\n\n\n\n
![\"\"](\"https:\/\/www.cascolearning.it\/magazine\/wp-content\/uploads\/2026\/11\/image-669x1024.jpeg\")
<\/figure>\n\n\n\nChi \u00e8 Ethan Mollick<\/h3>\n\n\n\n
Ethan Mollick<\/strong> \u00e8 professore alla Wharton School dell\u2019Universit\u00e0 della Pennsylvania. Studia gli effetti dell\u2019intelligenza artificiale sul lavoro e sull\u2019educazione e dirige i Generative AI Labs<\/strong>. Ha appena pubblicato il volume Co-Existence. The next phase of AI<\/em> che \u00e8 la continuazione del suo precedente volume, pubblicato nel 2024, intitolato Co\u2011Intelligence: Living and Working with AI<\/em> (tradotto in italiano con il titolo L’intelligenza condivisa: Vivere e lavorare insieme all’AI<\/em><\/a> \u00a0–<\/em> Luiss University Press, 2025). Un volume diventato un punto di riferimento per chi cerca di comprendere l\u2019attuale fase dell\u2019intelligenza artificiale. \u00c8 autore anche della newsletter One Useful Thing<\/em> e le sue ricerche sulla \u00abfrontiera frastagliata<\/em>\u00bb (the Jagged Frontier<\/em>) delle capacit\u00e0 dell\u2019IA hanno contribuito a orientare il modo in cui imprese, scuole e decisori politici concepiscono questa tecnologia.<\/p>\n\n\n\n Nel 2024, dice Mollick, nella maggior parte dei compiti l\u2019IA era quasi certamente meno capace dell\u2019interlocutore umano. Oggi la situazione \u00e8 cambiata e occorre confrontarsi con sistemi pi\u00f9 potenti e con la prospettiva di ulteriori progressi anche se un\u2019intelligenza artificiale generale non \u00e8 stata certo raggiunta. Il problema della coesistenza si pone tuttavia anche prima dell\u2019apparire eventuale dell\u2019intelligenza artificiale generale. Anche capacit\u00e0 parziali ma elevate possono infatti produrre trasformazioni rilevanti.<\/p>\n\n\n\n La \u201cfrontiera frastagliata<\/strong>\u201d (the Jagged Frontier<\/em> ) delle capacit\u00e0 dell\u2019IA \u00e8 il concetto che rende comprensibile questa condizione. I confini fra ci\u00f2 che la macchina sa e non sa fare non corrispondono alla difficolt\u00e0 che un essere umano attribuirebbe ai compiti. Prestazioni sorprendenti possono convivere con errori elementari; inoltre, la frontiera si sposta in modo diseguale con l\u2019evoluzione dei modelli. Da qui derivano due rischi opposti: estendere a ogni ambito la fiducia generata da un successo oppure respingere l\u2019intera tecnologia dopo averne osservato un fallimento. Per Mollick, collaborare efficacemente richiede di imparare a riconoscere questa discontinuit\u00e0.<\/p>\n\n\n\n Cosa si intenda, visivamente, per frontiera frastagliata, \u00e8 facilmente comprensibile visitando il sito https:\/\/co-existence.ai\/<\/a> dedicato al volume e dove troviamo, ad esempio, il seguente schema interattivo che permette di simulare l\u2019idea di frontiera frastagliata<\/p>\n\n\n\n Una parte della nuova fase dipende dai modelli di ragionamento, che possono impiegare passaggi intermedi per pianificare e correggere le risposte, e dagli agenti, ai quali vengono affidate attivit\u00e0 articolate attraverso strumenti e ambienti operativi. La tesi di Mollick \u00e8 che una prestazione straordinaria non garantisce affidabilit\u00e0 negli altri compiti<\/strong>, neppure in quelli che giudichiamo pi\u00f9 facili. Per questo dobbiamo conoscere le capacit\u00e0 dell\u2019IA rispetto all\u2019attivit\u00e0 concreta che vogliamo affidarle. A scuola, per esempio, un sistema potrebbe risolvere un esercizio avanzato e poi dare un suggerimento didattico inadeguato o non riconoscere un proprio errore. Saper risolvere il problema e saper aiutare uno studente a comprenderlo sono capacit\u00e0 da verificare separatamente.<\/p>\n\n\n\n In Co-Existence<\/em> dunque Mollick affronta una situazione in cui l\u2019intelligenza artificiale pu\u00f2 gi\u00e0 superare gli esseri umani in alcune attivit\u00e0 intellettuali, pur rimanendo inaffidabile in altre. Da qui la domanda: come vivere, lavorare e continuare a sviluppare capacit\u00e0 proprie accanto ai sistemi AI? Il tema AI e educazione attraversa questa domanda ben oltre il capitolo che le \u00e8 espressamente dedicato, perch\u00e9 il libro torna ripetutamente sulle condizioni in cui la collaborazione con l\u2019IA rafforza o indebolisce il pensiero umano.