# Uso delle IA tra mental offloading e humans in the loop **URL:** \ **Category:** Media Education\ **Tags:** media-education, intelligenza-artific\ **Created:** [8 Maggio 2026, 12:52pm UTC](https://community.fem.digital/t/uso-delle-ia-tra-mental-offloading-e-humans-in-the-loop/4393 "2026-05-08T12:52:43Z")\ **Posts on this page:** 1\ **Page:** 1
**Author:** ![Luigi\_Cirelli](https://dub1.discourse-cdn.com/flex005/user_avatar/community.fem.digital/luigi_cirelli/32/1888_2.png) [@Luigi\_Cirelli](https://community.fem.digital/u/Luigi_Cirelli)\ **Post date:** [8 Maggio 2026, 12:52pm UTC](https://community.fem.digital/t/uso-delle-ia-tra-mental-offloading-e-humans-in-the-loop/4393/1 "2026-05-08T12:52:43Z")
Nell’aprile 2026, un team di ricerca del **MIT - Industrial Performance Center** e ha pubblicato [Humans in the Loop](https://ipc.mit.edu/wp-content/uploads/2026/04/Humans_in_the_Loop_full_r01M.pdf), 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](https://arxiv.org/abs/2506.08872) 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](https://www.oecd.org/it/publications/2025/10/results-from-talis-2024-country-notes_eafd703e/italy_24a89972.html) 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.