Un tempo c’erano i luddisti, operai della prima rivoluzione industriale inglese, paladini di un’opposizione spesso violenta all’introduzione della meccanicizzazione del lavoro in fabbrica susseguente all’avvento dell’automazione industriale. Se quel dissidio tra uomo e macchina, esplicitato in maniera così evidente quale difesa del lavoro e dei lavoratori, sul finire del XVIII sec. esprime già a livello simbolico la frattura susseguente all’avvio di una vera e propria rivoluzione tecnologica, oggi non possiamo non cogliere le trasformazioni messe in atto nella nostra società ipertecnologica dalla diffusione e dall’uso dell’intelligenza artificiale. Senza invocare un nuovo movimento luddista né un processo di deificazione asettica dell’IA, muovendoci tra detrattori e appassionati promotori, tra proibizionismo di maniera e entusiasmo acritico, è indubbio che oggi l’intelligenza artificiale sia entrata nelle nostre vite, nei luoghi di formazione così come in diversi ambiti professionali. L’obiettivo è quello di ogni automatismo industriale: semplificare, rendere tutto più rapido, più immediato, più accessibile e fruibile, in linea con un’idea di società che sceglie la strada dell’ottimizzazione, della standardizzazione, della previsione e dell’implementazione in termini di efficienza e di profitto. Innovazione, sembra essere la parola d’ordine. O meglio, futuro. Un futuro che per la prima volta non sembra essere così lontano. Ma cosa succede quando l’intelligenza artificiale generativa irrompe all’interno di un rapporto complesso com’è quello tra linguaggio, pensiero e responsabilità? Un’articolazione del pensiero delegata all’IA non rappresenta un impoverimento concettuale e metacognitivo nel processo di costruzione della coscienza critica? Quale relazione ci può essere tra linguaggio, pensiero e didattica delle lingue? L’IA va esclusa totalmente dal processo formativo o va intesa quale laboratorio metalinguistico in cui il soggetto pensante è presente e autonomo nella propria autorevolezza critica e cognitiva?
Ne parliamo con Diana Peppoloni (diana.peppoloni@unipg.it), Professoressa di Didattica delle Lingue Moderne e Linguistica Generale presso l’Università degli Studi di Perugia, autrice tra i tanti dell’interessante saggio Fatto con l’IA, non dall’IA. Linguaggio, pensiero e didattica delle lingue nell’era dell’Intelligenza Artificiale generativa (Mondadori Università, 2026). Direttrice del Centro Linguistico di Ateneo e linguista computazionale per formazione, Diana Peppoloni svolge inoltre attività di ricerca all’intersezione tra educazione linguistica e tecnologie digitali. I suoi studi riguardano l’analisi corpus-based della comunicazione accademica parlata, lo sviluppo e l’impiego didattico dei corpora, la fraseologia e l’integrazione delle glottotecnologie nei processi di insegnamento e apprendimento linguistico. È autrice di numerose pubblicazioni scientifiche e responsabile di progetti di ricerca dedicati all’innovazione metodologica nella didattica delle lingue. La ringraziamo per l’intervista che qui di seguito vorrà concederci.
Fatto con l’IA, non dall’IA. Una precisazione terminologica che cela bensì una differenza metodologica importante:
Direi che cela soprattutto una differenza di postura. Quel con per me significa stare dentro il processo. Il da rischia invece di farci uscire dal processo lasciandoci soltanto il risultato.
È una distinzione che oggi diventa particolarmente importante perché l’IA generativa ci consegna prodotti linguistici già molto rifiniti. Un testo può arrivare sullo schermo corretto, coerente, elegante, persino più elegante di quello che avremmo scritto noi. E proprio qui nasce il problema più interessante. Non quando la macchina sbaglia, perché l’errore in fondo ci mette in allarme. Il punto critico è quando funziona benissimo. Quando ci restituisce una formulazione così convincente da farci dimenticare di chiederci se quella formulazione ci appartenga davvero.
Per molto tempo abbiamo associato la scrittura alla fatica della scrittura. Cercare una parola, cancellare una frase, accorgerci che un ragionamento non tiene, riscriverlo. Sembrano rallentamenti, ma in realtà una parte importante del pensiero avviene proprio lì. Scrivendo scopriamo spesso che non avevamo ancora capito fino in fondo ciò che volevamo dire. L’IA può eliminare rapidamente molti di questi attriti. Io credo però che non tutti gli attriti vadano eliminati. Alcuni sono cognitivamente produttivi.
È una questione sulla quale la ricerca più recente sta offrendo dati interessanti. Alcuni studi sulla scrittura assistita dall’IA mostrano una distinzione che trovo molto significativa fra la qualità del prodotto ottenuto mentre il supporto è disponibile e ciò che rimane come competenza autonoma quando quel supporto viene tolto. Un testo migliore non coincide dunque necessariamente con un percorso di apprendimento migliore.
E c’è un secondo aspetto che trovo forse ancora più affascinante per chi si occupa di lingua e linguaggio. La scrittura non serve soltanto a comunicare un contenuto. Porta tracce di noi. Del nostro repertorio, delle nostre esitazioni, delle nostre preferenze lessicali, perfino delle nostre idiosincrasie. Studi recentissimi condotti su grandi quantità di testi mostrano che l’uso dei modelli linguistici come assistenti alla scrittura tende a ridurre proprio questa variabilità. Il contenuto resta, ma le voci si avvicinano tra loro, stratificandosi. In una ricerca pubblicata da Sourati et al. (2026) su Nature Human Behaviour, emerge come la riscrittura tramite LLM abbia prodotto una sensibile riduzione della diversità linguistica tra i testi analizzati.
Questo per me rende il titolo del volume edito da Mondadori ancora più attuale. Fatto con l’IA significa usare la macchina anche molto, se serve, ma continuare a riconoscersi nel testo che ne deriva. Significa poter dire perché una formulazione è rimasta, perché un’altra è stata scartata, perché a un certo punto abbiamo deciso di non seguire il suggerimento del sistema. Nel libro parlo infatti dell’IA come possibile laboratorio metalinguistico, uno spazio in cui il testo artificiale può essere smontato, confrontato, discusso, perfino contraddetto.
Per questo non mi convince molto l’alternativa tra entusiasmo e proibizione. Trovo più interessante un’altra domanda. Quando utilizzo l’IA, che cosa sto guadagnando e che cosa sto smettendo di fare?
Se le affido un’operazione ripetitiva posso liberare risorse cognitive. Se invece le affido sistematicamente il momento in cui devo trovare le parole per dare forma a un’idea, allora la questione cambia, perché linguaggio e pensiero non sono due passaggi completamente separabili. Nel libro insisto proprio su questo punto. Con i modelli generativi non esternalizziamo più soltanto memoria, calcolo o ricerca dell’informazione. Possiamo esternalizzare la formulazione stessa del pensiero.
Naturalmente non penso che ogni frase debba nascere in una stanza silenziosa, senza strumenti e possibilmente soffrendo. Sarebbe una posizione un po’ romantica e soprattutto irrealistica. Mi interessa però conservare una quota di resistenza. Il momento in cui l’utente non dice semplicemente “va bene”, ma “no, questo non è quello che intendo”. Perché proprio in quel no c’è ancora moltissimo dell’umano.