<\/p>\n\n\n\n In realt\u00e0 gi\u00e0 in L\u2019intelligenza condivisa<\/em> Mollick dedicava un capitolo all\u2019IA come tutor e uno all\u2019IA come coach: vi comparivano il riferimento a Bloom, la crisi (chiamata Apocalisse<\/em>) dei compiti a casa, il sostegno all\u2019apprendimento attivo e il problema di come continuare a formare persone esperte. La novit\u00e0 di Co-Existence<\/em> non coincide quindi con la scoperta del potenziale educativo dell\u2019IA o dei rischi della delega. Il secondo volume riprende queste domande in una situazione tecnologica diversa e le sviluppa attraverso ulteriori risultati di ricerca e problemi di attuazione.<\/p>\n\n\n\n Anche la frontiera frastagliata era gi\u00e0 presente nel primo libro. Mollick la introduceva infatti nel primo dei quattro principi della co-intelligenza per spiegare perch\u00e9 occorresse sperimentare direttamente le capacit\u00e0 dei sistemi. In Co-Existence<\/em> diventa il riferimento che organizza l\u2019intero ragionamento: capacit\u00e0 pi\u00f9 elevate non producono una competenza uniforme, e lo spazio della collaborazione umana dipende ancora dal riconoscimento delle discontinuit\u00e0. La continuit\u00e0 riguarda quindi sia l\u2019interesse educativo sia il modo di interpretare la tecnologia.<\/p>\n\n\n\n Nel capitolo 3 dell\u2019Intelligenza condivisa<\/em> Mollick propone quattro principi generali per lavorare con l\u2019IA. Non sono istruzioni riservate alla scuola: definiscono una postura che aiuta a comprendere anche le successive proposte educative. Si tratta di regole abbastanza generali cos\u00ec da rimanere utili anche mentre cambiano i modelli.<\/p>\n\n\n\n Il primo \u00e8 \u00abaggiungi un posto a tavola per la AI<\/strong>\u00bb. L\u2019invito \u00e8 a coinvolgerla nelle attivit\u00e0 per cui non sussistano impedimenti etici o legali, perch\u00e9 l\u2019esperienza diretta permette di scoprirne opportunit\u00e0 e limiti. Lo stesso paragrafo affronta la dipendenza e la possibilit\u00e0 di perdere capacit\u00e0 di giudizio: sperimentare non significa affidarle indiscriminatamente le decisioni. Co-Existence<\/em> conserva questo invito all\u2019esplorazione, affiancandogli una trattazione esplicita delle circostanze in cui usare l\u2019IA ostacola l\u2019apprendimento o sottrae valore all\u2019attivit\u00e0.<\/p>\n\n\n\n Il secondo \u00e8 \u00absii l\u2019umano nel processo<\/strong>\u00bb. L\u2019intervento della persona incorpora giudizio, esperienza e responsabilit\u00e0, riconosce gli errori plausibili e contrasta la fiducia acritica. Mollick lo presenta anche come una condizione per continuare a imparare. Nel nuovo libro questo principio incontra la possibilit\u00e0 di delegare a un agente senza seguirne ogni passaggio: la responsabilit\u00e0 umana viene esercitata anche attraverso la definizione degli obiettivi e la valutazione del lavoro concluso.<\/p>\n\n\n\n Il terzo \u00e8 \u00abtratta la AI come una persona (ma cerca di capire che tipo di persona sia)<\/strong>\u00bb. La formula introduce un\u2019analogia operativa: assegnare ruoli e contesto pu\u00f2 orientare l\u2019interazione. Mollick chiarisce per\u00f2 che il linguaggio antropomorfico \u00e8 metaforico e discute i rischi di inganno e di aspettative irrealistiche. Il ruolo di tutor, critico o collaboratore \u00e8 quindi un modo di indirizzare il sistema, non una prova che possieda le qualit\u00e0 umane corrispondenti.<\/p>\n\n\n\n Il quarto \u00e8 \u00abnon userete mai una AI peggiore di quella che state usando adesso<\/strong>\u00bb. \u00c8 la previsione di Mollick sul miglioramento dei sistemi e dei modi di utilizzarli, formulata mentre scrive alla fine del 2023. Il paragrafo anticipa anche l\u2019arrivo di agenti parzialmente autonomi. Co-Existence<\/em> sviluppa questo orizzonte, chiedendo di aggiornare il giudizio sulle capacit\u00e0 delle macchine senza scambiare i loro limiti attuali per confini permanenti.<\/p>\n\n\n\n Il capitolo 4 di Co-Existence<\/em> distingue tre modalit\u00e0 di collaborazione definite centauro<\/strong>, cyborg<\/strong>, conjurer<\/strong>.