La scuola ai tempi dell’IA: 2/5 – E se l’IA ci obbligasse davvero a cambiare?

In breve

L’IA non obbliga la scuola a cambiare perché è nuova, potente o destinata a diffondersi. Può però modificare le condizioni nelle quali cerchiamo di raggiungere finalità educative che continuiamo a considerare importanti. Se un prodotto realizzato con l’IA non ci permette più di capire che cosa sappia fare lo studente, se cambia il confine tra capacità personale e prestazione ottenuta con uno strumento, se autonomia, errore e fatica assumono significati diversi, oppure se diventano disponibili forme di interlocuzione prima difficilmente accessibili, continuare esattamente come prima può non consentirci più di ottenere ciò che vogliamo. In questi casi cambiare non significa adeguarsi alla tecnologia: significa modificare le pratiche perché è cambiato il terreno sul quale cerchiamo di realizzare le nostre finalità educative.

Quando l’IA ci obbliga davvero a cambiare

Nel primo articolo di questa serie ho messo in discussione un passaggio che ricorre frequentemente nel discorso sull’intelligenza artificiale e sulla scuola: poiché l’IA sta cambiando il mondo, la scuola deve cambiare; poiché questa tecnologia sarà sempre più presente nella società e nel lavoro, la scuola deve introdurla.

Ho chiamato falso imperativo tecnologico la trasformazione troppo rapida di una possibilità tecnologica in una prescrizione educativa. Il fatto che qualcosa sia diventato possibile non ci dice ancora se sia desiderabile, e nemmeno il fatto che una tecnologia sia destinata a diffondersi stabilisce da solo quale posto debba avere nella scuola.

Ma questa critica rischia di produrre un errore speculare.

Potremmo infatti concludere che le finalità educative vengano prima, che la tecnologia sia soltanto uno strumento e che spetti alla scuola decidere liberamente se utilizzarla oppure no. Sarebbe una posizione rassicurante: noi stabiliamo che cosa vogliamo fare, poi scegliamo gli strumenti più adatti.

Il problema è che gli strumenti, quando diventano sufficientemente potenti e diffusi, possono modificare l’ambiente nel quale quelle stesse finalità devono essere perseguite. Non ci dicono necessariamente dove andare, ma possono rendere impraticabili alcune strade che utilizzavamo oppure aprirne altre che non possiamo semplicemente fingere che non esistano.

È quindi arrivato il momento di rivolgere la domanda contro la posizione sostenuta nel primo articolo.

Esistono situazioni nelle quali l’IA obbliga davvero la scuola a cambiare?

Che cosa significa essere obbligati?

La parola obbligo richiede qualche cautela. Una tecnologia non possiede intenzioni pedagogiche e non può impartire ordini alla scuola. Può però modificare alcune condizioni esterne in modo tale che continuare a comportarsi esattamente come prima non consenta più di raggiungere gli stessi obiettivi.

È una forma di obbligo molto diversa da quella contenuta nella retorica dell’innovazione.

Se una nuova tecnologia rende possibile preparare una presentazione più rapidamente, non per questo la scuola è obbligata a utilizzarla. Se invece rende una nostra procedura di valutazione incapace di fornire l’informazione per la quale l’avevamo progettata, siamo davanti a un problema differente. Possiamo certamente decidere di non utilizzare l’IA, ma non possiamo decidere che la condizione che ha prodotto non esista.

La distinzione potrebbe essere formulata così:

L’IA non ci obbliga a cambiare perché è nuova. Può obbligarci a cambiare quando modifica una condizione necessaria per raggiungere una finalità educativa che continuiamo a considerare importante.

Il criterio si sposta quindi dalla tecnologia alla finalità. Non cambiamo perché l’IA può fare qualcosa, ma perché, dopo che può farlo, alcune nostre pratiche potrebbero non funzionare più come prima.

Il caso più evidente: la valutazione

La valutazione offre probabilmente l’esempio più immediato.

Per molto tempo abbiamo utilizzato determinati artefatti prodotti dagli studenti come indizi delle loro conoscenze e capacità. Un testo scritto a casa, una relazione, una traduzione, un programma informatico, una sintesi o la soluzione argomentata di un problema potevano essere considerati, con tutte le cautele del caso, una traccia del lavoro cognitivo svolto da chi li aveva prodotti.

L’intelligenza artificiale indebolisce questa relazione.

