In un'aula di un'università moscovita, una studentessa del quinto anno inserisce in una chat la richiesta per l'analisi di un caso di marketing a soli trenta minuti dalla scadenza. L'intelligenza artificiale genera un testo strutturato, completo di esempi e riferimenti. La ragazza ne corregge la forma e invia l'elaborato.
Uno studio pubblicato sulla rivista Frontiers in Education ha preso in esame proprio questo tipo di pratiche. Gli autori hanno intervistato oltre mille studenti di diversi paesi per analizzare come utilizzino i modelli generativi nello studio quotidiano. Il lavoro non si limita a delineare tendenze astratte, ma documenta scenari concreti: dalla preparazione dei seminari alla stesura delle tesi di laurea.
Il processo si articola in varie fasi. Lo studente formula l'incarico, riceve una bozza e poi la confronta con i propri appunti e i materiali delle lezioni. Il passaggio cruciale non è il semplice copia-incolla, quanto piuttosto la revisione e la verifica dei dati. Questo ciclo riduce il carico sulla memoria di lavoro e permette di passare più rapidamente alla fase analitica, saltando la mera ricerca di informazioni. L'analogia è semplice: l'intelligenza artificiale funge da assistente che dispone i mobili in una stanza, lasciando poi allo studente la scelta di dove mantenere lo spazio vuoto.
Secondo i dati della ricerca, circa il 65% degli intervistati ha utilizzato l'IA per compiti accademici almeno una volta. Tra gli effetti positivi emergono una maggiore velocità di preparazione e una migliore comprensione di argomenti complessi. Tuttavia, gli autori evidenziano dei limiti: il campione era composto principalmente da studenti di facoltà tecniche ed economiche, e i dati sono stati raccolti nell'arco di un solo semestre. Mancano osservazioni a lungo termine su come l'uso regolare di questi modelli possa influenzare la profondità del pensiero critico.
Da qui emerge una problematica più ampia. Quando uno strumento diventa più accessibile del consulto con un docente, si crea un divario tra chi sa formulare richieste efficaci e chi usa l'IA solo per ottenere una risposta pronta. Il sistema dell'istruzione superiore, basato sulla valutazione del lavoro autonomo, inizia a perdere la bussola: non è più chiaro se si debba premiare il risultato finale o il processo necessario per ottenerlo.
La questione oggi non è se sia opportuno autorizzare le reti neurali, ma come ristrutturare le prove d'esame. Gli incarichi dovrebbero richiedere ciò che l'IA non può ancora sostituire: una posizione personale e la responsabilità delle proprie argomentazioni.