<\/p>\n\n\n\n Nel lavoro da centauro, persona e IA si dividono le attivit\u00e0 con passaggi riconoscibili. Nel lavoro da cyborg, i contributi si intrecciano durante il processo. Entrambe erano gi\u00e0 descritte nell\u2019Intelligenza condivisa<\/em>. La terza modalit\u00e0, quella dell\u2019evocatore, o conjurer<\/strong>, consiste nell\u2019affidare a un agente un obiettivo articolato, lasciargli eseguire il lavoro e valutarne il risultato. Le tre modalit\u00e0 rispondono a esigenze differenti: alcune attivit\u00e0 richiedono la presenza continua della persona, altre consentono una delega pi\u00f9 ampia.<\/p>\n\n\n\n A questa trasformazione corrisponde il passaggio dal prompt engineering, inteso come ricerca di formule particolarmente efficaci, al context engineering<\/strong>: fornire informazioni, obiettivi, vincoli e criteri di riuscita sufficientemente chiari. Mollick avvicina queste capacit\u00e0 alla gestione del lavoro e alla delega. La convenienza dell\u2019operazione dipende anche dal tempo necessario a controllare ci\u00f2 che l\u2019IA produce e dalla probabilit\u00e0 che lo produca correttamente. La velocit\u00e0 della generazione, presa da sola, non misura il vantaggio effettivo.<\/p>\n\n\n\n Questo passaggio precisa una previsione gi\u00e0 formulata nel primo volume. Nel paragrafo \u201cinsegnare la AI<\/em>\u201d, Mollick descriveva tecniche di prompting allora utili, ma ne considerava temporanea l\u2019importanza: sistemi migliori avrebbero compreso pi\u00f9 facilmente le intenzioni degli utenti. Raccomandava di insegnarne limiti, bias e impieghi contrari all\u2019etica, senza collocare l\u2019ingegneria del prompt al centro della scuola. La critica alla centralit\u00e0 educativa del prompting \u00e8 dunque una continuit\u00e0; il nuovo libro ne aggiorna le ragioni e sviluppa le competenze necessarie alla delega.<\/p>\n\n\n\n L\u2019autore illustra questa scelta attraverso la scrittura del proprio libro. Dichiara di redigere personalmente le bozze dei capitoli, perch\u00e9 scrivere gli serve a elaborare il pensiero e perch\u00e9 una prima versione generata potrebbe orientare le idee prima che siano maturate. Usa poi l\u2019IA per ricevere critiche, individuare fonti, controllare informazioni e superare alcuni blocchi di scrittura. \u00c8 un esempio della distinzione, ricorrente nel volume, fra le fasi in cui l\u2019aiuto accresce le possibilit\u00e0 della persona e quelle in cui rischia di sostituire un processo che la persona ha ragione di compiere.<\/p>\n\n\n\n Il nodo educativo di Co-Existence<\/em> emerge nel capitolo 5. Un assistente progettato per essere utile tende a fornire risposte e a ridurre la fatica dell\u2019interlocutore. Nell\u2019apprendimento, per\u00f2, una parte della fatica serve a costruire comprensione e memoria<\/strong>. Leggere una soluzione ben spiegata pu\u00f2 dare la sensazione di aver imparato, senza sviluppare la capacit\u00e0 di risolvere autonomamente il problema. Mollick richiama le \u201cdifficolt\u00e0 desiderabili<\/em>\u201d per spiegare perch\u00e9 la facilit\u00e0 dell\u2019interazione non sia un indicatore sufficiente della qualit\u00e0 dell\u2019apprendimento.<\/p>\n\n\n\n Il caso esemplare \u00e8 uno studio[1]<\/a> su studenti turchi: Mollick riferisce che l\u2019uso non vincolato di ChatGPT per l\u2019aiuto nei compiti si accompagna a risultati inferiori del 17% rispetto al gruppo senza IA, pur in presenza di maggiore sicurezza percepita. Quando il sistema viene istruito a comportarsi da tutor, l\u2019effetto negativo scompare. L\u2019autore distingue questo esito da un secondo studio, condotto a Taipei, nel quale un tutor opportunamente guidato migliora i punteggi. La differenza fra eliminare un danno e produrre un beneficio resta essenziale nella sua esposizione.<\/p>\n\n\n\n In sostanza si sostiene che la difficolt\u00e0 pu\u00f2 avere una funzione anche nella produzione di conoscenza. Richiamando il concetto di \u201cfallimento produttivo<\/em>\u201d, Mollick descrive come il tentativo di affrontare un problema prima di riceverne la soluzione possa preparare una comprensione pi\u00f9 profonda. Estende il ragionamento alla scrittura, alla ricerca e all\u2019imprenditorialit\u00e0, dove revisioni e insuccessi contribuiscono allo sviluppo dell\u2019esperienza. Precisa per\u00f2 che non ogni ostacolo \u00e8 formativo: esistono anche vicoli ciechi e lavoro sprecato. Occorre quindi decidere quali difficolt\u00e0 preservare e quali rimuovere.