Forse allora il senso più semplice del titolo è questo. La presenza dell’IA in un testo non è, di per sé, il punto decisivo. La questione è se, anche attraverso il suo uso, restino riconoscibili la voce, le scelte e la responsabilità di chi quel testo lo firma.
Professoressa Peppoloni, cosa accade quando la facoltà di linguaggio viene esternalizzata e affidata a un sistema che opera su base probabilistica? Quali implicazioni tale esternalizzazione produce sul piano cognitivo, culturale ed educativo?
Come esseri umani, abbiamo da sempre sviluppato strumenti per esternalizzare una parte delle nostre capacità cognitive, alleggerendone il peso processuale. Abbiamo affidato alla calcolatrice il calcolo, alle mappe l’orientamento, alle repository digitali la memoria. Con l’intelligenza artificiale generativa, però, possiamo anticipare questa esternalizzazione, collocandola nel momento in cui un pensiero prende forma linguistica. E questo passaggio merita attenzione, perché formulare un pensiero, un’idea, non significa semplicemente rivestire di parole un contenuto preesistente, perfettamente compiuto nella nostra mente. Linguaggio e pensiero sono trama e ordito del tessuto delle nostre concettualizzazioni, dimensioni profondamente intrecciate di uno stesso processo cognitivo, che si costruiscono e si modificano reciprocamente mentre prende forma ciò che vogliamo dire. Non vengono prima l’uno e poi l’altro. Molto spesso capiamo ciò che pensiamo proprio mentre cerchiamo di dirlo.
È qui che l’IA introduce una discontinuità interessante. Un modello linguistico può produrre una spiegazione, un’argomentazione o una sintesi estremamente convincenti senza aver attraversato il processo che, per noi, rende quelle parole significative. Non ha vissuto un’esperienza da raccontare, non ha maturato una convinzione, non ha scelto di sostenere una tesi perché la ritiene convincente, valida. Costruisce invece una concatenazione linguistica plausibile sulla base delle regolarità apprese nei dati. Il risultato può assomigliare moltissimo al prodotto del pensiero umano, pur avendo una genesi completamente diversa. È precisamente questa distanza tra la qualità della forma e il processo che l’ha generata a sembrarmi uno dei fenomeni più interessanti del nostro tempo, la cui tendenza è quella a sovrapporre plausibilità e verità, intendendo qui per verità non una corrispondenza ingenua e assoluta con il reale, ma la possibilità di sottoporre ciò che viene affermato a verifica, giustificazione e confronto con evidenze condivisibili.
C’è però un ulteriore passaggio che trovo ancora più radicale. Per la prima volta disponiamo di uno strumento che non si limita ad aspettare lo sviluppo del nostro pensiero, ma che può precederlo, facendone di fatto a meno. È una differenza enorme. Una tastiera non suggerisce che cosa scrivere. Una calcolatrice non decide quale problema matematico valga la pena porsi o quale sia la procedura più efficace per risolverlo. Un navigatore può indicarci la strada, ma non può dirci quale sia il luogo verso cui desideriamo andare. Un modello linguistico, invece, a partire da poche parole, comincia già a proporre possibili sviluppi del nostro discorso, indirizzandoci in qualche modo.
Questa capacità predittiva è utilissima, ma interviene in modo sottile nel rapporto tra possibilità e scelta. Quando sto ancora cercando le parole per formulare un’idea e il sistema mi propone immediatamente una frase ben costruita, quella formulazione non è più neutra. Diventa una possibilità già disponibile, un punto di riferimento che orienta le alternative successive. E qui torna utile una distinzione classica della linguistica, quella hjelmsleviana tra piano dell’espressione e piano del contenuto. Nelle lingue storico-naturali i due piani non stanno tra loro come un involucro e ciò che esso contiene, ma si presuppongono e si articolano reciprocamente all’interno della funzione segnica. Dare forma linguistica a un contenuto significa quindi, almeno in parte, costruirlo, delimitarlo, organizzarlo. Se affido troppo precocemente alla macchina la forma dell’espressione, non sto delegando soltanto il modo in cui dirò qualcosa. Sto anche accettando una possibile organizzazione del contenuto stesso. È per questo che la prima formulazione proposta dal sistema può avere un peso cognitivo così forte. Da quel momento non lavoro più soltanto a partire da ciò che voglio dire, ma anche da una configurazione già data di ciò che quel contenuto potrebbe diventare. È un po’ come entrare in una casa già arredata, in cui qualcuno ha già disposto i mobili. Possiamo spostarli, naturalmente, ma la prima configurazione esercita comunque una forza sulle nostre decisioni successive.
Per questo credo che uno dei concetti da osservare nei prossimi anni sarà proprio quello dell’iniziativa linguistica. Chi introduce la prima formulazione di un problema esercita una forma di potere cognitivo, perché le parole non descrivono soltanto una questione, ne delimitano anche il campo. Pensiamo a una situazione quotidiana. Chiedo a un sistema di IA generativa di aiutarmi a scrivere una lettera formale, una candidatura, un messaggio di scuse o perfino una dichiarazione d’amore. L’IA non sta soltanto migliorando il mio stile. Mi sta offrendo, invece, una possibile architettura emotiva del discorso. Suggerisce che cosa mettere in primo piano, che cosa attenuare, quale tono adottare, perfino quale versione di me stesso rendere linguisticamente visibile.
Qui il problema diventa culturale prima ancora che tecnologico. Le lingue sono enormi archivi di differenze. Contengono forme dominanti e periferiche, fenomeni molto frequenti e altri rari, costruzioni eleganti e irregolari, dialetti, socioletti, esitazioni, modi familiari di dire le cose. Un sistema probabilistico, per sua natura, è particolarmente efficace nel riconoscere e riprodurre ciò che ricorre più spesso nei dati su cui è stato addestrato. In questo senso conosce molto bene il centro della distribuzione, cioè le soluzioni linguistiche più frequenti, più attese, più tipiche. Sono proprio quelle che tendono ad apparire come più naturali, più normali, più immediatamente accettabili. Ma una lingua non vive soltanto del suo centro, cioè di usi stabili e largamente condivisi. Vive anche delle periferie, delle forme meno frequenti, delle scelte inattese, degli usi locali, individuali, creativi. Ed è spesso lì che si concentra una parte importante della variazione e dell’identità linguistica.
Il rischio culturale dell’IA non è necessariamente una lingua peggiore. Potrebbe essere, paradossalmente, una lingua sempre più corretta e sempre meno imprevedibile.
E c’è persino un curioso effetto di ritorno. I modelli imparano dai testi prodotti dagli esseri umani, ma una quota crescente dei testi disponibili online viene oggi prodotta o riscritta dai modelli stessi. L’addestramento ricorsivo su dati generati artificialmente può provocare quello che viene definito come model collapse (Shumailov et al., 2024). Le parti meno frequenti della distribuzione tendono a scomparire per prime. Al di là dell’aspetto tecnico, trovo affascinante la metafora cannibale che ne deriva. Se continuiamo ad alimentare le macchine prevalentemente con ciò che le macchine hanno già reso probabile, rischiamo di costruire una specie di circuito della prevedibilità.
È qui che l’educazione linguistica assume per me un significato nuovo. Forse dovremo insegnare sempre meno soltanto a produrre una risposta e sempre più a interrompere una risposta predefinita.
Mi interessa molto questa idea. Una delle competenze fondamentali potrebbe diventare la capacità di non accettare immediatamente la prima formulazione plausibile. Chiedersi che cosa manca, quale prospettiva è rimasta fuori, quale parola alternativa avrebbe cambiato il problema, quale risposta il modello non ha prodotto perché statisticamente meno attesa. In questo senso l’IA può perfino diventare una straordinaria palestra di pensiero divergente, ma solo se la utilizziamo anche contro la sua tendenza naturale alla convergenza.
Non è detto che l’attività più formativa sia sempre legata all’essere i primi a scrivere. A volte può esserlo trovarsi davanti a un testo accurato da un punto di vista formale e dover spiegare perché comunque non ci convince. Individuare un presupposto implicito, riconoscere una generalizzazione, restituire complessità a una frase troppo liscia. Sono operazioni linguistiche, ma sono anche esercizi di libertà intellettuale.
Per questo credo che l’esternalizzazione del linguaggio ci obblighi, quasi per contrasto, a capire meglio che cosa vogliamo preservare dell’attività linguistica umana. Non necessariamente tutta la fatica, non ogni passaggio operativo e certamente non una mitologia dell’autosufficienza. Piuttosto la capacità di introdurre nel discorso qualcosa che la probabilità, da sola, non avrebbe scelto. Un dubbio, una deviazione, una parola inattesa, un cambio di prospettiva. Forse è proprio lì che la lingua smette di apparire come un semplice insieme di strutture ben formate e torna a mostrarsi per ciò che è, un sistema di relazioni attraverso cui organizziamo l’esperienza e prendiamo posizione nel mondo.
Delegare all’IA non solo il calcolo e la memoria, ma l’articolazione stessa del pensiero attraverso la generazione di testi, non equivale ad un impoverimento concettuale e metacognitivo che mina alla base il cuore dell’educazione linguistica?
Insegnare e apprendere una lingua straniera significa certamente fornire strutture, regolarità e cornici grammaticali, ma significa soprattutto mettere una persona nelle condizioni di comunicare. E la comunicazione verbale non nasce dalla semplice applicazione di regole. Vive degli elementi disponibili nel sistema linguistico e delle relazioni che questi elementi intrattengono tra loro, ma vive anche della capacità del parlante di combinarli in modo nuovo, di adattarli alla situazione, di piegarli alle proprie intenzioni, talvolta perfino di forzarli. In questo senso, ogni atto linguistico contiene una componente di creatività.
Non penso alla creatività soltanto nelle sue manifestazioni più evidenti, come la metafora o il gioco di parole. C’è creatività anche quando, non conoscendo un termine, troviamo un modo diverso per dire la stessa cosa, quando costruiamo una perifrasi, quando scegliamo una parola inattesa perché ci sembra più efficace, quando modifichiamo una struttura per adattarla a un interlocutore specifico. È quella creatività minuta e quotidiana che consente a un numero finito di risorse linguistiche di generare una quantità potenzialmente illimitata di enunciati e, soprattutto, di renderli nostri.
È proprio qui che la delega sistematica all’IA pone un problema particolare nell’apprendimento linguistico. La macchina può generare una formulazione nuova in senso combinatorio, ma non è creativa nello stesso senso in cui lo è un parlante. Non ha un’intenzione da esprimere, non deve risolvere una difficoltà comunicativa propria, non sperimenta lo scarto tra ciò che vorrebbe dire e ciò che, con le risorse di cui dispone, riesce effettivamente a dire. Produce sulla base di regolarità apprese e di probabilità. Ciò che viene meno è quindi quella componente della creatività che nasce dalla necessità di prendere decisioni dentro una situazione comunicativa e di assumersi la responsabilità di quelle decisioni.
Per un apprendente questo è particolarmente importante. Se non conosco una parola e provo ad aggirare l’ostacolo, non sto semplicemente compensando una mancanza. Sto mobilitando il mio repertorio, cercando relazioni tra ciò che conosco e ciò che ancora non conosco, formulando ipotesi sulla lingua. Questo elemento di incertezza mi obbliga a tornare sulla struttura, a confrontare alternative, a capire meglio come funziona il sistema. Molti di quelli che, dal punto di vista del prodotto finale, appaiono come rallentamenti o imperfezioni sono in realtà momenti di apprendimento.
Quando l’IA interviene troppo presto e risolve immediatamente questi passaggi, rischiamo perciò di confondere due cose molto diverse, la riuscita del compito e lo sviluppo della competenza. Posso ottenere un testo linguisticamente eccellente senza essere diventato più capace di produrlo autonomamente. Ed è qui che il problema diventa anche metacognitivo. Imparare una lingua significa infatti costruire una rappresentazione progressivamente più accurata di ciò che so fare. Devo sapere dove il mio repertorio è solido, dove è ancora fragile, quando posso fidarmi della mia intuizione e quando invece devo verificare. Se un sistema interviene costantemente prima che io possa sperimentare questi limiti, può diventare più difficile persino riconoscerli.
A me sembra che questo sia uno dei rischi meno visibili dell’IA in educazione. Non tanto farci “sapere meno”, quanto rendere più incerta la percezione di ciò che sappiamo realmente fare da soli. La qualità del prodotto può crescere molto più rapidamente della competenza di chi lo ha prodotto. Si crea così una distanza tra prestazione assistita e padronanza effettiva, e quella distanza diventa particolarmente problematica quando il prodotto linguistico viene assunto come prova dell’apprendimento.
Per questo non credo che la risposta educativa possa essere semplicemente vietare l’IA. Sarebbe poco realistico e, a mio avviso, anche poco interessante. Dovremmo piuttosto imparare a collocarla nei punti del processo in cui può ampliare l’attività cognitiva senza sostituirla. Può proporre alternative dopo che lo studente ha elaborato la propria soluzione, può generare varianti da confrontare, può offrire un testo da criticare, può diventare persino un interlocutore da contraddire. In questi casi non elimina la decisione linguistica, ma la rende più complessa.
Questo comporta anche un cambiamento nella progettazione didattica. Se la produzione di una frase grammaticalmente corretta può essere delegata in pochi secondi, allora non basta più chiedere allo studente di produrre quella frase. Diventa molto più interessante chiedergli perché abbia scelto una soluzione invece di un’altra, che cosa cambi sostituendo una parola, quale sfumatura venga persa in una riformulazione, perché l’output dell’IA sia formalmente corretto ma pragmaticamente inadeguato. Il centro del compito si sposta dal prodotto alla capacità di prendere decisioni sulla lingua.
Ed è forse proprio qui che l’IA ci costringe a recuperare una dimensione dell’educazione linguistica che talvolta abbiamo lasciato sullo sfondo. Imparare una lingua non significa soltanto riuscire a dire qualcosa correttamente. Significa costruire progressivamente la libertà di poterlo dire in modi diversi, scegliere tra questi modi e comprendere le conseguenze delle proprie scelte. Se deleghiamo sistematicamente proprio questo spazio di decisione, il rischio non è soltanto un impoverimento linguistico. È un impoverimento dell’autonomia del parlante.
