L'intelligenza artificiale
in classe 

«L’IA a scuola va usata o no?». È una domanda mal posta, perché l'intelligenza artificiale non entra in classe come un oggetto unico, ma come una famiglia di pratiche molto diverse tra loro, che vanno dal verbale del collegio docenti scritto in dieci minuti invece che in un'ora, fino al chatbot che uno studente apre da solo, la sera, per farsi spiegare un problema di matematica. Trattarle come un fenomeno unico impedisce di vedere che i rischi e le opportunità cambiano radicalmente a seconda di chi usa lo strumento, quando, e soprattutto con quale grado di presenza umana intorno.

 

Provo quindi a proporre una distinzione operativa, utile – credo – più di ogni discorso generale pro o contro, e a derivarne un criterio che tenga insieme en-tusiasmo e cautela. Lo faccio da formatore che lavora ogni settimana con docenti e dirigenti, non da teorico: ciò che segue nasce dall'osservazione diretta di cosa succede quando l'IA entra davvero in una scuola, non da come dovrebbe entrarvi in un mondo ideale. E nasce anche dalla consapevolezza che dietro questi strumenti c’è una questione che riguarda direttamente il sindacato: come tutelare la professionalità insegnante quando il discorso pubblico sulla tecnologia tende a presentare l'automazione come inevitabile, neutra, o addirittura come soluzione ai problemi della scuola.

 

IL QUADRO ISTITUZIONALE: DA DOVE PARTIAMO

Non partiamo da zero. Nel 2024 l'UNESCO ha pubblicato due AI Competency Fra-mework, uno per i docenti e uno per gli studenti, costruiti attorno a un'idea semplice ma non scontata: l’IA non sostituisce la relazione educativa, la attraversa. Il framework per i docenti articola tre livelli di sviluppo professionale – dall’acquisizione di consapevolezza fino alla capacità di orientare criticamente l’uso dell’IA nella didattica –, mentre quello per gli studenti insiste su una dimensione che troppo spesso viene data per scontata: prima di «usare» l’IA, occorre «comprenderla», nei suoi meccanismi e nei suoi limiti, e prima ancora occorre un impianto etico che la collochi nel novero degli strumenti, non degli oracoli.

 

Vale la pena ricordare che questo non nasce dal nulla: già il Beijing Consensus on Artificial Intelligence and Education, promosso dall'UNESCO nel 2019, affermava un principio che oggi suona quasi profetico – i docenti non possono essere sostituiti dalle macchine, ma occorre «prepararli a lavorare efficacemente in contesti educativi ricchi di IA». I framework del 2024 sono la traduzione operativa di quella premessa, e non è un caso che siano nati dallo stesso ufficio – Tecnologia e IA in Educazione – che da anni monitora, per conto dell'UNESCO, gli effetti dirompenti dell'intelligenza artificiale sui sistemi scolastici.

 

A questo si affianca il quadro DigCompEdu che, nella sua area dedicata a risorse digitali e insegnamento, chiede esplicitamente competenze di selezione, adattamento e produzione di materiali – competenze che l'IA generativa può potenziare, ma solo se il docente resta il soggetto che decide, verifica, adatta. E c'è, ancora più recente, l'aggiornamento del DigComp alla versione 3.0, pubblicato dal Joint Research Centre della Commissione Europea e tradotto ufficialmente in italiano nella primavera di questo anno.

 

La novità principale non è un’area nuova dedicata all’IA, ma l’esatto contrario – l'intelligenza artificiale attraversa in modo trasversale tutte le ventuno competenze del framework, con un sistema di etichettatura che segnala dove è prota-gonista esplicita e dove agisce come sfondo implicito. È un segnale culturale prima ancora che tecnico: non esiste più una «competenza IA» separabile dalle altre, esiste un modo di essere competenti nel digitale che include, ovunque, la capacità di leggere criticamente ciò che una macchina generativa produce.

