Come l'AI sta ottimizzando l'istruzione per la performance, invece che per l’effettivo apprendimento.

Ciao e buon lunedì!

Il 2 maggio 2023, il CEO di Chegg, la più grande piattaforma americana di tutoraggio online, ha aperto una conference call con gli investitori usando una frase emblematica: "Da marzo abbiamo osservato un picco significativo nell'interesse degli studenti per ChatGPT. Riteniamo che stia avendo un impatto [negativo, NdR] sulla crescita del numero di nuovi utenti."

Quello stesso giorno, il titolo Chegg è crollato del 48% in una singola seduta. In borsa, era la prima volta che un'azienda quotata ammetteva pubblicamente di essere in crisi a causa dell'intelligenza artificiale generativa, e non sarebbe stata l'ultima.

La storia di Chegg racconta qualcosa di preciso sull'istruzione e sull'AI, che vorrei provare ad analizzare di seguito.

Chegg era nata come un servizio di noleggio libri universitari. Nel tempo si era trasformata in qualcosa di più grande: una biblioteca di soluzioni ai compiti per casa, accessibile a pagamento, con oltre 60 milioni di problemi risolti in matematica, fisica, chimica e scienze. Gli studenti pagavano tra i 15 e i 20 dollari al mese per accedere alle risposte, e Chegg guadagnava.

Il modello aveva però un difetto implicito di cui forse non tutti si erano resi conto: non era un servizio nato per aiutare ad imparare ma, piuttosto, un servizio che aiutava a rispondere correttamente.

ChatGPT ha fatto la stessa cosa gratis, meglio e in tempo reale. Risultato: tra il lancio di ChatGPT nel novembre 2022 e il primo trimestre del 2025, il numero di abbonati Chegg è sceso del 31%, i ricavi sono calati del 30% a 121 milioni di dollari e il titolo ha perso il 99% del suo valore, bruciando 14,5 miliardi di dollari di capitalizzazione. (Fonte: Gizmodo, febbraio 2025; European Business Magazine, aprile 2026)

Ma la domanda che questa storia solleva non è sulla disruption tecnologica: è su cosa stesse vendendo Chegg in tutti quegli anni, e perché milioni di studenti lo compravano.

In soldoni, Chegg stava vendendo la possibilità di evitare la fatica cognitiva. Stava vendendo la risposta senza il processo. E se milioni di studenti pagavano per ottenerla, significa che il sistema educativo aveva già, da tempo, favorito la performance a discapito dell'apprendimento.

L'AI non ha fatto altro che amplificare questo problema.

La tentazione, di fronte a questa storia, è di adottare una posizione netta: o l'AI è uno strumento straordinario per democratizzare l'istruzione, oppure è una minaccia alla capacità cognitiva delle generazioni future.

Entrambe le posizioni hanno basi empiriche. Ed entrambe, prese singolarmente, considerano solo parte della realtà.

Sul fronte positivo, i dati degli ultimi due anni sono solidi. Una meta-analisi pubblicata su Nature nel 2026, basata su 35 studi e 4.193 partecipanti, ha rilevato un effetto moderatamente positivo dell'uso di ChatGPT sugli esiti di apprendimento degli studenti, con un miglioramento statisticamente significativo sia delle competenze cognitive che di quelle non cognitive. (Fonte: Liu et al., Humanities and Social Sciences Communications, Nature, 2026) Un secondo studio dell'Università di Harvard, pubblicato su Scientific Reports nel 2025, ha mostrato che un AI tutor progettato secondo principi pedagogici rigorosi supera in efficacia la didattica attiva tradizionale in classe. (Fonte: Kestin et al., Scientific Reports, 2025)

Sul fronte opposto, uno studio pubblicato su PNAS nel giugno 2025 dai ricercatori della Wharton School dell'Università della Pennsylvania ha misurato l'effetto dell'AI sull’apprendimento in un contesto reale, con un campione di quasi 1.000 studenti delle superiori in Turchia, divisi in tre gruppi. Un gruppo usava un chatbot standard (simile a ChatGPT senza istruzioni particolari), un secondo gruppo usava un AI tutor progettato con specifici accorgimenti pedagogici, il terzo non usava in alcun modo l’AI. Il risultato era paradossale: gli studenti con il chatbot standard miglioravano significativamente durante le sessioni di pratica ma, quando veniva impedito l'accesso all'AI e misurata la loro capacità autonoma, quegli stessi studenti mostravano un calo delle prestazioni rispetto a chi non aveva usato l'AI. Avevano imparato a usare il sistema. Non avevano imparato la matematica. (Fonte: Bastani et al., PNAS, 2025)

In sostanza, l'AI può migliorare la performance ma non necessariamente l'apprendimento.

Nel 1994, Robert Bjork, psicologo cognitivo dell'UCLA, Università della California a Los Angeles, ha pubblicato uno dei concetti più controintuitivi della scienza dell'apprendimento: le "desirable difficulties", che potrei tradurre con “difficoltà auspicabili”. La tesi era questa: le condizioni che rendono l'apprendimento più difficile e lento nel breve periodo sono spesso quelle che producono una ritenzione più profonda e duratura nel lungo periodo.

Alcuni esempi di “desirable difficulties” potrebbero essere: fare pratica distribuita nel tempo invece di concentrarla in un'unica sessione, intercalare argomenti diversi invece di studiarli in blocchi separati, essere costretti a recuperare attivamente un'informazione invece di rileggerla passivamente. Tutte queste strategie rallentano la performance immediata ma tutte producono un apprendimento significativamente più solido.