Ripercorrendo le tappe principali del pensiero linguistico e filosofico occidentale, dal logos aristotelico alla characteristica universalis di Leibniz, fino all’energeia di Wilhelm von Humboldt e alla forma interna della lingua come visione del mondo, lei evidenzia come il linguaggio umano sia incarnato nel corpo e legato indissolubilmente all’esperienza, all’intenzionalità e alla responsabilità dell’individuo. In questa accezione, come può esistere una relazione tra soggetto apprendente e macchina? Si può parlare di una vera e propria frattura tra vecchio e nuovo mondo?
Non parlerei di una frattura tra vecchio e nuovo mondo in senso assoluto. Parlerei piuttosto di una discontinuità che ci obbliga a ridefinire che cosa intendiamo per relazione quando uno dei due poli non è un soggetto nel senso umano del termine.
Per Humboldt la lingua è energeia, attività viva, creatrice, continuamente rigenerata nell’uso. Non è un deposito di forme disponibili, ma qualcosa che accade ogni volta che un parlante prende parola, dentro una storia, un corpo, una cultura, una situazione concreta. È proprio questa dimensione processuale a distinguere l’energeia dall’ergon, il prodotto ormai cristallizzato. Nel libro provo a mostrare come i modelli linguistici lavorino in larga misura su quest’ultimo versante, perché apprendono da prodotti linguistici già sedimentati e ne ricavano regolarità, mentre non partecipano alla storia esperienziale da cui quei prodotti sono nati. Anche la lettura contemporanea di Humboldt continua a insistere su questo punto, sulla lingua come attività e non come oggetto statico.
Questo, però, non significa che tra apprendente e macchina non possa esistere una relazione. Significa che dobbiamo evitare di descriverla come se fosse una relazione tra due soggetti equivalenti. L’IA può rispondere, adattarsi, simulare ruoli comunicativi, produrre feedback, mantenere una conversazione molto sofisticata. Ma non porta dentro quella conversazione una biografia, un bisogno, una memoria vissuta, una posta in gioco personale. L’apprendente sì.
Ed è proprio questa asimmetria che trovo interessante. La macchina può diventare una sorta di superficie di rimbalzo del linguaggio. Le rivolgo una domanda, ricevo una formulazione, reagisco, preciso, rifiuto, rilancio. In questo movimento può accadere qualcosa di cognitivamente reale, ma accade nel soggetto umano. La macchina può contribuire a innescare il processo senza condividerlo nello stesso modo.
Pensiamo a un apprendente che simuli con l’IA un colloquio di lavoro in una lingua straniera. Dal punto di vista formale può essere un’interazione molto ricca. Il sistema può cambiare registro, porre domande impreviste, correggere una formulazione, suggerire un’alternativa. Ma c’è una differenza decisiva. Solo l’apprendente può sentire esitazione, imbarazzo, sicurezza crescente, può ricordare un’esperienza precedente, scegliere di non dire qualcosa, percepire che una certa formulazione non corrisponde all’immagine di sé che vuole dare. È lì che il linguaggio torna a essere incarnato.
Nel libro l’embodiment non viene infatti ridotto alla semplice presenza di un corpo fisico. È inteso come intreccio dinamico fra agente, ambiente e azione. Un sistema può avere input multimodali, “vedere” e “ascoltare”, senza per questo partecipare al mondo nello stesso modo in cui lo fa un soggetto che agisce, subisce conseguenze e modifica la propria esperienza attraverso l’azione.
Quindi sì, una relazione può esistere, ma forse dovremmo chiamarla una relazione mediata da una radicale asimmetria ontologica ed epistemica. L’apprendente entra nell’interazione con un corpo, una storia, intenzioni, desideri e responsabilità. Il sistema entra con una capacità estremamente potente di modellare e produrre linguaggio. Confondere questi due livelli sarebbe un errore. Tenerli distinti, invece, permette di utilizzare quella relazione in modo pedagogicamente molto fertile.
Ed è qui che, a mio avviso, il “nuovo mondo” non cancella il precedente. Semmai lo rende più visibile. Perché finché soltanto gli esseri umani producevano linguaggio complesso, tendevamo a dare per scontato che dietro ogni testo ci fosse necessariamente un’esperienza, un’intenzione, una coscienza situata. Oggi questa equivalenza non vale più. Possiamo avere linguaggio senza esperienza vissuta, forma senza biografia, dialogo senza reciprocità piena.
La vera frattura, allora, non è tra un mondo umano che finisce e un mondo artificiale che comincia. È nella nostra idea stessa di linguaggio. Per la prima volta dobbiamo imparare a distinguere con molta più precisione tra linguaggio come comportamento osservabile e linguaggio come esperienza vissuta.
E paradossalmente questa distinzione può avere un effetto molto positivo sull’educazione. Può ricordarci che imparare una lingua non significa soltanto diventare capaci di produrre sequenze corrette, ma imparare ad abitare quella lingua, a usarla per costruire relazioni, assumere posizioni, negoziare identità, esporsi all’altro. Gli studi più recenti sull’IA generativa nella didattica delle lingue vanno sempre più in questa direzione. Riconoscono il potenziale del sistema come supporto, interlocutore simulato e ambiente di pratica, ma segnalano al tempo stesso che agentività dell’apprendente, mediazione del docente e responsabilità degli attori del processo acquisizionale restano elementi insostituibili.
Lei introduce un concetto-chiave per la glottodidattica contemporanea, mi riferisco al concetto di «attrito cognitivo»:
L’idea di attrito cognitivo nasce da una constatazione molto lineare. Nel campo dell’educazione linguistica non tutto ciò che rende un compito più facile lo rende anche più formativo.
Siamo abituati a pensare l’innovazione tecnologica come progressiva eliminazione degli ostacoli. Meno tempo, meno passaggi, meno errori, meno fatica. Dal punto di vista dell’efficienza è perfettamente comprensibile. Ma l’apprendimento non coincide con l’efficienza. A volte impariamo proprio perché qualcosa non funziona subito, perché una parola non arriva, una costruzione non regge, una spiegazione ci costringe a tornare indietro, un interlocutore non capisce ciò che volevamo dire.
È questo che chiamo attrito cognitivo. Non una difficoltà fine a sé stessa, né tantomeno la celebrazione dello sforzo. È quella quota di resistenza che obbliga l’apprendente a intervenire, formulare ipotesi, scegliere, correggersi, giustificare, riformulare. In altre parole, a fare qualcosa cognitivamente rilevante.
Nell’apprendimento linguistico lo si vede con particolare chiarezza. Se sto parlando in una lingua che conosco in modo parziale e non trovo la parola che cerco, posso fermarmi, aggirare l’ostacolo, descrivere ciò che intendo, provare una forma diversa, leggere la reazione dell’interlocutore, cercare la sua collaborazione. Dal punto di vista comunicativo è un piccolo incidente. Dal punto di vista acquisizionale, invece, è un momento estremamente ricco. Proprio quello sforzo può attivare noticing, ristrutturazione e negoziazione del significato. Nel libro richiamo infatti l’Output Hypothesis di Swain e le teorie interazioniste di Long, che mostrano quanto la pressione a produrre e l’attrito comunicativo possano alimentare l’apprendimento.
