiuto, valutazione e iterazione, mentre quelli che usavano un chatbot generico saltavano direttamente dalla domanda all’implementazione, perdendo per strada le fasi che producono comprensione durevole.
L’implicazione che l’OCSE trae da questo corpus di evidenze è netta: il problema non si risolve insegnando ai bambini a usare l’AI, come spesso si sente ripetere in convegni e tavole rotonde, perché l’uso strumentale è esattamente ciò che produce metacognizione pigra; il problema si risolve costruendo un’architettura pedagogica che distingua quando lo strumento aiuta il pensiero e quando lo sostituisce, e che progetti il secondo come un esito da evitare e non come una comodità da abbracciare. Le raccomandazioni del rapporto non si limitano dunque a invocare formazione, ma chiedono di muovere le scuole oltre i chatbot generici verso strumenti AI progettati specificamente per la pedagogia, capaci di sostenere la fatica produttiva dell’apprendere senza scorciatoie.
Ma i docenti sono pronti? La domanda che precede ogni alfabetizzazione
Per capire la portata del problema vale la pena partire dal paesaggio che Peruffo descrive con precisione: il 63,8% dei giovani europei tra i 16 e i 24 anni utilizza già l’intelligenza artificiale generativa, in Italia siamo al 47,2%, e nel frattempo soltanto il 45,8% della popolazione possiede competenze digitali di base contro una media europea del 55,6%.
Tradotto: una larga parte dei nostri ragazzi usa l’AI ogni giorno in un Paese che fatica anche con le competenze digitali di base, e questa asimmetria è il terreno reale su cui dovrebbe operare la scuola. Ma per operare su quel terreno serve qualcuno preparato a farlo, e qui si apre la prima crepa profonda nella proposta di Peruffo, perché la filiera educativa che invoca — dall’università alla scuola dell’infanzia — funziona soltanto se chi deve insegnare possiede esso stesso quelle competenze, anche in università, non è cosi scontato, e i dati italiani raccontano un’altra storia.
Una ricerca GoStudent del 2025 condotta su oltre cinquemila genitori, studenti e trecento docenti europei mostra che il 66% dei docenti italiani dichiara di non essere formato per insegnare l’AI in classe, percentuale che sale al 76% se si considerano soltanto le scuole statali, mentre i dati TALIS dell’OCSE collocano l’Italia al venticinquesimo posto in Europa per percentuale di insegnanti della secondaria di primo grado che dichiarano di usare l’intelligenza artificiale a scuola, ben dietro la media europea e ancora di più dietro paesi come l’Albania, dove la quota raggiunge il 52%.
Lo stesso studio segnala che mentre l’81% degli studenti italiani usa attivamente strumenti di AI, soltanto il 28% li impara a scuola, e che soltanto il 34% degli insegnanti si sente preparato a integrare questi strumenti nel proprio insegnamento. Questa asimmetria rovescia la geometria tradizionale dell’aula, in cui l’insegnante guida e lo studente apprende, e crea una situazione paradossale in cui il discente è più alfabetizzato del docente, salvo essere alfabetizzato nel modo sbagliato — quello strumentale, veloce, della pigrizia metacognitiva — perché nessuno gli ha insegnato l’altro modo, quello critico e riflessivo che l’OCSE definisce essenziale.
Il decreto ministeriale 166 del 9 agosto 2025 ha introdotto in Italia le linee guida per l’uso dell’intelligenza artificiale nelle scuole, ed è una cornice utile, ma le linee guida non formano i docenti, e gli investimenti previsti non sembrano adeguati a colmare un divario che si misura in centinaia di migliaia di insegnanti che dovrebbero essere riqualificati simultaneamente, su una materia che cambia ogni sei mesi. Quando Peruffo propone Stati generali della formazione nell’era dell’intelligenza artificiale tocca un nervo giusto, ma se a quel tavolo non si siedono prima di tutto i docenti — non come destinatari di un’agenda decisa altrove, bensì come co-progettisti di una transizione che li riguarda nel più intimo del loro mestiere — il rischio concreto è di costruire un’architettura formativa elegante e priva di fondamenta umane.
