La classe fantasma: quando docenti e studenti copiano dalla stessa IA

L’intelligenza artificiale in classe: la simmetria nascosta che mette in crisi l’educazione

L’introduzione dell’intelligenza artificiale nell’educazione sta producendo una trasformazione più profonda e inquietante di quanto comunemente percepito. Non si tratta semplicemente di studenti che “copiano” usando ChatGPT o di docenti che automatizzano la correzione dei compiti. Stiamo assistendo a una crisi di legittimità della relazione pedagogica stessa, fondata su una simmetria nascosta ma sempre più riconoscibile: entrambe le parti usano AI, ma solo una viene sanzionata per questo.

Per capire perché questa simmetria è così dirompente, dobbiamo prima comprendere cosa fa l’AI alla conoscenza — e cosa questo significa sia per chi insegna sia per chi impara.

L’accessibilità che ostacola l’apprendimento

I moderni sistemi AI conversazionali possiedono una caratteristica che li distingue da qualsiasi strumento educativo precedente: la capacità di adattarsi dinamicamente al livello dell’interlocutore. Analizzano la complessità lessicale, sintattica e concettuale dell’input ricevuto e calibrano le risposte per renderle immediatamente comprensibili.

Questa adattabilità rappresenta una differenza radicale rispetto ai tradizionali strumenti di conoscenza. Un libro accademico, un’enciclopedia specialistica, persino una lezione registrata, mantengono un livello di complessità fisso: se non comprendi un concetto, devi fermarti, cercare, riflettere. Quella frizione cognitiva — lo sforzo necessario per colmare il divario tra ciò che sai e ciò che il testo presuppone — è spesso il luogo dove avviene l’apprendimento reale.

L’AI elimina questa resistenza. Rileva che non comprendi la “morfogenesi computazionale” e automaticamente semplifica, contestualizza, fornisce esempi accessibili. Il risultato è una comunicazione fluida e immediatamente fruibile, ma che priva l’utente della necessità di espandere le proprie capacità cognitive oltre la zona di comfort attuale.

Si potrebbe obiettare: “Basta chiedere esplicitamente maggiore complessità all’AI”. Ma questa soluzione presuppone già una meta-consapevolezza intellettuale che non tutti possiedono. Chi non ha ancora sviluppato competenze in un dominio probabilmente non sa cosa non sa, non riconosce le semplificazioni che l’AI sta operando, non possiede gli strumenti per valutare la differenza tra una risposta superficiale ma fluida e una rigorosa ma densa.

Con un libro, anche senza competenze pregresse, incontri inevitabilmente la complessità — ti scontri con terminologia oscura, argomentazioni articolate, riferimenti che non conosci. Con l’AI, ottieni risposte comprensibili che non stimolano il salto cognitivo successivo. L’utente si sente soddisfatto, ma rimane in un plateau di apprendimento superficiale.

La ricerca conferma il rischio: gli LLM possono amplificare divari cognitivi già esistenti. Utenti sofisticati li usano per esplorare territori complessi; utenti meno esperti li usano per ottenere risposte pronte senza sviluppare comprensione profonda. L’accessibilità diventa paradossalmente un ostacolo alla crescita per chi ne avrebbe più bisogno.

Il docente nell’era dell’AI: amplificazione differenziale

Quando trasferiamo questa dinamica nel contesto educativo formale, le conseguenze si amplificano. L’AI non livella le differenze tra docenti di qualità diversa — le amplifica in direzioni divergenti.

L’effetto leva: il docente esperto

Per il docente già eccellente — esperto disciplinare, pedagogicamente sofisticato, intrinsecamente motivato — l’AI rappresenta una leva potente. Riduce il carico cognitivo “amministrativo”: preparazione di materiali differenziati, generazione di varianti di esercizi, correzioni automatizzate di elementi di routine.

Questo libera tempo ed energia mentale per ciò che conta davvero: progettazione didattica sofisticata, interazioni personalizzate profonde, stimolo del pensiero critico attraverso domande socratiche, modellamento di approcci alla complessità. Il docente esperto usa l’AI come strumento di sperimentazione — simula approcci didattici, testa variazioni metodologiche, riceve feedback iterativo — mantenendo sempre il controllo pedagogico finale.

L’effetto maschera: il docente con lacune

Ma cosa accade quando l’AI entra nelle mani di docenti con lacune disciplinari o pedagogiche significative? Qui emergono dinamiche profondamente problematiche.