Con l’IA generativa il rischio è che questo spazio venga saturato troppo presto. Se il sistema completa la frase, propone immediatamente la riformulazione migliore, corregge l’errore e chiude il compito, tutto diventa più fluido, ma può diventare anche meno formativo. Per questo nel libro insisto sul fatto che l’IA acquista valore didattico quando il suo intervento resta deliberatamente incompleto. L’output non dovrebbe chiudere l’attività, ma provocarne un’altra. Scegliere tra due alternative, spiegare perché una soluzione è migliore, modificare una formulazione, difendere una scelta, proseguire una conversazione.
Mi interessa molto proprio questa idea di incompletezza progettata. Un buon uso didattico dell’IA non è necessariamente quello in cui la macchina fa di più. A volte è quello in cui fa meno, ma lo fa nel punto giusto.
Posso, per esempio, chiedere al sistema non di riscrivere un intero testo, ma di indicarmi tre punti problematici senza correggerli. Oppure di fornirmi due formulazioni divergenti, obbligandomi a scegliere. Oppure ancora di contestare una mia interpretazione senza offrire subito la soluzione. In questo modo la tecnologia non elimina l’attrito, lo redistribuisce.
C’è anche un aspetto metacognitivo importante. Quando una risposta è immediata e completa, rischio di saltare il momento in cui mi accorgo di ciò che non so. L’attrito, invece, rende visibile la distanza tra ciò che credo di sapere e ciò che riesco realmente a fare. È per questo che nel libro la funzione dell’IA non viene pensata come semplice aggiunta di informazione, ma come possibilità di creare uno scarto produttivo che costringa l’apprendente a tornare sul proprio sapere.
Naturalmente non tutto l’attrito è utile. Se il compito è troppo difficile, se genera soltanto frustrazione, se il carico cognitivo supera le risorse disponibili, non produce apprendimento. La questione didattica sta quindi nel trovare una soglia fertile. Abbastanza supporto da permettere allo studente di procedere, abbastanza resistenza da impedirgli di diventare spettatore del processo.
Analizzando il legame tra cognizione, corpo e linguaggio, quali sono le implicazioni didattiche dell’embodiment nei processi di acquisizione linguistica?
La prima implicazione è forse la più semplice e insieme la più importante. Una lingua non si apprende soltanto con la testa. Si apprende anche con il corpo, con la percezione, con l’azione, con la memoria delle situazioni in cui certe parole sono state ascoltate, dette, comprese, talvolta persino fraintese.
Quando impariamo una seconda lingua, infatti, non aggiungiamo semplicemente nuove etichette a concetti già perfettamente formati. Costruiamo progressivamente nuove associazioni tra forme linguistiche, significati, esperienze percettive e schemi d’azione. Nel libro richiamo proprio questa idea. Se una parola viene appresa insieme a un’esperienza sensoriale o motoria congruente, le reti coinvolte nella percezione, nell’azione e nell’elaborazione linguistica tendono a coattivarsi e a consolidare connessioni reciproche.
Un esempio può aiutarci a capire meglio. Imparare il verbo inglese to grasp leggendo una traduzione non è esattamente la stessa cosa che apprenderlo mentre si compie il gesto dell’afferrare. Nel secondo caso il significato non viene soltanto descritto, ma ancorato a un programma motorio, a una configurazione percettiva, a un’esperienza. La traccia mnestica diventa più ricca perché è multimodale.
Naturalmente questo non significa che basti far muovere gli studenti. L’embodiment non coincide con la gestualità ornamentale. Un gesto ha valore didattico solo quando è semanticamente congruente, quando entra realmente nella costruzione del significato. Nel volume insisto proprio su questo punto. L’azione diventa utile quando stabilisce una mappatura stabile tra programma motorio e contenuto semantico e può essere riattivata, anche solo mentalmente, durante la comprensione o la produzione linguistica.
Questo cambia anche il modo in cui possiamo pensare il lessico. Per molto tempo abbiamo trattato le parole come unità da memorizzare, spesso attraverso liste, equivalenze, definizioni. La prospettiva embodied suggerisce invece di costruire esperienze più dense. Una parola nuova può essere associata a un’immagine, a un gesto, a un oggetto manipolato, a una scena, a un suono, a un movimento nello spazio. Non per rendere la lezione più “divertente”, ma perché ogni modalità aggiunge una via di accesso alla rappresentazione linguistica.
Le ricerche sull’enactment effect e sull’embodied learning vanno proprio in questa direzione. Le parole apprese insieme ad azioni congruenti tendono a essere ricordate più a lungo e recuperate con maggiore facilità.
Ma c’è un aspetto ancora più interessante. L’embodiment non riguarda soltanto le parole concrete. Anche i significati astratti sono profondamente radicati nell’esperienza corporea. Parliamo di “afferrare un concetto”, di “essere vicini a una soluzione”, di “cadere in errore”, di “difendere una posizione”. Il corpo fornisce schemi attraverso cui organizziamo domini concettuali molto più astratti. È qui che il discorso sull’embodiment incontra quello sulla metafora.
Dal punto di vista didattico, allora, insegnare una lingua significa anche aiutare l’apprendente a vedere come una comunità linguistica organizza l’esperienza. Non basta conoscere il significato denotativo di una parola. Bisogna capire quali immagini richiama, quali collocazioni attiva, quali metafore convenzionali la attraversano, quali associazioni risultano naturali per quella comunità di parlanti. Il libro insiste proprio sul passaggio dal concreto all’astratto e sul ruolo delle mappature metaforiche nella costruzione della competenza linguistica.
Questo ha anche una conseguenza molto pratica per la classe di lingua. Una didattica coerente con l’embodiment dovrebbe moltiplicare le occasioni in cui il significato viene costruito attraverso azione, interazione e contesto. Simulazioni, role play, attività nello spazio, manipolazione di oggetti, gesti, scenari comunicativi, immagini e ambienti immersivi non sono semplici accessori. Possono diventare dispositivi cognitivi, a condizione che l’esperienza corporea sia davvero collegata al significato da apprendere.
E qui torna anche l’IA. La questione non è chiedere alla macchina di diventare “corporea”. Sarebbe una semplificazione. Il punto è usare la prospettiva embodied come criterio per ricordarci quali dimensioni dell’apprendimento linguistico non possono essere ridotte a uno scambio di stringhe ben formate. Il libro lo dice in modo molto netto. L’IA può offrire simulazione, supporto e riflessione metalinguistica, ma rischia anche di veicolare implicitamente un’idea di competenza centrata soprattutto sull’accuratezza sintattico-grammaticale e decontestualizzata rispetto all’esperienza.
Per questo credo che la vera implicazione didattica dell’embodiment sia una sorta di cambio di prospettiva. Insegnare una lingua non significa soltanto mettere lo studente in condizione di produrre forme corrette. Significa creare le condizioni perché quelle forme si aggancino a esperienze, azioni, relazioni e modi di organizzare il mondo.
Cognitive offloading, «monolinguismo statistico», autonomia discorsiva, Large Language Models. È possibile abitare la pluralità oggi, mantenendo una propria identità e una ricchezza terminologica, una personalità consapevole e autonoma che non subisca lo scotto dell’appiattimento stilistico, dell’uniformazione, della spersonalizzazione?
Sì, credo che sia possibile, ma non accade automaticamente. Anzi, forse una delle competenze linguistiche più importanti dei prossimi anni sarà proprio imparare a difendere e coltivare la propria differenza dentro ambienti tecnologici che tendono, per costruzione, a privilegiare ciò che è più frequente, più prevedibile, più centrale nella distribuzione.
