Il panico per «i miei compiti sono stati scritti dall’IA» è finito: ecco cosa lo ha sostituito

Quando ChatGPT è diventato disponibile al pubblico, gli educatori hanno iniziato a immaginare lo scenario peggiore.

Gli studenti non avrebbero più scritto i propri temi. 

Sarebbe diventato impossibile fidarsi dei compiti da svolgere a casa. 

E da qualche parte un LLM avrebbe prodotto un tema perfettamente accettabile, di cinque paragrafi, su Il grande Gatsby, mentre il suo presunto autore giocava ai videogiochi in un’altra stanza.

La preoccupazione era comprensibile. Per la prima volta, gli studenti avevano accesso gratuito a una tecnologia in grado di produrre testi convincenti su quasi qualsiasi argomento. Ma, a diversi anni dall’inizio dell’era dell’IA generativa, il dibattito si sta facendo più complesso.

Gli studenti continuano a usare l’IA. Anzi, il suo utilizzo è diventato estremamente diffuso. Un sondaggio del 2025 dell’Higher Education Policy Institute, condotto su oltre 1.000 studenti universitari del Regno Unito, ha rilevato che il 92% usava l’IA in qualche forma, mentre l’88% aveva utilizzato l’IA generativa per le valutazioni. Una ricerca sulla classe 2025 della UCLA ha rilevato, analogamente, che il 73% degli studenti dell’ultimo anno che hanno risposto al sondaggio usava l’IA generativa per svolgere i propri compiti.

Eppure, non è detto che questi studenti chiedano a ChatGPT di completare un compito dall’inizio alla fine. Fanno ricerche sugli argomenti, raccolgono idee, si preparano agli esami, correggono i testi, chiedono spiegazioni di concetti difficili e, a volte, generano alcune parti dei compiti.

Questo solleva una domanda importante per gli educatori: gli studenti capiscono davvero ciò che consegnano?

Il problema dei rilevatori di IA

La risposta ai compiti generati dall’IA è stata un’altra forma di IA: il software di rilevamento.

Se gli studenti potevano usare un algoritmo per scrivere un tema, forse gli educatori potevano usarne un altro per scoprirli.

C’è solo un problema: il rilevamento dell’IA non equivale a una prova.

Fin dai primi tempi della diffusione dell’IA generativa, i ricercatori hanno espresso preoccupazione per i falsi positivi e i falsi negativi. Uno studio del 2023 pubblicato su The International Journal of Management Education ha rilevato una sovrapposizione nel modo in cui i rilevatori classificavano i testi autentici e quelli generati dall’IA, con il rischio che si verificassero entrambi i tipi di errore.

Ricerche più recenti suggeriscono che la sfida di fondo persiste. Una valutazione del 2026 pubblicata su Computers & Education ha messo alla prova 13 rilevatori di contenuti generati dall’IA su compiti, tesi e codice autentici realizzati da studenti. I ricercatori hanno concluso che le prestazioni dei rilevatori restavano inadeguate per decisioni accademiche importanti e hanno rilevato che i contenuti generati dall’IA e poi modificati riuscivano spesso a eludere il rilevamento.

Questo non rende inutili gli strumenti di rilevamento. Tuttavia, rende difficile considerarli la soluzione principale al problema del lavoro accademico svolto con l’ausilio dell’IA.

Questo solleva anche una questione più ampia.

Anche un rilevatore perfettamente funzionante direbbe a un educatore soltanto se probabilmente un testo è stato generato dall’IA. Non gli direbbe se è avvenuto un apprendimento.

Immaginiamo due studenti:

• Il primo chiede a un chatbot basato sull’IA di scrivere un intero compito, apporta qualche modifica e lo consegna senza capire l’argomentazione.
• Il secondo usa l’IA per farsi spiegare un concetto che fatica a comprendere, pone domande di approfondimento, raccoglie possibili argomentazioni, scrive il compito in autonomia e poi usa di nuovo lo strumento per individuare i punti deboli della prima bozza.

Entrambi hanno usato l’IA. Ma, dal punto di vista educativo, hanno fatto due cose molto diverse.