<\/p>\n\n\n\n La perdita di capacit\u00e0 attraverso il mancato esercizio<\/strong> costituisce un ulteriore rischio. Per evitarla, Mollick propone un uso intenzionale dell\u2019IA, che pu\u00f2 comprendere momenti di lavoro autonomo oppure interazioni in cui la persona chiede spiegazioni e continua a svolgere parti significative dell\u2019attivit\u00e0. Il libro mantiene cos\u00ec distinta l\u2019efficienza immediata dalla conservazione e dallo sviluppo delle competenze.<\/p>\n\n\n\n La proposta del tutoraggio ha una storia interna ai due volumi. Il capitolo 7 dell\u2019Intelligenza condivisa<\/em> si apriva con lo studio di Bloom del 1984[2]<\/a> e con l\u2019aspirazione a rendere accessibile un sostegno individualizzato di alta qualit\u00e0. L\u2019autore precisava gi\u00e0 che non tutti gli studi sul tutoraggio avevano riscontrato un impatto altrettanto significativo e che nessun metodo alternativo aveva regolarmente eguagliato o superato l\u2019effetto dei due sigma.<\/p>\n\n\n\n Il capitolo 8 di Co-Existence<\/em> si apre con la domanda se l\u2019IA possa aiutare a imparare<\/strong>. Mollick richiama un tutor di matematica su WhatsApp in Ghana, uno studio della Banca mondiale in Nigeria con supervisione docente e un esperimento a Harvard nel quale il tutoraggio IA produce un apprendimento circa doppio rispetto al confronto con lezioni di apprendimento attivo. Aggiunge una meta-analisi di oltre trenta esperimenti, che riporta effetti positivi dell\u2019uso controllato, particolarmente quando l\u2019interazione dura pi\u00f9 a lungo ed \u00e8 inserita in un ambiente strutturato. Sono evidenze che l\u2019autore considera incoraggianti per il tutoraggio ben progettato.<\/p>\n\n\n\n Lo stesso passaggio riconosce risultati nulli o negativi in altri esperimenti. \u201cIA in educazione<\/em>\u201d \u00e8 infatti un titolo che comprende impieghi differenti: il ruolo assegnato al sistema, il sostegno didattico che circonda l\u2019interazione e il coinvolgimento dell\u2019insegnante contribuiscono a determinarne l\u2019effetto. L\u2019uso non strutturato di un assistente per ottenere aiuto nei compiti non pu\u00f2 dunque essere assimilato al tutoraggio sperimentato entro condizioni definite.<\/p>\n\n\n\n La sezione sul tutor universale mostra concretamente come possa cambiare l\u2019interazione. A una richiesta di risolvere un problema il sistema risponde con la soluzione. Se invece gli si chiede di guidare la comprensione senza rivelare la risposta, specificando il livello scolastico, pu\u00f2 proporre passaggi e invitare lo studente a tentare. Aggiungere interessi personali consente analogie su misura, ma Mollick precisa che una spiegazione pi\u00f9 piacevole non necessariamente migliora l\u2019apprendimento. Distingue questa personalizzazione dalla possibilit\u00e0 di adattarsi a livelli di capacit\u00e0, lingue, culture e progressi nel tempo.<\/p>\n\n\n\n La multimodalit\u00e0<\/strong> amplia ulteriormente le possibilit\u00e0: il sistema pu\u00f2 ascoltare e osservare lo studente mentre affronta un\u2019attivit\u00e0. Parallelamente, i docenti possono produrre materiali personalizzati e giochi educativi, impiegando la conoscenza della classe e il proprio giudizio per controllare il contributo dell\u2019IA. In questa ricostruzione l\u2019insegnante interviene nella progettazione e nella verifica degli strumenti.<\/p>\n\n\n\n Per spiegare perch\u00e9 attribuisca al tutoraggio IA un potenziale diverso da precedenti innovazioni, Mollick ripercorre due diverse esperienze: One Laptop per Child e i MOOC. Il primo progetto affrontava l\u2019accesso ai dispositivi, i secondi l\u2019accesso ai contenuti; entrambi, nella sua lettura, hanno prodotto risultati inferiori alle promesse di trasformazione educativa. Restavano insufficienti l\u2019attenzione individualizzata, il riscontro sul lavoro dello studente e le condizioni sociali e motivazionali dell\u2019apprendimento. Nel caso dei MOOC sottolinea la distanza fra accedere alle lezioni di un\u2019universit\u00e0 e partecipare all\u2019esperienza formativa offerta da quell\u2019universit\u00e0.<\/p>\n\n\n\n Il tutor universale \u00e8 la proposta di rendere disponibile su larga scala quell\u2019attenzione individuale. Mollick richiama il problema dei due sigma di Benjamin Bloom, precisando che il celebre risultato del tutoraggio individuale non \u00e8 stato pienamente replicato. Non presenta quindi l\u2019IA come una soluzione gi\u00e0 dimostrata a quel problema: individua una possibilit\u00e0 da sviluppare e verificare. Denuncia inoltre l\u2019assenza, per quanto gli risulta, di un\u2019iniziativa su larga scala che costruisca uno strumento pensato fin dall\u2019origine per apprendere, lo sottoponga a prove rigorose e lo renda gratuitamente accessibile a ogni studente.