Quando nel libro parlo di monolinguismo statistico, non intendo naturalmente che i modelli producano una sola lingua o un unico stile. Intendo qualcosa di più sottile. I sistemi generativi sono molto efficaci nell’individuare le formulazioni che hanno maggiore probabilità di funzionare in un determinato contesto. Questo li porta spesso verso il centro della distribuzione linguistica, verso ciò che appare più normale, più neutro, più immediatamente accettabile. Il rischio non è dunque che cominciamo improvvisamente a parlare tutti nello stesso modo. È che, poco alla volta, impariamo a preferire ciò che è più facilmente predicibile.
La nostra identità linguistica non è mai un blocco compatto. È fatta di registri diversi, appartenenze multiple, lessici specialistici e familiari, varietà regionali, lingue apprese, letture, incontri. Abitare la pluralità significa saper passare da una possibilità all’altra senza perdere consapevolezza di ciò che stiamo facendo.
Da questo punto di vista, il rischio dell’appiattimento stilistico non consiste soltanto nell’uso di formule ripetitive. È qualcosa di più profondo. È la progressiva riduzione della nostra disponibilità a sperimentare con la lingua. Se ci abituiamo a ricevere sempre formulazioni già efficienti, già equilibrate, già perfettamente spendibili, possiamo perdere familiarità con l’esitazione, con il tentativo, con la deviazione, con quella quota di invenzione che permette a una voce di distinguersi senza necessariamente cercare l’originalità a tutti i costi.
La ricchezza espressiva, poi, non coincide con l’accumulo di parole e strutture inusuali o auliche. Consiste nella capacità di stabilire differenze sottili, di scegliere una parola perché delimita meglio un concetto, perché appartiene a un certo ambito, perché porta con sé una memoria culturale o una precisa sfumatura pragmatica. Quando queste differenze vengono appiattite, non perdiamo soltanto varietà stilistica. Perdiamo capacità di categorizzare il reale con precisione.
Ecco perché credo che l’autonomia discorsiva sia soprattutto una forma di vigilanza sulle proprie scelte linguistiche. Un processo che implica restare capaci di riconoscere perché una formulazione ci rappresenta, quali alternative avremmo potuto scegliere, quali sfumature stiamo conservando e quali invece stiamo sacrificando.
Nell’insegnamento della metafora, l’IA può essere una risorsa?
Sì, ma proprio perché la metafora è uno dei luoghi in cui i limiti dell’IA diventano didatticamente più interessanti. Non la userei come modello da imitare, quanto come materiale da interrogare.
La metafora, infatti, non è un semplice ornamento del discorso. È uno strumento cognitivo con cui organizziamo domini astratti attraverso esperienze più concrete. Parliamo del tempo come qualcosa che scorre, del potere come qualcosa che sta in alto, della difficoltà come di un ostacolo, della comprensione come di una luce che si accende. Imparare a usare metafore in un’altra lingua significa quindi imparare anche come quella comunità linguistica costruisce certe associazioni e certe immagini.
Ed è qui che l’IA può diventare molto utile. Può funzionare come una sorta di specchio distribuzionale. Se le chiediamo di descrivere una crisi economica, un fallimento personale, una situazione di conflitto o un percorso di apprendimento, tenderà a far emergere metafore molto ricorrenti, legate alla guerra, al movimento, alla malattia, alla costruzione, alla luce. Questo permette agli studenti di osservare che le metafore non sono scelte casuali del singolo parlante, ma pattern relativamente stabili, sedimentati nella lingua e nella cultura.
Ma l’aspetto forse più interessante viene dopo. Possiamo mettere a confronto le metafore che l’IA produce in lingue diverse e chiedere agli studenti che cosa cambia. Come viene concettualizzata la tristezza in italiano, inglese o giapponese? Come viene rappresentato il tempo in spagnolo o in mandarino? Quali domini sorgente vengono privilegiati e quali invece scompaiono? In questo modo l’IA rende rapidamente visibili differenze interlinguistiche e interculturali che possono diventare oggetto di riflessione metalinguistica.
E può essere utile anche per lavorare sulle assenze. Ci sono metafore che i modelli tendono a evitare, magari perché troppo corporee, troppo locali, legate a esperienze generazionali, pratiche minoritarie o contesti socialmente sensibili. Anche questo è didatticamente prezioso, perché mostra che ogni repertorio metaforico è anche una selezione culturale e che ciò che non compare può essere tanto significativo quanto ciò che compare.
Poi c’è un altro livello, che considero particolarmente importante. L’IA ci offre un laboratorio straordinario per analizzare le metafore con cui parliamo dell’IA stessa. Diciamo che il modello “capisce”, “impara”, “allucina”, “decide”, “è creativo”. Sono espressioni comode, ma trasferiscono categorie dell’esperienza umana al dominio computazionale. Far lavorare gli studenti su questi slittamenti significa sviluppare non solo competenza metaforica, ma anche alfabetizzazione critica al digitale.
Quindi sì, l’IA può essere una risorsa molto potente nell’insegnamento della metafora, purché la si usi per confrontare, smontare, classificare e discutere, non per stabilire quale sia “la metafora giusta”. Il suo valore sta nel rendere osservabili i meccanismi.
Un’attività che trovo particolarmente efficace consiste proprio nel chiedere agli studenti di analizzare un testo generato dall’IA, individuare le metafore presenti, valutarne originalità, coinvolgimento emotivo e appropriatezza pragmatica, e poi riscriverlo introducendo immagini più situate e più coerenti con un contesto reale. In quel passaggio la metafora smette di essere un’etichetta da riconoscere e torna a essere una scelta comunicativa.
Lei affronta il passaggio dall’automazione didattica a un’ecologia dell’apprendimento linguistico. Se l’IA serve a fare più in fretta ciò che prima richiedeva riflessione, confronto, sforzo, errore e correzione, non c’è il rischio che si abituino intere generazioni a credere che la scorciatoia sia più appetibile della fatica? Che il risultato valga più del percorso, che la risposta conti più dell’interrogativo, che la velocità conti più della profondità e soprattutto che il conoscere conti più del sapere?
Il rischio c’è, e credo che sia uno dei rischi educativi più seri dell’IA generativa. Non perché la velocità sia un male in sé, ma perché può diventare un criterio di valore. Se una risposta arriva subito, ben scritta e plausibile, si insinua facilmente l’idea che il compito sia finito. Invece, dal punto di vista educativo, spesso è proprio lì che dovrebbe cominciare.
Imparare non significa soltanto arrivare a una risposta corretta. Significa attraversare un processo fatto di tentativi, errori, esitazioni, revisioni, confronti. Tutte cose molto poco efficienti, se le guardiamo con la logica dell’ottimizzazione, ma estremamente fertili se le guardiamo con la logica dell’apprendimento. Nel libro insisto molto su questo punto. Quando l’IA consegna direttamente il prodotto finale, il rischio è che l’esperienza cognitiva che dovrebbe sostenerlo si assottigli fino quasi a scomparire.