L’AI può compensare lacune contenutistiche: fornisce spiegazioni che il docente non saprebbe formulare, genera esempi che non conosce, propone collegamenti interdisciplinari che sfuggirebbero. Questo sembra positivo. Ma se il docente non possiede una solida padronanza della materia, non può valutare la qualità degli output AI. Rischia di trasmettere errori, semplificazioni eccessive, contenuti inappropriati senza accorgersene.

Più insidioso è l’effetto sulla competenza pedagogica. L’AI può “nascondere” incompetenza didattica: il docente usa risorse generate dall’AI — lezioni strutturate, progressioni concettuali, valutazioni formative — senza sviluppare mai la capacità di progettarle autonomamente. Ottiene risultati apparentemente migliori nel breve termine, ma atrofizza le proprie competenze professionali nel lungo periodo.

Questo è il punto che merita attenzione: l’atrofia è insidiosa proprio perché invisibile. Nel breve periodo, il docente AI-assistito sembra più efficace. I materiali sono più curati, le lezioni più strutturate, le valutazioni più coerenti. L’atrofia si manifesta solo quando l’AI non è disponibile, o quando emerge una situazione che richiede giudizio autonomo — una domanda imprevista, un conflitto concettuale tra studenti, la necessità di improvvisare una spiegazione alternativa in tempo reale. In quei momenti, il docente scopre di aver delegato non solo il lavoro, ma la competenza stessa.

L’effetto sostituzione: il docente demotivato

Nello scenario peggiore — il docente demotivato, esaurito, o semplicemente inadeguato — l’AI diventa sostituto, non supporto. Genera lezioni, materiali, valutazioni che il docente usa passivamente.

Gli studenti ricevono insegnamento standardizzato, ottimizzato algoritmicamente ma privo di presenza umana autentica. Manca completamente il modeling pedagogico: gli studenti non vedono un adulto che pensa, dubita, corregge il proprio ragionamento, esplora con curiosità genuina. L’educazione si riduce a trasferimento di informazioni processate da AI a menti passive, mediate da un facilitatore umano sempre più marginale.

La simmetria esplosiva: quando anche gli studenti usano AI

Ma la vera frattura nel sistema educativo emerge quando introduciamo la variabile che i policy maker preferiscono ignorare: l’uso bilaterale dell’AI. Sia docenti che studenti vi accedono, la riconoscono reciprocamente, ma solo gli studenti vengono sanzionati per questo.

La crisi della legittimità

Tradizionalmente, l’autorità del docente si fonda su un’asimmetria epistemica legittima: il docente sa di più, ha pensato più a lungo, ha elaborato personalmente il materiale. Gli studenti accettano questa asimmetria come base del contratto educativo.

Quando entrambe le parti usano AI, ma solo una viene punita, la contraddizione normativa diventa evidente. Il docente usa AI per generare lezioni, materiali, valutazioni — ed è “ottimizzazione didattica”. Lo studente usa AI per fare compiti, saggi, risposte — ed è “violazione dell’integrità accademica”.

Gli studenti non sono ingenui. Riconoscono l’uso di AI nei materiali didattici attraverso pattern caratteristici: uniformità stilistica innaturale, perdita della voce autentica del docente, genericità dei contenuti, inconsistenze tra materiale scritto e capacità di approfondimento orale. Vedono gli stessi indicatori “levigati” che i docenti cercano nei loro elaborati — strutture chiare ma prevedibili, vocabolario perfetto ma privo di personalità, mancanza di idiosincrasie individuali.

Lo specchio rotto

Quando gli studenti percepiscono che il docente “copia” dall’AI mentre punisce loro per lo stesso comportamento, si genera dissonanza morale e perdita di rispetto. È un’osservazione che ho raccolto sempre più frequentemente nei contesti formativi: se chi valuta non si impegna a pensare autonomamente, perché dovrebbe farlo chi viene valutato? Se l’AI è accettabile per chi giudica ma non per chi è giudicato, quale modello di impegno intellettuale viene trasmesso?

Questa percezione delegittima l’autorità pedagogica non solo su base epistemica — il docente sa poco più di me assistito dall’AI — ma anche su base etica: il docente chiede ciò che non pratica.

Si crea una spirale di disimpegno reciproco. Il docente usa AI per ridurre il carico, produce materiali generici, gli studenti riconoscono l’AI-teaching e si sentono legittimati a usare AI per i compiti, il docente riceve elaborati AI-generated e investe ancora meno tempo nella correzione — magari usando AI per correggere output AI — gli studenti percepiscono il feedback automatizzato e si disimpegnano ulteriormente.

Il risultato è una classe fantasma: interazione tra artefatti AI reciprocamente riconosciuti ma reciprocamente tollerati, con perdita totale della relazione educativa autentica.

