La trasformazione digitale non inizia quando una scuola apre un nuovo account, acquista una piattaforma o attiva un assistente AI. Inizia quando le persone che lavorano negli uffici comprendono come cambia il proprio lavoro, quali attività possono essere supportate, quali decisioni restano umane e quali competenze servono per utilizzare gli strumenti con lucidità.
Questo passaggio è decisivo nelle segreterie scolastiche. L’intelligenza artificiale può rendere più ordinata una comunicazione, far emergere campi mancanti in una tabella, aiutare a costruire una checklist, sintetizzare una nota lunga, predisporre una bozza istruttoria o individuare anomalie in un elenco. Ma nessuno di questi benefici è automatico. Senza formazione, gli strumenti tendono a concentrarsi nelle mani di pochi, le pratiche diventano invisibili e l’ufficio rischia di dipendere dalla competenza individuale invece di sviluppare una capacità comune.
Formare la segreteria aumentata significa quindi costruire un ambiente in cui le persone possano sperimentare, fare domande, riconoscere i limiti dell’AI, condividere errori, migliorare procedure e mantenere il controllo dell’azione amministrativa. Non basta insegnare a scrivere un prompt. Occorre sviluppare competenza organizzativa.
Principio guida
La segreteria aumentata non nasce quando qualcuno impara a usare un chatbot. Nasce quando l’ufficio costruisce competenze condivise, criteri comuni e la capacità di controllare insieme ciò che l’AI produce.
Perché la formazione è la vera infrastruttura dell’innovazione
Nelle scuole l’adozione dell’AI viene spesso raccontata come una questione tecnologica. Si discute di strumenti, licenze, funzionalità, costi e piattaforme. Tutto questo è importante, ma non è il punto di partenza. La vera infrastruttura è costituita dalle persone: dalla loro capacità di leggere i processi, riconoscere i dati rilevanti, formulare richieste sensate, verificare i risultati e sapere quando fermarsi.
Una segreteria che acquista uno strumento ma non investe in formazione può produrre due effetti opposti e ugualmente problematici. Da un lato si crea entusiasmo disordinato: alcuni operatori usano l’AI per tutto, senza distinguere bozze da atti, dati necessari da dati eccedenti, supporto da decisione. Dall’altro lato si crea rifiuto: chi non si sente sicuro evita gli strumenti, osserva da lontano o percepisce l’innovazione come un’ulteriore richiesta di prestazione.
La formazione serve a superare entrambe le derive. Non deve convincere tutti che l’AI sia sempre utile. Deve mettere tutti nelle condizioni di capire dove può aiutare, dove non deve essere usata e quali passaggi restano di responsabilità dell’ufficio.
La differenza tra formazione tecnica e competenza amministrativa aumentata
La formazione tecnica insegna, per esempio, come aprire un servizio, caricare un file, usare una funzione, impostare un prompt o esportare un risultato. È necessaria, ma non sufficiente. La competenza amministrativa aumentata chiede qualcosa di più: comprendere il processo in cui lo strumento entra, identificare i dati da minimizzare, distinguere un’ipotesi da un’evidenza, valutare il rischio e controllare l’output prima che produca effetti organizzativi.
Un assistente amministrativo non ha bisogno di diventare ingegnere informatico per usare l’AI con responsabilità. Ha bisogno di saper porre domande migliori, riconoscere un output non affidabile, individuare un dato eccedente e sapere chi coinvolgere quando il caso supera il proprio perimetro operativo. Questa è la vera alfabetizzazione AI nella segreteria scolastica.
| Formazione tecnica | Competenza amministrativa aumentata |
| Imparare a utilizzare una funzione o un’interfaccia. | Capire in quale processo quella funzione può entrare e con quali limiti. |
| Scrivere un prompt. | Formulare un prompt collegato a finalità, dati ammessi, output e controllo umano. |
| Ottenere un testo o una tabella. | Valutare se il risultato è coerente, prudente, completo e verificabile. |
| Conoscere uno strumento. | Saper scegliere quando non usare lo strumento. |
| Risolvere un compito individuale. | Costruire una pratica condivisa e tracciabile per l’ufficio. |
Il rischio dell’adozione diseguale
Ogni innovazione introduce differenze. Alcune persone sono curiose, sperimentano subito e trovano rapidamente modi efficaci per utilizzare l’AI. Altre hanno bisogno di più tempo, di esempi, di affiancamento o di una cornice più chiara. Questo non è un problema: è una condizione normale di ogni cambiamento organizzativo. Diventa un problema quando la scuola non governa questa differenza.