Il problema è culturale prima ancora che tecnologico. Viviamo in un ambiente che premia la rapidità, la disponibilità immediata, la riduzione dell’attrito. L’IA porta questa logica dentro il linguaggio e dentro lo studio. Ma il pensiero profondo non è sempre compatibile con l’immediatezza. A volte ha bisogno di tempi morti, di deviazioni, perfino di frustrazioni. Ha bisogno di domande che restino aperte abbastanza a lungo da costringerci a tornarci sopra.
Per questo non contrapporrei semplicemente la scorciatoia alla fatica, perché anche questa sarebbe una semplificazione. Non tutta la fatica è educativa e non ogni scorciatoia impoverisce. Il punto è capire quale parte del percorso possiamo abbreviare senza perdere ciò che quel percorso ci stava insegnando.
Se uno studente usa l’IA per correggere un refuso, probabilmente non perde nulla. Se la usa per evitare il momento in cui deve costruire un’argomentazione, scegliere tra due formulazioni o sostenere una tesi, allora la situazione cambia. In quel caso la scorciatoia non abbrevia soltanto il percorso, rischia di cancellarne proprio la parte formativa.
Ed è qui che trovo molto importante la distinzione tra conoscere e sapere. Conoscere può significare avere accesso a un’informazione. Sapere implica averla integrata, collegata ad altre conoscenze, messa alla prova, resa disponibile per essere usata in un contesto nuovo. L’IA rende il conoscere straordinariamente accessibile. Ma il sapere richiede ancora un lavoro di appropriazione che nessuno strumento può compiere al posto nostro.
Per questo parlo di un’ecologia dell’apprendimento linguistico. L’IA non va pensata come un’aggiunta isolata o come un semplice acceleratore, ma come un elemento che modifica l’intero ambiente di apprendimento. Cambia i tempi, le aspettative, il rapporto con l’errore, il ruolo del docente, il modo di valutare, perfino l’idea di che cosa significhi svolgere un compito.
La vera questione educativa, allora, non è come impedire agli studenti di scegliere la strada più breve. È insegnare loro a riconoscere quando la strada più breve li porta davvero più lontano e quando, invece, li priva proprio dell’esperienza di cui avevano bisogno.
E forse dovremmo recuperare anche il valore dell’interrogativo. Una buona domanda non è necessariamente un difetto da correggere con una risposta immediata. Può essere uno spazio cognitivo da abitare. In un’epoca in cui possiamo ottenere risposte quasi istantanee, una delle competenze più preziose potrebbe diventare proprio la capacità di non chiudere troppo presto una domanda.
Quali prospettive dunque per gli studenti? Nelle aule si parla sempre più di modelli didattici, di competenze, di prompt e di rendimenti. Cosa può succedere se perdiamo il valore del dubbio, il tempo del ragionamento? Non avremmo forse studenti più veloci ma cittadini più fragili, meno liberi? Com’è possibile secondo lei ridefinire il nodo dell’autorità del sapere e soprattutto del rapporto tra apprendente, lingua e produzione linguistica delegabile?
Io partirei da una distinzione che per me è decisiva. Uno studente non diventa più libero perché ha accesso a più risposte. Diventa più libero se sa valutarle, metterle in discussione, confrontarle, capire da dove vengono e decidere che cosa farsene. È una differenza enorme.
Per questo il dubbio non è una debolezza da correggere. È una competenza. Dubitare significa sospendere per un momento l’adesione, creare uno spazio tra ciò che ci viene detto e ciò che scegliamo di assumere come valido. È in quello spazio che si esercita il giudizio. Se lo perdiamo, possiamo certamente avere studenti più rapidi, più performanti, magari capaci di produrre testi formalmente eccellenti, ma meno allenati a interrogare ciò che incontrano. Ed è qui che la questione smette di essere soltanto scolastica e diventa civile.
La libertà cognitiva, in fondo, ha bisogno di tempo. Del tempo necessario per non aderire subito alla prima spiegazione disponibile, per accorgersi che una risposta può essere plausibile senza essere fondata, per cercare un’altra fonte, per cambiare idea. Una tecnologia che produce risposte linguisticamente molto convincenti ci obbliga quindi a educare non meno, ma molto di più alla sospensione del giudizio.
Per questo nel libro provo a ridefinire anche il nodo dell’autorità del sapere. L’IA complica uno schema che per molto tempo è stato relativamente semplice. L’autorità poteva essere incarnata dal docente, dal manuale, dal dizionario, dalla grammatica, da una fonte riconoscibile. Oggi entra in aula una voce che parla con straordinaria sicurezza, risponde praticamente a tutto, adatta il proprio registro all’interlocutore e tuttavia non è una fonte nel senso tradizionale del termine. Produce formulazioni coerenti senza essere il soggetto che le garantisce.
Questo secondo me è un passaggio culturale enorme. Lo studente deve imparare che l’autorevolezza non coincide più con la qualità superficiale della formulazione. Un testo può essere limpido, elegante, persuasivo e tuttavia richiedere verifica. In questo senso l’output dell’IA dovrebbe essere trattato non come una soluzione, ma come un’ipotesi di lavoro. Nel libro propongo proprio di avvicinare l’apprendimento linguistico a una pratica di ricerca, in cui si confrontano fonti, si verificano esempi, si individuano zone dubbie e si costruisce progressivamente il giudizio.
E qui cambia anche la posizione dello studente. Non dovrebbe essere pensato come il destinatario finale di una risposta, ma come qualcuno che esercita autorità sul proprio processo di conoscenza. Questo non significa che ogni opinione valga quanto un’altra, naturalmente. Significa che deve imparare a chiedere ragioni, a riconoscere gerarchie tra fonti, a distinguere una prova da una formulazione convincente, un dato da un’interpretazione.
E per i docenti? Cosa si sente di consigliare loro?
Direi innanzitutto di non sentirsi obbligati a diventare tecnologi. È un equivoco che vedo spesso. Il docente non deve competere con l’IA sul terreno della velocità, né conoscere ogni nuovo strumento che compare. Deve invece capire quali processi cognitivi, linguistici e relazionali vuole attivare nei propri studenti e usare la tecnologia solo se serve davvero a questo scopo.
In altre parole, partirei sempre dalla didattica e non dallo strumento. La domanda non dovrebbe essere “come posso inserire l’IA in questa attività?”, ma “che cosa voglio che lo studente faccia, capisca, scelga, impari a vedere?”. Solo dopo ha senso chiedersi se l’IA possa amplificare quel processo oppure rischi di sostituirlo. È proprio qui che il docente mantiene una funzione insostituibile, quella di progettista del compito e mediatore dell’apprendimento.
Consiglierei poi di rendere l’uso dell’IA esplicito e discutibile. Il proibizionismo tende spesso a spostare l’uso dello strumento fuori dalla scena didattica, dove diventa invisibile e quindi anche incontrollabile. Se invece l’IA entra dichiaratamente nell’attività, può essere analizzata, confrontata, messa alla prova. Nel libro sostengo che l’aula dovrebbe essere il luogo in cui l’IA viene smontata, interrogata, verificata, non semplicemente vietata o celebrata.
Questo richiede anche di ripensare la valutazione. Se un testo formalmente eccellente può essere prodotto con un investimento cognitivo minimo, non possiamo più assumere che il prodotto finale coincida automaticamente con la competenza dello studente. Bisogna allora rendere più visibile il processo. Chiedere versioni intermedie, giustificazioni delle scelte, confronti tra alternative, note metodologiche sull’uso dell’IA, momenti di rielaborazione autonoma. Non per sorvegliare, ma per capire che cosa lo studente sa effettivamente fare.
