Un progetto aperto di Marco Iannacone che ha dato origine a Proxima ZSP
Bozza di lavoro, aperta alla criticaIl diritto di pensare con la propria testa
Un manifesto per un'intelligenza artificiale che ti aiuta a pensare, non che pensa al posto tuo.
Il fatto, prima di tutto
Un adolescente su tre nel mondo usa già, ogni settimana, uno strumento di intelligenza artificiale per fare i compiti. Nella grande maggioranza dei casi, quello strumento fa una cosa sola: risponde. Scrive il tema, risolve l'equazione, riassume il capitolo. Lo fa bene, in pochi secondi, senza mai chiedere allo studente di fermarsi a pensare.
Nel 2025 un gruppo di ricercatori ha misurato cosa succede quando si toglie lo strumento. Quasi mille studenti di scuola superiore hanno lavorato per settimane con un tutor di intelligenza artificiale in matematica. Chi aveva usato una versione che forniva le soluzioni migliorava visibilmente durante la pratica, ma crollava nel test finale svolto senza aiuto, fino a rendere peggio di chi non aveva mai usato lo strumento. Chi aveva usato una versione che offriva solo indizi, mai la soluzione, non mostrava quel crollo. Stesso studente, stessa materia, stessa tecnologia di base. La differenza era tutta nella progettazione.
Una rassegna sistematica pubblicata di recente, che ha passato in rassegna trenta studi in tredici paesi, arriva alla stessa conclusione per vie indipendenti: l'intelligenza artificiale migliora quasi sempre la prestazione immediata. Migliora l'apprendimento vero molto più raramente, e lo fa solo quando qualcuno ha progettato il sistema perché non desse mai la scorciatoia.
Il principio che già conosciamo
Non è un problema nuovo. Ottant'anni fa lo psicologo Lev Vygotskij descrisse la distanza tra ciò che un bambino sa fare da solo e ciò che sa fare con la guida di un adulto. Chiamò quello spazio la zona di sviluppo prossimale: il posto esatto in cui l'apprendimento accade, se qualcuno lo guida senza sostituirsi a lui.
Il principio è antico, la minaccia è nuova. Un adulto che aiuta un bambino si stanca, ha limiti, normalmente si ferma prima di sostituirsi del tutto al suo pensiero. Un modello linguistico non si stanca mai, e per come è costruito tende a fare l'opposto: risolvere fino in fondo, nel modo più rapido e più soddisfacente per chi chiede. Senza un vincolo progettato, quella tendenza non è neutra. Spinge, sistematicamente, verso la sostituzione del pensiero invece che verso il suo sostegno.
Le istituzioni cominciano ad accorgersene. L'UNESCO raccomanda già dal 2023 un limite d'età sotto il quale l'uso autonomo di questi strumenti andrebbe evitato. Il regolamento europeo sull'intelligenza artificiale classifica come ad alto rischio i sistemi che decidono l'accesso ai percorsi formativi, valutano l'apprendimento, orientano gli studi. La Norvegia ha scelto di vietare l'uso generativo sotto i tredici anni e di sorvegliarlo fino ai sedici. Sono passi importanti. Nessuno di questi passi, però, risponde alla domanda più semplice e più urgente: come facciamo a sapere se un sistema specifico aiuta a ragionare o lo impedisce?
Oggi, quella domanda non ha una risposta pubblica. Ce l'ha, nella migliore delle ipotesi, l'azienda che ha costruito il sistema, che valuta compiti a casa propria, con criteri propri, senza obbligo di renderli verificabili.
Quello che proponiamo
Un framework aperto, pubblicato con licenza libera, che chiunque può leggere, verificare, criticare, applicare a qualsiasi sistema, incluso il nostro.
Si chiama L×M×C, e misura tre cose che, prese insieme, distinguono un tutor che aiuta a pensare da uno che pensa al posto tuo.
Profondità del ragionamento
Lo studente si è limitato a copiare una scorciatoia, o ha davvero attraversato i passaggi logici necessari per arrivare alla soluzione?
Metacognizione
Lo studente si accorge di come sta ragionando, riconosce dove si è bloccato, sa dire perché un passaggio è giusto o sbagliato?
Consolidamento
Quello che lo studente ha imparato oggi, con l'aiuto dello strumento, regge ancora domani, quando lo strumento non c'è?
Nessuna di queste tre cose si misura guardando se l'esercizio è stato completato o se il voto è alto. Si misurano guardando come ci si è arrivati, e se quel percorso lascia una traccia che dura nel tempo. È esattamente la distinzione che la ricerca del 2025 ha reso visibile: la prestazione durante l'uso non predice l'apprendimento dopo l'uso. Bisogna misurare l'apprendimento direttamente, non la sua controfigura più comoda.
Il framework è pubblicato in accesso aperto, con licenza Creative Commons, identificatore digitale permanente, pronto per essere letto da chiunque. Non è un prodotto. È un metro. E un metro, per essere un metro, deve poter misurare anche chi lo ha costruito.
Quello che chiediamo
Ai ricercatori
leggetelo, mettetelo alla prova, trovate dove sbaglia. Una critica rigorosa vale più di cento elogi. Se un pezzo del framework non regge al vostro scrutinio, ditecelo, e miglioriamolo insieme. Se volete estenderlo a un altro dominio, a un'altra fascia d'età, a un'altra lingua, il lavoro è già vostro quanto nostro.
A chi insegna
pretendete questa misura da qualunque strumento entri nella vostra classe. Non accontentatevi della parola di chi vende il prodotto. Chiedete: questo sistema, come sa se sta aiutando i miei studenti a ragionare o si sta solo sostituendo a loro? Se non ha una risposta verificabile, la domanda resta aperta, e la responsabilità di chiuderla non è vostra da sola.
A chi scrive le regole
un regolamento che classifica un sistema come rischioso ha bisogno di un metro per verificarlo, non solo di una lista di obblighi documentali. Un framework pubblico, replicabile, non legato a nessun fornitore, può essere quel metro. Non aspettate che ve lo offra chi ha interesse a passare l'esame.
A chi ha letto fin qui per curiosità
condividetelo. Fate la stessa domanda a scuola di vostro figlio, all'insegnante, alla piattaforma che usa. Ogni volta che qualcuno la fa, la domanda diventa un po' più difficile da ignorare.
Perché adesso
Tra pochi mesi, in tutta Europa, i sistemi di intelligenza artificiale usati nella scuola dovranno rendere conto di come sono fatti. Il calendario esatto di quegli obblighi si sta ancora definendo, ma la direzione non cambia: la scuola avrà bisogno di criteri pubblici prima che diventi obbligatorio applicarli, non dopo.
Nel frattempo, ogni giorno, milioni di adolescenti aprono uno strumento che risponde. Il problema non aspetta che la normativa sia pronta. Il ragazzo che oggi delega il ragionamento a una macchina non recupera quel ragionamento quando la legge, tra un anno o due, gli chiederà di dimostrarlo.
Non proponiamo di vietare l'intelligenza artificiale ai ragazzi. Proponiamo che nessuno strumento entri in una classe senza che qualcuno, prima, abbia potuto verificare pubblicamente se insegna a pensare o smette di farli provare. È una domanda alla portata di chiunque abbia voglia di farla. È tempo che qualcuno cominci a esigere una risposta.
Il codice del framework è aperto. Il metodo è pubblico. I dati, quando ci saranno, saranno pubblici anche loro. Non chiediamo fiducia. Chiediamo di essere verificati.