<\/p>\n\n\n\n Nel primo libro, il tutor era inserito soprattutto nella prospettiva della scuola capovolta: acquisire contenuti fuori dall\u2019aula e utilizzare il tempo condiviso per applicazioni, discussioni e collaborazione. Mollick riteneva che l\u2019IA potesse aiutare i docenti a preparare materiali e attivit\u00e0, sostenendo gli studenti prima del lavoro in classe. Riconosceva che il valore del capovolgimento dipendeva dall\u2019effettivo apprendimento attivo e dalle risorse necessarie a realizzarlo. Il tutor non era quindi presentato come una ragione per superare la scuola, ma come una possibilit\u00e0 per riorganizzarne tempi e funzioni.<\/p>\n\n\n\n Nel secondo volume Mollick afferma che l\u2019IA sembra funzionare meglio quando \u00e8 integrata nell\u2019esperienza di classe, anzich\u00e9 impiegata per sostituire gli insegnanti. La sua ricostruzione delle promesse mancate dell\u2019EdTech attribuisce valore alla capacit\u00e0 di accorgersi della confusione di uno studente, porre la domanda adatta e modificare la spiegazione. Queste funzioni aiutano a comprendere perch\u00e9 l\u2019accesso alle informazioni, da solo, non basti a educare.<\/p>\n\n\n\n L\u2019autore segnala tuttavia un vuoto di sostegno istituzionale. Richiama un sondaggio Gallup del 2025 su oltre duemila insegnanti delle scuole pubbliche statunitensi, secondo il quale circa due terzi non avevano ricevuto formazione sull\u2019IA. Accanto a questo dato descrive comunit\u00e0 di docenti che sperimentano e condividono strumenti. Gli utilizzatori frequenti dichiarano di risparmiare l\u2019equivalente di sei settimane annuali di preparazione, reinvestendo tempo in feedback, progettazione e colloqui individuali. Il volume presenta questo risultato come esperienza riferita da una parte dei docenti, non come guadagno automaticamente disponibile a tutti.<\/p>\n\n\n\n La presenza umana pu\u00f2 inoltre avere un significato che eccede la qualit\u00e0 del prodotto. Mollick racconta di continuare a correggere personalmente i lavori degli studenti, pur riconoscendo le capacit\u00e0 dell\u2019IA nella valutazione, perch\u00e9 avverte un obbligo nei loro confronti. Il suo esempio rende esplicita la necessit\u00e0 di considerare anche il valore relazionale di un\u2019attivit\u00e0 quando si decide se delegarla.<\/p>\n\n\n\n L\u2019importanza delle conoscenze costituisce un\u2019altra continuit\u00e0. Nell\u2019Intelligenza condivisa<\/em> il capitolo sull\u2019IA come coach spiegava che per valutare un risultato, affrontare problemi nuovi e ragionare criticamente occorre una competenza radicata in conoscenze di base. Il percorso verso l\u2019esperienza richiede pratica deliberata: difficolt\u00e0 crescente, riscontri pertinenti e guida. L\u2019IA veniva proposta come un possibile sostegno a queste condizioni, pur con limiti che ne impedivano allora la piena realizzazione. Co-Existence riprende il problema e mette maggiormente a fuoco anche il pericolo che un aiuto troppo immediato rimuova l\u2019esercizio necessario.<\/p>\n\n\n\n La risposta di Co-Existence<\/em> alla domanda su che cosa insegnare riprende quattro risorse umane sviluppate nel capitolo 5: conoscenza profonda, conoscenza ampia, gusto e agency<\/strong>. Mollick non le presenta come un elenco di prestazioni in cui la macchina sar\u00e0 necessariamente sempre inferiore. Dopo aver richiamato la \u201clezione amara<\/strong>\u201d[3]<\/a> di Richard Sutton sull\u2019efficacia della scala computazionale, distingue le situazioni in cui un buon risultato \u00e8 chiaramente specificabile da quelle in cui contano processi, relazioni e valutazioni controverse. Le quattro risorse servono a orientare il lavoro con l\u2019IA entro questa condizione.<\/p>\n\n\n\n La conoscenza profonda<\/strong> permette di cogliere errori plausibili, formulare domande pertinenti e valutare situazioni inconsuete. Nella traduzione educativa di questa idea, Mollick sostiene che occorrano pi\u00f9 conoscenze fattuali, non meno: le informazioni interiorizzate costruiscono la struttura attraverso cui si comprende e si giudica ci\u00f2 che il sistema restituisce. Conoscere davvero un argomento permette un confronto esigente con l\u2019IA; riceverne una sintesi fluente pu\u00f2 invece essere scambiato per comprensione.