Un altro consiglio sarebbe quello di non usare l’IA soltanto per semplificare. Può essere molto più interessante usarla per complicare bene un compito. Per generare alternative da confrontare, produrre un testo volutamente problematico, simulare un interlocutore, introdurre un conflitto interpretativo, far emergere differenze di registro o di prospettiva. L’IA diventa didatticamente fertile quando non chiude il lavoro, ma apre nuove operazioni allo studente.
E infine direi ai docenti di conservare fiducia nel proprio ruolo. L’IA può produrre spiegazioni, esempi, esercizi, testi, feedback. Ma non conosce quella classe, non vede la traiettoria di uno studente, non coglie fino in fondo quando una difficoltà è produttiva e quando invece sta diventando blocco, non costruisce una relazione educativa. Il docente sì.
Per questo non credo che l’IA diminuisca il valore del docente. Semmai lo sposta. Da dispensatore esclusivo di contenuti a regista di situazioni di apprendimento, mediatore epistemico, osservatore dei processi, garante del dubbio e della complessità.
Il suo lavoro di approfondimento sull’IA è davvero affascinante, per la solidità di un approccio metodologico inserito in un coerente radicamento teorico, e per la riflessione che ne deriva, di profonda sensibilità e densità epistemologica e didattica. È possibile restare umani in un mondo automatizzato? È auspicabile una nuova ecologia dell’apprendimento, come lei sostiene, in linea con quella Magnifica Humanitas che Papa Leone XIV ha così enfatizzato, nella capacità di custodia e di dignità umana quale presupposto indispensabile di ogni progresso tecnico?
Certo, credo che sia possibile restare umani in un mondo automatizzato, ma solo se smettiamo di pensare l’umano come ciò che semplicemente rimane dopo che la macchina ha fatto tutto il resto. L’umano non è un residuo. È ciò che dà senso all’uso stesso della tecnologia.
Per me il punto passa ancora una volta dal linguaggio. Parlare significa esporsi, scegliere, prendere posizione. Nel libro insisto proprio su questo nesso tra linguaggio, giudizio e responsabilità.
Il linguaggio non è una funzione accessoria dell’essere umano. È uno dei luoghi in cui costruiamo il mondo, lo interpretiamo, lo condividiamo con gli altri e, soprattutto, ci assumiamo la responsabilità di ciò che diciamo. È ciò che ci distingue dal resto degli esseri viventi, i quali, pur capaci di comunicare, non hanno mai sviluppato l’architettura verbale dell’essere umano.
L’IA generativa rende questa questione particolarmente evidente perché oggi possiamo produrre linguaggio senza che dietro quel linguaggio ci siano esperienza, intenzionalità, memoria vissuta o responsabilità epistemica. È una novità enorme. Ma proprio per questo ci costringe a vedere meglio che cosa c’era, e c’è ancora, nel linguaggio umano. Non soltanto correttezza, coesione, efficacia. Ci sono storia, corpo, relazione, desiderio, conflitto, possibilità di cambiare idea.
Da questo punto di vista trovo molto significativa la prospettiva espressa da Leone XIV nella Magnifica Humanitas. L’enciclica non contrappone tecnica e umanità in modo semplicistico. La tecnica viene riconosciuta come parte della storia umana e come possibilità autentica di progresso, ma a condizione che resti ordinata alla dignità della persona, al bene comune, alla giustizia, alla cura e alla responsabilità. Il criterio non è dunque quanto una tecnologia sia potente, ma quale idea di persona renda possibile e quale forma di convivenza contribuisca a costruire.
È un criterio che sento molto vicino anche alla proposta del libro. Quando parlo di una nuova ecologia dell’apprendimento, non penso a un ambiente in cui l’IA venga marginalizzata. Penso, al contrario, a un ambiente in cui trovi il suo posto senza occupare tutto lo spazio. Un’ecologia sana non elimina gli elementi nuovi, li mette in relazione. Tiene insieme strumenti, corpi, linguaggi, relazioni, tempi, errori, responsabilità. E soprattutto non perde di vista il soggetto che apprende.
Forse è proprio questo che dobbiamo custodire. Non una presunta purezza dell’umano, ma la sua capacità di attribuire senso, di entrare in relazione, di dubitare, di scegliere, di rispondere delle proprie scelte. Una macchina può produrre una frase, ma non può assumersi il peso di quella frase. Può simulare un dialogo, ma non condividere fino in fondo la vulnerabilità che ogni vero dialogo comporta. Può generare possibilità, ma non trasformare quelle possibilità in un progetto di vita.
Ed è qui che il linguaggio torna a essere decisivo. Noi siamo esseri che non soltanto usano parole, ma attraverso le parole costruiscono memoria, identità, appartenenza, dissenso, promessa. Diciamo “io”, “tu”, “noi”. Raccontiamo ciò che è accaduto e immaginiamo ciò che potrebbe accadere. Chiediamo perdono, prendiamo impegni, formuliamo ipotesi, diciamo di no. Tutte queste sono azioni linguistiche, ma sono anche modi di essere umani.
Per questo, sì, una nuova ecologia dell’apprendimento è non solo auspicabile, ma necessaria. Non per difenderci dalla tecnologia, ma per evitare che il progresso tecnico venga confuso con il progresso umano. Su questo la Magnifica Humanitas è molto chiara. La crescita dei mezzi non coincide automaticamente con una crescita dell’umanità.
E se dovessi dirlo in una formula molto semplice, direi che restare umani significa continuare ad abitare il linguaggio come spazio intimo di relazione, scelta e responsabilità.
L'autore
-
Laura D’Angelo è docente a contratto di Patrimonio letterario e territorio presso l’Università degli Studi del Molise. Dottore di ricerca in Studi Umanistici, filologa classica e critico letterario, ha pubblicato articoli e saggi su riviste scientifiche e accademiche di letteratura e poesia, approfondendo lo studio della poesia e della letteratura moderna e contemporanea. Ha partecipato a convegni nazionali e internazionali, a festival letterari e rassegne specialistiche di letteratura e critica con presentazioni di libri e interviste. I suoi studi si concentrano sulla figura di Gabriele D’Annunzio e sulla letteratura dialettale molisana, di cui ha recentemente pubblicato il saggio La Prima antologia di poeti dialettali molisani di Emilio Ambrogio Paterno (Fabrizio Serra Editore, 2023). Per la poesia ha dato alle stampe Mio amore (Interno Libri, 2026), Cuore puro (Interno Libri Edizioni, 2024), Poesia dell’assenza (Il Convivio, 2023). Tra i suoi studi è di recente pubblicazione il saggio Mitografie della modernità tra letteratura e critica (Rubbettino Università, 2026).
Ultimi articoli
In primo piano27 Settembre 2026Restare umani nell’era dell’IA. Dialogo con Diana Peppoloni
avvenimenti26 Luglio 2026Il canto della crisi nell’Odissea di Nolan
a proposito di...13 Luglio 2026Sull’Università. Dialogo con Stefano Jossa
avvenimenti1 Luglio 2026Jacopo, poesie. Dal mio personale con Umberto Piersanti