L’Intelligenza Artificiale Generativa e lo Sviluppo delle Competenze Digitali: Stato dell’Arte, Scenari Futuri e Implicazioni per i Giovani Cittadini

Presento un’altra ricerca-esperimento, questa volta con un’analisi approfondita sul rapporto fra l’Intelligenza Artificiale Generativa e lo Sviluppo delle Competenze Digitali: Stato dell’Arte, Scenari Futuri e Implicazioni per i Giovani Cittadini

 

Napoli, Italia, Europa, Web, 21 giugno 2025

 

Strumento utilizzato: Gemini Deep Research with 2.5 Pro.

Prompt:

Sono uno studioso professionista sull’intelligenza artificiale che vuole realizzare una ricerca approfondita sulle implicazioni (vantaggi opportunità, rischi, pericoli) che l’intelligenza artificiale generativa sta portando e potrà portare per favorire la crescita delle competenze digitali nei cittadini e dei giovani (18-28 anni), in particolare.

Di fondamentale importanza sarà recuperare contenuti importanti e referenziati, come paper accademici, ricerche, siti web, libri, che si occupano del tema.

Il risultato dovrà essere un paper analitico e dettagliato che mostri lo stato dell’arte e probabili scenari futuri a breve termine.

Di fondamentale importanza sarà la bibliografia e la sitografia.

 

 

Non ho modificato nulla del documento di output.

Sempre notevoli ed importanti sono i riferimenti bibliografici.

Buona lettura.

 

 

1.0 Introduzione: Ridefinire la Competenza Digitale nell’Era dell’IA Generativa

1.1 Il Salto Quantico dalla Digital Literacy all’AI Literacy

L’avvento e la rapida diffusione dell’intelligenza artificiale generativa (GenAI) segnano un punto di svolta non solo per il settore tecnologico, ma per la società nel suo complesso, imponendo una riconsiderazione profonda dei paradigmi educativi e professionali. La tesi centrale di questo paper è che la GenAI non rappresenta un mero aggiornamento incrementale degli strumenti digitali a nostra disposizione, bensì un agente trasformativo che esige un salto quantico nel nostro approccio alla competenza digitale. Non si tratta più semplicemente di “saper usare la tecnologia”, ma di sviluppare la capacità di “collaborare criticamente con un sistema intelligente”. A differenza delle tecnologie precedenti, i sistemi di GenAI, come ChatGPT, Gemini o Midjourney, possiedono la capacità distintiva di generare contenuti originali (testo, immagini, codice), automatizzare compiti cognitivi complessi e operare con un grado di autonomia senza precedenti, rendendo di fatto obsolete molte definizioni tradizionali di alfabetizzazione digitale.1

Questa trasformazione è talmente pervasiva da giustificare la classificazione della GenAI come una “General Purpose Technology” (GPT), al pari dell’elettricità, del motore a vapore o di Internet.1 Come le GPT che l’hanno preceduta, la GenAI ha il potenziale di rimodellare interi settori economici, ridefinire le professioni e alterare le pratiche sociali e cognitive. La sua capacità di apprendere da vasti dataset e di generare output simili a quelli umani attraverso calcoli probabilistici introduce un nuovo attore nel panorama della conoscenza, un partner capace di assistere, creare e, talvolta, errare o ingannare. Questa natura intrinsecamente complessa impone il passaggio da una digital literacy, focalizzata sull’uso competente di strumenti passivi, a una AI literacy, incentrata sulla gestione di una relazione dinamica e critica con un agente non-umano.

 

1.2 L’IA Generativa come Catalizzatore a Doppio Taglio

L’impatto della GenAI sullo sviluppo delle competenze è intrinsecamente duale, un Giano Bifronte che presenta contemporaneamente opportunità straordinarie e rischi significativi. Questa dualità costituisce il filo conduttore dell’intera analisi. Da un lato, la GenAI si profila come un potente acceleratore per l’apprendimento e lo sviluppo di abilità. Offre la possibilità di un’istruzione iper-personalizzata, agendo come un tutor instancabile che si adatta alle esigenze del singolo studente; funge da catalizzatore per la creatività, aiutando a superare blocchi e a esplorare nuove idee; e promuove lo sviluppo di nuove competenze tecniche e critiche, essenziali per il mondo del lavoro futuro.2 Studi empirici hanno già iniziato a quantificare questo potenziale, mostrando correlazioni positive tra l’uso consapevole della GenAI e il miglioramento della capacità di innovazione e della performance lavorativa.2

Dall’altro lato, l’integrazione della GenAI solleva preoccupazioni profonde e legittime. Il rischio di deskilling cognitivo, ovvero una dequalificazione delle abilità di pensiero critico e di risoluzione autonoma dei problemi a causa di un’eccessiva dipendenza dalla tecnologia, è forse la minaccia più dibattuta.5 A ciò si aggiungono la perpetuazione e l’amplificazione di bias algoritmici, la diffusione su larga scala di disinformazione e “allucinazioni” (informazioni plausibili ma false), e l’insorgere di nuove e complesse sfide etiche legate alla privacy, all’integrità accademica e all’autorialità.7 Comprendere questa natura a doppio taglio è fondamentale per navigare la complessità del fenomeno e per delineare strategie di governance e di formazione che possano massimizzarne i benefici mitigandone i pericoli.