Il meccanismo cognitivo è ben noto: quando il cervello deve fare fatica per recuperare un'informazione, quel processo di recupero stesso rafforza la traccia mnemonica. La difficoltà non è un ostacolo all'apprendimento ma ne è il principale coadiuvante.

Un sistema ottimizzato “by design” per fornire risposte immediate, precise e senza attrito elimina strutturalmente quella fatica, inficiando la qualità dell’apprendimento stesso.

Un preprint del MIT Media Lab pubblicato nel giugno 2025 ha misurato le conseguenze neurologiche di questo processo su 54 partecipanti, con elettroencefalografia (EEG), durante sessioni di scrittura di un saggio. Tre gruppi: chi scriveva senza strumenti, chi usava un motore di ricerca, chi usava ChatGPT. Il gruppo che usava l'AI mostrava fino al 55% di connettività cerebrale ridotta rispetto a chi non usava strumenti. Dopo quattro mesi, l'83% degli utenti AI non era in grado di citare correttamente i propri saggi, come se non li avessero scritti loro. Gli autori dello studio hanno parlato di "debito cognitivo", ovvero l'accumulo nel tempo di costi cognitivi legati alla dipendenza dall'AI. (Fonte: Kosmyna et al., MIT Media Lab, arXiv preprint, giugno 2025)

Va detto con chiarezza: questo studio è un preprint, ovvero non ha ancora superato la revisione formale da parte di esperti indipendenti, i cosiddetti peer reviewer. Il campione è piccolo, i metodi EEG applicati hanno ricevuto critiche metodologiche da altri ricercatori, e i risultati non possono ancora essere generalizzati. Lo cito solamente perché la direzione della ricerca è rilevante e coerente con altri studi. Ma è un dato ancora preliminare.

Il punto che rimane, indipendentemente da quel singolo studio, è quello già sollevato da Bjork trent'anni fa e confermato da decenni di ricerca cognitiva: esistono tipi di difficoltà che non andrebbero rimossi dall'apprendimento, perché sono parte costitutiva di esso.

A questo punto però, è fondamentale chiedersi cosa intendiamo davvero per “imparare”?

Se imparare significa acquisire la capacità di produrre una risposta corretta, allora un tutor AI ben progettato è uno strumento straordinario, forse il più democratico mai inventato. Se imparare significa invece costruire strutture cognitive autonome e la capacità di ragionare in assenza di supporto esterno, allora un sistema progettato per eliminare la fatica potrebbe essere decisamente controproducente.

Non è una domanda nuova. Platone la pose già nel Fedro, quando Socrate criticava la scrittura come tecnologia che indebolisce la memoria: chi si affida alle parole scritte, diceva, avrà solo l'apparenza del sapere, non la sua sostanza. Evidentemente Socrate aveva torto sulla scrittura, ma la struttura del problema, la differenza tra la capacità di accedere a un'informazione e quella di incorporarla come competenza propria, è la stessa che stiamo affrontando oggi.

L'AI Act europeo, entrato in vigore nell'agosto 2024, non entra nel merito pedagogico di questi sistemi. La regolamentazione esistente tratta i sistemi di AI nell'istruzione come sistemi “ad alto rischio” che richiedono supervisione umana e documentazione, ma non definisce cosa costituisca un uso educativamente responsabile della tecnologia. Quella definizione è lasciata alle scuole, ai docenti, alle famiglie. Spesso senza gli strumenti opportuni per formularla. (Fonte: Parlamento Europeo, AI Act, 2024)

Credo che la scuola abbia già intrapreso da tempo una deriva che favorisce la performance, la velocità, il nozionismo, l’accumulo di competenze digitali a discapito degli aspetti che ritengo essere ben più importanti: la concentrazione, la capacità di astrazione, la capacità di tracciare collegamenti tra discipline o informazioni di domini differenti, la creatività.

I bambini di oggi imparano ad usare i tablet e i cellulari prima di saper scrivere in corsivo (sempre che gli venga insegnato). Se aggiungiamo l’uso dell’intelligenza artificiale al quadro complessivo, dobbiamo anche chiederci quale tipo di apprendimento stiamo ottimizzando, e sulla base di quali valori.

Un sistema che produce studenti capaci di rispondere correttamente ai test è ottimizzato per la misurazione. Un sistema che produce studenti capaci di ragionare in modo autonomo davanti a problemi che non hanno mai visto è ottimizzato per qualcosa di più difficile da misurare, ma probabilmente più utile.

L'AI ha ereditato questa dicotomia da un sistema scolastico che da decenni usa la misurazione della performance come proxy dell'apprendimento. Chegg non era una deviazione dal sistema ma la manifestazione massima della sua logica intrinseca.

Il problema vero è che si dovrà decidere quale tipo di capacità vogliamo che i nostri studenti sviluppino. Nonostante per alcuni genitori esista la possibilità di fare delle scelte controcorrente, ad esempio iscrivendo i propri figli a scuole che adottano sistemi pedagogici differenti dagli istituti pubblici, il tema sociale rimane diffuso e merita di essere approfondito su un piano che non ha nulla a che vedere con la tecnologia.

La prossima volta che usi l'AI per fare qualcosa che potresti fare da solo, fatti una domanda prima di farlo: sto usando questo strumento per liberare spazio mentale su qualcosa di più importante, o sto usando questo strumento per evitare la “fatica auspicabile” che avrebbe dato come risultato la competenza?

La fatica cognitiva non è solo un costo, anzi, spesso è un investimento. Saperla distinguere dalla fatica inutile è, forse, la competenza più importante che l'era dell'AI richiede.

A lunedì prossimo.

Alberto

Fonti principali di questo numero: