Capitolo 1: introduzione – la rivoluzione silenziosa dell’IA nella scuola

L’intelligenza artificiale (IA) si sta affermando come una forza trasformativa ineludibile, destinata a ridisegnare profondamente il settore dell’istruzione. Definita come un sistema automatizzato capace di dedurre, a partire da dati di input, come generare output quali previsioni o decisioni che influenzano ambienti fisici o virtuali, l’IA presenta un duplice potenziale. Da un lato, come evidenziato dal ministero dell’istruzione e del merito (MIM), offre la possibilità di migliorare i processi organizzativi, snellire compiti amministrativi ripetitivi e personalizzare l’apprendimento per rispondere ai bisogni di ogni studente. Dall’altro, come sottolineato dall’unesco, questa trasformazione porta con sé sfide significative che esigono un’adozione regolamentata, sicura, responsabile ed equa. L’obiettivo non è semplicemente integrare una nuova tecnologia, ma governarla affinché operi al servizio di un’innovazione antropocentrica, affidabile e in linea con i valori educativi fondamentali.

L’obiettivo centrale di questo trattato è delineare un quadro olistico per l’integrazione efficace e responsabile dell’intelligenza artificiale nelle istituzioni scolastiche italiane. Questo quadro si fonda sull’armonizzazione di tre pilastri fondamentali, ciascuno indispensabile per una trasformazione digitale di successo:

1. Conformità normativa: l’adesione al nuovo quadro regolamentare europeo, l’AI Act, che stabilisce obblighi precisi per un’IA affidabile e basata sul rischio.
2. Sviluppo pedagogico: l’evoluzione delle competenze digitali di docenti e studenti, guidata dai quadri europei DigCompEdu e digcomp 2. 2, per garantire un uso critico, creativo e consapevole della tecnologia.
3. Implementazione governata: l’adozione di un modello di implementazione strategico e strutturato, come definito nelle linee guida del ministero dell’istruzione e del merito, che fornisce alle scuole un percorso operativo per gestire il cambiamento in autonomia e sicurezza.

Il presente articolo guiderà il lettore attraverso un percorso logico e strutturato. Il capitolo 2 analizzerà il panorama normativo ed etico, con un focus sull’AI Act europeo e sui principi guida ministeriali. Il capitolo 3 esplorerà le profonde implicazioni pedagogiche, delineando le nuove competenze richieste a docenti e studenti nell’era dell’IA. Successivamente, il capitolo 4 presenterà un modello operativo concreto per l’implementazione strategica dell’IA nelle scuole, basato sulle fasi definite dal MIM. Il capitolo 5 tradurrà questo modello in scenari applicativi pratici per i diversi attori della comunità scolastica, corredati da un’analisi sistematica delle strategie di mitigazione del rischio. Infine, il capitolo 6 offrirà una sintesi conclusiva e traccerà le prospettive future per un’innovazione sostenibile e condivisa.

Prima di poter implementare qualsiasi soluzione pratica, è indispensabile comprendere a fondo il quadro normativo ed etico che definisce i confini, le responsabilità e le garanzie dell’agire scolastico nell’era dell’intelligenza artificiale.

Capitolo 2: il quadro normativo ed etico: governare l’IA per un’innovazione affidabile

Un solido quadro normativo ed etico non è un freno all’innovazione, ma il suo prerequisito essenziale. Ignorare questa base significa costruire su fondamenta instabili, esponendo l’istituzione a rischi legali, etici e reputazionali inaccettabili. Come richiesto dall’AI Act europeo e ribadito dalle linee guida del MIM, la regolamentazione assicura che lo sviluppo e l’uso dell’IA avvengano nel pieno rispetto dei diritti fondamentali di studenti e personale scolastico, promuovendo un’innovazione antropocentrica e affidabile. Questo capitolo esplora le architravi normative e i principi etici che devono guidare ogni iniziativa di IA nel contesto scolastico.