 

1.3 Focus sui Giovani (18-28 anni) e Struttura del Paper

Questo paper sceglie di focalizzare la propria analisi sulla fascia d’età compresa tra i 18 e i 28 anni. Questa scelta è motivata da tre fattori cruciali. In primo luogo, questo gruppo demografico si trova in una fase di transizione fondamentale della vita, che va dall’istruzione superiore all’ingresso nel mondo del lavoro. Le competenze che acquisiscono e sviluppano in questo periodo determineranno in larga misura le loro traiettorie professionali. In secondo luogo, i giovani di questa età sono i primi “nativi della GenAI”: sono i più rapidi ad adottare questi strumenti, integrandoli in modo pervasivo nelle loro pratiche di studio e di vita quotidiana, spesso prima e più intensamente di qualsiasi altro gruppo demografico.9 Infine, sono coloro che subiranno l’impatto più diretto e immediato della ristrutturazione del mercato del lavoro, in particolare per quanto riguarda la ridefinizione delle carriere entry-level e delle competenze richieste per accedervi.12

Per affrontare in modo esaustivo queste tematiche, il paper è strutturato come segue. La Sezione 2 analizza l’evoluzione dei framework di competenza, dal consolidato DigComp ai nuovi modelli di AI Literacy, evidenziando il cambio di paradigma richiesto dalla GenAI. Le Sezioni 3 e 4 esplorano in dettaglio la natura duale della tecnologia, dedicando un’analisi approfondita prima alle opportunità e ai vantaggi, poi ai rischi e ai pericoli. La Sezione 5 si concentra specificamente sulla popolazione giovanile (18-28 anni), esaminando le tendenze di adozione, le percezioni e l’impatto sulla carriera. La Sezione 6 delinea il contesto normativo e strategico in Europa e in Italia, analizzando l’AI Act e le iniziative nazionali. Infine, la Sezione 7 presenta possibili scenari futuri a breve termine e formula una serie di raccomandazioni strategiche per policy maker, istituzioni educative e cittadini, prima di giungere a una conclusione sintetica nella Sezione 8. Il paper si chiude con una bibliografia e sitografia completa, a supporto della rigorosità accademica dell’analisi.

 

2.0 I Framework di Competenza nell’Era dell’IA: Un’Analisi Comparata

L’ascesa della GenAI ha innescato una profonda riflessione sulla natura stessa della competenza digitale, spingendo le istituzioni internazionali e il mondo accademico a interrogarsi sull’adeguatezza dei modelli esistenti e sulla necessità di svilupparne di nuovi. L’analisi comparata dei framework di competenza rivela una transizione cruciale: da un approccio di aggiornamento incrementale di modelli preesistenti alla creazione ex novo di quadri concettuali pensati specificamente per l’alfabetizzazione sull’IA.

 

2.1 L’Evoluzione dei Framework Esistenti: Il Caso DigComp 2.2

Il Digital Competence Framework for Citizens (DigComp), sviluppato dalla Commissione Europea, rappresenta da anni il punto di riferimento per la definizione delle competenze digitali in Europa. La sua più recente iterazione, DigComp 2.2, pubblicata nel 2022 e promossa attivamente in Italia dal Dipartimento per la trasformazione digitale della Presidenza del Consiglio dei ministri, rappresenta il primo tentativo sistematico di integrare le tecnologie emergenti, inclusa l’intelligenza artificiale, in un quadro consolidato.14

Questo aggiornamento è significativo: degli oltre 250 esempi di conoscenza, abilità e attitudini descritti, circa ottanta sono stati aggiornati per riflettere l’impatto dell’IA nella vita quotidiana.14 Di particolare rilevanza è l’introduzione di un paragrafo interamente dedicato ai “Cittadini che interagiscono con sistemi di AI”, che solleva questioni chiave su cosa facciano (e non facciano) questi sistemi, su come funzionino, sulle sfide etiche e sulle attitudini necessarie per mantenere il controllo umano.14 Questo sforzo di adeguamento, che si inserisce nella più ampia “Strategia italiana per l’intelligenza artificiale”, mira a fornire uno strumento comune per aggiornare i curricula formativi e promuovere una cittadinanza digitale consapevole, capace di un uso non solo tecnico ma anche etico e critico degli strumenti.14

Tuttavia, pur rappresentando un passo avanti importante, l’approccio di DigComp 2.2 evidenzia anche i limiti intrinseci di un modello nato e strutturato prima dell’esplosione della GenAI. L’integrazione dell’IA avviene principalmente attraverso esempi applicativi all’interno di una struttura preesistente, un tentativo di inserire una realtà trasformativa in categorie concettuali non pensate per essa. La natura stessa della GenAI, con la sua capacità di agire come partner cognitivo e le sue peculiari vulnerabilità (es. allucinazioni, bias), suggerisce che un semplice aggiornamento potrebbe non essere sufficiente per catturare la complessità delle nuove competenze richieste.8

 

2.2 La Nascita di Framework Dedicati: L’AI Literacy (AILit)

La percezione che la GenAI costituisca una discontinuità tecnologica, e non un’evoluzione lineare, ha portato alla nascita di framework di competenza concepiti specificamente per l’alfabetizzazione sull’IA (AI Literacy). Questi modelli non si limitano ad aggiornare le competenze esistenti, ma propongono un paradigma educativo radicalmente nuovo.