<\/p>\n\n\n\n La conoscenza ampia<\/strong> consente di riconoscere collegamenti fra campi e di mobilitare prospettive che l\u2019utente deve almeno sapere esistenti per poterle richiedere. Mollick ne ricava un argomento a favore dell\u2019ampiezza culturale e delle discipline umanistiche<\/strong>: una specializzazione precoce fondata sull\u2019idea di occupare uno spazio che l\u2019IA non sa ancora presidiare sarebbe fragile, perch\u00e9 il confine delle sue capacit\u00e0 continua a cambiare.<\/p>\n\n\n\n Il gusto<\/strong> \u00e8 invece presentato come la capacit\u00e0 di distinguere ci\u00f2 che merita attenzione fra molte produzioni possibili. Quando generare materiale diventa rapido ed economico, aumenta il peso della selezione. Mollick collega la formazione di questa capacit\u00e0 all\u2019incontro con opere diverse e alla costruzione di giudizi sulle loro qualit\u00e0.<\/p>\n\n\n\n L\u2019agency<\/strong> indica invece la disposizione a prendere iniziativa e sperimentare senza attendere istruzioni. L\u2019autore riconosce che questa possibilit\u00e0 dipende anche dalle condizioni in cui una persona opera: sostegno, strumenti e autorizzazione a sperimentare possono favorirla.<\/p>\n\n\n\n Nel capitolo educativo questa proposta comprende l\u2019esercizio del giudizio in condizioni d\u2019incertezza. Mollick richiama studi di caso, lettura di testi ambigui, simulazioni, dilemmi etici e dibattito storiografico, riconoscendo che sono pratiche gi\u00e0 presenti in diverse discipline. Racconta inoltre un\u2019attivit\u00e0 con partecipanti prevalentemente iscritti a un executive MBA: creare una startup in quattro giorni con l\u2019IA, collegandola ad almeno due esperienze, competenze o passioni personali raccolte prima del compito nel questionario Voight-Kampff. Il vincolo serve a far s\u00ec che gli studenti mettano qualcosa di proprio nel progetto e vi riconoscano una posta in gioco personale.<\/p>\n\n\n\n La crisi dei compiti a casa, denominata Homework Apocalypse<\/strong>, mette in discussione la possibilit\u00e0 di dedurre le capacit\u00e0 dello studente dalla qualit\u00e0 di un elaborato svolto senza osservazione. Mollick ricostruisce la rincorsa fra rilevatori, espedienti dei docenti e strategie degli studenti. Considera per\u00f2 gestibile il problema della verifica attraverso attivit\u00e0 in classe, discussioni dal vivo ed esami sorvegliati. Riconosce al tempo stesso l\u2019indebolimento di pratiche valide, come i saggi estesi da preparare a casa, e invita a non fare del contrasto all\u2019imbroglio la priorit\u00e0 assoluta dell\u2019educazione con l\u2019IA.<\/p>\n\n\n\n Nella parte finale del capitolo, la questione si estende alla certificazione. Diplomi e valutazioni presupponevano che il lavoro prodotto rappresentasse ci\u00f2 che una persona sapeva e sapeva fare. L\u2019IA rende meno sicuro questo nesso. Mollick auspica nuove modalit\u00e0 di certificare<\/strong> capacit\u00e0 attraverso attivit\u00e0 con e senza IA, senza definire un sistema completo di criteri o procedure. La responsabilit\u00e0 delle istituzioni consiste nel riuscire sia a formare sia a rendere riconoscibili le competenze effettive.<\/p>\n\n\n\n La formazione degli esperti costituisce il versante professionale dello stesso problema. Richiamando Matt Beane, Mollick descrive tre condizioni dell\u2019apprendimento sul lavoro:<\/p>\n\n\n\n L\u2019IA pu\u00f2 indebolirle se i senior smettono di delegare ai principianti e questi ultimi affidano a loro volta il lavoro alla macchina. Ridurre le assunzioni iniziali pu\u00f2 apparire conveniente alla singola organizzazione, ma compromettere collettivamente la formazione dei futuri esperti.<\/p>\n\n\n\n Anche questo rischio era gi\u00e0 riconosciuto nel primo volume. All\u2019inizio del capitolo \u201cLa AI come coach\u201d, Mollick descriveva la possibilit\u00e0 che gli esperti, potendo svolgere autonomamente alcune mansioni con l\u2019IA, sottraessero ai principianti occasioni di provare e sbagliare sotto supervisione. Il nuovo libro approfondisce la portata collettiva di questa interruzione e la collega pi\u00f9 esplicitamente al ruolo futuro delle istituzioni formative.