L’intelligenza artificiale può rendere più semplice ottenere una spiegazione, sintetizzare un documento o generare un esercizio. Ma la disponibilità immediata di risposte non coincide necessariamente con un apprendimento migliore.Il vero problema della formazione contemporanea, infatti, non è più soltanto l’accesso ai contenuti. Studenti, professionisti e lavoratori possono scegliere tra corsi online, webinar, tutorial, manuali digitali e piattaforme specializzate. Eppure, nonostante questa abbondanza, molti percorsi vengono abbandonati, le conoscenze acquisite si disperdono rapidamente e ciò che viene studiato fatica a trasformarsi in una competenza utilizzabile.È in questa distanza tra accesso all’informazione e costruzione della competenza che l’intelligenza artificiale può offrire il contributo più interessante. Non come semplice chatbot a cui rivolgere una domanda, ma come infrastruttura capace di accompagnare le persone nel tempo, collegando formazione, pratica, verifica e aggiornamento.La questione centrale non è quindi quanto velocemente l’AI riesca a rispondere, ma se sia in grado di creare continuità nell’apprendimento.Indice degli argomenti
Il limite della formazione intesa come eventoDal chatbot al sistema di apprendimento continuoCostruire una mappa dinamica delle competenzeRicordare è parte del percorsoImparare nel momento del bisognoUn buon tutor non risponde sempre subitoCosa cambia per studenti e professionistiDalla formazione aziendale allo sviluppo continuoMisurare la competenza, non la semplice partecipazioneIl ruolo umano non scompareI rischi della continuitàCome progettare la continuitàDall’informazione alla competenzaIl limite della formazione intesa come eventoUna parte consistente dell’offerta formativa continua a essere organizzata come una successione di eventi isolati: l’utente si iscrive a un corso, segue le lezioni, completa un test, riceve un attestato e conclude il percorso. Questo modello è semplice da amministrare e misurare, ma non rappresenta necessariamente il modo in cui le persone imparano. Il completamento di un corso dimostra che un contenuto è stato fruito; non garantisce che sia stato compreso, ricordato e applicato.Tra la formazione e il lavoro quotidiano si crea spesso una discontinuità. Una persona può affrontare un argomento durante un corso e averne bisogno settimane o mesi dopo, in un contesto diverso da quello degli esercizi proposti. Nel frattempo parte delle informazioni è stata dimenticata, il problema concreto presenta nuove variabili e il supporto formativo non è più disponibile.Le piattaforme tradizionali misurano prevalentemente ore di frequenza, percentuali di completamento e risultati dei quiz. Sono indicatori utili, ma insufficienti. Una persona può superare una verifica immediatamente dopo una lezione senza essere in grado di trasferire quella conoscenza in un caso reale. La formazione viene così trattata come un prodotto da distribuire, mentre l’apprendimento è un processo che richiede ritorni, tentativi, correzioni e applicazioni successive.Dal chatbot al sistema di apprendimento continuoL’utilizzo più diffuso dell’AI generativa nella formazione riproduce ancora una logica episodica. L’utente formula una domanda, il sistema produce una risposta e l’interazione termina. Questo approccio può essere utile per chiarire un dubbio, ma non costruisce automaticamente un percorso. Il chatbot non sempre conosce il livello della persona, ciò che ha già studiato, gli errori commessi in precedenza o gli obiettivi che intende raggiungere. Ogni conversazione rischia di ricominciare da zero.Un sistema di apprendimento continuo dovrebbe funzionare diversamente. Dovrebbe essere in grado di ricostruire una rappresentazione dinamica delle competenze, riconoscendo conoscenze consolidate, lacune, difficoltà ricorrenti e progressi. Su questa base potrebbe adattare esercizi, spiegazioni, verifiche e ripassi. La differenza non riguarda soltanto la qualità della singola risposta, ma la capacità di mantenere il filo dell’apprendimento nel tempo.Un tutor digitale realmente adattivo, per esempio, potrebbe osservare che uno studente comprende una regola teorica ma continua a sbagliare quando deve applicarla. Potrebbe quindi:Ridurre le spiegazioni astratte e teoriche;Proporre problemi progressivamente più complessi;Confrontare gli errori metodologici e verificare se la competenza viene trasferita a situazioni nuove.Allo stesso modo, un professionista potrebbe ricevere soltanto gli aggiornamenti rilevanti rispetto alle competenze già possedute, senza dover ripercorrere ogni volta i contenuti introduttivi.Costruire una mappa dinamica delle competenzePer personalizzare un percorso non basta classificare una persona come principiante, intermedia