L’AI Act europeo: un approccio basato sul rischio per l’istruzione

Il regolamento europeo sull’intelligenza artificiale, noto come AI Act, istituisce un quadro giuridico uniforme con il duplice scopo di migliorare il funzionamento del mercato interno e promuovere la diffusione di un’IA “antropocentrica e affidabile”, garantendo un elevato livello di protezione della salute, della sicurezza e dei diritti fondamentali (considerando 1).

Analisi dei sistemi di IA ad alto rischio

L’AI Act adotta un approccio basato sulla classificazione del rischio. Per il settore dell’istruzione, questa classificazione è di importanza critica. L’allegato iii del regolamento, richiamato anche dal considerando 56, identifica esplicitamente come “ad alto rischio” i sistemi di IA destinati a essere utilizzati per:

• Determinare l’accesso, l’ammissione o l’assegnazione di persone fisiche agli istituti di istruzione e formazione professionale a tutti i livelli.
• Valutare i risultati dell’apprendimento, anche quando tali risultati sono usati per orientare il percorso formativo.
• Valutare il livello di istruzione adeguato che una persona riceverà o a cui potrà accedere.

Questa classificazione è motivata dal fatto che tali sistemi “possono determinare il percorso d’istruzione e professionale della vita di una persona” e, se progettati in modo inadeguato, possono violare il diritto all’istruzione e perpetuare modelli storici di discriminazione.

Obblighi del “Deployer”

L’istituzione scolastica, quando utilizza un sistema di IA sotto la propria autorità, assume il ruolo di “Deployer” (art. 3, AI Act). Per i sistemi classificati ad alto rischio, gli articoli 26 e 27 del regolamento impongono obblighi specifici, tra cui:

• Utilizzare il sistema in conformità con le istruzioni fornite dal fornitore.
• Garantire che la sorveglianza umana sia affidata a personale adeguatamente formato e competente.
• Conservare i log generati automaticamente dal sistema, se sotto il proprio controllo.
• Condurre una valutazione d’impatto sui diritti fondamentali**** (fria) prima di mettere in uso il sistema, per identificare i rischi specifici per i diritti delle persone e definire le misure da adottare per mitigarli.

La sorveglianza umana richiesta dall’articolo 26 dell’AI Act non è un mero adempimento tecnico, ma un principio pedagogico. Richiede lo sviluppo delle competenze critiche nel personale docente, come delineato nel framework DigCompEdu (analizzato nel capitolo 3), per interpretare, contestare e, se necessario, annullare le decisioni dell’algoritmo.

I principi fondamentali per l’IA nella scuola italiana

Le linee guida del MIM traducono i requisiti normativi europei in principi guida specifici per il contesto scolastico italiano, fondati sui valori costituzionali.

• Equità: l’IA deve promuovere l’accesso paritario alle opportunità, operando attraverso processi trasparenti e imparziali. I sistemi devono essere monitorati per rilevare e mitigare eventuali distorsioni (BIAS) che potrebbero causare trattamenti non equi o rafforzare disuguaglianze esistenti.
• Innovazione etica e responsabile: l’IA deve essere utilizzata in modo trasparente e consapevole, supportando la crescita personale e l’acquisizione di competenze autentiche. Deve promuovere l’apprendimento critico e creativo, senza mai sostituire l’impegno, la riflessione e l’autonomia degli individui.
• Sostenibilità: i sistemi di IA devono garantire un equilibrio tra sostenibilità sociale, economica e ambientale. Ciò implica l’adozione di tecnologie a basso impatto ecologico, ma anche la promozione di strumenti inclusivi ed economicamente sostenibili che valorizzino le relazioni umane.
• Tutela dei diritti e delle libertà fondamentali: l’uso dell’IA deve assicurare il pieno rispetto del diritto alla protezione dei dati personali, alla riservatezza e alla non discriminazione. I sistemi devono essere progettati secondo i principi di privacy by design e privacy by default (gdpr), minimizzando la raccolta di dati e prevedendo configurazioni predefinite orientate alla massima tutela della privacy.

