Nell’aprile 2026, un team di ricerca del MIT - Industrial Performance Center e ha pubblicato Humans in the Loop, un rapporto basato su oltre tre anni di interviste e workshop con più di cinquanta aziende nei settori healthcare, finanza, manifattura e retail. L’obiettivo prefissato era capire come la GenAI sta cambiando il lavoro nella quotidianità delle organizzazioni. Il report è denso e ricco di spunti interessanti. Noi qui ci concentriamo su alcuni aspetti rilevanti anche in ambito educativo.
C’è un rischio silenzioso nell’uso quotidiano degli strumenti di IA generativa come mostrato da recenti studi e cioè di fare senza imparare. Il rapporto MIT lo chiama mental offloading, e descrive lavoratori che delegano compiti alla macchina senza trattenerne il processo cognitivo. Per chi progetta percorsi educativi o si occupa di media education, questo fenomeno non è affatto distante dal mondo della scuola o della formazione con le nuove generazioni: quando uno studente usa l’AI per scrivere un testo, sintetizzare un documento o risolvere un problema, sta davvero costruendo una competenza? Oppure sta semplicemente ottenendo un risultato?
Uno dei miti più diffusi sulla GenAI è che chiunque, con il prompt giusto, possa fare il lavoro di un esperto. Il MIT smentisce questa narrazione con dati concreti: le applicazioni di IA che funzionano meglio richiedono ancora, e forse più di prima, competenze di dominio solide per validare, correggere e contestualizzare gli output. In assenza di quella competenza, il rischio è quello che il rapporto chiama moral hazard: produrre risultati che sembrano validi e impressionanti, ma che nascondono errori o mancanza di comprensione reale.
Questo problema si trasferisce in modo diretto nel mondo della scuola e della formazione. Gli insegnanti e i formatori si trovano oggi in una posizione paradossale: sono chiamati a guidare studenti nell’uso critico di strumenti che loro stessi non hanno avuto il tempo di esplorare. TALIS 2024 conferma che una larga parte dei docenti italiani non si sente adeguatamente formata per integrare la GenAI nella propria pratica didattica. Non è pigrizia o resistenza al cambiamento: è la conseguenza di un’adozione tecnologica che ha bruciato i tempi della formazione professionale.
Eppure il report di MIT è chiaro: la competenza di dominio non è il problema, è la soluzione. L’expertise non diventa obsoleta con l’AI: diventa il metro con cui si misura la qualità di ciò che la macchina produce. Quello che manca, semmai, è il ponte tra questa competenza di dominio e la capacità tecnica di lavorare con gli strumenti. Un formatore o un docente che applicano i principi del learning design sanno costruire ambienti di apprendimento attorno alle esigenze dello studente ed è proprio questa capacità che il rapporto MIT identifica come leva chiave quando parla di interface design. Un’interfaccia ben progettata può favorire la situational awareness dell’utente, cioè la sua capacità di capire cosa sta succedendo, oppure indurre dipendenza cognitiva in sua assenza.
Il parallelo con il learning design è immediato: così come un’interfaccia può rendere l’utente più consapevole o più passivo a seconda di come è stata sviluppata, un’attività didattica può promuovere il pensiero critico o delegarlo a seconda di come è stata progettata. Un docente che sa fare progettazione didattica sa già, intuitivamente, che la sequenza delle esperienze conta quanto i contenuti, che il feedback deve arrivare nel momento giusto, che l’errore va reso visibile e non nascosto. Sono gli stessi principi che il MIT chiede ai progettisti di tool AI di applicare alle loro interfacce. Chi lavora in formazione, quindi, non è un principiante in questo campo: è già un designer, spesso senza saperlo.
Nella sezione finale del rapporto, queste similarità con gli ambiti pedagogici tipici della media education diventano ancora più lampanti: imparare a calibrare la fiducia in una fonte (information literacy), promuovere l’apprendimento autentico invece della delega cognitiva (pensiero critico), preservare il lavoro in team come spazio di senso collettivo (peer education) sono esattamente le pratiche che la media literacy ha teorizzato e applicato da decenni, ben prima che la GenAI diventasse un tema mainstream. L’educazione ai media ha sempre lavorato al confine tra tecnologia e pensiero critico, chiedendo a studenti e adulti di non essere spettatori passivi degli strumenti che usano, ma osservatori attivi dei meccanismi che quegli strumenti mettono in moto. Forse il contributo più utile che un educatore può portare al dibattito sulla GenAI non è imparare a usare l’AI meglio di tutti, ma ricordare a tutti che usare bene uno strumento inizia sempre con il chiedersi perché, come e per chi quello strumento è stato costruito. E questa, non è una domanda che l’AI può fare al posto nostro.
Anche tu ti riconosci in alcune delle dinamiche descritte qui sopra? Hai già incontrato il mental offloading in aula o in un corso di formazione? Racconta la tua esperienza nei commenti.