 

L’AILit Framework (Commissione Europea/OCSE)

L’iniziativa più ambiziosa in questo campo è l’AI Literacy Framework for Primary and Secondary Education (AILit), un progetto congiunto della Commissione Europea e dell’Organizzazione per la Cooperazione e lo Sviluppo Economico (OCSE), con il supporto di Code.org e di un panel di esperti internazionali.3 Questo framework si distingue per il suo approccio olistico, che definisce l’AI Literacy come una miscela di

Conoscenze, Abilità e Attitudini.3 Queste tre componenti sono articolate in quattro domini pratici e interconnessi:

1. Engaging with AI (Interagire con l’IA): Comprendere quando e come l’IA è presente negli strumenti di uso quotidiano e valutare criticamente i suoi output.3
2. Creating with AI (Creare con l’IA): Collaborare con strumenti di IA per supportare la creatività e la risoluzione di problemi, considerando le implicazioni etiche come la proprietà intellettuale e il bias.3
3. Managing AI’s actions (Gestire le azioni dell’IA): Delegare compiti all’IA in modo responsabile, stabilendo linee guida e garantendo la supervisione umana.3
4. Designing AI solutions (Progettare soluzioni di IA): Esplorare il funzionamento dell’IA e come costruire o adattare sistemi per risolvere problemi del mondo reale.3

 

Questo modello va ben oltre l’uso puramente tecnico. Integra esplicitamente competenze umane fondamentali come il pensiero critico, la creatività, la collaborazione, la comunicazione e la consapevolezza etica, riconoscendo che queste sono le abilità che l’IA non può replicare e che diventano quindi ancora più preziose.3

 

Le Linee Guida di UNESCO e OCSE

Parallelamente, altre organizzazioni internazionali hanno sviluppato linee guida cruciali. L’UNESCO ha sottolineato la necessità di integrare l’AI Literacy nei sistemi educativi nazionali con un forte accento sull’inclusività, l’equità e l’apprendimento permanente, invitando al contempo a una regolamentazione stringente e a tutele etiche per l’uso della GenAI.19 L’

OCSE, oltre alla collaborazione sull’AILit Framework, ha pubblicato numerosi rapporti che analizzano le opportunità e le sfide dell’integrazione della GenAI in contesti educativi, fornendo linee guida e “guardrail” per garantirne un uso efficace ed equo.19

 

Altri Framework Accademici e Istituzionali

Il panorama è arricchito da numerosi altri modelli sviluppati in ambito accademico e da organizzazioni come Digital Promise. Sebbene con sfumature diverse, questi framework convergono su un nucleo comune di competenze per l’AI Literacy, che può essere scomposto in quattro pilastri interconnessi 18:

• Conoscenza Tecnica (Functional/Technical Literacy): Una comprensione di base, non necessariamente da esperti di programmazione, dei concetti fondamentali come machine learning, algoritmi, reti neurali e il ruolo dei dati nell’addestramento dei modelli.22
• Consapevolezza Etica (Ethical Awareness): La capacità di esaminare criticamente i valori e i presupposti incorporati nei sistemi di IA, riconoscendo e valutando questioni come bias, equità, responsabilità, trasparenza e privacy.22
• Pensiero Critico (Critical Thinking): L’abilità di valutare criticamente gli output generati dall’IA, mettendo in discussione le fonti, i dati di addestramento e i possibili pregiudizi. Questo include la capacità di riconoscere le “allucinazioni” e di non accettare passivamente le informazioni prodotte.21
• Abilità Pratiche (Practical Skills): La competenza nell’usare efficacemente gli strumenti di IA, che include il prompt engineering (la formulazione di istruzioni efficaci), l’integrazione dell’IA nei flussi di lavoro e il giudizio su quando affidarsi all’IA e quando invece è necessaria la decisione umana.22

 

La coesistenza di approcci diversi—l’aggiornamento di framework consolidati come DigComp e la creazione di modelli completamente nuovi come l’AILit—non è un mero dettaglio tecnico, ma la manifestazione di un momento di profonda transizione e riflessione istituzionale. Questo doppio binario rivela che la comunità internazionale percepisce la GenAI come una vera e propria discontinuità tecnologica. L’aggiornamento incrementale è la risposta logica a una nuova tecnologia che si inserisce in paradigmi esistenti. La creazione ex novo, invece, segnala la consapevolezza che il nuovo paradigma richiede un ripensamento fondamentale delle competenze stesse.

Il cambiamento di vocabolario è emblematico: non si parla più solo di “usare” o “applicare” la tecnologia, ma di “interagire” (engaging), “gestire” (managing), “progettare” (designing) e “valutare criticamente” (critically evaluating).3 L’enfasi si sposta sulle competenze squisitamente umane, definite “insostituibili”, come l’empatia, il giudizio e il ragionamento etico.3 Questa evoluzione è una diretta conseguenza della natura della GenAI: non è uno strumento passivo e deterministico, ma un sistema probabilistico che genera, “ragiona” in modo statistico e, per sua stessa architettura, può errare, riflettere bias o produrre falsità.1 Di fronte a un partner cognitivo di questo tipo, la competenza non può più risiedere solo nell’esecuzione, ma deve spostarsi verso la supervisione, la validazione, la co-creazione e la responsabilità etica. L’AI Literacy, quindi, non è la versione 2.0 della Digital Literacy, ma emerge come una disciplina a sé stante, focalizzata sulla collaborazione critica uomo-macchina.