Il punto cieco più grande: l’AI è arrivata prima nelle imprese
C’è poi un perimetro che l’articolo di Peruffo non tocca, ed è probabilmente quello in cui l’alfabetizzazione all’intelligenza artificiale sta fallendo nel modo più rumoroso pur essendo presentata come la storia di un successo: le imprese, dove l’AI è entrata molto prima che nelle scuole e dove la formazione del personale si sta declinando in un modo che ricorda esattamente la fast AI denunciata dall’OCSE per gli studenti. Aziende italiane e internazionali stanno organizzando corsi di prompt engineering, di uso strumentale dei chatbot, di best practice per estrarre risposte migliori dai modelli linguistici, ma stanno largamente trascurando ciò che dovrebbero affrontare per primo: la qualità e la fonte dei dati, il ridisegno dei processi, la gestione del cambiamento, la riconfigurazione dei flussi decisionali e delle responsabilità organizzative.
I dati BCG on Digital and Technology sono ormai un riferimento obbligato per chi voglia capire cosa accade davvero nei progetti di intelligenza artificiale aziendali: il 70% delle difficoltà incontrate dalle aziende che adottano l’AI riguarda persone e processi, il 20% la tecnologia e i dati, soltanto il 10% gli algoritmi, eppure le organizzazioni continuano a investire la maggior parte del tempo e delle risorse nella sfera tecnica, quella che pesa meno nel determinare il successo.
Lo studio globale BCG del 2025 su 1.250 aziende ha rilevato che solo il 5% crea valore sostanziale dall’AI a scala, mentre il 60% non genera alcun valore materiale nonostante investimenti significativi, e Gartner ha quantificato in modo netto la portata della sottovalutazione: l’adozione dell’intelligenza artificiale richiede il 25% in più di formazione e fino al 200% in più di gestione del cambiamento rispetto a qualsiasi altra tecnologia, una proporzione che spiega perché tanti progetti si arenano nonostante la qualità dei modelli sia tecnicamente ineccepibile.
McKinsey arriva alla stessa conclusione attraverso un’altra strada e definisce l’AI upskilling non come un programma di formazione ma come un imperativo di cambiamento, sostenendo che le aziende che trattano la riqualificazione come un rollout di corsi falliscono mentre quelle che la trattano come una trasformazione guidata dalla leadership riescono a generare adozione reale.
La distinzione conta, perché il prompt engineering è un aspetto, peraltro non il più difficile, di una trasformazione che riguarda invece il modo in cui le persone decidono, collaborano, valutano la qualità del proprio lavoro, distinguono ciò che possono delegare alla macchina da ciò che devono continuare a presidiare con la propria intelligenza. È esattamente la dimensione metacognitiva che l’OCSE individua come critica per gli studenti, riprodotta su scala adulta in contesti professionali in cui la posta in gioco non è un voto ma una decisione di business, una diagnosi clinica, una valutazione legale, una scelta strategica con conseguenze concrete sulla vita e sul futuro delle persone.
Lo stesso problema, tre vesti diverse
Se mettiamo insieme i tre piani — le scuole che ancora non insegnano, i docenti che ancora non sanno, le imprese che insegnano la cosa sbagliata — emerge un disegno che le politiche pubbliche e le narrative aziendali ostinatamente continuano a frammentare ma che è in realtà un unico problema declinato in tre vesti diverse: l’incapacità di distinguere tra l’uso dello strumento e la sovranità del pensiero che lo governa.
Un’adolescente che chiede a un chatbot di fargli i compiti, l’insegnante che si limita a usare l’AI per generare verifiche senza interrogarsi sul valore pedagogico di quelle verifiche, l’impiegato che produce report grazie al modello senza più sapere cosa il report dovrebbe dire, il dirigente che approva decisioni elaborate dalla macchina senza più esercitare il giudizio critico che giustifica il suo ruolo: sono quattro figure di una stessa economia cognitiva che si sta indebolendo proprio mentre si presenta come potenziamento.