Trasparenza e spiegabilità (XAI) come pilastro della fiducia

Affinché un sistema di IA sia considerato affidabile, è cruciale poter comprendere perché si è comportato in un certo modo. Come indicato negli “orientamenti etici per un’IA affidabile” e ripreso dalle linee guida MIM, la trasparenza è un requisito etico essenziale. Questo concetto trova la sua massima espressione nell’intelligenza artificiale spiegabile (XAI).

La XAI si articola in due dimensioni, una tecnica e una umana, che includono quattro concetti chiave:

• Trasparenza: si riferisce alla disponibilità di informazioni sul sistema, sui dati utilizzati e sul processo decisionale, al fine di migliorarne la comprensione da parte degli stakeholder.
• Interpretabilità: è una caratteristica tecnica di un modello di IA che descrive la misura in cui il suo funzionamento interno può essere compreso da un esperto.
• Spiegabilità: riguarda la capacità del sistema di fornire informazioni dettagliate sulle proprie decisioni all’utente finale, al fine di creare fiducia nel fatto che stia operando in modo corretto e imparziale.
• Comprensibilità: indica il grado in cui le informazioni fornite possono avere senso per le conoscenze specifiche del pubblico di destinazione, garantendo che le spiegazioni siano chiare e accessibili.

Una volta definiti i confini normativi ed etici che garantiscono un’innovazione affidabile, è essenziale analizzare come l’intelligenza artificiale impatti e trasformi il nucleo dell’attività scolastica: la didattica, l’apprendimento e lo sviluppo delle competenze di docenti e studenti.

Capitolo 3: il nuovo paradigma didattico: competenze per l’era dell’intelligenza artificiale

L’intelligenza artificiale non è solo uno strumento tecnologico da integrare nell’esistente, ma un potente catalizzatore per l’evoluzione delle pratiche pedagogiche. La sua adozione richiede una trasformazione profonda delle competenze, sia per i docenti, chiamati a orchestrare nuovi ambienti di apprendimento, sia per gli studenti, che devono essere preparati a interagire con questi sistemi in modo critico e responsabile. Questo capitolo analizza tale trasformazione attraverso la lente del quadro europeo per le competenze digitali dei docenti, il DigCompEdu, e le abilità necessarie agli studenti per una cittadinanza digitale matura nell’era dell’IA.

L’evoluzione delle competenze del docente con il DigCompEdu

Il quadro DigCompEdu offre una mappa per lo sviluppo professionale dei docenti nell’era digitale. L’integrazione dell’IA potenzia e ridefinisce diverse aree di competenza.

Risorse digitali il DigCompEdu richiede ai docenti di saper identificare, creare e gestire risorse educative digitali. I sistemi di IA possono supportare questa competenza consentendo la creazione rapida di materiali didattici interattivi, come quiz, simulazioni e mappe concettuali, adattati alle esigenze specifiche della classe. Il docente deve quindi evolvere la propria abilità dalla semplice selezione alla co-creazione e validazione critica di risorse generate dall’IA.

Pratiche di insegnamento e apprendimento questa area, centrale nel DigCompEdu, riguarda l’orchestrazione delle tecnologie digitali per supportare processi centrati sullo studente. L’IA offre strumenti potenti per la didattica personalizzata, permettendo di differenziare i percorsi di apprendimento in base al livello di preparazione e al ritmo di ogni studente. I sistemi di IA possono, ad esempio, suggerire esercizi di recupero o di potenziamento, liberando tempo al docente per dedicarsi al supporto individuale e alla facilitazione di attività complesse come l’apprendimento collaborativo.

Valutazione dell’apprendimento il DigCompEdu incoraggia l’uso delle tecnologie per innovare le strategie di valutazione. I sistemi di IA possono automatizzare la creazione e la correzione di verifiche (ad es. Quiz digitali), fornendo feedback immediato agli studenti. Inoltre, l’analisi dei dati generati dalle piattaforme di apprendimento permette al docente di monitorare i progressi, identificare le difficoltà comuni e adattare tempestivamente le proprie strategie didattiche, come suggerito anche dalle linee guida MIM.