 

Tabella 1: Analisi Comparativa dei Framework di AI/Digital Literacy

Caratteristica	DigComp 2.2 (Aggiornamento 2022)	AILit Framework (EC/OECD, 2025 Draft)	Linee Guida UNESCO
Approccio Fondamentale	Adattamento di un framework preesistente, con integrazione di esempi relativi all’IA.	Creazione ex novo di un framework olistico specifico per l’AI Literacy.	Principi e strategie per l’integrazione dell’AI Literacy nei sistemi educativi nazionali.
Domini di Competenza	5 Aree: 1. Alfabetizzazione su informazioni e dati; 2. Comunicazione e collaborazione; 3. Creazione di contenuti digitali; 4. Sicurezza; 5. Risolvere problemi.14	4 Domini Pratici: 1. Engaging with AI; 2. Creating with AI; 3. Managing AI’s actions; 4. Designing AI solutions.3	Focus su aree come la comprensione dell’IA, l’uso etico, e lo sviluppo di competenze per la collaborazione uomo-macchina.19
Competenze Chiave Evidenziate	Competenze digitali generali applicate a contesti con IA (es. fact-checking di contenuti IA, interazione con chatbot).14	Pensiero critico, creatività, problem-solving, collaborazione, comunicazione, consapevolezza etica, prompt engineering.17	Inclusività, equità, apprendimento permanente, comprensione dei principi etici e dei diritti umani nell’uso dell’IA.19
Focus Etico	Integrato tramite esempi e nel paragrafo “Cittadini che interagiscono con sistemi di AI” (etica, bias, controllo umano).14	Centrale e pervasivo in tutti i domini. Include bias, proprietà intellettuale, responsabilità e supervisione umana.3	Fondamentale. L’UNESCO chiede esplicitamente regolamentazione e tutele etiche per un uso sicuro e non discriminatorio dell’IA.19
Target di Riferimento	Tutti i cittadini europei.	Studenti e docenti dell’istruzione primaria e secondaria (ma principi estendibili).	Policy maker, governi, istituzioni educative a livello nazionale e internazionale.

 

3.0 Opportunità e Vantaggi: L’IA Generativa come Acceleratore di Competenze

Al di là delle legittime preoccupazioni, l’intelligenza artificiale generativa offre un potenziale senza precedenti per trasformare positivamente l’istruzione e accelerare lo sviluppo di competenze cruciali per il XXI secolo. Se governata e integrata con saggezza pedagogica, la GenAI può evolvere da semplice strumento a vero e proprio partner cognitivo, potenziando le capacità umane in molteplici dimensioni.

 

3.1 Apprendimento Personalizzato e Auto-diretto (Self-Directed Learning – SDL)

Una delle promesse più significative della GenAI è la capacità di realizzare un apprendimento autenticamente personalizzato su larga scala. Agendo come un “tutor intelligente” personale, disponibile 24 ore su 24, 7 giorni su 7, la tecnologia può abbattere le barriere del modello educativo “one-size-fits-all”.25 Piattaforme EdTech innovative stanno già sfruttando questa capacità per:

• Creare percorsi di apprendimento su misura: Analizzando le risposte di uno studente, un sistema di IA può identificare lacune di conoscenza e punti di forza, adattando dinamicamente il percorso formativo per concentrarsi sulle aree di maggiore necessità.25
• Spiegare concetti complessi: La GenAI può riformulare spiegazioni complesse utilizzando analogie diverse, stili di comunicazione differenti o livelli di approfondimento variabili, per incontrare lo stile di apprendimento preferito di ogni singolo studente.10
• Generare esercizi e feedback adattivi: Può creare un numero virtualmente infinito di problemi, quiz ed esercizi, aumentando la difficoltà man mano che lo studente progredisce e fornendo feedback immediato e dettagliato, un compito insostenibile per un singolo docente con una classe numerosa.25

 

Questo approccio si sposa perfettamente con le teorie del Self-Directed Learning (SDL), in cui lo studente diventa l’agente primario del proprio processo formativo. In questo modello, la GenAI non è un insegnante che impartisce conoscenza, ma una risorsa potente che lo studente può interrogare per esplorare la propria curiosità, approfondire argomenti, testare ipotesi e consolidare le proprie conoscenze in modo autonomo e proattivo.28 Piattaforme come Cerego, che crea piani di studio personalizzati basati sulla ritenzione mnemonica, o Khan Academy, con il suo tutor AI Khanmigo, sono esempi concreti di questa rivoluzione in atto.25

 

3.2 Potenziamento della Creatività, del Pensiero Critico e del Problem-Solving

Contrariamente alla visione riduttiva che vede l’IA come una macchina che inibisce la creatività umana, un uso strategico della GenAI può, al contrario, potenziarla significativamente. Essa può agire come un partner di brainstorming, un “muso” digitale che non si stanca mai di proporre nuove idee, prospettive alternative o strutture narrative, aiutando a superare il classico “blocco dello scrittore” o la fissità funzionale nel problem-solving.29

La ricerca accademica sta iniziando a confermare questo legame. Uno studio ha dimostrato come la Generative AI Literacy (GAIL), ovvero la competenza nell’usare questi strumenti, influenzi positivamente la performance lavorativa, e questo effetto è parzialmente mediato da un aumento della Creative Self-Efficacy, cioè della fiducia nelle proprie capacità creative.2 L’interazione con l’IA non deve essere passiva; può diventare un esercizio di pensiero critico e computazionale. Ad esempio, chiedere a uno studente di valutare criticamente il codice generato da un’IA per risolvere un problema, confrontandolo con la propria soluzione, non solo facilita l’apprendimento della programmazione ma affina anche le capacità di analisi e debugging.17 La GenAI, quindi, non sostituisce il pensiero, ma può diventare l’oggetto stesso di un’attività di pensiero di ordine superiore.