 

Le linee guida ministeriali (D.M. 166/2025) aggiungono il tassello che a me pare decisivo per chi opera in classe ogni giorno: l’IA può generare bozze, suggerimenti, prime versioni di materiali o testi, ma le decisioni pedagogiche, valutative e disciplinari restano – per intero – in capo al docente. È un principio che sembra ovvio finché resta teorico, e che invece va continuamente ritradotto in pratiche concrete, perché la tentazione di scivolare dalla bozza alla decisione delegata è più forte di quanto si voglia ammettere.

 

Per il sindacato, questo significa vigilanza: assicurarsi che le linee guida non restino carta, ma si traducano effettivamente in contrattazione, in riconoscimento di com-petenze, e in tutela della responsabilità docente quando qualcosa va storto. Dentro questa cornice, propongo di distinguere quattro contesti d'uso, ciascuno con una propria grammatica e con implicazioni diverse per il lavoro reale in classe.

 

PRIMO USO: L'IA FUORI DALL'AULA

Il primo contesto è quello meno controverso e, non a caso, quello in cui l'adozione è già più diffusa: l'IA impiegata nel lavoro amministrativo e organizzativo del docente. Verbali di consigli di classe, sintesi di riunioni, bozze di comunicazioni alle famiglie, format per circolari, prime stesure di relazioni: qui la macchina lavora su un materiale che non tocca direttamente lo studente, e il rischio pedagogico è minimo. È, se vogliamo, l'IA come segretario instancabile.

 

Attenzione però a due punti che la fretta tende a far dimenticare. Primo: anche qui vale la responsabilità del docente sul trattamento dei dati – niente nomi, valutazioni o situazioni personali di studenti minorenni dentro strumenti generativi consumer, per cui la cautela GDPR non è un dettaglio burocratico ma un confine netto che va difeso.

 

Secondo: proprio perché il rischio pedagogico è basso, questo è il contesto in cui l'IA può restituire il bene più prezioso che un insegnante possiede, cioè il tempo.

È qui che emerge una questione sindacale centrale: quel tempo recuperato non deve diventare occasione per caricare ulteriormente il docente di altre mansioni, ma deve tradursi in un diritto concreto di diminuzione del carico di lavoro complessivo. Se un docente recupera due ore di lavoro burocratico, quelle due ore devono essere protette e dedicate alla relazione con gli studenti, alla preparazione consapevole della lezione, alla cura di sé professionale. Altrimenti l’operazione fallisce il proprio scopo – e si trasforma in una nuova forma di estrazione di valore dal lavoro docente, che resta invisibile perché etichettata come «efficienza».

 

SECONDO USO: RISORSE E CONTENUTI DIDATTICI

Il secondo contesto è quello della progettazione: usare l’IA per generare bozze di materiali didattici, esercizi differenziati, spiegazioni in registri diversi, schede per studenti con bisogni educativi speciali. È qui che il rapporto tra IA e Universal Design for Learning si fa più interessante, perché l’IA generativa, lasciata a se stessa, tende a produrre l'esatto contrario di ciò che l’UDL richiede: un output mono-formato, mono-canale, mono-registro. Serve un docente che sappia guidare lo strumento verso la molteplicità – di rappresentazione, di espressione, di coinvolgimento – che il framework CAST richiede, e che poi verifichi personal-mente ogni materiale prima di portarlo in classe.

 

Questo è il campo in cui l'autoproduzione dei contenuti didattici, tema su cui lavoro da tempo con i docenti in formazione, incontra l'intelligenza artificiale nel modo più fecondo: non come scorciatoia per produrre di più – una tentazione pericolosa in una scuola che già carica docenti oltre i limiti del sostenibile – ma come alleato per produrre meglio, in modo più accessibile e più personalizzato, restando saldamente nel perimetro della responsabilità docente. Qui la responsabilità significa validazione scientifica e didattica di ogni materiale, non semplice supervisione formale.

 

Anche il diritto d'autore entra in questo perimetro: l’eccezione didattica prevista dall'art. 70-bis della legge 633/1941 consente l'uso di opere protette a fini di illustrazione dell'insegnamento, ma non esime il docente dal verificare che i materiali generati dall’IA – spesso costruiti su un rimescolamento non tracciabile di fonti coperte da copyright – rispettino comunque i limiti di quella stessa eccezione. La disinvoltura con cui si tende a considerare «originale» tutto ciò che un modello genera è essa stessa un problema di alfabetizzazione, non solo giuridico.