«Hai usato l’IA?» sta diventando la domanda sbagliata

L’IA generativa non è più una macchina per scrivere con un’unica funzione.

Gli studenti possono usarla come editor, tutor, partner per raccogliere idee, traduttore, assistente alla ricerca, supporto alla programmazione o strumento di studio. Inoltre, le funzionalità basate sull’IA vengono integrate sempre più spesso nei software che le persone già usano.

Anche gli studenti stessi riconoscono la differenza. Nel sondaggio globale sugli studenti del 2025 di Chegg, l’80% degli studenti universitari intervistati ha dichiarato di aver usato l’IA generativa per supportare i propri studi. Tra questi, il 56% l’ha usata principalmente per capire concetti o argomenti. Allo stesso tempo, il 53% era preoccupato di ricevere informazioni errate.

Quest’ultimo dato potrebbe essere importante quanto il primo, perché imparare a lavorare con l’IA significa anche imparare a stabilire se una risposta merita fiducia.

Un chatbot può suggerire fonti per un tema. Alcune potrebbero non esistere. Può migliorare un paragrafo, ma anche modificare impercettibilmente ciò che lo studente intendeva dire.

Più l’IA facilita la produzione di una risposta, più diventa importante avere le conoscenze necessarie per valutarla. È qui che il dibattito sull’integrità accademica comincia a trasformarsi in una riflessione sull’alfabetizzazione all’IA.

Gli studenti devono dimostrare di aver capito

Per decenni, elaborati completi e ben documentati sono spesso stati considerati una prova dell’apprendimento.

Uno studente consegna un saggio, una relazione di laboratorio, una presentazione o un programma e l’insegnante valuta il prodotto finale per stabilire quanto bene lo studente abbia compreso la materia.

L’IA generativa mette in discussione questa convinzione, perché oggi è possibile realizzare un prodotto finale curato senza che lo studente possieda necessariamente le conoscenze che quel prodotto sembra dimostrare.

Questo spinge gli insegnanti a guardare oltre il prodotto finale:

1. Chiedere allo studente di spiegare perché è giunto a una conclusione.
2. Chiedere quali prove gli abbiano fatto cambiare idea.
3. Chiedergli di difendere un’argomentazione a voce.
4. Chiedergli quale parte dell’elaborato abbia trovato più difficile.
5. Modificare una variabile del problema e chiedergli di risolverlo di nuovo.
6. Chiedergli di individuare un punto debole del proprio lavoro.

Se l’IA era consentita, chiedere come l’ha usata, che cosa ha apportato e che cosa ha scartato.

All’improvviso, produrre una risposta convincente è solo una parte dell’elaborato. Lo studente deve anche dimostrare di padroneggiare il ragionamento che ne è alla base.

I compiti dovrebbero rendere più visibile il processo

Per anni, gli strumenti digitali hanno reso sempre più facile concentrare la valutazione sul prodotto finito. L’IA generativa sta spingendo alcuni insegnanti nella direzione opposta: verso il processo che lo ha generato.

Questo potrebbe significare esaminare scalette e bozze, invece di valutare soltanto gli elaborati finali. Potrebbe voler dire integrare discussioni in classe o prove orali. Gli studenti potrebbero documentare come si è sviluppata la loro argomentazione, spiegare perché hanno scelto determinate fonti o riflettere sulle difficoltà incontrate.

L’IA può persino diventare parte integrante della valutazione.

Invece di dire agli studenti di non usare un chatbot, un insegnante potrebbe fornire una risposta generata dall’IA e chiedere loro di valutarla criticamente.

• Che cosa ha fatto bene il modello?
• Che cosa ha trascurato?
• Quali affermazioni devono essere verificate?
• Quali fonti servirebbero prima di considerare attendibile la risposta?
• Lo studente è in grado di elaborare un’argomentazione migliore?

È molto più difficile delegare queste attività, perché l’elaborato richiede ora capacità di giudizio umano. E il giudizio è proprio la competenza di cui gli studenti hanno bisogno quando l’IA può generare informazioni plausibili su richiesta.