 

3.3 Sviluppo di Nuove Competenze Digitali Fondamentali

L’interazione quotidiana con la GenAI sta già forgiando la necessità e, di conseguenza, l’opportunità di sviluppare un set di competenze digitali interamente nuovo, che sta rapidamente diventando fondamentale nel mercato del lavoro. Tra queste, due emergono con particolare forza:

• Prompt Engineering: Questa non è semplicemente la capacità di “fare una domanda a un computer”. È l’arte e la scienza di formulare istruzioni, contesti e vincoli in modo così preciso ed efficace da guidare il modello di IA a produrre l’output desiderato. Richiede chiarezza di pensiero, comprensione delle logiche del modello e capacità iterativa. È una nuova forma di literacy che si colloca all’intersezione tra linguaggio, logica e tecnologia.2
• Valutazione Critica degli Output: Poiché i modelli di GenAI possono produrre “allucinazioni”, riflettere bias e generare informazioni obsolete o inaccurate, la capacità di valutare criticamente i loro output è diventata una competenza di sopravvivenza nell’ecosistema informativo moderno. Questo va oltre il semplice fact-checking; implica la capacità di analizzare la coerenza interna di un testo, di riconoscere i possibili bias derivanti dai dati di addestramento e di verificare sistematicamente le fonti, specialmente in un’era minacciata dalla disinformazione sintetica.8

 

Queste abilità, nate dalla necessità di interagire con la GenAI, sono già attivamente ricercate dai datori di lavoro e sono destinate a diventare una componente non negoziabile del profilo professionale del futuro.12

 

3.4 Aumento dell’Efficienza e della Produttività

L’impatto della GenAI sull’efficienza è uno dei vantaggi più tangibili e documentati. L’automazione di compiti cognitivi ripetitivi e dispendiosi in termini di tempo — come la stesura di bozze, la sintesi di lunghi documenti, l’analisi preliminare di dati o la scrittura di email — libera preziose risorse mentali e temporali.9 Questo tempo recuperato può essere reinvestito in attività a più alto valore aggiunto che richiedono giudizio umano, pensiero strategico e interazione interpersonale.

Diversi studi quantitativi hanno iniziato a misurare questo impatto. Una ricerca condotta su studenti delle scuole secondarie (gradi 7-12) ha rivelato un effetto positivo sostanziale e statisticamente significativo dell’uso di applicazioni di GenAI sia sulla loro capacità di innovazione (con un coefficiente di regressione, β, di 0.862) sia sulla loro alfabetizzazione digitale complessiva (β=0.835).4 In ambito professionale, un altro studio ha stabilito un legame diretto tra la

Generative AI Literacy e un miglioramento della performance lavorativa (β=0.680).2 Questi dati suggeriscono che, se usata correttamente, la GenAI non solo rende più veloci, ma può anche rendere più efficaci e innovativi.

 

3.5 Accessibilità e Inclusione

Infine, la GenAI detiene un notevole potenziale per rendere l’istruzione più accessibile e inclusiva. Può agire come un ponte per superare barriere che hanno a lungo ostacolato l’apprendimento per molti studenti. Ad esempio, le sue capacità possono essere sfruttate per:

• Supporto linguistico: Fornire traduzioni istantanee di materiali didattici o agire come partner di conversazione per chi sta imparando una nuova lingua, riducendo l’ansia da prestazione.25
• Accessibilità per disabilità: Creare materiali in formati alternativi, come la conversione di testo in audio (text-to-speech) per studenti ipovedenti o con dislessia, come fa l’applicazione Speechify.25
• Supporto a stili di apprendimento diversi: Offrire spiegazioni visive, testuali o interattive dello stesso concetto, permettendo a ogni studente di trovare la modalità più consona al proprio modo di apprendere.33

I

n questo senso, la GenAI, se implementata con un focus sull’equità, può diventare uno strumento potente per democratizzare l’accesso a un’istruzione di alta qualità, contribuendo a ridurre i divari di apprendimento preesistenti.33

 

4.0 Rischi e Pericoli: Le Sfide dell’Integrazione dell’IA Generativa

Nonostante le immense opportunità, l’integrazione pervasiva della GenAI nei contesti educativi e professionali solleva sfide altrettanto significative. Questi rischi non sono semplici effetti collaterali tecnici, ma minacce sistemiche che interrogano le fondamenta stesse del processo formativo: lo sviluppo dell’autonomia cognitiva, la costruzione del giudizio critico e l’integrità etica. Ignorare o sottovalutare questi pericoli potrebbe portare a conseguenze negative durature per gli individui e la società.