<\/p>\n\n\n\n Mollick individua due possibili risposte: riprogettare la formazione nelle organizzazioni, rafforzando il rapporto fra esperti e principianti, e accrescere il ruolo dell\u2019istruzione formale nello sviluppo di capacit\u00e0 professionali. L\u2019IA pu\u00f2 ridurre divari di prestazione proprio perch\u00e9 svolge una parte del lavoro; ci\u00f2 non equivale ad aver costruito nelle persone le conoscenze che consentono di guidarla e controllarla. \u00c8 questa distinzione a sostenere l\u2019ipotesi, apparentemente controintuitiva, che una maggiore capacit\u00e0 delle macchine possa richiedere pi\u00f9 formazione umana.<\/p>\n\n\n\n Il problema dell\u2019equit\u00e0 emerge esplicitamente nello scenario della crescita progressiva delle capacit\u00e0 dell\u2019IA, chiamato Escalator (scala mobile, ascensore sociale, diremmo in italiano). Mollick immagina che scuole dotate di insegnanti preparati, risorse e flessibilit\u00e0 organizzativa riescano a integrare deliberatamente i nuovi strumenti, mentre quelle meno attrezzate oscillino fra divieto e uso senza guida. Il rischio \u00e8 che una tecnologia potenzialmente capace di ampliare l\u2019accesso all\u2019aiuto individuale accresca le disuguaglianze<\/strong>.<\/p>\n\n\n\n La proposta educativa del volume assegna quindi un compito anche alle istituzioni. Il potenziale dei tutor richiede strumenti progettati per l\u2019apprendimento, valutazioni rigorose e condizioni che ne rendano possibile un impiego guidato. Mollick chiude il capitolo sull\u2019educazione chiedendo di coinvolgere docenti, genitori e studenti nella costruzione di una nuova visione condivisa. Lascia aperta la possibilit\u00e0 di un\u2019altra promessa tecnologica mancata, ma affida alle scelte formative e organizzative la possibilit\u00e0 di ottenere un esito diverso.<\/p>\n\n\n\n Letti in successione, i due libri mostrano una proposta educativa persistente: sperimentare, conservare il giudizio umano, sostenere l\u2019apprendimento con il tutoraggio e continuare a formare conoscenze e competenze. Co-Existence<\/em> la colloca in un quadro nel quale il lavoro delegabile \u00e8 aumentato e diventano pi\u00f9 pressanti le domande sulla verifica degli apprendimenti e sulle condizioni istituzionali dell\u2019accesso. La crescente capacit\u00e0 delle macchine rende pi\u00f9 esigente la realizzazione di principi gi\u00e0 formulati, anzich\u00e9 renderli superflui.<\/p>\n\n\n\n Mollick, E., L\u2019intelligenza condivisa. Vivere e lavorare insieme all\u2019AI<\/em>. Prefazione di Giuseppe F. Italiano. Traduzione di Paolo Bassotti. Roma: Luiss University Press. Prima edizione italiana, aprile 2025; edizione originale: Co-Intelligence: Living and Working with AI, Portfolio\/Penguin, 2024.<\/p>\n\n\n\n Mollick, E., Co-Existence: The Next Phase of AI<\/em>. New York: Portfolio\/Penguin Random House 2026<\/p>\n\n\n\n [1]<\/a> Mollick cita lo studio di Bastani, H. O. Bastani, A. Sungu, H. Ge, O. Kabakc\u0131 and R. Mariman (2024), \u201cGenerative AI Can Harm Learning\u201d, The Wharton School Research Paper, Available at SSRN: http:\/\/dx.doi.org\/10.2139\/ssrn.4895486<\/a>.\u00a0 Lo stesso studio \u00e8 stato successivamente pubblicato nel 2025 su PNAS<\/em> con il titolo pi\u00f9 preciso di Generative AI without guardrails can harm learning: Evidence from high school mathematics<\/em> , DOI: 10.1073\/pnas.2422633122 \u00a0pubmed.ncbi.nlm.nih.gov<\/a> . Lo studio \u00e8 anche alla base di una parte importante del rapporto OCSE2026 (Digital educational outlook<\/a>) dove viene utilizzato per introdurre il rischio della “scorciatoia cognitiva”<\/strong>: l’uso passivo dell’IA che riduce lo sforzo cognitivo e fornisce risposte pronte senza che vi sia reale comprensione<\/p>\n\n\n\n [2]<\/a> B. Bloom, “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring”,<\/strong> <\/em>in<\/em> <\/em>Educational Researcher<\/em> (Vol. 13, No. 6, pp. 4-16 – 1984). Il testo \u00e8 disponibile on line<\/a>. Il riferimento a Bloom \u00e8 centrale soprattutto perch\u00e9 la stessa sperimentazione su AI e Didattica realizza dal MIM in 15 scuole italiane parte proprio dall\u2019ipotesi di Bloom.