AI literacy a scuola: quattro competenze che valgono più di un prompt

Saper usare un chatbot non significa essere competenti nell’IA

Quando si parla di intelligenza artificiale a scuola, il rischio è ridurre tutto alla capacità di scrivere un buon prompt. È utile, ma non basta. Uno studente può ottenere una risposta convincente e non accorgersi che contiene errori, riflette un pregiudizio, utilizza dati personali in modo inappropriato o non è adatta allo scopo per cui è stata generata.

Il quadro di AI literacy pubblicato il 18 giugno 2026 da OCSE e Commissione europea propone un obiettivo più serio: costruire conoscenze, abilità e atteggiamenti che permettano agli studenti di comprendere come funzionano i sistemi di IA, valutarne gli output e utilizzarli in modo etico, creativo e responsabile. Non è un nuovo programma separato da aggiungere all’orario: è una lente con cui ripensare attività già presenti nelle discipline.

• Conoscenze: capire dati, modelli, limiti e ruolo delle decisioni umane.
• Abilità: verificare, confrontare, progettare, comunicare e risolvere problemi.
• Atteggiamenti: essere curiosi, riflessivi, responsabili, adattabili ed empatici.
• Contesto: scegliere quando l’IA è utile, quando non serve e quando può produrre danni.

Quattro domini: interagire, creare, gestire e orientare

Le 19 competenze del framework sono organizzate in quattro domini: Engage with AI, Create with AI, Manage AI e Shape AI. In italiano possiamo leggerli come interagire con l’IA, creare con l’IA, gestire l’IA e contribuire a orientarla. La sequenza evita due estremi: vietare ogni strumento per paura oppure adottarlo senza domande perché è nuovo.

Ogni competenza combina aspettative progressive, scenari didattici e riferimenti a conoscenze, abilità e atteggiamenti. Questo rende il quadro utilizzabile dalla primaria alla secondaria: cambia la profondità dell’attività, non l’idea di fondo. Anche senza account o software avanzati è possibile lavorare su classificazione, confronto delle fonti, progettazione di criteri e analisi degli impatti.

• Interagire: riconoscere dove opera l’IA e valutare se accettare, correggere o rifiutare un output.
• Creare: integrare l’IA nel processo creativo senza perdere originalità, attribuzione e controllo.
• Gestire: scegliere lo strumento adatto, scomporre il problema e monitorare l’uso dell’IA.
• Orientare: valutare e progettare sistemi considerando dati, utenti, limiti e impatto sociale.

1. Interagire con l’IA: riconoscerla e non subirla

La prima competenza non consiste nel fare domande a un assistente. Consiste nel riconoscere dove l’IA influenza ciò che vediamo: raccomandazioni, filtri, classificazioni, traduzioni, rilevamento di contenuti e sistemi che personalizzano l’esperienza. Gli studenti devono imparare a distinguere una descrizione tecnica da frasi ingannevoli come “l’IA pensa” o “l’IA sa”.

L’attività più semplice è “IA oppure no?”. Il docente presenta esempi quotidiani e chiede agli studenti di motivare la classificazione. Il livello successivo è analizzare due risposte sullo stesso argomento e decidere se accettarle, modificarle o respingerle, verificando almeno una fonte primaria e spiegando il criterio usato. La risposta corretta conta, ma conta ancora di più il percorso di controllo.

• Individua lo scopo del sistema e quali dati potrebbe utilizzare.
• Separa fatti, inferenze e opinioni presenti nell’output.
• Controlla data, autorevolezza e coerenza delle fonti.
• Annota cosa è stato accettato, corretto o rifiutato e perché.

2. Creare con l’IA: prima l’idea, poi lo strumento

Creare con l’IA non significa delegare il prodotto finale. Il framework suggerisce di far emergere prima le idee degli studenti e soltanto dopo confrontarle con proposte generate. In questo modo è possibile osservare come lo strumento influenza originalità, fiducia e decisioni, invece di trasformarlo in una scorciatoia invisibile.

Un compito ben progettato conserva le tracce del processo: bozza iniziale, prompt, output ricevuti, revisioni, fonti controllate e riflessione conclusiva. Lo studente deve saper spiegare quali suggerimenti ha usato, adattato o ignorato. Vanno inoltre affrontati autenticità, diritto d’autore e attribuzione: un risultato tecnicamente bello non è automaticamente corretto o lecito.

• Produrre una prima ipotesi senza IA per rendere visibile il pensiero personale.
• Usare l’IA per generare alternative, controargomentazioni o prototipi.
• Confrontare gli output con obiettivi e criteri definiti prima della generazione.
• Dichiarare l’uso dello strumento e documentare le scelte umane decisive.

3. Gestire l’IA: decidere quando serve davvero

La competenza più trascurata è scegliere se usare l’IA. Il framework invita a partire dalla natura del compito: cercare una fonte, riassumere un testo, calcolare, sostenere una persona, sviluppare un’idea o prendere una decisione non sono attività equivalenti. Alcune possono essere supportate; altre richiedono responsabilità, empatia o giudizio che non possono essere delegati.