 

4.1 Deskilling e Atrofia del Pensiero Critico

Il rischio di deskilling (dequalificazione) cognitivo è una delle preoccupazioni più sentite e dibattute nel mondo accademico.5 Il pericolo risiede nella possibilità che una dipendenza eccessiva e acritica dagli strumenti di GenAI possa atrofizzare lo sviluppo di abilità cognitive fondamentali. Se gli studenti e i giovani professionisti si abituano a usare l’IA come una “scatola nera” che fornisce risposte preconfezionate, piuttosto che come un assistente per il processo di pensiero, corrono il rischio di non esercitare e quindi non sviluppare le capacità di:

• Ricerca e analisi autonoma: La fatica di cercare, selezionare, e sintetizzare informazioni da fonti diverse è un esercizio cognitivo cruciale. Delegarlo interamente all’IA può portare a un apprendimento superficiale.34
• Scrittura argomentativa: Il processo di strutturare un pensiero, costruire un’argomentazione e articolarla in un testo coerente è fondamentale per la chiarezza intellettuale. L’uso di testo generato dall’IA può bypassare questo sforzo.6
• Risoluzione di problemi: Affrontare un problema complesso richiede analisi, tentativi, errori e creatività. L’outsourcing della soluzione all’IA può privare l’individuo di questa preziosa esperienza di apprendimento.7

 

La ricerca empirica inizia a fornire prove a sostegno di questa preoccupazione. Alcuni studi suggeriscono che, sebbene l’IA possa migliorare la performance su un compito specifico, le abilità dell’individuo possono peggiorare quando lo strumento viene rimosso, indicando che i processi cognitivi essenziali per un apprendimento profondo e duraturo sono stati aggirati.32 La preoccupazione è che si possa assistere a una “diluizione dell’istruzione”, producendo laureati e professionisti tecnicamente capaci di ottenere risultati con l’IA, ma privi delle competenze critiche e analitiche fondamentali per affrontare problemi nuovi e complessi in modo indipendente.6

 

4.2 Bias, Disinformazione e Affidabilità degli Output

I modelli di GenAI sono tanto potenti quanto imperfetti. La loro affidabilità è minata da tre problemi intrinsecamente legati alla loro architettura.

• Bias Algoritmici: I Large Language Models (LLM) sono addestrati su enormi corpus di testo e immagini prelevati da Internet. Di conseguenza, essi non solo apprendono la conoscenza umana, ma ne ereditano e spesso ne amplificano anche i pregiudizi culturali, sociali, di genere e razziali.7 Un modello addestrato prevalentemente su dati provenienti dal mondo occidentale e in lingua inglese, ad esempio, può generare risposte meno accurate, stereotipate o culturalmente insensibili quando interrogato su contesti diversi.6 Questo rappresenta un rischio enorme in ambito educativo, dove si persegue l’obiettivo dell’inclusività e della rappresentazione equa delle diversità.
• Allucinazioni e Inaccuratezze: Un limite noto e pericoloso della GenAI è il fenomeno delle “allucinazioni”. Con questo termine si intende la tendenza dei modelli a generare informazioni che appaiono coerenti e plausibili, ma che sono di fatto errate o completamente inventate. Questo può includere la creazione di fatti, statistiche, eventi storici e persino citazioni e riferimenti bibliografici inesistenti.6 Questa “sicurezza ingannevole” con cui l’IA presenta informazioni false mina la sua affidabilità come fonte di conoscenza e rende la verifica umana non solo consigliabile, ma assolutamente indispensabile.
• Disinformazione e Minacce alla Sicurezza: La stessa tecnologia che permette di creare contenuti utili può essere impiegata per scopi malevoli. La capacità di generare deepfake (video o audio sintetici ultra-realistici), testi persuasivi e notizie false su larga scala rappresenta una minaccia significativa alla stabilità sociale e alla sicurezza. Questi strumenti possono essere usati per campagne di disinformazione politica, manipolazione dell’opinione pubblica, frodi finanziarie e attacchi alla reputazione, con un potenziale di danno enorme.8

 

4.3 Integrità Accademica e Nuove Forme di Plagio

La facilità con cui la GenAI può produrre testo di alta qualità ha scosso le fondamenta delle nozioni tradizionali di autorialità, originalità e plagio. L’uso di contenuti generati dall’IA in un compito accademico senza un’adeguata e trasparente dichiarazione costituisce una nuova e insidiosa forma di cattiva condotta accademica.5 Le istituzioni educative di tutto il mondo stanno lottando per rispondere a questa sfida. L’approccio iniziale, spesso basato su divieti totali, si è dimostrato largamente inefficace e difficile da applicare, data l’ubiquità e l’accessibilità di questi strumenti.28

La tendenza attuale si sta spostando verso lo sviluppo di policy più sfumate, che non vietino l’uso dell’IA ma ne regolamentino l’impiego, richiedendo agli studenti di dichiarare come e perché hanno utilizzato questi strumenti e promuovendo un uso etico e responsabile.29 Tuttavia, la sfida rimane immensa. I software per il rilevamento del testo generato dall’IA si sono dimostrati inaffidabili, e la distinzione tra testo “ispirato” dall’IA, “assistito” dall’IA o “interamente scritto” dall’IA è spesso labile. Questo impone una riconsiderazione profonda delle metodologie di valutazione. Diventa imperativo progettare compiti e prove d’esame che valutino processi cognitivi di ordine superiore — come l’analisi critica in classe, la discussione orale, la risoluzione di problemi unici o l’applicazione pratica delle conoscenze — che l’IA non può facilmente replicare, spostando il focus dal prodotto finale al processo di apprendimento.6

 

4.4 Privacy, Sicurezza dei Dati e Benessere Psicologico

L’interazione con i sistemi di GenAI, specialmente quelli accessibili pubblicamente, introduce rischi significativi per la privacy e il benessere degli utenti, in particolare dei più giovani.