L’alfabetizzazione all’IA diventa sinonimo di alfabetizzazione accademica

Un tempo, per «alfabetizzazione digitale» si intendeva soprattutto saper usare un computer, navigare in Internet e utilizzare i programmi più comuni.

La definizione si è fatta più articolata, perché saper cercare in Internet non era sufficiente. Era necessario anche saper valutare i siti web, riconoscere le fonti inaffidabili, proteggere le informazioni personali e capire che comparire in cima ai risultati di ricerca non rendeva automaticamente vera un’informazione.

L’alfabetizzazione all’IA sta attraversando una transizione simile: saper formulare un prompt è utile, ma è solo una parte delle competenze necessarie.

Gli studenti devono anche capire che cosa l’IA generativa è in grado di fare in modo affidabile e che cosa no. Devono riconoscere le allucinazioni, mettere in dubbio le risposte formulate con sicurezza, verificare le fonti, considerare la privacy e capire quando l’assistenza dell’IA supera il limite e finisce per sostituirsi al loro ragionamento.

Per distinguere tra i due casi, probabilmente serviranno tentativi ed errori in relazione all’obiettivo complessivo dell’apprendimento.

Usare l’IA per spiegare un concetto difficile potrebbe accelerare l’apprendimento. Chiederle di risolvere un problema prima di provare a farlo autonomamente potrebbe invece aggirare proprio il lavoro cognitivo che l’esercizio era stato pensato per sviluppare.

Il mondo fuori dall’aula

L’istruzione ha sempre guardato al futuro. Una volta diplomati, gli studenti portano con sé sul posto di lavoro le lezioni apprese a scuola. Ed è improbabile che gli ambienti di lavoro in cui entreranno siano privi di IA.

Gli assistenti IA vengono integrati nelle piattaforme creative e nei sistemi aziendali. Molti degli studenti di oggi potrebbero intraprendere carriere in cui ci si aspetta che sappiano usare l’IA in modo efficace. Per questo, un approccio categorico del tipo «niente IA» è sempre più difficile da sostenere come preparazione alla vita professionale.

Anche l’estremo opposto non è particolarmente utile.

Uno studente che non sa formulare un’argomentazione senza l’IA non è necessariamente più preparato a lavorare in un ambiente in cui si usa l’IA. E non lo è nemmeno uno studente che accetta un’analisi generata dall’IA senza verificarla.

La competenza preziosa consiste nel sapere cosa delegare e cosa no.

• L’IA può produrre una sintesi preliminare in pochi secondi. Una persona deve comunque avere conoscenze sufficienti sull’argomento per riconoscere cosa manca.
• Può generare codice. Qualcuno deve comunque sapere se il codice funziona, se è sicuro e se risolve il problema previsto.
• Può preparare una bozza di email per un cliente. Qualcuno deve comunque conoscere abbastanza bene il cliente da capire se inviargliela sia una pessima idea.

La padronanza dell’IA senza capacità di giudizio autonomo non è una grande padronanza.

La nuova questione dell’integrità accademica

Il problema originario dei copiatori esiste ancora. Gli studenti possono usare l’IA generativa per evitare di lavorare, proprio come hanno sempre trovato modi per farlo. Gli insegnanti devono ancora stabilire dei limiti che definiscano dove è consentito usare l’IA, dove è importante lavorare in autonomia e cosa costituisce una violazione dell’integrità accademica.

Ma il dibattito più ampio si è concentrato sull’idea che l’IA abbia reso incredibilmente facile creare la parvenza della conoscenza. Questo significa che l’istruzione deve diventare più efficace nel distinguere la parvenza della conoscenza dalla conoscenza stessa.

La vecchia domanda era: «È un lavoro tuo?»

La nuova domanda è: «Sai dimostrare che il ragionamento alla base di questo lavoro è tuo?»

È più difficile valutare la risposta a questa domanda. Per gli insegnanti, non basta sottoporre un tema a un rilevatore e aspettare che restituisca una percentuale. Vale comunque la pena impegnarsi di più. In fondo, i compiti a casa non sono una questione binaria: sono stati svolti oppure no. I compiti a casa riguardavano, e riguardano tuttora, il ragionamento necessario per svolgerli.