Valorizzazione delle potenzialità degli studenti questa competenza si concentra sull’uso delle tecnologie per promuovere una didattica personalizzata e inclusiva. L’IA può essere uno strumento strategico per attuare la differenziazione didattica, proponendo al singolo studente attività adatte al proprio livello di competenza, interessi ed esigenze, come previsto anche nei piani educativi individualizzati (pei) o nei piani didattici personalizzati (pdp).

Il docente come “leader” e “pioniere”

L’obiettivo non è un uso basilare degli strumenti, ma lo sviluppo di docenti che, secondo i livelli di padronanza del DigCompEdu, agiscano come “esperti” (b2), “leader” (c1) e “pionieri” (c2). Questi professionisti non si limitano ad applicare le tecnologie, ma sono in grado di sperimentare, riflettere criticamente sull’efficacia degli approcci, sviluppare nuove soluzioni pedagogiche e guidare l’innovazione all’interno della propria comunità professionale, diventando fonte di ispirazione per i colleghi.

Lo sviluppo delle competenze dello studente

L’esposizione crescente ai sistemi di IA rende indispensabile lo sviluppo di una solida alfabetizzazione all’IA (AI Literacy). Il quadro DigComp 2. 2 delinea le abilità chiave che gli studenti devono padroneggiare per diventare cittadini digitali consapevoli.

Alfabetizzazione all’IA e pensiero critico

Gli studenti devono essere in grado di interagire con l’IA in modo informato e critico. Le abilità fondamentali includono:

• Valutare criticamente le informazioni: riconoscere che i contenuti generati dall’IA possono contenere errori, imprecisioni o le cosiddette “allucinazioni“. È essenziale saper distinguere fatti da opinioni e identificare potenziali deepfake (digcomp 2. 2, competenza 1. 2). L’abilità di riconoscere i “deepfake” non è solo una competenza mediatica, ma un esercizio di cittadinanza digitale che risponde direttamente ai rischi di manipolazione identificati come inaccettabili dall’AI Act e ai principi di tutela promossi dal MIM.
• Comprendere i meccanismi algoritmici: capire che gli algoritmi dei motori di ricerca o dei social media possono creare “bolle di filtraggio” (filter bubbles), rafforzando i punti di vista esistenti e limitando l’esposizione a prospettive diverse (digcomp 2. 2, competenza 1. 2).
• Interagire efficacemente: saper formulare richieste chiare e non ambigue quando si utilizzano agenti conversazionali (chatbot, assistenti vocali) per ottenere i risultati desiderati (digcomp 2. 2, competenza 1. 1).
• Comprendere le questioni etiche: essere consapevoli che l’IA solleva questioni etiche importanti e che le sue indicazioni non dovrebbero essere applicate senza un’adeguata supervisione umana (digcomp 2. 2, competenza 2. 3).

L’IA e la cittadinanza digitale

Un uso consapevole dell’IA è una componente fondamentale dell’educazione alla cittadinanza digitale, come previsto dalla legge 92/2019 e richiamato nelle linee guida MIM. Formare gli studenti all’uso responsabile di questi strumenti significa prepararli a partecipare attivamente a una società sempre più mediata dalla tecnologia, dotandoli del senso critico necessario per analizzare, valutare e utilizzare le informazioni in modo autonomo e responsabile.

La trasformazione pedagogica e lo sviluppo di competenze così complesse non possono essere lasciati all’iniziativa individuale, ma richiedono un cambiamento strutturato e intenzionale. Il capitolo successivo illustra il modello operativo proposto dal ministero per guidare questo cambiamento all’interno delle singole istituzioni scolastiche, fornendo un percorso chiaro dalla pianificazione strategica all’implementazione pratica.