• Privacy e Sicurezza dei Dati: Quando un utente inserisce una query in un chatbot pubblico, non c’è garanzia sulla gestione di tali informazioni. L’input di dati personali, sensibili o di ricerca confidenziale (come dati di pazienti o strategie aziendali) pone seri rischi di violazione della privacy e delle normative come il GDPR.5 Questi dati possono essere utilizzati per addestrare ulteriormente i modelli e, in caso di falle di sicurezza, potrebbero essere esposti o resi accessibili ad altri utenti, come evidenziato dalle preoccupazioni di ricercatori e professionisti.6
• Benessere Psicologico dei Giovani: Ricerche emergenti stanno mettendo in luce rischi specifici per la salute mentale e lo sviluppo socio-emotivo di adolescenti e giovani adulti. La capacità dei chatbot di simulare empatia e conversazioni umane può portare a:

• Dipendenza Emotiva e Legami Parasociali: I giovani possono sviluppare forti legami emotivi con compagni virtuali, arrivando a preferire queste interazioni prevedibili e sempre disponibili alle complessità delle relazioni umane reali. Questo può portare a un’atrofia delle abilità sociali e a un ritiro dal mondo reale.40
• Amplificazione di Vulnerabilità: L’interazione con un’IA non moderata può rinforzare comportamenti dannosi o amplificare vulnerabilità psicologiche preesistenti.40
• Confusione tra Realtà e Finzione: I giovani, in particolare, possono avere difficoltà a distinguere tra l’empatia simulata di un bot e la comprensione umana genuina, rendendoli più suscettibili alla manipolazione e all’influenza di questi sistemi.41

 

I rischi associati alla GenAI non sono dunque un insieme di problemi tecnici isolati, ma sfide sistemiche profondamente interconnesse. L’eccessiva fiducia nell’affidabilità degli output porta direttamente al deskilling cognitivo, poiché riduce l’incentivo alla verifica e al pensiero critico. La facilità di generazione del testo alimenta il plagio, che è una forma di dequalificazione sia etica che pratica. L’accettazione passiva di output carichi di bias rappresenta una grave lacuna nel pensiero critico. Tutti questi pericoli convergono verso un punto nevralgico: il potenziale indebolimento dell’agire umano autonomo, critico e responsabile. Ne consegue che le contromisure non possono essere meramente tecniche, come software anti-plagio più efficaci. Devono essere, prima di tutto, pedagogiche. L’educazione deve urgentemente spostare il suo baricentro dalla produzione di conoscenza — un’attività che l’IA può sempre più automatizzare — alla validazione, contestualizzazione, applicazione creativa e supervisione etica della conoscenza, domini che devono rimanere saldamente nelle mani dell’intelligenza umana.

 

Tabella 2: Mappatura Rischi vs. Opportunità dell’IA Generativa per le Competenze Digitali

Rischio / Pericolo	Opportunità Corrispondente / Strategia di Mitigazione
Deskilling e Atrofia del Pensiero Critico	Riprogettare i curricula per focalizzarsi su compiti di valutazione, sintesi e applicazione creativa. Usare l’IA per automatizzare i compiti di basso livello (es. riassunti) per liberare tempo per attività cognitive di ordine superiore (es. dibattiti, progetti).34
Bias Algoritmici e Inaccuratezze	Insegnare esplicitamente agli studenti come identificare bias e “allucinazioni”. Utilizzare il confronto tra output di diversi modelli IA come esercizio di analisi critica e media literacy. Promuovere la verifica sistematica delle fonti.8
Integrità Accademica e Plagio	Sviluppare nuove forme di valutazione che testino il processo e non solo il prodotto (es. esami orali, presentazioni di progetti, portfolio). Stabilire policy chiare sull’uso etico e dichiarato dell’IA, trasformando lo studente da potenziale “imbroglione” a utente responsabile.28
Privacy e Sicurezza dei Dati	Educare alla “cyber-igiene” digitale, insegnando a non inserire dati sensibili in sistemi pubblici. Promuovere l’uso di piattaforme IA istituzionali e sicure (“walled garden”) che garantiscano la protezione dei dati degli utenti.5
Impatto sul Benessere Psicologico	Promuovere un dialogo aperto sui rischi di dipendenza e isolamento. Integrare l’educazione socio-emotiva nei percorsi di AI Literacy, sottolineando il valore insostituibile delle interazioni umane e sviluppando la capacità di gestire criticamente le relazioni parasociali.40

 

5.0 Focus sui Giovani (18-28 anni): Adozione, Percezioni e Impatto sulla Carriera

La fascia demografica dei giovani adulti (18-28 anni) si trova all’epicentro della rivoluzione della GenAI. Essendo i primi ad adottare massicciamente questi strumenti e trovandosi in una fase cruciale di definizione del proprio futuro educativo e professionale, la loro esperienza offre una lente di ingrandimento privilegiata per comprendere le dinamiche attuali e future. L’analisi rivela un quadro complesso, caratterizzato da un’adozione quasi universale, percezioni ambivalenti e un impatto dirompente sulle prospettive di carriera.

