La sperimentazione biennale (2024-2026) dell’IA nelle Scuole di I e II grado, lanciata con un annuncio del Ministro al Forum Ambrosetti di Cernobbio (settembre 2024)[1], subito rafforzata dall’incontro all’USR Lazio (ottobre), trova la sua ragione d’essere nella convinzione che la personalizzazione della didattica sia l’elemento “centrale dell’azione del Governo in materia di istruzione”[2]. Inizialmente sono stati coinvolti 15 Istituti di quattro Regioni, Lombardia, Toscana, Lazio e Calabria, ed è stata indirizzata agli studenti di classe seconda della scuola secondaria di primo grado e agli studenti di prima e quarta della scuola secondaria di secondo grado. La valutazione finale è stata affidata all’INVALSI. In caso di esiti positivi, il progetto verrà esteso a tutte le scuole a partire dal 2026[3].
La presentazione da parte del Ministro dei primi risultati è avvenuta a Napoli, al Summit internazionale sull’intelligenza artificiale: Next Gen AI, mercoledì 8 ottobre 2025, presso il Teatro di Corte di Palazzo Reale e lunedì 13 ottobre presso il Teatro San Carlo.
Finalità e dispositivi in campo
Tra le altre finalità, oltre all’obiettivo primario della “personalizzazione”, attraverso gli strumenti dell’IA per sostenere gli studenti con maggiori difficoltà di apprendimento e valorizzare i talenti individuali, vengono richiamati ulteriori aspetti:
- il contrasto alla dispersione scolastica;
- la valutazione dell’efficacia degli assistenti virtuali integrati IA nel migliorare le performance degli studenti (a tal fine ogni classe coinvolta nella sperimentazione sarà affiancata da una classe “placebo” non target);
- il supporto alla riduzione del gender gap nelle materie scientifiche (STEAM) e nella Life Sciences (LS);
- l’attivazione, con modalità tutoriali, sia di corsi di sostegno che di percorsi di potenziamento;
- l’intento di rendere più attrattivo l’insegnamento per le nuove generazioni.
A livello operativo il progetto ha fruito della regia del prof. Branchini, fisico presso l’Istituto nazionale di fisica nucleare (INFN), Università Roma 3, ha avuto un suo sito IMPAR-AI[4], si è ispirato ad uno studio sperimentale di Bloom del 1984 sull’impatto positivo di assistenti umani a sostegno degli studenti, si è avvalso della tecnologia Google Workspace.
I docenti, tramite appositi software, hanno potuto creare test sulla base del materiale scolastico, che poi l’IA ha letto per etichettare la materia e collegare i temi della prova ai contenuti di studio.
Una volta consegnata la prova, il sistema ha raccolto i dati sulle domande che creano più difficoltà e le ha girate agli insegnanti. A quel punto l’impegno dei docenti è stato quello di personalizzare la didattica, suggerendo esercizi di ripasso per gli studenti in situazione di underachievement (sottorendimento) e di approfondimento per i soggetti con buone prestazioni.
La sperimentazione, come ha ribadito il prof. Branchini, non essendoci al momento evidenze di- rette con assistenti basati su AI, è servita a chiarire gli aspetti che funzionano, ma anche i relativi limiti. All’INVALSI è stato assegnato il compito di monitorare e valutare l’efficacia dell’esperimento, analizzando i progressi delle classi dotate di assistenti virtuali rispetto a quelle tradizionali. Per l’utenza, famiglie, alunni, docenti, non c’è stato alcun costo. L’iniziale stanziamento ministeriale (non reso noto) è stato incrementato con un fondo aggiuntivo di 30 milioni per sviluppare applicazioni IA dedicate a studentesse e studenti con disabilità visive e uditive.
Dati, risultati, valutazioni
Al già citato Summit di Napoli il Ministro ha comunicato i primi dati della sperimentazione, esito di una valutazione comparata basata su prove comuni, parallele e voti finali. Tali dati sembrano evidenziare un impatto sostanzialmente positivo: le classi sperimentali registrano una media generale finale superiore rispetto alle classi di controllo: 7.93 per contro 6.90. Un altro importante risultato è l’azzeramento del tasso di non ammissione proprio nelle classi sperimentali, rispetto ad un 16% delle classi di controllo. La sperimentazione inoltre rileva una ricaduta positiva sugli alunni con bisogni educativi speciali o con disturbi nell’apprendimento. Il Ministro ha poi fornito ulteriori prospettive e dettagli operativi. Ha sottolineato, per esempio, che l’impatto sui docenti è stato molto positivo contribuendo a rendere i processi didattici più mirati e a supportare la funzione educativa e relazionale. Sulla scia dei risultati incoraggianti, è stato anche lanciato un piano di formazione da 100 milioni di euro dedicato a docenti e studenti su tutto il territorio nazionale per sviluppare competenze sull’Intelligenza Artificiale.