Uno studente può oggi consegnare un testo corretto, ben strutturato e concettualmente adeguato senza avere necessariamente compiuto il lavoro cognitivo che quel testo, fino a poco tempo fa, ci permetteva ragionevolmente di supporre. Naturalmente poteva accadere anche prima: copiature, aiuti esterni e lavori svolti da altri non sono stati inventati dall’IA. Ciò che cambia è la facilità, la qualità e la disponibilità continua dell’assistenza.

Il problema non è allora che gli studenti possano “barare con l’IA”. Una formulazione di questo genere ridurrebbe una trasformazione strutturale a un problema disciplinare.

Il problema più profondo è che il prodotto può aver perso parte del proprio valore come evidenza del processo che vogliamo valutare.

Se ciò che ci interessa è verificare la capacità dello studente di costruire un’argomentazione, non possiamo più assumere automaticamente che la qualità dell’argomentazione contenuta nell’artefatto consegnato corrisponda alla sua capacità personale di costruirla.

Questo non significa necessariamente tornare soltanto a compiti sorvegliati, interrogazioni senza strumenti o esami tradizionali. Significa che dobbiamo ripensare quali evidenze ci consentano di formulare un giudizio attendibile: osservazione del processo, discussione del prodotto, spiegazione delle scelte, confronto fra versioni, ricostruzione del percorso, capacità di modificare e difendere ciò che è stato prodotto.

In questo caso l’IA non ci ha detto quale debba essere la finalità della valutazione. Ha però modificato le condizioni nelle quali cercavamo di perseguirla.

Di chi è la prestazione?

Dietro il problema della valutazione ce n’è uno ancora più generale.

Quando una persona lavora con un sistema artificiale, il risultato che osserviamo appartiene alla configurazione persona+IA. Può essere un risultato eccellente e può persino essere migliore di quello che la persona avrebbe potuto ottenere da sola. Questo ha un valore evidente in molti contesti professionali: se il compito è risolvere bene un problema, interessa la qualità complessiva della soluzione e non necessariamente quale componente della configurazione abbia svolto ogni singola operazione.

A scuola, però, non sempre possiamo ragionare nello stesso modo, perché uno degli obiettivi è modificare le capacità della persona.

Se uno studente, grazie all’IA, produce un’analisi molto migliore di quella che riuscirebbe a realizzare autonomamente, abbiamo certamente osservato un aumento della prestazione del sistema studente+IA. Non sappiamo ancora che cosa sia cambiato nello studente.

Potrebbe avere imparato molto durante l’interazione: formulato domande, confrontato alternative, riconosciuto errori, raffinato concetti, riorganizzato il proprio pensiero. Oppure potrebbe essersi limitato a ottenere un prodotto migliore delegando quasi interamente il lavoro cognitivo.

La differenza è enorme, ma il prodotto finale potrebbe non mostrarla.

Quando la prestazione diventa distribuita, la scuola deve capire dove si trova l’apprendimento.

Questo problema non rende illegittimo lavorare con l’IA. Al contrario, rende necessario progettare attività nelle quali sia possibile osservare non soltanto ciò che la configurazione riesce a produrre, ma anche ciò che la persona sta costruendo attraverso quella configurazione.

Sapere fare da soli o sapere fare con l’IA?

A questo punto emerge una difficoltà ancora maggiore. Potremmo essere tentati di risolvere il problema distinguendo nettamente ciò che uno studente deve saper fare da solo da ciò che può fare con l’IA. Ma anche questa separazione rischia di diventare troppo semplice.

Nella vita reale utilizziamo continuamente strumenti esterni. Scrittura, libri, calcolatrici, motori di ricerca, software, mappe e banche dati fanno parte delle nostre configurazioni cognitive. Non avrebbe senso definire competente soltanto chi sappia svolgere ogni attività senza alcun supporto.

L’IA rende però molto più radicale questa questione perché non si limita a conservare informazioni o eseguire operazioni rigidamente determinate. Può partecipare alla formulazione stessa del problema, proporre interpretazioni, costruire argomentazioni, individuare errori, suggerire strategie e produrre direttamente una parte considerevole dell’artefatto finale.

Diventa allora più difficile stabilire dove debba collocarsi il confine fra capacità interna e capacità distribuita.