o avanzata. Le competenze sono generalmente più frammentate. Uno sviluppatore può conoscere bene un linguaggio di programmazione e avere difficoltà nella progettazione del software, nella scrittura dei test o nella sicurezza del codice. Un responsabile commerciale può conoscere il prodotto, ma non riuscire a gestire alcune obiezioni. Uno studente può ricordare una formula senza comprenderne realmente le condizioni di applicazione.L’AI può contribuire alla costruzione di una mappa più granulare attraverso test diagnostici, esercizi pratici, analisi delle risposte aperte, simulazioni e osservazione degli errori. Il profilo dovrebbe aggiornarsi man mano che la persona svolge nuove attività. Non si tratterebbe di un’etichetta definitiva, ma di una rappresentazione provvisoria e correggibile: ciò che la persona sa, ciò che sembra sapere, ciò che non riesce ancora ad applicare e ciò che rischia di dimenticare.Una mappa di questo tipo permetterebbe di superare i percorsi uguali per tutti. Due persone iscritte allo stesso corso potrebbero ricevere approfondimenti differenti, esercizi diversi e richiami mirati, pur condividendo gli stessi obiettivi generali. La personalizzazione, però, non dovrebbe limitarsi alla semplificazione del linguaggio. Può riguardare l’ordine degli argomenti, il livello di difficoltà, il contesto degli esempi, la frequenza dei ripassi e il grado di autonomia richiesto.Un buon sistema non elimina la difficoltà: cerca di collocarla nel punto in cui può produrre apprendimento.Ricordare è parte del percorsoUno dei limiti della formazione digitale è l’attenzione quasi esclusiva dedicata alla fase di erogazione. Il contenuto viene pubblicato, visualizzato e considerato completato. Ciò che avviene nelle settimane successive rimane spesso invisibile. L’intelligenza artificiale può sostenere pratiche come il recupero attivo delle informazioni, la ripetizione distribuita nel tempo e il ritorno sugli errori. Invece di proporre sempre nuovi contenuti, il sistema può riconoscere quando è necessario riprendere quelli precedenti.Dopo una lezione, per esempio, potrebbe chiedere alla persona di spiegare il concetto con parole proprie. Qualche giorno dopo potrebbe proporre una breve domanda. Successivamente potrebbe presentare un caso diverso, verificando se la conoscenza è diventata trasferibile.Il punto non è aumentare il numero delle notifiche o dei quiz, ma intervenire quando il richiamo può consolidare la memoria. La continuità dipende anche dalla capacità di riconoscere che una competenza apparentemente acquisita può indebolirsi nel tempo. In questo senso, la memoria del sistema non serve soltanto a ricordare le preferenze dell’utente. Serve a ricordare il suo percorso.Imparare nel momento del bisognoL’AI può inoltre ridurre la distanza tra il momento in cui si studia e quello in cui la conoscenza deve essere utilizzata. Nelle aziende questo significa integrare la formazione negli strumenti e nei processi di lavoro.Uno sviluppatore può ricevere indicazioni mentre analizza una vulnerabilità; un tecnico può consultare una procedura contestualizzata durante un intervento; un dipendente può essere guidato nell’utilizzo di un nuovo applicativo; un responsabile può esercitarsi su una conversazione difficile attraverso una simulazione. È il principio del learning in the flow of work: l’apprendimento non viene confinato in uno spazio separato, ma entra nel flusso delle attività reali.Questa vicinanza al problema può rendere la formazione più rilevante e memorabile. Tuttavia, presenta anche un rischio: se l’AI fornisce direttamente la soluzione, la persona può completare l’attività senza sviluppare la capacità di affrontarla autonomamente. Un supporto ben progettato dovrebbe quindi dosare l’assistenza. In alcuni casi può mostrare una procedura; in altri dovrebbe offrire un indizio, formulare una domanda o chiedere di confrontare possibili alternative.Un buon tutor non risponde sempre subitoGran parte degli assistenti AI viene valutata in base alla velocità e alla completezza della risposta. Nell’apprendimento, però, la risposta più efficiente non è sempre quella più utile. Se uno studente chiede la soluzione di un esercizio e il sistema la produce immediatamente, il risultato può essere corretto senza che sia avvenuto alcun apprendimento. Lo stesso accade quando un professionista delega sistematicamente la scrittura, l’analisi o il processo decisionale.La qualità di un tutor AI dovrebbe essere misurata anche dalla capacità di non sostituirsi alla persona. Il sistema potrebbe chiedere di formulare un’ipotesi, fornire indizi progressivi, invitare a motivare una scelta o proporre un controesempio. Potrebbe mostrare la soluzione completa soltanto dopo aver verificato i tentativi