Il clima del sospetto

Parallelamente, si sviluppa un clima di paranoia bilaterale. Gli studenti riscrivono elaborati originali perché temono falsi positivi dai software di rilevamento — che la ricerca conferma essere inaffidabili, con tassi di errore significativi, e un bias documentato contro gli scriventi non madrelingua. Questo scoraggia creatività e rischio intellettuale.

I docenti, dall’altra parte, potrebbero evitare di usare AI anche quando sarebbe pedagogicamente utile, per paura che gli studenti lo riconoscano e perdano fiducia. Si instaura una cultura del sospetto reciproco che avvelena la relazione educativa alla radice.

La questione intergenerazionale

C’è un aspetto che il dibattito corrente trascura quasi completamente, e che aggrava il quadro descritto: la formazione iniziale dei futuri docenti.

Tutto ciò che abbiamo detto finora riguarda docenti già in servizio, che hanno sviluppato le proprie competenze in un’era pre-AI e che ora devono decidere come integrare questi strumenti. Ma cosa accade ai docenti che si stanno formando adesso, che studiano, scrivono tesi, preparano tirocini già con l’assistenza costante dell’AI?

Il rischio è che non sviluppino mai le competenze che poi dovrebbero modellare per i loro studenti. Se un futuro insegnante non ha mai attraversato personalmente la fatica di costruire una lezione da zero, di cercare fonti autonomamente, di formulare spiegazioni originali attraverso tentativi ed errori, come potrà guidare i propri studenti in quel processo? Come potrà riconoscere quando un output AI è superficiale, se non ha mai sperimentato la differenza tra superficialità e profondità nel proprio percorso formativo?

La spirale diventa intergenerazionale: docenti formati dall’AI che formano studenti con l’AI, in un ciclo in cui l’esperienza della complessità cognitiva autonoma si assottiglia progressivamente fino a scomparire.

Verso una pedagogia dell’AI esplicita

Di fronte a questa impasse, la letteratura educativa converge su una soluzione contro-intuitiva: la trasparenza radicale. Invece di nascondere l’uso di AI, rendere esplicito come, quando e perché viene usata da entrambe le parti.

Il docente trasparente

Il docente dovrebbe dichiarare apertamente: “Ho usato AI per generare questa scaletta iniziale, poi l’ho rielaborata aggiungendo esempi dalla mia esperienza professionale e connessioni con il vostro percorso precedente”.

Meglio ancora: mostrare il processo. Ecco il prompt iniziale. Ecco l’output grezzo dell’AI. Ecco le mie modifiche critiche — ho eliminato questo perché generico, ho aggiunto questo perché so che vi aiuta, ho riorganizzato quest’altra parte perché la sequenza logica era debole.

Il valore aggiunto umano diventa esplicito: l’AI non sa che avete studiato la termodinamica la settimana scorsa, quindi ho connesso questo nuovo concetto a quello. L’AI ha proposto un esempio con automobili, ma io so che nella vostra classe nessuno possiede un’auto, quindi ho sostituito con uno scenario che vi riguarda.

Lo studente consapevole

Dal lato studente, servono policy trasparenti su quando l’AI è permessa e come va documentata. Ma soprattutto, occorre insegnare AI literacy: come usare l’AI per esplorare, non per sostituire il pensiero.

La valutazione deve spostarsi dal prodotto al processo. Chiedere di documentare l’interazione con AI, le modifiche critiche apportate all’output generato, le domande rimaste irrisolte, le scelte metodologiche operate. Hai usato AI per questa ricerca? Bene: mostrami i prompt, spiegami perché hai scartato alcune risposte, dimmi cosa hai dovuto verificare autonomamente perché l’AI era inaffidabile.

Il cambio di paradigma

Questo richiede una rinegoziazione radicale dei fondamenti dell’educazione.

L’obiettivo non è più “produrre un saggio” ma “dimostrare capacità di pensiero critico, anche quando assistiti da AI”. La valutazione non misura la purezza del prodotto ma la qualità del giudizio nel selezionare, criticare, modificare output AI. Il docente diventa modello di uso critico dell’AI, non utente nascosto.

Ma questo presuppone docenti che possiedono meta-competenze pedagogiche sofisticate — la capacità di modellare il pensiero critico, di valutare processi intellettuali complessi, di coltivare disposizioni epistemiche nei loro studenti. E torniamo, inevitabilmente, alla domanda centrale.

La domanda irrisolta

Se l’AI riduce il carico cognitivo “non necessario”, quale deve rimanere il carico cognitivo assolutamente necessario che definisce l’essere docente?

