Per molti insegnanti l’intelligenza artificiale non è arrivata come progetto, ma come strumento di sopravvivenza. Riassumere un testo, preparare una verifica, riorganizzare materiali già esistenti. Secondo i dati contenuti nell’Education Outlook dell’Ocse, l’uso più frequente dell’IA generativa riguarda proprio queste attività: preparazione delle lezioni, produzione di materiali, supporto alla pianificazione.

I risultati sono misurabili. In alcuni contesti, il tempo dedicato alla progettazione didattica si riduce in modo significativo. Non si tratta di trasformazioni radicali dell’insegnamento, ma di una redistribuzione del carico di lavoro. L’IA assorbe una parte delle attività ripetitive, lasciando spazio ad altro. Almeno in teoria.

Dove i benefici sono più visibili

Le evidenze mostrano che i vantaggi non si distribuiscono in modo uniforme. I docenti meno esperti, o con minore sicurezza nella progettazione didattica, sembrano trarre benefici più consistenti dall’uso dell’IA generativa. In alcuni studi, il supporto dell’IA è associato a miglioramenti nei risultati degli studenti quando a utilizzarla sono tutor o insegnanti all’inizio del percorso professionale.

L’IA, in questi casi, funziona come una struttura di supporto: suggerisce, organizza, rende più leggibile ciò che prima richiedeva tempo e tentativi. Per chi ha già sviluppato pratiche consolidate, l’impatto tende a ridursi. Non scompare, ma cambia forma.

Il rischio della delega silenziosa

Accanto ai benefici emergono criticità che il rapporto OCSE segnala con continuità. Una riguarda l’autonomia professionale. Quando l’IA entra in modo sistematico nella preparazione delle lezioni, nella valutazione o nel feedback, il confine tra supporto e delega diventa sottile.

L’uso esteso dell’IA per compiti centrali del lavoro docente può portare a una progressiva erosione delle competenze professionali. Non per sostituzione improvvisa, ma per disuso. Se l’IA suggerisce sempre la struttura di una lezione, il rischio è che la progettazione smetta di essere uno spazio di riflessione.

A questo si aggiungono questioni etiche: bias nei contenuti generati, opacità dei criteri, uso dei dati. Temi che non restano astratti quando entrano in aula.

Dalla sostituzione all’“aumento” del lavoro docente

Il rapporto OCSE insiste su una distinzione chiave: sostituzione, complementarità, aumento (augmentation). È quest’ultima la direzione indicata come più promettente.

Nel modello di augmentation, l’IA non prende decisioni al posto dell’insegnante. Produce bozze, propone alternative, suggerisce percorsi. Il docente valuta, modifica, rifiuta. Il lavoro non sparisce, cambia forma. Diventa più dialogico, meno lineare.

In questo schema, l’IA è uno strumento che espone il ragionamento, non che lo chiude. Ma perché funzioni, gli strumenti devono essere progettati per l’educazione, non semplicemente adattati. Ed è qui che entra in gioco un altro nodo.

Strumenti progettati, non solo adottati

Uno dei limiti degli strumenti oggi più diffusi è la loro natura generalista. Chatbot pensati per ogni uso finiscono per adattarsi male ai contesti educativi. Il rapporto segnala l’importanza di sistemi progettati insieme agli insegnanti, capaci di riflettere curricoli, pratiche valutative, vincoli reali.

In questi modelli, i docenti non sono utenti passivi. Possono decidere come l’IA risponde, quali dati utilizza, quali interazioni sono consentite agli studenti. Non è un dettaglio tecnico, ma una scelta di governance didattica.

L’IA nei sistemi educativi e nella ricerca

Oltre l’aula, l’IA generativa viene già utilizzata per rendere più efficienti processi di sistema:

• analisi dei curricula;
• orientamento scolastico e universitario;
• classificazione delle risorse;
• progettazione di prove standardizzate.

Anche qui, i guadagni riguardano tempo e capacità di analisi. Modelli basati su embedding permettono di confrontare programmi, carichi di studio, percorsi formativi. Ma il rapporto sottolinea un punto fermo: l’efficienza non elimina il bisogno di supervisione umana.

Lo stesso vale per la ricerca scientifica. L’IA accelera fasi come l’analisi dei dati o la progettazione degli studi, ma non sostituisce il giudizio metodologico. Senza controllo umano, il rischio non è solo l’errore, ma la perdita di trasparenza.