In un istituto di Mosca, un docente di informatica ha impiegato solo una settimana per assemblare, partendo da moduli predefiniti, un agente di intelligenza artificiale capace di analizzare gli errori degli studenti in algebra e proporre esercizi personalizzati. Il tutto è stato realizzato senza scrivere una singola riga di codice.
Questo metodo si fonda sulla teoria dell'attività sviluppata da A. N. Leont'ev e Y. Engeström. Alcuni ricercatori su arXiv (abs/2605.12934) hanno illustrato come i sei pilastri del sistema — soggetto, oggetto, strumenti, comunità, regole e divisione del lavoro — permettano all'insegnante di trasformare il concetto astratto di creazione di un agente in una sequenza operativa ben definita.
Inizialmente, il docente definisce l'obiettivo: ad esempio, alleggerire il carico di lavoro nella correzione dei test. Successivamente, seleziona gli strumenti necessari, attingendo a piattaforme già pronte come Teachable Machine o LangChain. Vengono poi stabilite le regole: i dati degli alunni devono rimanere confinati all'interno della scuola e l'agente non può prendere decisioni autonome senza la supervisione del docente. Mentre la comunità dei colleghi valuta i diversi scenari d'uso, la divisione del lavoro assegna i vari ruoli: chi si occupa dei dati, chi della revisione etica e chi dell'integrazione didattica. Grazie a questo schema, l'insegnante non percepisce più l'IA come una "scatola nera", bensì come un sistema pienamente gestibile.
I dati preliminari di uno studio pilota condotto in tre regioni della Russia rivelano che, al termine di un corso di 24 ore, il 78% dei partecipanti è stato in grado di implementare autonomamente un agente per la propria disciplina. Tuttavia, la portata dello studio rimane limitata dalla ridotta dimensione del campione e dall'assenza di un gruppo di controllo, senza contare che gli effetti a lungo termine sul rendimento scolastico devono ancora essere valutati. I critici sottolineano inoltre il rischio che i docenti, privi di una conoscenza approfondita degli algoritmi, possano finire per fidarsi ciecamente dei risultati generati dall'agente.
Questo approccio mette in luce la tensione esistente tra la crescente accessibilità degli strumenti di IA e la cronica mancanza di tempo a disposizione degli insegnanti per padroneggiarli. Se da un lato l'integrazione della creazione di agenti nelle attività quotidiane riduce le barriere d'ingresso, dall'altro aumenta inevitabilmente la dipendenza delle scuole dalle piattaforme esterne e dalle loro policy sulla riservatezza.
La questione centrale oggi non riguarda più la capacità tecnica dei docenti di creare agenti IA, quanto piuttosto la loro abilità nel definire regole e reti comunitarie attorno a tali strumenti, garantendo così il pieno controllo sul processo educativo.