dell’utente.L’obiettivo non sarebbe ridurre ogni sforzo, ma evitare lo sforzo improduttivo e preservare quello necessario alla costruzione della competenza. Questo cambia radicalmente la progettazione dei sistemi educativi. L’interfaccia non dovrebbe ottimizzare soltanto la soddisfazione immediata dell’utente, ma anche la sua autonomia futura.Cosa cambia per studenti e professionistiPer gli studenti, la continuità può tradursi in piani di studio adattivi, simulazioni di esame, esercizi generati sulle lacune effettive e feedback più frequenti. Il sistema potrebbe aiutare lo studente non soltanto a comprendere una materia, ma a osservare il proprio metodo: quali argomenti tende a evitare, quali errori ripete, quando confonde familiarità e comprensione, quanto riesce a recuperare senza consultare gli appunti. Si aprirebbe così uno spazio importante per la metacognizione, cioè per la capacità di comprendere come si sta imparando.Per i professionisti il bisogno è differente. Spesso non serve un nuovo corso completo, ma un aggiornamento selettivo. È necessario capire che cosa è cambiato, perché è rilevante e quali conoscenze precedenti devono essere riviste. Il Future of Jobs Report del World Economic Forum stima che il 39% delle competenze fondamentali richieste nel mercato del lavoro cambierà nei prossimi anni. AI, big data, reti e cybersecurity figurano tra le aree in più rapida crescita, insieme a competenze umane come creatività, resilienza e flessibilità.In questo scenario, l’aggiornamento non può essere affidato esclusivamente a corsi occasionali. Occorrono sistemi capaci di individuare gli scostamenti tra competenze disponibili e competenze richieste, suggerendo attività mirate e verificandone l’effettiva acquisizione.Dalla formazione aziendale allo sviluppo continuoNelle organizzazioni, l’intelligenza artificiale può collegare dati e strumenti che oggi rimangono spesso separati: piattaforme LMS, ruoli aziendali, obiettivi, documentazione interna, attività svolte e competenze richieste.Un percorso di onboarding, per esempio, potrebbe adattarsi alle esperienze del nuovo dipendente. Chi conosce già determinati strumenti potrebbe concentrarsi sui processi specifici dell’organizzazione; chi incontra difficoltà potrebbe ricevere esercitazioni aggiuntive e supporto contestuale.Lo stesso principio può essere applicato alla cybersecurity. Una formazione uguale per tutti produce spesso contenuti generici. Un sistema adattivo potrebbe proporre simulazioni di phishing al personale amministrativo, esercizi di secure coding agli sviluppatori e scenari sulla gestione degli accessi agli amministratori di sistema. La personalizzazione, in questo caso, non è un espediente per rendere il corso più piacevole. Serve a collegare il rischio, il ruolo e i comportamenti effettivamente richiesti.Anche la conoscenza interna può diventare materiale formativo: procedure, ticket risolti, manuali, casi aziendali e registrazioni possono essere trasformati in guide, simulazioni ed esercizi. Ma un sistema AI non corregge automaticamente una base documentale disordinata. Se le fonti sono obsolete, contraddittorie o incomplete, renderà più semplice accedere a informazioni sbagliate. L’adozione richiede quindi governance dei contenuti, versionamento, responsabilità editoriali e verifica delle fonti.Misurare la competenza, non la semplice partecipazioneLa continuità richiede anche metriche differenti. Ore di formazione, accessi alla piattaforma e corsi completati descrivono la partecipazione. Per capire se l’apprendimento ha prodotto valore occorre osservare la capacità di risolvere problemi, la riduzione degli errori, l’autonomia, il trasferimento delle conoscenze e il mantenimento delle competenze nel tempo.L’AI può raccogliere segnali più frequenti rispetto a un test finale, analizzando esercizi, simulazioni e attività. Questa possibilità, tuttavia, deve essere gestita con cautela. I dati sull’apprendimento possono rivelare difficoltà, punti deboli, aspirazioni e prestazioni individuali. In un contesto aziendale, la distinzione tra supporto formativo e controllo del lavoratore può diventare sottile.Un principio dovrebbe rimanere centrale: i dati raccolti per aiutare una persona a imparare non dovrebbero trasformarsi automaticamente in dati utilizzati per giudicarla.Il ruolo umano non scompareL’utilizzo dell’AI nella formazione viene spesso descritto attraverso l’alternativa tra sostituzione e rifiuto. È una contrapposizione poco utile. L’intelligenza artificiale può aumentare la frequenza del feedback, adattare materiale, generare esercizi e individuare schemi negli errori. Ma la definizione degli obiettivi, la qualità dei contenuti, la gestione della motivazione e la valutazione delle situazioni ambigue