Rilevazioni critiche
Nonostante le argomentazioni rassicuranti e accattivanti presentate dal Ministro, l’analisi dei dati rilasciati ha sollevato alcune riserve che meritano di essere esplicitate con chiarezza.
- Limiti del campione di riferimento: i risultati presentati si basano su un campione estremamente ristretto, circoscritto a sole quattro classi di un unico Istituto Tecnico, con indirizzi Grafico e Turistico. Inoltre, le classi coinvolte nella sperimentazione dell’IA e quelle di controllo (non sperimentali) non presentavano la stessa dimensione numerica. In particolare, le classi che hanno utilizzato l’IA erano meno numerose (ad esempio, una contava solo 17 alunni/e), un fattore che può influenzare significativamente le medie e l’interpretazione statistica dei risultati.
- Analisi selettiva dei risultati: in una delle classi coinvolte, non è emersa alcuna differenza significativa tra gli studenti che hanno sperimentato il percorso progettuale con l’IA e quelli che non l’hanno sperimentato. La citazione del Ministro si è concentrata su un’altra classe sperimentale, dove si è registrato uno scarto positivo tra le medie dei voti finali: da 6,90 per la classe non sperimentale a 7,63 in quella con IA. Un dato di particolare rilievo, e spesso enfatizzato, è l’azzeramento del tasso di non ammissione (bocciature) nelle classi sperimentali, in netto contrasto con il 16% di non ammissione persistente nelle classi di controllo.
- Narrazione rassicurante: considerando il campione numerico così limitato e la presentazione evidentemente selettiva dei dati, si può dedurre che l’intento del Ministro fosse quello di fornire una narrazione estremamente positiva e rassicurante sull’impatto immediato dell’IA, minimizzando le zone d’ombra statistiche[5].
- Mancanza di trasparenza del monitoraggio: la presentazione di dati così parziali e mirati solleva la questione dell’opportunità di rendere nota la mappa completa e dettagliata di tutti i monitoraggi intermedi effettuati. La conoscenza di tutti i risultati, inclusi quelli meno eclatanti o ininfluenti, sarebbe stata fondamentale per una valutazione equilibrata e trasparente dell’efficacia reale della sperimentazione su tutti i gruppi di studio.
IA, dispersione scolastica e politiche educative
Senza volere, in questa sede, addentrarci nel dibattito sulla valenza formativa dell’introduzione dell’IA nelle pratiche educativo-didattiche[6], vogliamo soltanto sviluppare alcune annotazioni circa la ripropostacorrelazione tra specifici “costrutti” formativi e dispersione scolastica, in questo caso il riferimento è all’IA.
Le azioni del Ministero
È questo un leitmotiv ricorrente nelle note ministeriali, a voler sottolineare che la problematica degli “abbandoni” e degli studenti con un irregolare percorso scolastico, rientra tra le priorità dei decisori politici. Così in questi anni si sono moltiplicati gli interventi di contrasto al fenomeno, con strategie orientate su diversi livelli: processi di insegnamento-apprendimento; modalità di recupero-potenziamento delle competenze di base; Team per la prevenzione; percorsi personalizzati di mentoring e tutoring; progetto Invalsi per gli studenti “fragili”; piani formativi mirati per il personale; misure integrate tra apprendimenti e contesti socio-ambientali (vedi: le Agende SUD, dal 2023 e NORD, dal 2024, sui divari territoriali), ed altro.
Queste azioni hanno prodotto una riduzione della “dispersione esplicita”, con un tasso di abbandoni precoci del 9,8% (Rapporto Invalsi 2025, dati Eurostat) seppur con inquietanti divari territoriali NORD-SUD, mentre risulta ancora preoccupante la “dispersione implicita” (8,7%, dati Invalsi 2024)[7].
Punti di criticità
In tale contesto si inseriscono le recenti due iniziative strategiche del MIMrelative all’orientamento (2024)[8] e all’intelligenza artificiale (2025) contro la dispersione scolastica. Sono scelte che, però, non sono state accolte con unanime consenso.
Il riferimento all’orientamento scolastico chiama in causa soluzioni alternative avanzate da gruppi di studio accademici (S.I.O., La.R.I.O.S. UNIPD, 2025) e analisi critiche (Romito, 2014, 2016; Giusti, 2024), che mettono in guardia contro l’associazione semplicistica tra l’orientamento e la risoluzione di problemi complessi come la dispersione e l’insuccesso scolastico, sottolineando come tali problematiche richiedano invece riforme di sistema e investimenti maggiori.