Capitolo 4: un modello strategico per l’implementazione dell’IA nelle scuole italiane

Per tradurre la visione strategica in azioni concrete, il Ministero dell’istruzione e del merito ha definito un modello di introduzione dell’IA che fornisce alle scuole un percorso strutturato e governato. Questo modello, articolato in cinque fasi, consente a ciascuna istituzione, nell’ambito della propria autonomia, di passare dalla teoria alla pratica, garantendo un’implementazione sicura, efficace e allineata agli obiettivi educativi e organizzativi. Si tratta di una metodologia che guida la scuola attraverso un processo di analisi, pianificazione, adozione e valutazione, assicurando che ogni passo sia ponderato e responsabile.

Fase 1: definizione – analisi del contesto e identificazione dei bisogni

In questa fase iniziale, l’istituzione deve condurre un’analisi rigorosa del proprio contesto, identificando le aree di applicazione strategica e valutando con precisione la propria maturità digitale. Questo non è un esercizio opzionale, ma il fondamento di ogni successiva azione. La scuola è chiamata a un’auto-analisi che consideri le infrastrutture disponibili, il livello di competenze digitali di docenti e personale, e gli ambiti prioritari di intervento, che possono spaziare dallo snellimento dei processi amministrativi, alla progettazione della didattica personalizzata, fino all’arricchimento dell’offerta formativa.

Le linee guida MIM sottolineano l’importanza cruciale di un approccio partecipativo fin da questa prima fase. Il coinvolgimento attivo di tutte le componenti della comunità scolastica — dirigenti, docenti, personale ata, studenti e famiglie — è determinante per identificare bisogni reali e condivisi, garantendo che il progetto nasca su basi solide e con il consenso degli attori coinvolti.

Fase 2: pianificazione – elaborazione dettagliata del progetto

Una volta identificato il caso d’uso, si passa a un’elaborazione dettagliata del progetto. Gli elementi chiave di questa fase includono la stesura di un piano di progetto che definisca in modo inequivocabile le milestone, i risultati attesi, i ruoli e le responsabilità del team, i costi e le modalità di monitoraggio.

Focus sulla gestione dei rischi

Una sezione specifica e non derogabile del piano deve essere dedicata alla gestione dei rischi. È imperativo identificare e valutare i potenziali rischi legati all’introduzione dell’IA, come quelli relativi alla privacy, alla sicurezza dei dati, alla possibilità di discriminazioni o a malfunzionamenti tecnici. Le linee guida MIM citano esplicitamente la metodologia Huderia come strumento di riferimento per questa valutazione d’impatto. Questa attività risponde a precisi obblighi normativi, come la valutazione d’impatto sulla protezione dei dati (DPIA) richiesta dal GDPR e la valutazione d’impatto sui diritti fondamentali (FRIA) prevista dall’AI Act per i sistemi ad alto rischio.

Fase 3: adozione – implementazione e formazione

Questa fase segna l’avvio operativo del progetto. È fondamentale procedere attraverso un’implementazione pilotata, avviando il progetto in contesti circoscritti (ad esempio, alcune classi o un singolo plesso) per testare la soluzione, raccogliere feedback e apportare eventuali correttivi prima di un’adozione su larga scala.

Il successo dell’adozione dipende in modo critico da due fattori: la formazione e la comunicazione. Le linee guida MIM raccomandano di affiancare l’implementazione con un piano di comunicazione strutturato, per condividere con trasparenza gli obiettivi e i benefici del progetto, e con iniziative di formazione mirate per tutto il personale coinvolto. La formazione è essenziale per garantire un utilizzo consapevole, efficace e sicuro dei nuovi sistemi.

Fase 4: monitoraggio – verifica e miglioramento continuo

Il monitoraggio, che avviene parallelamente alla fase di adozione, ha una duplice natura. Da un lato, riguarda la verifica dell’avanzamento del progetto rispetto alle milestone e agli obiettivi definiti. Dall’altro, aspetto ancora più cruciale, consiste nel monitoraggio degli output dei sistemi di IA.

Questa attività concretizza il principio fondamentale della sorveglianza umana, richiesto dall’AI Act e promosso da tutti i quadri etici. Il monitoraggio costante degli output è indispensabile per individuare tempestivamente anomalie, risultati inattesi, distorsioni o potenziali violazioni dei dati personali, attivando i necessari meccanismi di segnalazione e correzione.