richiedono responsabilità umana.Il docente non dovrebbe diventare il semplice controllore dei contenuti prodotti dalla macchina. Il suo ruolo può spostarsi verso la progettazione dell’esperienza, l’interpretazione dei bisogni e la costruzione di attività in cui l’AI venga utilizzata in modo consapevole.Anche le istituzioni internazionali insistono su un approccio centrato sulla persona. L’UNESCO raccomanda protezione dei dati, adeguatezza pedagogica, validazione etica e supervisione umana nell’adozione dell’AI generativa in ambito educativo. L’OECD evidenzia contemporaneamente le opportunità della personalizzazione e i rischi legati a bias, privacy, sicurezza, perdita di competenze ed eccessiva dipendenza dagli strumenti. L’AI può aumentare la frequenza del feedback, ma non sostituisce la responsabilità educativa.I rischi della continuitàUn sistema che accompagna la persona nel tempo deve necessariamente raccogliere e conservare informazioni. Più il tutor conosce lo studente, più può personalizzare il percorso; ma maggiore è anche la quantità di dati sensibili trattati.Chi può accedere alla mappa delle competenze? Per quanto tempo vengono conservati gli errori? La persona può correggere il proprio profilo? Le valutazioni prodotte dal sistema possono influenzare l’accesso a un corso, una certificazione o un’opportunità professionale?Nel quadro europeo, alcuni impieghi dell’AI nell’istruzione e nella valutazione possono rientrare tra i sistemi ad alto rischio, mentre l’AI Act vieta, salvo limitate eccezioni mediche o di sicurezza, l’uso di sistemi destinati a inferire le emozioni negli istituti di istruzione e nei luoghi di lavoro.Oltre alla privacy esistono rischi cognitivi. Un sistema molto efficace può creare dipendenza, ridurre l’abitudine alla ricerca autonoma e produrre un’illusione di competenza. Comprendere una risposta generata non significa necessariamente essere in grado di ricostruirla o applicarla. Esiste inoltre un rischio di omologazione. Se milioni di persone apprendono attraverso sistemi che propongono strutture, esempi e soluzioni simili, l’efficienza può crescere mentre diminuiscono pluralità, esplorazione e originalità.La personalizzazione non deve quindi trasformarsi in una bolla educativa che mostra alla persona soltanto ciò che il sistema considera adatto al suo profilo.Come progettare la continuitàPer costruire un sistema di apprendimento continuo non è sufficiente collegare un modello linguistico a un catalogo di corsi. Occorrono almeno cinque elementi fondamentali:Una diagnosi iniziale: capace di ricostruire competenze, obiettivi e contesto senza ridurre la persona a un punteggio statico.Una base informativa affidabile: composta da materiali verificati, aggiornati e rintracciabili per minimizzare il rischio di allucinazioni.Un insieme di attività adattive: non soltanto spiegazioni, ma esercizi, simulazioni, richiami attivi e problemi reali.Una memoria controllabile: che permetta al sistema di seguire il percorso lasciando all’utente la possibilità di vedere, correggere o cancellare le informazioni conservate.Una valutazione autentica: orientata a ciò che la persona riesce a fare nel contesto reale e non soltanto a ciò che ha visualizzato su uno schermo.Le organizzazioni dovrebbero partire da un problema circoscritto: onboarding troppo lento, procedure difficili da reperire, errori ricorrenti, formazione obbligatoria inefficace o competenze che diventano rapidamente obsolete. L’obiettivo non dovrebbe essere “utilizzare l’intelligenza artificiale”, ma ottenere un risultato osservabile: ridurre il tempo necessario per raggiungere l’autonomia, migliorare la risoluzione dei problemi o mantenere una competenza dopo alcuni mesi.Dall’informazione alla competenzaIl contributo più rilevante dell’intelligenza artificiale alla formazione non consiste nella possibilità di generare più contenuti. Il problema contemporaneo non è la scarsità di informazioni, ma la difficoltà di trasformarle in conoscenze stabili e capacità operative.L’AI può creare un ciclo continuo: osservare, spiegare, far esercitare, verificare, richiamare e adattare. Può collegare il corso al lavoro, il primo tentativo agli errori successivi, la competenza acquisita alle sue evoluzioni. Per riuscirci, però, deve essere progettata come strumento educativo e non soltanto come macchina per produrre risposte.Il futuro della formazione non sarà semplicemente un chatbot a cui chiedere ciò che non sappiamo. Sarà, più probabilmente, un insieme di sistemi capaci di accompagnarci nel tempo, riconoscere ciò che stiamo dimenticando e aiutarci a utilizzare in modo autonomo ciò che abbiamo imparato. La vera innovazione non sarà eliminare il percorso di apprendimento. Sarà evitare che quel percorso si interrompa.