La risposta non può essere semplicemente «bisogna saper usare l’IA». Saper ottenere un buon risultato da un sistema artificiale è certamente una capacità, ma non ci dice quanto occorra comprendere del dominio nel quale quel risultato viene prodotto. E la risposta opposta, secondo cui prima bisognerebbe saper fare tutto autonomamente e soltanto dopo utilizzare l’IA, rischia di ignorare che alcune capacità potrebbero svilupparsi proprio attraverso un’interazione ben progettata con questi sistemi.

Torniamo così a una questione già incontrata parlando di conoscenza interna ed esternalizzata: quanto dobbiamo sapere per poter utilizzare consapevolmente ciò che non sappiamo?

L’IA non fornisce la risposta, ma rende molto più urgente formularla.

Quando cambia il significato dell’autonomia

Anche una finalità apparentemente stabile come l’autonomia può assumere un significato differente quando cambia l’ambiente.

Tradizionalmente tendiamo ad associare l’autonomia alla capacità di svolgere un’attività senza assistenza. È un significato importante e non va abbandonato con leggerezza. Una persona che può agire soltanto quando dispone di uno strumento esterno possiede una forma di autonomia diversa da chi conserva capacità interne utilizzabili anche quando quello strumento manca, sbaglia o viene manipolato.

Ma in un ambiente nel quale sistemi artificiali saranno disponibili in moltissime attività, autonomia potrebbe significare anche saper decidere quando utilizzarli, quando non utilizzarli, che cosa delegare, come controllare ciò che producono e quando interrompere la delega.

Non sarebbe molto autonomo chi rifiutasse qualsiasi strumento e non sapesse operare nel mondo nel quale vive. Ma non sarebbe autonomo nemmeno chi fosse capace di ottenere ottime prestazioni soltanto affidandosi a sistemi dei quali non sa valutare il funzionamento e i risultati.

L’autonomia, quindi, non coincide né con l’indipendenza assoluta dagli strumenti né con la capacità di utilizzarli efficacemente.

In questo senso l’esistenza dell’IA potrebbe costringerci non ad abbandonare una finalità educativa, ma a ridefinirne le condizioni concrete.

Anche l’errore cambia significato

C’è un altro aspetto meno evidente. L’IA modifica il costo di molte operazioni cognitive. Possiamo ottenere rapidamente spiegazioni, riformulazioni, esempi, correzioni e soluzioni. In molti casi questo costituisce un vantaggio straordinario, perché permette di iterare, confrontare alternative e ricevere assistenza proprio nel momento in cui ne abbiamo bisogno.

Ma proprio la facilità dell’assistenza può modificare il ruolo di alcune esperienze che tradizionalmente appartenevano all’apprendimento.

Provare prima di conoscere la soluzione, restare per qualche tempo dentro un problema, formulare un’ipotesi incompleta, accorgersi di un errore e tentare una nuova strada sono attività inefficienti se l’obiettivo è arrivare rapidamente alla risposta. Possono però essere importanti quando l’obiettivo è costruire una capacità.

Non significa attribuire un valore morale alla fatica o difendere una pedagogia della sofferenza. Molte difficoltà scolastiche sono semplicemente inutili e, se una tecnologia permette di eliminarle, non abbiamo alcuna ragione per conservarle.

Il problema consiste nel distinguere la fatica inutile dalla fatica produttiva, cioè quella parte di lavoro che non rappresenta un ostacolo all’apprendimento ma ne costituisce il processo.

Quando una tecnologia rende possibile eliminare quasi ogni difficoltà, la scuola deve diventare più consapevole di quali difficoltà abbia senso eliminare e quali invece debbano, almeno temporaneamente, rimanere a carico dello studente.

Paradossalmente, quanto più potente diventa l’assistenza, tanto più importante diventa decidere quando non fornirla.

Un interlocutore che prima non c’era

Finora abbiamo considerato soprattutto i problemi prodotti dall’IA. Ma una trasformazione delle condizioni educative può avvenire anche perché compare una possibilità che prima era difficilmente realizzabile.

Uno studente può oggi avere a disposizione un interlocutore con cui discutere un concetto, chiedere una spiegazione alternativa, mettere alla prova un’ipotesi, costruire esempi e controesempi, ricevere obiezioni, simulare una discussione, farsi interrogare o chiedere feedback durante il lavoro.

Naturalmente la qualità di questa interlocuzione deve essere controllata. L’IA può sbagliare, assecondare eccessivamente l’interlocutore, produrre argomentazioni apparentemente solide ma fragili sul piano epistemico. Non è un esperto responsabile al quale trasferire il giudizio.