<\/p>\n\n\n\n [3]<\/a> La \u201clezione amara\u201d<\/strong> \u00e8 la tesi formulata da Richard Sutton nel breve saggio The Bitter Lesson<\/em>, del 13 marzo 2019. Sutton sostiene che nella storia dell\u2019IA, i metodi generali capaci di sfruttare quantit\u00e0 crescenti di calcolo hanno finito per superare quelli costruiti inserendo manualmente conoscenze e strategie degli esperti umani.<\/em> Sutton individua soprattutto due metodi: la ricerca tra possibilit\u00e0<\/strong> e l\u2019apprendimento dall\u2019esperienza<\/strong>. cs.utexas.edu<\/a>. Un esempio sono gli scacchi<\/strong>. Si pu\u00f2 cercare di insegnare a un programma tutte le strategie elaborate dai grandi giocatori, traducendole in regole. Oppure si pu\u00f2 costruire un sistema capace di esplorare moltissime mosse e valutarne le conseguenze. Sutton osserva che gli approcci capaci di utilizzare enormi risorse di calcolo hanno prodotto i progressi decisivi. \u00c8 una lezione \u201camara\u201d per i ricercatori<\/strong>: incorporare nel programma la propria comprensione del problema \u00e8 intellettualmente gratificante e pu\u00f2 dare risultati immediati. Nel lungo periodo, per\u00f2, quella struttura pu\u00f2 diventare un limite, mentre metodi pi\u00f9 generali continuano a migliorare grazie all\u2019aumento del calcolo disponibile. \u00c8 un\u2019interpretazione storica dello sviluppo dell\u2019IA, non una garanzia che aumentare la potenza migliori qualsiasi sistema.<\/p>\n\n\n\n Per il nostro discorso educativo, occorre distinguere due questioni:<\/strong> quanto una macchina diventa capace di risolvere problemi e quanto una persona impara utilizzandola. La tesi di Sutton riguarda la prima. Non dimostra che un\u2019IA pi\u00f9 potente produca automaticamente un apprendimento migliore: per questo servono progettazione didattica e verifiche su ci\u00f2 che lo studente sa fare autonomamente. \u00c8 proprio la distinzione resa evidente dall\u2019esperimento turco che abbiamo appena discusso.<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" Educazione e formazione nella coesistenza con l\u2019intelligenza artificiale a partire da due libri di Ethan Mollick: Co-Intelligence (2024) e Co-Existence (2026)<\/p>\n","protected":false},"author":5,"featured_media":901175,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[19],"tags":[379,679,157,678],"tipologia":[554],"area-casco":[],"class_list":["post-901173","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-recensioni-stiamo-leggendo","tag-apprendimento","tag-coesistenza","tag-ia","tag-mollick","tipologia-recensioni"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/posts\/901173","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/comments?post=901173"}],"version-history":[{"count":6,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/posts\/901173\/revisions"}],"predecessor-version":[{"id":901184,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/posts\/901173\/revisions\/901184"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/media\/901175"}],"wp:attachment":[{"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/media?parent=901173"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/categories?post=901173"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/tags?post=901173"},{"taxonomy":"tipologia","embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/tipologia?post=901173"},{"taxonomy":"area-casco","embeddable":true,"href":"https:\/\/www.cascolearning.it\/magazine\/wp-json\/wp\/v2\/area-casco?post=901173"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}La nuova fase del rapporto con l\u2019IA: the Jagged Frontier<\/em><\/h3>\n\n\n\n
![\"\"](\"https:\/\/www.cascolearning.it\/magazine\/wp-content\/uploads\/2026\/11\/image.png\")
<\/figure>\n\n\n\nCome collaborare con l\u2019AI?<\/h3>\n\n\n\n
<\/h1>\n\n\n\n
I quattro principi per lavorare con l\u2019IA<\/h3>\n\n\n\n
Collaborare e delegare mantenendo il giudizio<\/h3>\n\n\n\n
Svolgere un compito e imparare a svolgerlo<\/h3>\n\n\n\n
La proposta del tutor e le condizioni della sua efficacia<\/h3>\n\n\n\n
La professione docente nella proposta di Mollick<\/h3>\n\n\n\n
Le conoscenze e le capacit\u00e0 da coltivare<\/h3>\n\n\n\n
Valutazione e formazione dei futuri esperti<\/h3>\n\n\n\n
\n
Le condizioni istituzionali della trasformazione educativa<\/h3>\n\n\n\n
Edizioni di riferimento<\/h3>\n\n\n\n
\n\n\n\n