 

TERZO USO: L’IA CON GLI STUDENTI

Il terzo contesto cambia registro: l’IA non lavora più dietro le quinte, ma entra in scena davanti alla classe, alla LIM, mediata dal docente. È, a mio parere, l’uso più ricco dal punto di vista didattico, perché trasforma l'interrogazione della mac-china in un evento pubblico e condiviso, osservabile e discutibile da tutti.

 

Faccio un esempio concreto, che uso spesso nei percorsi di formazione: porre alla stessa IA una domanda giuridica precisa, e mostrare alla classe due risposte – una accurata, verificabile su fonti normative reali, e una plausibile ma fabbricata, con riferimenti a norme inesistenti o mal citate. Lo studente, da solo, davanti a uno schermo, difficilmente distinguerebbe le due; in classe, guidato dal docente attraverso il confronto con le fonti, impara qualcosa che nessun elenco di regole potrebbe insegnargli con la stessa efficacia: che il testo generato è sempre vero-simile, mai per questo vero, e che la verosimiglianza – l’eikos di cui già parlava Aristotele – è precisamente il terreno su cui si gioca lo spirito critico.

 

Qui l’IA diventa, per usare un’immagine che ho proposto in altri contesti, non un oracolo ma un interlocutore: qualcuno con cui discutere, di cui verificare le affermazioni, non a cui obbedire. È l'uso che più si presta a costruire, collettivamente, gli anticorpi che serviranno poi agli studenti quando saranno soli davanti allo schermo. E sottolineo: questo uso richiede una competenza docente di livello alto, quella che viene costruita con anni di pratica, studio continuo, e – cruciale – spazi di ricerca-azione con i colleghi. È un uso che non può essere delegato, che non si improvvisa, e che presuppone un insegnante con tempo per prepararsi, per riflettere, per imparare.

 

Il sindacato ha il compito di ricordare che queste competenze hanno un valore economico e professionale, e che non si costruiscono per decreto, ma attraverso formazione seria, riconoscimento, e condizioni di lavoro che permettano al docente di investire su se stesso.

 

QUARTO USO: LA PERSONALIZZAZIONE IN MANO ALLO STUDENTE

Ed eccoci al quarto contesto, il più delicato: il chatbot che lo studente usa auto-nomamente per studiare, ripassare, farsi spiegare un concetto, magari anche scrivere un tema se costruito su misura con obiettivi didattici chiari è uno strumento di personalizzazione e di affiancamento al docente straordinario.

 

SE SBAGLIARE È UMANO, PERSEVERARE È DIABOLICO

Non confondiamo il chatbot con l’utilizzo personale da parte dello studente di piattaforme di IA, in cui il paradigma dell'Human-in-the-Loop, così centrale nelle riflessioni europee sull'IA educativa, si fa più fragile, perché l'unico «umano nel ciclo» è lo studente stesso – spesso ancora privo degli strumenti critici per esercitare quel ruolo con piena consapevolezza.

 

È qui che si colloca il dato più inquietante emerso dagli studi neurocognitivi più recenti sull'uso dell’IA nella scrittura: chi scrive affidandosi a un LLM mostra una connettività neurale più debole rispetto a chi scrive senza strumenti o con un semplice motore di ricerca, e fatica persino a riconoscersi autore del proprio testo. Non è un dato da brandire come clava – lo studio è ancora preliminare e va letto con lo stesso spirito critico che chiediamo agli studenti – ma è un segnale che merita di essere preso sul serio: quando il pensiero lento, faticoso, quello in cui avviene davvero l’apprendimento, viene sistematicamente scavalcato da una risposta immediata, il rischio non è tecnologico, è cognitivo. E ancora: è pedagogico. E questo dipende in modo cruciale da cosa accade negli altri tre contesti – dalle competenze che il docente ha avuto il tempo e l'opportunità di costruire negli studenti.