Peruffo invoca la sovranità cognitiva come traguardo da indicare nel manifesto degli Stati generali, ed è la cornice giusta, ma la sovranità cognitiva non si conquista a comparti stagni: non si può educarla a scuola ignorando che gli adulti che escono da quelle scuole entreranno in imprese dove verrà sistematicamente erosa, e non si può svilupparla nelle imprese pretendendo che quegli stessi adulti l’abbiano già acquisita altrove.
Il filo che lega tutti questi piani è la differenza tra usare l’AI per fare di più senza pensare di più e usarla per pensare meglio facendo di meno, e tra le due modalità non c’è una via di mezzo gestibile a colpi di corsi di prompting o di linee guida ministeriali, perché la prima produce efficienza e analfabetismo cognitivo mentre la seconda produce competenza e autonomia.
Una proposta che amplia il tavolo
Gli Stati generali della formazione che Peruffo propone restano una buona idea e meritano di essere accolti, ma andrebbero pensati in modo più ampio di come l’articolo li descrive: non un tavolo educativo che vada dall’infanzia all’università, bensì un tavolo cognitivo che includa le imprese, le associazioni professionali, gli ordini, le scuole di formazione manageriale e gli enti di formazione continua, perché è proprio lì che si gioca la quota più rilevante della transizione, là dove milioni di adulti stanno usando l’intelligenza artificiale ogni giorno con risultati di apprendimento incerti e con effetti organizzativi ancora più incerti.
Senza quella convocazione allargata, ogni alfabetizzazione che parta dalla scuola arriverà nei luoghi di lavoro contraddetta da prassi opposte, e ogni formazione aziendale partirà da basi che la scuola non ha consolidato, e il risultato sarà un’incoerenza sistemica che né il singolo docente né il singolo HR potranno colmare.
C’è un’ultima domanda che non si può eludere e che non riguarda i numeri o le percentuali, ma riguarda noi: se la sovranità cognitiva di una società si misura nella capacità di usare l’intelligenza artificiale senza cedere il governo della comprensione, del giudizio, dell’immaginazione e della decisione, e se questa capacità manca contemporaneamente nelle scuole che non la insegnano, nei docenti che non la possiedono e nelle organizzazioni che la confondono con la padronanza dello strumento, cosa stiamo davvero costruendo quando parliamo di alfabetizzazione all’AI?
Stiamo formando persone più libere o utenti più rapidi? E quale traccia lasceremo, nei prossimi anni, a chi oggi sta imparando a delegare ciò che dovrebbe imparare a fare?
Nota editoriale
Questo articolo nasce come riflessione critica e costruttiva a partire dal pezzo di Enzo Peruffo pubblicato su Il Sole 24 Ore il 2 maggio 2026 (“L’alfabetizzazione all’Intelligenza artificiale non può cominciare all’università”), di cui condivido pienamente la diagnosi e l’invocazione di una filiera educativa coerente e di Stati generali della formazione. Ho voluto estendere il perimetro della discussione su due direttrici che l’articolo originale tocca solo marginalmente: la condizione attuale dei docenti italiani, ancora largamente impreparati ad accompagnare gli studenti in questa transizione, e il ruolo delle imprese, che hanno adottato l’intelligenza artificiale prima del sistema educativo e che oggi rischiano di standardizzare un modello formativo limitato al prompt engineering, ignorando la dimensione di change management e ridisegno dei processi che la ricerca internazionale indica come decisiva.
Questo articolo è stato scritto con l’intelligenza artificiale, non dall’intelligenza artificiale: il pensiero, il puzzle delle fonti, le scelte editoriali e le decisioni di tono e di posizione sono mie e l’ho usata come compagno di redazione, mai come autore.