Se l’AI rimane competenza di poche persone, possono formarsi dipendenze nascoste. L’operatore più esperto diventa il riferimento informale per ogni richiesta, custodisce prompt e procedure nel proprio spazio personale, corregge output che gli altri non sanno leggere e finisce per sostenere una parte crescente del lavoro. L’ufficio sembra innovare, ma in realtà concentra fragilità.
La formazione deve quindi avere un obiettivo esplicito: distribuire capacità, non creare nuovi specialisti isolati. La scuola ha bisogno di persone con livelli di competenza diversi, ma deve garantire che tutti conoscano almeno le regole minime, i casi d’uso principali, i limiti e i canali di supporto.
Segnale di attenzione
Quando un processo AI funziona soltanto perché una persona specifica sa “come fare”, la scuola non ha ancora costruito una competenza organizzativa. Ha costruito una dipendenza personale.
Le competenze essenziali della segreteria aumentata
Una formazione efficace non deve essere dispersiva. Può concentrarsi su un insieme limitato di competenze, tutte direttamente collegate al lavoro quotidiano. L’obiettivo non è formare esperti teorici di AI, ma operatori capaci di usare strumenti intelligenti in modo prudente, trasparente e utile.
| Competenza | Che cosa significa nel lavoro di segreteria | Esempio concreto |
| Leggere il processo | Capire input, passaggi, ruoli, controlli e output prima di usare l’AI. | Prima di rispondere a un’istanza, distinguere richiesta, documenti, competenza e verifica necessaria. |
| Preparare il dato | Minimizzare, anonimizzare o generalizzare le informazioni prima del prompt. | Sostituire nomi e riferimenti reali con ruoli, codici o segnaposto. |
| Formulare richieste | Definire ruolo, compito, vincoli, output e controllo umano. | Chiedere una checklist di controllo, non una decisione automatica. |
| Controllare l’output | Riconoscere omissioni, invenzioni, toni impropri e conclusioni non verificate. | Individuare una scadenza inventata in una bozza di nota. |
| Documentare l’uso | Registrare gli usi ricorrenti o rilevanti e aggiornare modelli condivisi. | Inserire un prompt validato nella libreria dell’ufficio. |
| Collaborare | Condividere dubbi, casi e buone pratiche senza personalizzare la conoscenza. | Confrontare in gruppo una checklist per la pubblicazione all’albo. |
Dal corso alla pratica: un modello formativo in cinque movimenti
Le attività formative più efficaci non sono quelle che promettono di spiegare tutto in una sola giornata. L’AI cambia rapidamente; le procedure scolastiche sono diverse; i bisogni degli uffici emergono quando si lavora su casi reali. Per questo è preferibile un modello ciclico, breve, ripetibile e progressivo.
1. Capire
Si parte da un processo concreto, non dallo strumento. Per esempio: come gestiamo una richiesta complessa? Come controlliamo una graduatoria prima dell’albo? Come confrontiamo iscrizioni, presenze e attestati? Il gruppo individua dove l’AI può essere utile e dove non può sostituire l’istruttoria.
2. Provare
Si lavora su un caso simulato o minimizzato. Il gruppo costruisce un prompt, osserva l’output, confronta soluzioni diverse e discute quali vincoli siano necessari. La prova è guidata: non ha lo scopo di stupire, ma di rendere visibili limiti e possibilità.
3. Verificare
Il risultato AI viene sottoposto a checklist: dati, tono, completezza, fonti, decisioni improprie, informazioni mancanti. Questa fase è essenziale perché sposta l’attenzione dal “testo prodotto” al “testo controllato”.
4. Condividere
Prompt, checklist e osservazioni vengono raccolti nella libreria comune o nel registro degli usi AI. Il gruppo non conserva solo il risultato: conserva il criterio che lo ha reso utile o che ha evidenziato un limite.
5. Migliorare
Dopo qualche settimana, il gruppo rivede il modello: il prompt funziona? I vincoli sono sufficienti? Il caso è ricorrente? Serve una nuova versione? L’innovazione diventa così apprendimento continuo, non evento episodico.
Micro-laboratori: la formazione sostenibile per gli uffici
Nelle scuole è difficile sottrarre intere giornate al lavoro di segreteria. È quindi utile progettare micro-laboratori di 45-90 minuti, focalizzati su una sola attività reale. Ogni incontro deve produrre qualcosa di riutilizzabile: una checklist, un prompt, una mini-procedura, una scheda di controllo o un modello di comunicazione.