Gli studenti possono scomporre un progetto di ricerca in fasi e indicare per ciascuna quale strumento usare, quali dati non condividere, quale controllo effettuare e chi resta responsabile del risultato. Questa analisi sviluppa problem solving e pensiero computazionale molto più di un elenco di app “consigliate”, destinato a diventare rapidamente obsoleto.

• Definisci il problema prima di scegliere la tecnologia.
• Confronta IA generativa, motore di ricerca, calcolatore e lavoro umano.
• Non inserire dati personali, riservati o documenti scolastici senza una base autorizzata.
• Prevedi un controllo umano proporzionato alle conseguenze dell’errore.

4. Orientare l’IA: passare da utenti a progettisti critici

Il quarto dominio chiede agli studenti di osservare un sistema dal punto di vista di chi lo progetta. Per chi è stato costruito? Quali utenti sono stati dimenticati? Con quali dati viene valutato? Quali errori sono accettabili e quali producono conseguenze ingiuste? Anche senza programmare un modello, queste domande fanno capire che ogni sistema incorpora scelte umane.

Una buona esercitazione consiste nel progettare la scheda di un ipotetico strumento per la scuola: obiettivo, utenti previsti, dati utilizzati, casi in cui non va usato, criteri di successo, possibili abusi e modalità per raccogliere feedback. Poi gruppi diversi testano la proposta con casi limite. Lo scopo non è vendere un’app immaginaria, ma scoprire limiti e impatti prima dello sviluppo.

• Dichiarare utenti previsti, finalità e situazioni escluse.
• Costruire test che includano casi normali, eccezioni e gruppi diversi.
• Valutare accuratezza insieme a equità, accessibilità, privacy e benessere.
• Proporre modifiche concrete quando il sistema non soddisfa i criteri.

Una lezione pronta: verificare una risposta in 90 minuti

Il percorso può iniziare con una sola attività interdisciplinare. Il docente sceglie una domanda collegata alla disciplina e prepara un output generato in anticipo, includendo almeno un’affermazione corretta, una incompleta e una dubbia. Gli studenti non devono produrre altro testo: devono analizzare quello esistente.

In gruppi, classificano le affermazioni, cercano fonti affidabili, propongono correzioni e presentano una decisione motivata: accettare, rivedere o rifiutare. Alla fine ogni studente scrive una breve riflessione individuale. L’IA diventa così oggetto di indagine e non scorciatoia per evitare lo studio.

• 15 minuti: leggere il compito e definire i criteri di affidabilità.
• 25 minuti: scomporre l’output in affermazioni verificabili.
• 25 minuti: confrontare fonti primarie e annotare le evidenze.
• 15 minuti: presentare la decisione del gruppo e rispondere alle obiezioni.
• 10 minuti: riflessione individuale su errore, scelta e responsabilità.

Valutare la competenza, non la brillantezza dell’output

Se il voto premia soltanto il prodotto finale, uno studente può ottenere un risultato elegante senza aver compreso nulla. Una rubrica coerente con l’AI literacy valuta invece definizione del problema, qualità delle verifiche, uso responsabile dei dati, motivazione delle scelte, consapevolezza dei limiti e capacità di comunicare il processo.

Le linee guida europee aggiornate nel 2026 insistono su scenari, domande guida, pensiero critico e gestione dei rischi. La valutazione deve quindi chiedere prove osservabili: fonti annotate, revisioni, confronto tra alternative, dichiarazione dell’uso dell’IA e riflessione personale. Vietare ogni traccia dello strumento non misura la competenza; lasciare tutto invisibile non misura l’apprendimento.

• Problema e criteri: lo studente sa cosa sta cercando di ottenere.
• Controllo: verifica fatti e coerenza con fonti adeguate.
• Decisione: spiega perché accetta, modifica o rifiuta un suggerimento.
• Responsabilità: protegge dati, attribuisce contributi e considera gli impatti.
• Riflessione: riconosce cosa ha imparato e cosa resta incerto.

Da una policy sull’uso a un curricolo di cittadinanza

Una scuola non costruisce AI literacy limitandosi a un regolamento su ciò che è consentito. Serve una progressione condivisa tra discipline, con attività accessibili anche quando gli strumenti cambiano. Il framework OCSE–Commissione europea offre una base comune, mentre le linee guida UE sull’uso etico e sulla disinformazione aiutano a collegare privacy, verifica delle fonti, benessere e responsabilità educativa.

Il primo passo concreto è scegliere poche competenze per classe, progettare prove autentiche e raccogliere evidenze del processo. Se vuoi trasformare il framework in un percorso adatto al tuo istituto, posso aiutarti a costruire attività, rubriche di valutazione e formazione per i docenti, mantenendo al centro apprendimento, inclusione e controllo umano. Contattami per impostare un progetto sostenibile, non dipendente dalla moda del prossimo strumento.