 

IL RISCHIO PIGRIZIA, E COME NON ARRENDERCI

Arrivo così al nodo che dà forma a tutto il discorso. I quattro usi che ho descritto non comportano lo stesso rischio di sostituzione: seguono, semmai, un gradiente quasi inverso. Dove l’IA lavora fuori dall'aula, nel lavoro “extra” del docente, il guadagno di tempo è alto – a patto che il tempo recuperato sia veramente sottratto al carico di lavoro del docente e non reinvestito in altre mansioni. Dove l’IA entra nelle mani dello studente solo, senza mediazione, il rischio di delega cognitiva è massimo, ed è proprio lì che si gioca la partita vera.

 

E la partita, ne sono convinto, non si vince con più regole o più divieti, ma con più corpo, più presenza, più relazione. Mi spiego. Se il rischio della macchina è quello di offrire risposte senza corpo – testo senza voce, senza sguardo, senza la fatica visibile di chi ha cercato e non subito trovato –, allora l'unico antidoto strutturale è restituire centralità a tutto ciò che la macchina non ha: la presenza fisica del docente che osserva lo studente esitare su un problema prima di dargli la soluzione; la voce che fa una domanda in più invece di accontentarsi della prima risposta; il tempo lento e scomodo della lezione dialogata, che nessun prompt può replicare perché nasce dall'imprevedibilità di un incontro reale tra persone.

 

Per questo insisto, nei percorsi di formazione che conduco, sul fatto che l’obiettivo non sia ma «portare l'IA in classe» in astratto, ma decidere, per ciascuno dei quattro contesti che ho descritto, quanta mediazione umana serve e quanta ne stiamo davvero garantendo.

 

Più lo strumento agisce lontano dallo sguardo del docente, più occorre aver co-struito, prima, negli studenti, gli anticorpi critici perché quella distanza non diventi delega. E questo richiede investimento: in formazione seria dei docenti, in tempo per la ricerca didattica collegiale, in stipendi che riconoscono il valore reale di questa competenza.

 

LA QUESTIONE SINDACALE

C’è un’ultima considerazione che voglio rivolgere al sindacato. In un contesto dove il discorso pubblico tende a presentare l'automazione come inevitabile, il compito non è combattere la tecnologia, ma vigilare affinché la tecnologia non diventi la scusa per una nuova sottrazione di risorse, dignità e tempo alla pro-fessione insegnante. Se un’IA genera bozze di verbali, benissimo – ma quel tempo non deve essere disponibile per caricare il docente di ulteriori compiti. Se l’IA aiuta nella progettazione didattica, perfetto – ma il docente deve avere spazi dedicati di formazione e ricerca per imparare a usarla criticamente, e quel lavoro deve essere retribuito e riconosciuto. Se l’IA entra in classe con LIM, ottimo – ma solo se il docente ha avuto il tempo e l'investimento formativo per guidarla consapevolmente.

 

Dire sì all’IA, in questo senso, non significa dire sì all'automazione del lavoro docente: significa ottenere dalle istituzioni una garanzia concreta che lo strumento servirà a liberare il docente per ciò che la macchina non può fare, non a coprire una riduzione ulteriore di risorse. Liberare tempo e spazio per una relazione sempre più maieutica con i propri studenti.

​

CONCLUSIONE

Una scuola che usa bene l’intelligenza artificiale, in definitiva, non è una scuola che la usa di meno, ma una scuola che, proprio grazie al tempo e all'energia che lIA può liberare nei contesti a basso rischio, investe quel margine recuperato in ciò che nessuna macchina potrà mai offrire: il corpo di chi insegna, la sua presenza costante, la qualità di una relazione che si costruisce solo nell’incontro, non nella delega. Perché non useremo mai abbastanza regolamenti, filtri o linee guida da rendere sicura, da sola, la solitudine di uno studente davanti a un chatbot.

 

Possiamo però moltiplicare, prima di quella solitudine, le occasioni in cui la stessa domanda viene posta insieme, ad alta voce, in una classe, sotto lo sguardo di un adulto che l'accompagna. È lì, e non altrove, che si forma davvero lo spirito critico che tutti i framework, giustamente, ci chiedono di costruire.