Il micro-laboratorio non è una dimostrazione commerciale. È un momento di lavoro: si parte da un problema, si definiscono criteri, si prova l’AI su dati simulati o minimizzati, si controlla il risultato e si decide se il modello può entrare nella libreria dell’ufficio.
| Laboratorio | Obiettivo | Prodotto finale |
| 1. Prompt prudente | Trasformare una richiesta generica in un prompt con vincoli e controllo umano. | Prompt base per revisione di una comunicazione. |
| 2. Dato minimo | Ridurre una mail o un file ai soli elementi necessari per l’AI. | Schema di anonimizzazione e segnaposto. |
| 3. Nota verificata | Usare l’AI come lente di revisione, non come autore finale. | Checklist “prima dell’invio”. |
| 4. Istanze complesse | Distinguere richiesta, fatti, documenti, rischi e azioni successive. | Scheda istruttoria minima. |
| 5. Excel controllabile | Confrontare elenchi senza trasformare match probabili in decisioni. | Matrice di riconciliazione e livelli di confidenza. |
| 6. Pubblicazione responsabile | Verificare dati eccedenti, allegati e metadati prima dell’albo. | Checklist privacy prima della pubblicazione. |
Esempio concreto 1: un laboratorio sulla revisione di una nota
Scenario: l’ufficio deve inviare una richiesta di integrazione documentale a un gruppo di destinatari. La bozza esiste, ma contiene una scadenza vaga, una formula eccessivamente perentoria e un richiamo generico all’allegato. Il laboratorio non parte chiedendo all’AI di scrivere una nuova nota. Parte dalla domanda: quali elementi devono essere verificati prima dell’invio?
Il gruppo individua destinatari, oggetto, documento richiesto, scadenza, modalità di trasmissione, allegato, ufficio competente e tono. Solo dopo costruisce un prompt che chiede all’AI di segnalare ambiguità, dati non necessari e campi mancanti, vietando l’invenzione di date o riferimenti normativi.
Il risultato atteso non è una ‘nota perfetta’, ma una bozza più leggibile accompagnata da una lista di elementi da verificare. La formazione produce così una competenza trasferibile: ogni volta che una nota viene preparata, l’ufficio sa quale controllo fare.
Prompt di laboratorio
Agisci come revisore redazionale per una segreteria scolastica. Analizza la bozza seguente senza modificare il significato sostanziale. Segnala: destinatari non chiari, scadenze vaghe, allegati non richiamati, dati personali non necessari, formulazioni troppo definitive e informazioni mancanti. Non inventare date, norme o procedure. Restituisci una bozza prudente e una checklist finale per l’ufficio.
Esempio concreto 2: un laboratorio su richieste e istanze complesse
Scenario: arriva una mail lunga da una famiglia. Contiene un reclamo, una richiesta di chiarimenti, il riferimento a una comunicazione precedente e una domanda di documentazione. Il rischio è rispondere subito, assumendo come veri fatti ancora da verificare o promettendo un esito non istruito.
Il laboratorio insegna a separare i piani: chi scrive, che cosa chiede, quali documenti cita, quali dati sono delicati, quale ufficio deve essere coinvolto e quale primo riscontro può essere formulato. L’AI viene usata per costruire una scheda istruttoria, non per decidere la richiesta.
Il prodotto finale è una griglia condivisa che l’ufficio può utilizzare per tutte le richieste complesse. L’innovazione non consiste nella risposta automatica. Consiste nel ridurre la possibilità di risposte affrettate, incomplete o conflittuali.
| Elemento | Domanda per l’ufficio | Uso prudente dell’AI |
| Richiesta principale | Che cosa viene realmente chiesto? | Sintetizzare senza assumere decisioni. |
| Fatti dichiarati | Che cosa deve ancora essere verificato? | Separare affermazioni e punti da controllare. |
| Documenti | Quali atti o allegati sono richiamati? | Creare elenco da verificare nel fascicolo. |
| Dati personali | Quali dettagli non serve ripetere? | Proporre formulazioni minimizzate. |
| Primo riscontro | Che cosa possiamo comunicare ora? | Bozza prudente di presa in carico. |
Esempio concreto 3: un laboratorio su file Excel, presenze e attestati
Scenario: l’ufficio deve confrontare file di iscrizione, presenze e attestati di un percorso formativo. I nominativi presentano varianti, alcune email sono diverse, ci sono record duplicati e alcuni attestati non risultano associati a una presenza. Il rischio è chiedere all’AI di ‘sistemare il file’ e accettare il risultato come definitivo.