Fase 5: conclusione – valutazione e valorizzazione dei risultati

Al termine delle attività, il progetto deve essere sottoposto a una valutazione finale. Questa fase prevede la verifica del raggiungimento degli obiettivi prefissati e un’analisi critica delle “lezioni apprese” per individuare punti di forza e di debolezza del processo.

Le linee guida MIM suggeriscono di non limitare la valutazione all’interno dell’istituto, ma di valorizzare e condividere i risultati del progetto. La formalizzazione e la diffusione delle pratiche di successo non solo favoriscono il radicamento dell’innovazione, ma contribuiscono alla crescita strategica dell’intero sistema scolastico, creando una comunità di pratica.

Per rendere questo modello operativo ancora più tangibile e comprensibile, il capitolo successivo esplorerà scenari applicativi concreti per i diversi attori della scuola, analizzando per ciascuno i rischi specifici e le relative contromisure strategiche.

Capitolo 5: scenari applicativi e strategie di mitigazione dei rischi

Questo capitolo traduce il modello strategico in applicazioni pratiche, illustrando come l’intelligenza artificiale possa supportare concretamente le diverse figure professionali che operano all’interno dell’istituzione scolastica. Verranno analizzati casi d’uso specifici, tratti dalle linee guida del ministero dell’istruzione e del merito, per dirigenti, personale amministrativo, docenti e studenti. Successivamente, verrà delineato un quadro sistematico delle strategie di mitigazione per affrontare i rischi associati a tali applicazioni, garantendo un’implementazione sicura e responsabile.

Aree di applicazione per tipologia di destinatari

Il dirigente scolastico

L’IA può supportare il dirigente scolastico nelle sue funzioni strategiche e gestionali, fornendo strumenti per l’analisi dei dati e la pianificazione.

• Monitoraggio dei documenti programmatici: sistemi di IA possono analizzare dati da documenti come il rapporto di autovalutazione (RAV) e il piano triennale dell’offerta formativa (PTOF) per supportare il monitoraggio degli obiettivi.
• Supporto alla pianificazione della formazione: l’IA può aiutare a identificare i bisogni formativi dei docenti analizzando dati e tendenze, supportando la progettazione di percorsi di sviluppo professionale mirati.

Il personale amministrativo

Per il DSGA e il personale ATA, l’IA rappresenta un’opportunità per ottimizzare i processi ripetitivi e migliorare l’efficienza amministrativa.

• Organizzazione delle richieste: chatbot basati sull’IA possono gestire le richieste più frequenti dell’utenza (es. Orari, iscrizioni), fornendo risposte immediate e alleggerendo il carico del back-office.
• Gestione di comunicazioni periodiche: l’IA può automatizzare l’invio e la notifica di comunicazioni e circolari, garantendo che le informazioni raggiungano tempestivamente i destinatari.
• Gestione dei beni mobili: sistemi intelligenti possono supportare la gestione dell’inventario, analizzando l’uso dei beni e prevedendo le necessità di manutenzione o sostituzione.

I docenti

L’IA offre ai docenti un vasto repertorio di strumenti per arricchire la didattica, personalizzare l’apprendimento e ottimizzare la preparazione delle lezioni.

• Supporto alla didattica personalizzata: strumenti basati sull’IA possono generare percorsi di apprendimento su misura, suggerendo materiali differenziati (esercizi, video) in base al livello di ogni studente.
• Creazione di strumenti interattivi: l’IA permette di elaborare rapidamente risorse didattiche come simulazioni, giochi educativi e quiz interattivi per aumentare il coinvolgimento degli studenti.
• Supporto nel tutoraggio: durante le attività cooperative, l’IA può agire come un assistente, stimolando il pensiero critico con domande mirate e garantendo l’interazione equa tra i membri del gruppo.

Gli studenti

Per gli studenti, l’IA può diventare un partner di apprendimento, offrendo supporto personalizzato e strumenti per l’autovalutazione.

