Progettare sistemi di IA che fanno crescere persone e conoscenza

Quando introduciamo un sistema di intelligenza artificiale in un’organizzazione, dovremmo chiederci quali capacità vogliamo sviluppare nelle persone che lo utilizzeranno. Il tempo risparmiato conta. Conta anche che cosa accade alla conoscenza, all’autonomia professionale e alla capacità di assumere decisioni fondate.

Due letture pubblicate nel settembre 2026 offrono prospettive utili per affrontare questa domanda. Working with AI, del gruppo di ricerca dell’Università di Auckland, propone un modello per progettare la collaborazione tra persone e sistemi di IA. Educating minds with generative AI, di Laura Desiree Di Paolo, Andy Clark e Thomas Wachter, invita a riconsiderare le condizioni e gli scopi dell’apprendimento. Le leggo come un invito a rendere esplicite le scelte che accompagnano l’adozione tecnologica.

La collaborazione richiede un progetto

Il white paper di Auckland mette in relazione cinque dimensioni: persona, sistema di IA, compito, organizzazione e società. Propone di valutare il successo anche attraverso l’esperienza dei lavoratori e la qualità della collaborazione. Nel caso illustrativo, 30 partecipanti assemblano una valvola con un robot che porge gli utensili. Possono sperimentare configurazioni diverse e scegliere come interagire. Un errore deliberato del robot riduce la fiducia dichiarata; nella prova successiva, con comportamento corretto, la fiducia risale. Il risultato riguarda un’attività di laboratorio circoscritta: non dimostra effetti duraturi sulla produttività aziendale, né consente di generalizzare ai sistemi generativi. [1]

Per chi guida un’impresa, questi elementi suggeriscono una domanda concreta: il lavoratore può davvero intervenire nel processo? In un progetto di IA per il servizio clienti, per esempio, occorre stabilire chi verifica una risposta, quando un caso deve passare a una persona e come si conserva ciò che si è imparato da un errore. È un esempio di progettazione che propongo, non un’applicazione verificata dal white paper.

L’informatica moderna è sociale. Ogni scelta sul funzionamento di un sistema entra nelle relazioni di lavoro, influenza la distribuzione delle responsabilità e può cambiare il valore riconosciuto alle competenze. Per questo la formazione deve accompagnare anche le persone che definiscono obiettivi e processi, oltre a chi utilizza l’interfaccia.

Valutare la competenza oltre il risultato

Educating minds with generative AI è un articolo di prospettiva sottoposto a revisione scientifica, non un nuovo esperimento. Gli autori descrivono la scuola come un ambiente nel quale pratiche sociali, materiali e tecnologie contribuiscono a formare il pensiero. Individuano un divario tra progettazione dell’IA e scienze dell’apprendimento, e un secondo tra prestazioni misurabili e sviluppo della persona. Mettono inoltre in discussione la concentrazione di spiegazione, feedback e valutazione in un’unica interfaccia. Le conseguenze cognitive e sociali di lungo periodo restano da studiare. [2]

La distinzione interessa anche la formazione degli adulti. Un elaborato ben scritto da un sistema generativo non ci dice, da solo, se chi lo presenta ha compreso il problema. Nella progettazione dei percorsi DKTS considero essenziale chiedere alla persona di spiegare le proprie scelte e affrontare situazioni nuove. La verifica deve rendere visibile il contributo dell’IA e quello di chi la utilizza.

Immaginiamo un esercizio di formazione aziendale: il sistema propone una soluzione a un problema organizzativo, i partecipanti ne controllano le premesse e discutono quali informazioni mancano. Poi ciascuno affronta un caso diverso, motivando la propria decisione. È una proposta didattica da sperimentare e valutare, anche a distanza di tempo, per capire quali conoscenze sono rimaste disponibili.

Conoscenza e responsabilità nella decisione

Uso spesso quattro verbi: chiedo, ottengo, valuto, decido. Sono un promemoria per mantenere consapevole il rapporto con i sistemi di IA. La domanda richiede già una scelta: definire il problema, riconoscere il contesto e capire quali informazioni servono. La valutazione richiede conoscenza. La decisione impegna la responsabilità di una persona e dell’organizzazione in cui opera.

L’Intelligenza Artificiale è una disciplina. La sua adozione richiede una cultura capace di mettere in relazione competenze tecnologiche e comprensione delle persone. Nella mia esperienza, l’incontro tra formazione umanistica e tecnologia ha reso possibile concepire i problemi da prospettive diverse. È questa capacità che vorrei continuare a coltivare anche nella formazione professionale.

Per DKTS, valorizzare la conoscenza significa chiedersi anche dove rimanga l’esperienza maturata durante il lavoro. Se un sistema produce una sintesi, chi ne verifica le fonti? Se emerge un errore, come diventa conoscenza condivisa? Se una persona esperta riconosce un’eccezione, come rendiamo comprensibile il suo ragionamento ai colleghi? Sono domande da porre prima di automatizzare un processo.

Lo stesso criterio deve orientare l’inclusione. Dal mio punto di vista, l’accesso alla formazione e la possibilità di incidere sulle decisioni sono condizioni da verificare per tutte le persone, comprese quelle con minore familiarità digitale. L’esperienza di chi conosce un mestiere può aiutare a valutare ciò che un sistema propone; deve trovare spazio nella progettazione e nel confronto.

Sperimentare e verificare nel tempo

La mia proposta è partire da un problema riconoscibile e definire in anticipo come valuteremo il risultato. Accanto a tempi e qualità del servizio, osserviamo la capacità di riconoscere gli errori, spiegare le scelte e affrontare un caso senza assistenza quando serve. Una sperimentazione delimitata permette di capire che cosa modificare prima di estendere l’uso del sistema.

Prima sperimentare, poi validare e continuare a osservare. Le esigenze possono cambiare con l’esperienza delle persone e con gli aggiornamenti dei sistemi. Anche i criteri di valutazione devono restare aperti alla revisione.

Abbiamo bisogno di intelligenze: umana, artificiale, collettiva, organizzativa e scientifica. Farle lavorare insieme richiede cura per le condizioni nelle quali le persone apprendono e decidono. Il valore dell’innovazione si vede anche qui: nella conoscenza che resta nelle organizzazioni e nella capacità delle persone di usarla con responsabilità.

Riferimenti

[1] Yuqian Lu, Regina Lee, Rui Zhou, Lixin Jiang, Andrew McDaid e Amy Lawrence. Working with AI: A Design Framework for Human-AI Collaboration. University of Auckland, settembre 2026; versione arXiv depositata il 25 settembre 2026. White paper, revisione scientifica non indicata.
https://doi.org/10.48550/arXiv.2609.31793

[2] Laura Desiree Di Paolo, Andy Clark e Thomas Wachter. Educating minds with generative AI. Communications Psychology, 4, 128, 14 settembre 2026. Articolo di prospettiva sottoposto a revisione scientifica.
https://doi.org/10.1038/s44271-026-00522-8