Il laboratorio lavora sul metodo: conservare l’originale, creare una copia di lavoro, normalizzare solo in colonne di servizio, dichiarare i criteri di matching, distinguere corrispondenze certe, forti, probabili e deboli. L’AI può aiutare a produrre una matrice di riconciliazione, ma ogni caso dubbio deve tornare all’ufficio.
Il prodotto finale è una procedura di controllo replicabile. Chi partecipa al laboratorio comprende che un dato non trovato non equivale automaticamente a un dato negativo e che una corrispondenza plausibile non equivale a una decisione amministrativa.
Esempio concreto 4: un laboratorio sulla pubblicazione online
Scenario: una graduatoria o un elenco deve essere pubblicato all’albo. Il file esportato dal gestionale contiene colonne interne, note, codici, date di nascita, riferimenti documentali e fogli nascosti. La formazione non deve limitarsi a dire “attenzione alla privacy”. Deve guidare il personale a riconoscere materialmente che cosa controllare.
Il gruppo produce una checklist: versione pubblicabile distinta dal file interno, dati necessari, dati da eliminare o oscurare, allegati, metadati, fogli secondari, nome del file, durata della pubblicazione, validazione e tracciabilità. L’AI può aiutare a individuare categorie di rischio, ma non può autorizzare la pubblicazione.
Questo laboratorio è utile perché trasforma un principio astratto in una sequenza operativa concreta. Il personale capisce che l’ultimo clic non è un gesto tecnico, ma una decisione amministrativa da presidiare.
Ruoli: chi fa che cosa nella formazione
La formazione non può essere delegata interamente a un solo referente digitale, né può essere considerata esclusivamente un problema tecnico. Ogni figura contribuisce in modo diverso. La chiarezza dei ruoli riduce ambiguità e aiuta a costruire un percorso credibile.
| Figura | Contributo alla formazione | Attenzione specifica |
| Dirigente scolastico | Definisce indirizzo, priorità e cornice organizzativa. | Collega AI, responsabilità, policy e qualità del servizio. |
| DSGA | Traduce i principi nei processi reali degli uffici. | Individua casi d’uso, controlli, ruoli e sostenibilità operativa. |
| Assistenti amministrativi | Portano casi, bisogni, dubbi e conoscenza del lavoro quotidiano. | Sperimentano in modo guidato e condividono evidenze. |
| Referente digitale | Supporta ambienti, strumenti e organizzazione dei laboratori. | Evita che la formazione resti solo tecnica. |
| DPO/referente privacy | Aiuta sui casi con dati personali, sensibilità e rischi specifici. | Non sostituisce l’ufficio, ma sostiene valutazioni mirate. |
| Rete di scuole | Amplia casi, modelli, confronto e comunità di pratica. | Condivide criteri senza trasferire dati reali. |
La comunità di pratica: quando l’innovazione diventa patrimonio
Una comunità di pratica non richiede necessariamente una struttura complessa. Può nascere da un gruppo di lavoro interno, da incontri periodici tra segreteria e DSGA, da una rete di istituti o da uno spazio digitale condiviso. L’elemento decisivo è la continuità: le persone devono poter tornare sui casi, condividere soluzioni, discutere errori e aggiornare modelli.
Nella comunità di pratica l’errore non viene nascosto. Diventa materiale di apprendimento. Un prompt che ha prodotto un riferimento normativo inesatto, una tabella che ha confuso due nominativi, una bozza troppo assertiva o una checklist incompleta possono essere discussi in forma anonimizzata. Questo consente di costruire conoscenza organizzativa senza colpevolizzare chi ha sperimentato.
La comunità evita anche un altro rischio: la ripetizione individuale degli stessi errori. Se una scuola ha già scoperto che un modello di comunicazione deve usare segnaposto o che un file esportato contiene colonne nascoste, quell’apprendimento deve diventare accessibile a tutti.
Strumenti possibili per la comunità di pratica
| Strumento | Uso possibile | Accorgimento organizzativo |
| Cartella cloud istituzionale | Conservare template, prompt, checklist e verbali di laboratorio. | Permessi differenziati: lettura diffusa, modifica limitata. |
| Moodle o LMS | Organizzare micro-moduli, materiali, quiz e forum di confronto. | Separare formazione da documenti amministrativi reali. |
| Intranet o sito interno | Pubblicare policy, libreria validata e avvisi di aggiornamento. | Prevedere un referente editoriale e una data di revisione. |
| Server/NAS di istituto | Conservare versioni interne e materiali riservati. | Backup, accessi nominativi e struttura cartelle chiara. |
| Rete di scuole | Confrontare modelli, casi simulati e percorsi formativi. | Condividere solo materiali minimizzati e riusabili. |
Come misurare se la formazione sta funzionando
La formazione non deve essere valutata soltanto contando presenze o attestati. Il vero indicatore è il cambiamento nel lavoro. Una scuola dovrebbe chiedersi se, dopo alcuni mesi, gli uffici producono bozze più chiare, se diminuiscono i dati eccedenti nei prompt, se aumentano i modelli condivisi, se i casi delicati vengono riconosciuti prima e se il personale sa a chi rivolgersi.