Eppure la possibilità esiste.

Se riteniamo educativamente importante che uno studente possa esplorare idee attraverso il dialogo, ricevere feedback frequente e confrontarsi con interpretazioni differenti, dobbiamo almeno domandarci se sia ragionevole ignorare uno strumento che rende queste condizioni molto più accessibili.

Qui il ragionamento è diverso dall’imperativo tecnologico. Non diciamo che, poiché esiste un interlocutore artificiale, dobbiamo utilizzarlo. Partiamo invece da una finalità educativa già riconosciuta e ci chiediamo se una nuova tecnologia permetta di perseguirla in modi prima difficili o impossibili.

È precisamente questo il passaggio che mancava nel falso imperativo: la finalità viene prima della prescrizione tecnologica e fornisce il criterio con cui valutarla.

L’IA entra comunque nella scuola

Esiste poi una forma di cambiamento che non dipende dalla decisione istituzionale di adottare una tecnologia.

Gli studenti utilizzano l’IA fuori dalla scuola e continueranno a farlo. La incontreranno nei motori di ricerca, negli strumenti di scrittura, nei software professionali, nei servizi informativi e probabilmente in applicazioni nelle quali la sua presenza diventerà sempre meno visibile. Anche una scuola che decidesse di non adottare ufficialmente sistemi di IA opererebbe quindi in un ambiente nel quale i propri studenti li utilizzano.

Questo fatto non dimostra che l’IA debba essere incorporata in ogni disciplina o attività. Dimostra però che la non-adozione non equivale alla conservazione della situazione precedente.

La scuola può decidere di vietare determinati utilizzi, limitarne altri, progettare attività senza IA e crearne altre nelle quali sia necessario utilizzarla. Ciò che difficilmente può fare è assumere che il problema scompaia semplicemente perché la tecnologia non viene inserita ufficialmente nel curriculum.

In questo senso anche il rifiuto dell’IA diventa una scelta pedagogica che deve essere motivata, esattamente come la sua adozione.

Cambiare per non perdere

Possiamo ora tornare alla domanda iniziale.

L’intelligenza artificiale obbliga davvero la scuola a cambiare?

La risposta comincia a diventare meno semplice di quanto suggeriscano sia l’entusiasmo sia lo scetticismo tecnologico.

L’IA non obbliga la scuola a cambiare semplicemente perché è una tecnologia nuova, potente o destinata a diffondersi. Non stabilisce quali finalità educative dobbiamo perseguire e non trasforma automaticamente ogni propria possibilità in una buona pratica pedagogica.

Può però modificare le condizioni nelle quali cerchiamo di perseguire finalità che continuiamo a considerare importanti. Può indebolire il valore di alcune evidenze utilizzate nella valutazione, separare maggiormente la qualità del prodotto dalle capacità di chi lo presenta, rendere più complesso il rapporto fra conoscenza interna ed esterna, modificare le condizioni concrete dell’autonomia e rendere disponibili forme di assistenza e interlocuzione prima difficilmente accessibili.

Quando accade questo, continuare esattamente come prima non rappresenta necessariamente una difesa della scuola.

Potrebbe significare non accorgersi che è cambiato il terreno sul quale la scuola sta cercando di svolgere il proprio compito.

A volte dobbiamo cambiare non perché sia cambiato ciò che vogliamo ottenere, ma perché sono cambiate le condizioni nelle quali cerchiamo di ottenerlo.

Questa conclusione, però, apre un problema ancora più difficile. Finora abbiamo ragionato come se fosse possibile distinguere abbastanza chiaramente le finalità della scuola dalle trasformazioni della realtà: prima decidiamo che cosa riteniamo importante, poi osserviamo se il nuovo ambiente ci costringe a modificare le pratiche attraverso le quali cerchiamo di realizzarlo.

Ma possiamo davvero mantenere questa separazione?

Se cambia profondamente il mondo nel quale una persona dovrà conoscere, lavorare, scegliere e partecipare alla vita sociale, possiamo stabilire ciò che vale la pena insegnarle senza tenere conto di quel cambiamento? E, all’opposto, se assumiamo direttamente le trasformazioni del mondo come criterio del curriculum, che cosa rimane della funzione della scuola di fornire gli strumenti per comprendere e giudicare proprio quella realtà?

È qui che incontriamo il prossimo problema della serie.

La realtà non è il curriculum. Ma nessun curriculum può essere pensato fuori dalla realtà.