Le risposte proposte dalla ricerca convergono su alcuni nuclei.

1. Il giudizio pedagogico contestuale: valutare bisogni individuali degli studenti, leggere dinamiche di classe, riconoscere momenti di apprendimento significativo.
2. Il design didattico strategico: decidere obiettivi formativi profondi, progettare sequenze concettuali, creare connessioni tra discipline.
3. Il modellamento del pensiero: dimostrare come si affronta la complessità, come si tollera l’incertezza, come si impara dagli errori.
4. La presenza relazionale: costruire fiducia, coltivare motivazione intrinseca, creare senso di appartenenza a una comunità intellettuale.

Se l’AI erode questi spazi di pensiero — perché “ottimizza” tutto rendendolo fluido e privo di frizione — rischiamo di produrre docenti tecnicamente assistiti ma pedagogicamente atrofizzati, e studenti esposti a contenuti accessibili ma privi di sfida formativa.

L’AI in educazione non è né salvifica né distruttiva in sé. È un amplificatore di ciò che il docente già è. Con docenti eccellenti diventa leva per eccellenza maggiore. Con docenti competenti ma oberati può offrire compensazione parziale. Con docenti con limiti disciplinari o pedagogici maschera inadeguatezza senza risolverla. Con docenti demotivati accelera il declino professionale e la marginalizzazione umana.

La variabile critica rimane la qualità, l’esperienza, l’intelligenza, la cultura, e soprattutto la voglia di studiare, crescere e migliorare del docente stesso. Un docente motivato userà l’AI per espandere il proprio repertorio, sperimentare approcci innovativi, personalizzare l’insegnamento a livelli precedentemente impraticabili. Un docente demotivato userà l’AI per abdicare alla responsabilità pedagogica, riducendosi a distributore di contenuti generati da altri — umani o algoritmici che siano.

Verso quale educazione?

Siamo di fronte a una biforcazione storica. L’AI può catalizzare una trasformazione positiva dell’educazione, liberando i docenti migliori da compiti ripetitivi per concentrarsi su ciò che solo l’umano può fare: coltivare curiosità, modellare rigore intellettuale, costruire relazioni educative autentiche. Ma può anche accelerare una deriva già in corso: la riduzione dell’insegnamento a trasferimento di informazioni processate, la perdita della relazione pedagogica come incontro trasformativo tra intelligenze umane, l’atrofia delle competenze sia dei docenti che non sviluppano mai maestria autonoma, sia degli studenti che non incontrano mai resistenza cognitiva produttiva.

La differenza tra questi due futuri non risiede nella tecnologia. Risiede nelle scelte politiche, istituzionali e professionali che faremo.

Investiremo nella formazione continua dei docenti per renderli utilizzatori critici e sofisticati dell’AI? Coltiveremo una cultura di trasparenza bilaterale, dove entrambe le parti rendono esplicito il proprio uso dell’AI e il valore aggiunto umano? Ridefiniremo valutazione e curricoli per misurare competenze che restano essenzialmente umane anche nell’era dell’AI? Selezioneremo e valorizzeremo i docenti sulla base delle meta-competenze pedagogiche che nessuna AI può replicare?

O continueremo a fingere che l’AI sia solo uno “strumento neutro”, ignorando la simmetria nascosta del suo uso bilaterale, permettendo che amplifichi le disuguaglianze esistenti tra docenti di qualità diversa, e guardando passivamente mentre la relazione educativa si trasforma in uno scambio tra artefatti algoritmici reciprocamente riconosciuti ma tacitamente tollerati?

La risposta a queste domande determinerà se l’AI diventerà leva per un’educazione più profonda e umana, o acceleratore di una deriva tecnocratica che svuota l’insegnamento della sua essenza trasformativa. E il tempo per scegliere è adesso — mentre la simmetria è ancora nascosta, ma non per molto.

Come scrivo i miei articoli. Parto da un’intuizione, un’irritazione, una domanda che non mi lascia in pace. La sviluppo in un dialogo con diversi modelli di intelligenza artificiale — non come strumenti a cui dare comandi, ma come interlocutori con cui ragionare. Chiedo, contesto, rilancio. Butto via molto. Faccio riscrivere. Cambio modello per cambiare prospettiva. Il testo che leggete è il risultato di questo processo: le idee sono mie, la responsabilità è mia, ma il percorso che le ha portate qui è passato attraverso conversazioni con macchine che mi hanno costretto a pensare meglio — o almeno diversamente. Chi predica trasparenza sull’uso dell’AI deve praticarla. Questo è il mio modo.