Non servono indicatori sofisticati. Servono segnali osservabili e discussi periodicamente. Una breve autovalutazione trimestrale può essere più utile di un questionario generico di gradimento.
| Segnale | Domanda di verifica | Evidenza possibile |
| Uso consapevole | Il personale distingue supporto AI e decisione amministrativa? | Bozze con vincoli e segnaposto; riduzione di output usati senza controllo. |
| Qualità dei prompt | I prompt dichiarano dati ammessi, limiti e output atteso? | Aggiornamento della libreria dei prompt. |
| Condivisione | Le buone pratiche restano individuali o diventano comuni? | Numero di modelli validati e riutilizzati. |
| Controllo | I casi delicati vengono sottoposti a verifica appropriata? | Checklist e tracce di validazione. |
| Sostenibilità | I laboratori sono compatibili con il lavoro degli uffici? | Partecipazione, continuità e prodotti operativi realizzati. |
Errori da evitare
Il primo errore è proporre formazione troppo teorica. Parlare genericamente di intelligenza artificiale può interessare, ma non cambia il lavoro quotidiano. La formazione deve partire da note, tabelle, istanze, scadenze, documenti e problemi che gli uffici riconoscono.
Il secondo errore è affidare tutto a un solo esperto. Il referente più competente è una risorsa, ma non può diventare il collo di bottiglia dell’innovazione. Occorre distribuire competenze e creare materiali che altri possano capire e utilizzare.
Il terzo errore è trasformare ogni incontro in una dimostrazione di strumenti. Gli strumenti cambiano; i principi di minimizzazione, controllo umano, tracciabilità e responsabilità restano. La formazione deve insegnare soprattutto a ragionare.
Il quarto errore è ignorare la paura di sbagliare. Alcune persone evitano l’AI non per resistenza, ma perché non sanno dove siano i confini. Una formazione efficace crea uno spazio in cui fare domande, usare casi simulati e discutere limiti senza sentirsi giudicati.
Un percorso di sei mesi per avviare la segreteria aumentata
Per le scuole che vogliono iniziare senza sovraccaricare gli uffici, è possibile progettare un percorso di sei mesi con attività leggere ma continue. L’obiettivo non è completare un programma, ma costruire gradualmente competenza e memoria organizzativa.
| Periodo | Azione | Risultato atteso |
| Mese 1 | Ricognizione dei processi e degli usi AI già presenti. | Mappa iniziale di bisogni, rischi e opportunità. |
| Mese 2 | Laboratorio su prompt, dati minimi e controllo dell’output. | Primi prompt prudenti e checklist comuni. |
| Mese 3 | Laboratorio su comunicazioni, istanze o fogli di calcolo. | Un modello operativo riutilizzabile. |
| Mese 4 | Avvio o aggiornamento del registro degli usi AI. | Usi visibili, classificati e discussi. |
| Mese 5 | Revisione della libreria di prompt e bozza di policy minima. | Strumenti condivisi e regole essenziali. |
| Mese 6 | Autovalutazione, raccolta evidenze e piano successivo. | Priorità formative e miglioramenti per il semestre seguente. |
La formazione come cura dell’organizzazione
Formare la segreteria aumentata non significa chiedere al personale di fare di più con meno risorse. Significa ridurre attività ripetitive, migliorare la leggibilità dei processi, rendere più sicure le comunicazioni e distribuire meglio la conoscenza. L’AI può essere utile solo se viene accompagnata da un investimento nella qualità del lavoro umano.
Una scuola che forma gli uffici a usare l’AI con metodo non sta inseguendo una moda. Sta costruendo la capacità di affrontare il cambiamento senza perdere responsabilità, attenzione ai dati e qualità amministrativa. Questo è il senso più profondo della segreteria aumentata: non sostituire le persone, ma renderle più consapevoli, coordinate e capaci di lavorare insieme.
La tecnologia può suggerire, ordinare, sintetizzare e segnalare. Ma soltanto una comunità professionale formata può decidere, verificare, assumersi responsabilità e trasformare l’innovazione in un servizio migliore per la scuola.
Scarica l’articolo in formato PDF