Le osservazioni critiche sull’uso dell’Intelligenza Artificiale (IA) nelle scuole, sostenute da autori come Latempa, Tafani e Williamson, e da ricercatori di Microsoft/Carnegie Mellon University, si concentrano sui rischi etici e pedagogici di questa “operazione”. Il punto focale è la sostenibilità e l’affidabilità dell’introduzione di tutor virtuali e “compagni immaginari” che:
- sorvegliano e memorizzano i progressi degli studenti (rischio per la privacy e la sorveglianza);
- possono portare a una progressiva alienazione e al controllo del lavoro dell’insegnante;
- possono creare dipendenza negli studenti[9].
A corollario, non possiamo tralasciare il fatto che gli studi più accreditati sul fenomeno della dispersione e sugli “antidoti” per contrastarlo[10], convergono su due polarità:
- senza derubricarne la multifattorialità, le cause sempre più vanno ricercate nei processi distorsivi che maturano negli ambienti scolastici e nelle realtà socio-familiari;
- senza escludere la co-progettazione tra Scuola e altre Agenzie formative, è indispensabile che intervenga un forte ripensamento (auto-valutazione come veicolo per il miglioramento) del curricolo implicito, cioè dei reali “meccanismi” che governano il “fare scuola”, al di là delle formule “liturgiche” adottate in ossequio alla buro-pedagogia ministeriale.
[1] Ma era già stata annunciata altre due occasioni: 1. a marzo 2024 alla Fiera Didacta di Firenze, con la presenza dell’azienda Google che mostrava i suoi assistenti virtuali per la scuola, i cd. Esercizi guidati, nuovo strumento di Big G predisposto per creare esercizi sulla base del materiale delle lezioni e sottoporli agli studenti; 2. a luglio 2024, durante un Convegno a Roma, il Ministro aveva chiarito che la sperimentazione sarebbe servita a “valutare l’efficacia degli Assistenti Ai nel migliorare le performance degli studenti“, a ridurre “il carico di lavoro amministrativo per i docenti…” a promuovere “una maggiore inclusione per i BES”, mantenendo la centralità della funzione docente.
[2] L’azione si inserisce nell’ambito di un piano ambizioso di investimenti per la scuola presentato a ottobre a Napoli, durante l’apertura di Next Gen AI, Summit internazionale, dedicato al rapporto tra scuola e tecnologie emergenti.
[3] Vedi anche le Linee guida.
[4] Progetto ImparAI: risorse, attività e strumenti suddivisi per materie, pensati per supportare l’insegnamento e semplificare la ricerca e la consultazione.
[5] Occorre ricordare che uguali sperimentazioni effettuate in Cina, Giappone, India, hanno mostrato criticità. In Corea addirittura il programma è stato ritirato dopo quattro mesi.
[6] Si rimanda, per un primo approccio, ai numerosi articoli (23) raccolti sub voce “intelligenza artificiale” in Scuola7 e alla Sezione Scuola di Agenda Digitale, ricca di interessanti contributi dedicati. Si può fare anche riferimento alla funzione di “mediazione didattica” (come formulata da E. Damiano, 2016) che l’IA può svolgere nel processo di insegnamento-apprendimento.
[7] In questo ambito può essere inserita la categoria dei “debiti formativi”, riguardante gli studenti della scuola secondaria di secondo grado “sospesi in giudizio”, in quanto carenti in una o più discipline. Nell’a.s. 2024/2025 (Dati MIM, Nota del 4 agosto 2025) il 17,8% degli iscritti alle prime quattro classi della Secondaria di secondo grado ha concluso l’anno scolastico con un debito formativo, ma solo l’8% dei rimandati non ha superato l’esame entro settembre. La percentuale maggiore di “sospensioni” si verifica negli Istituti Tecnici e nelle Regioni del Nord.
[8] Su tale logica, che sviluppa conseguenti traiettorie formative, si fondano la Riforma dell’Orientamento inserita nel PNRR e il D.M. 233/2024. Per approfondimenti: L. Turotti (2024) in OPPInformazioni, n. 136-137 (2024), pp.15-22; Actionaid Italia, 05.06.2023; S. Giusti, in Orientarsi nell’orientamento, 2024; Soresi S., in Nuova Secondaria, 2023 e in Scuola 7, n. 413, n. 428; M. Pitzalis, L. Nota, L’orientamento a scuola, Mondadori-Università, 2025.
[9] Rispetto a questi interrogativi mi sembrano fondate le argomentazioni sostenute da G. Benassi in Scuola 7, n. 456 del 28.11.2025, Uomo mangrovianus. Educazione e tecnologia nell’era onlife.
[10] Vedi. D. Checchi et alii, 2007; C. Barone, 2013; M. Santagati 2021; M. Triventi, 2014; G. Argentin et alii, 2017 e 2018; WeWorld Centro Studi, 2021; Autorità Garante Infanzia e Adolescenza, 2022; S. Soresi, ROARS, 2022; InvalsiOpen, 2023; Pitzalis, Nota, citati.