• Strumenti di autovalutazione: applicazioni di IA possono fornire feedback immediato su esercizi e attività, aiutando gli studenti a identificare i propri punti di forza e le aree di miglioramento.
• Accesso a materiali personalizzati: l’IA può suggerire articoli, video o simulazioni in linea con gli interessi specifici dello studente, stimolando la curiosità e l’approfondimento autonomo.

Gestione e mitigazione dei rischi: un approccio gerarchico

L’introduzione di questi strumenti comporta rischi che devono essere gestiti con un approccio sistematico. Le linee guida MIM, in linea con la metodologia huderia, suggeriscono un approccio gerarchico alla mitigazione. Questo approccio gerarchico (evitare, mitigare, ripristinare) impone ai dirigenti di dare priorità assoluta alla prevenzione. Solo quando un rischio non può essere eliminato alla radice si passa a misure di contenimento. Le azioni di ripristino sono l’ultima risorsa, da attivare quando le prime due barriere hanno fallito. Questa logica garantisce un’allocazione efficiente delle risorse verso le strategie a più alto impatto.

La tabella seguente sintetizza le principali aree di rischio e le relative azioni di mitigazione.

Un’implementazione di successo non dipende solo da un piano ben eseguito e da una gestione del rischio meticolosa, ma anche e soprattutto dalla creazione di una cultura diffusa di consapevolezza, responsabilità e apprendimento continuo, che rappresenta il vero motore dell’innovazione sostenibile.

Capitolo 6: conclusioni e prospettive future

L’integrazione dell’intelligenza artificiale nel sistema scolastico italiano non può essere un’iniziativa frammentata o puramente tecnologica. Come delineato in questo trattato, essa esige un approccio sistemico e olistico che poggi saldamente su tre pilastri interconnessi: la conformità al quadro normativo definito dall’AI Act, che garantisce sicurezza e affidabilità; una visione pedagogica chiara, basata sull’evoluzione delle competenze di docenti e studenti secondo i modelli DigCompEdu e digcomp 2. 2; e una metodologia di implementazione rigorosa, come il modello in cinque fasi proposto dal ministero dell’istruzione e del merito. Solo l’armonizzazione di questi tre elementi può trasformare l’IA da semplice strumento a leva strategica per un’istruzione più equa, personalizzata ed efficace.

Il messaggio che emerge con forza da tutte le fonti normative ed etiche è inequivocabile: la tecnologia è e deve rimanere uno strumento al servizio di un fine educativo, con l’essere umano al centro. Il successo a lungo termine dell’adozione dell’IA non dipenderà dalla sofisticazione degli algoritmi, ma da un investimento costante e capillare nella formazione di tutto il personale scolastico e nello sviluppo di un solido senso critico negli studenti. È imperativo preparare docenti e dirigenti non solo a “usare” l’IA, ma a “governarla” pedagogicamente, e dotare gli studenti delle competenze necessarie per un utilizzo autonomo, etico e responsabile, riconoscendone potenzialità e limiti.

Il percorso di integrazione dell’IA è appena iniziato. La tecnologia è in continua e rapida evoluzione, così come lo sarà il quadro normativo che la governa, come dimostrano le clausole di riesame periodico previste dall’AI Act. In questo scenario dinamico, è fondamentale che il sistema scolastico adotti una postura di apprendimento continuo. L’auspicio, in linea con le indicazioni del ministero, è la creazione di una comunità di pratica nazionale tra le istituzioni scolastiche. Un ecosistema in cui condividere esperienze, pratiche di successo, sfide affrontate e soluzioni trovate, al fine di costruire collettivamente un modello italiano di intelligenza artificiale per l’istruzione che sia non solo tecnologicamente avanzato, ma anche e soprattutto etico, inclusivo e di eccellenza, capace di preparare le nuove generazioni alle sfide di un futuro sempre più interconnesso.

© Gianfranco Bordoni, 2025. Alcuni diritti riservati. Rilasciato con licenza CC BY-NC-ND 4.0.