Post di Simone Bresciani, Co-Founder e CEO di TeachCorner

Immagine di Magnific

Gli studenti che usano ChatGPT scrivono testi migliori. Ma quando l’accesso all’intelligenza artificiale viene tolto, in un esame, in un colloquio, in qualsiasi situazione che richieda di pensare da soli, i risultati crollano. A certificarlo è l’OCSE, nel Digital Education Outlook 2026 pubblicato a gennaio. Il rapporto descrive il fenomeno della “pigrizia metacognitiva”: lo studente delega il ragionamento alla macchina e smette di esercitare le competenze che la formazione dovrebbe costruire. I chatbot generici migliorano la superficie dei risultati, ma erodono la profondità dell’apprendimento.

Lo stesso schema si riproduce nelle imprese. I dati ISTAT 2025 dicono che il 16% delle aziende italiane con almeno dieci addetti utilizza soluzioni di AI, ma tra le piccole imprese la quota scende al 7%. L’Osservatorio del Politecnico di Milano registra un mercato da 1,8 miliardi di euro, in crescita del 50%, di cui le PMI rappresentano appena il 18%. Oltre l’80% di quelle che si definiscono “AI user” impiega strumenti generici, assistenti di scrittura e chatbot non integrati nei processi, senza modificare in modo misurabile i flussi operativi. La vera barriera, secondo un’analisi Minsait e The European House – Ambrosetti, non è tecnologica: è culturale. Manca la capacità di ripensare i processi e capire dove l’AI può generare valore. Sviluppare internamente una tecnologia basata su AI può costare tra i 30.000 e i 100.000 euro, una soglia che esclude la maggior parte delle piccole aziende. Nel periodo 2021-2024, secondo uno studio I-Com e TeamSystem, appena il 5% delle imprese ha effettuato investimenti in AI. Per il biennio 2025-2026 la percentuale sale al 20%, ma si tratta di previsioni. L’80% non prevede alcun investimento.

Dalla scuola all’azienda, lo stesso difetto di visione

L’indagine TALIS 2024 dell’OCSE rivela che in Italia il 25% dei docenti ha utilizzato strumenti di AI nel proprio lavoro, a fronte di una media OCSE del 36%. Il 70% di chi li adotta lo fa per riassumere argomenti o documentarsi. Solo il 25% li impiega per analizzare le performance degli studenti. Le università si muovono: oltre 1.100 insegnamenti dedicati all’AI negli atenei italiani, e il QS Ranking 2026 ha più che raddoppiato la presenza italiana nella classifica mondiale per Data Science e AI. Ma la domanda resta: gli studenti stanno imparando a governare la tecnologia o a farsi sostituire da essa?

Il filo che lega scuola e impresa è qui. In entrambi i contesti l’intelligenza artificiale generica produce un’illusione di competenza. I modelli linguistici generano risposte plausibili ma talvolta errate, è il fenomeno delle “allucinazioni”, con tassi di errore che superano il 30% nei compiti di ragionamento complesso. Una ricerca del MIT ha documentato che il linguaggio assertivo aumenta del 34% proprio nelle risposte sbagliate. Un tutor virtuale che fornisce una spiegazione errata consolida l’errore nella mente dello studente. Un dipendente che usa un chatbot generico per interpretare una normativa si affida a un testo plausibile ma impreciso. In entrambi i casi, la fiducia nella macchina rende l’errore più resistente alla correzione.

La via d’uscita: AI proprietaria, costruita su finalità precise

La ricerca indica una direzione comune ai due mondi. Esistono architetture capaci di ancorare ogni risposta a documenti verificati, consultati in tempo reale, che riducono il tasso di errore di oltre il 40%. È il principio dell’AI proprietaria: sistemi costruiti su basi documentali specifiche, come i materiali di un corso o i dati operativi di un’azienda, che non pescano risposte dal web aperto. Per le PMI questo approccio è più accessibile di quanto sembri: le soluzioni verticali basate su servizi e licenze software, che stanno registrando la crescita più forte nel mercato italiano, hanno costi di ingresso di poche centinaia di euro al mese, incomparabili con i 30.000-100.000 euro di un progetto personalizzato.

Perché funzioni servono tre condizioni. La prima è una finalità progettuale chiara: l’AI che guida il ragionamento dello studente o che migliora un processo aziendale specifico vale più di quella che produce una bozza di email. La seconda è la precisione informativa, che richiede basi documentali certificate e aggiornabili al posto del web aperto. La terza è la personalizzazione, con percorsi adattivi capaci di riconoscere il livello di partenza di ciascuna persona. Un esperimento alla Harvard University, pubblicato su Scientific Reports, ha documentato che studenti seguiti da un tutor AI ottengono risultati superiori in meno tempo rispetto alla didattica in aula. La London School of Economics e Protiviti confermano lo stesso principio nelle imprese: i lavoratori formati in modo mirato risparmiano fino a 11 ore alla settimana, contro le 7,5 di chi usa l’AI senza preparazione specifica.

Non servono più chatbot. Servono sistemi costruiti su misura, ancorati a dati propri, pensati per obiettivi propri. L’AI funziona quando rende le persone più autonome, non quando le sostituisce nel pensiero. È una sfida tecnologica. Ma prima di tutto è una sfida di metodo.