 

5.1 Tendenze di Adozione: Un Fenomeno di Massa

I dati sull’adozione della GenAI da parte dei giovani sono impressionanti e testimoniano una velocità di diffusione senza precedenti. Uno studio condotto negli Stati Uniti nell’agosto 2024 ha rilevato che già il 39% della popolazione di età compresa tra 18 e 64 anni aveva utilizzato la GenAI, con tassi di adozione più elevati tra i giovani, i più istruiti e gli uomini.9 È significativo notare che il tasso di adozione della GenAI dopo due anni dal suo lancio di massa ha superato quello registrato per il PC e per Internet nello stesso arco di tempo, segnalando un cambiamento tecnologico di eccezionale rapidità.9

Se si restringe il campo agli studenti universitari, il fenomeno assume le proporzioni di una vera e propria integrazione sistemica. Un’indagine del 2025 ha mostrato che ben il 92% degli studenti ha utilizzato strumenti di IA in qualche forma, con un balzo vertiginoso rispetto al 66% registrato solo l’anno precedente, nel 2024.10 L’uso specifico della GenAI per la preparazione di esami e compiti è passato dal 53% all’88% nello stesso periodo. Gli utilizzi più comuni riflettono un approccio pragmatico e orientato all’efficienza: gli studenti la usano principalmente per farsi spiegare concetti (58%), per riassumere articoli (passato dall’essere il terzo all’essere il secondo uso più popolare) e per suggerire idee di ricerca.10 Questi dati indicano che la GenAI non è più uno strumento di nicchia, ma una risorsa integrata nel flusso di lavoro quotidiano della stragrande maggioranza dei giovani in formazione.

 

5.2 Percezioni e Preoccupazioni: Tra Ottimismo e Ansia

L’atteggiamento dei giovani verso la GenAI è profondamente ambivalente, un misto di pragmatismo, ottimismo e ansia latente.

• Ottimismo e Pragmatismo: La motivazione principale dietro l’adozione massiccia è l’efficienza. Gli studenti dichiarano di usare la GenAI perché fa risparmiare tempo (51%), migliora la qualità percepita del loro lavoro (50%) e fornisce un supporto personalizzato e istantaneo, disponibile al di fuori degli orari tradizionali (40%).10 Molti giovani sono anche ottimisti riguardo all’impatto positivo che queste tecnologie avranno sulla loro educazione e sulle loro future carriere, percependole come strumenti utili per apprendere le competenze necessarie per il futuro.43
• Ansia e Paura: Sotto la superficie di questo utilizzo pragmatico, serpeggiano preoccupazioni significative. Uno studio rivela un dato allarmante: il 40% degli adolescenti e dei giovani adulti sta attivamente riconsiderando il proprio percorso di carriera a causa dell’impatto previsto della GenAI, una percentuale quasi raddoppiata rispetto al 22% dell’anno precedente.13 Questa ansia è particolarmente acuta tra coloro che aspirano a carriere creative (artisti, scrittori, designer), che temono non solo la perdita di sicurezza lavorativa, ma anche una svalutazione della propria identità e del proprio scopo. Altre preoccupazioni diffuse riguardano i rischi per la privacy e il potenziale aumento delle pratiche di cheating in ambito accademico.43
• Il Gap Educativo: Emerge con forza una pericolosa disconnessione. A fronte di un’adozione quasi universale e di un utilizzo autonomo e non guidato, i giovani si sentono largamente abbandonati dalle istituzioni formative. Solo il 28% dei giovani intervistati ritiene di aver imparato “molto” sulla GenAI a scuola. Addirittura, il 65% riporta che i propri insegnanti ne permettono un uso limitato o nullo per i compiti a casa.13 Questo divario tra l’uso massiccio nella vita reale e la mancanza di una guida educativa formale e critica è un punto di vulnerabilità enorme. Lascia i giovani a navigare da soli le complessità di una tecnologia potente, aumentandone l’esposizione ai rischi di disinformazione, deskilling e uso non etico.

 

 

5.3 L’Impatto sul Futuro del Lavoro e sulle Carriere “Entry-Level”

 

L’impatto più dirompente della GenAI per la fascia d’età 18-28 si manifesta nella radicale ristrutturazione del mercato del lavoro, in particolare per le posizioni di primo impiego (entry-level).

• Automazione dei Compiti Junior: La GenAI sta rapidamente automatizzando una vasta gamma di compiti che tradizionalmente costituivano il nucleo del lavoro dei neolaureati e dei giovani professionisti: analisi di dati di base, preparazione di presentazioni e report, stesura di bozze, ricerche preliminari e persino modellizzazione finanziaria.12 Questo fenomeno sta di fatto “rompendo la scala della carriera” tradizionale, che si basava su un modello di apprendistato in cui i giovani “facevano la gavetta” attraverso l’esecuzione di compiti ripetitivi per acquisire esperienza e familiarità con il settore.12
• Shifting Skill Demands (Spostamento delle Competenze Richieste): Di conseguenza, il valore di un giovane professionista sul mercato del lavoro si sta spostando. Le abilità puramente esecutive e procedurali, facilmente automatizzabili, perdono di importanza. Emergono invece come cruciali le competenze in cui l’intelligenza umana mantiene un vantaggio comparato sull’IA:

• Pensiero strategico e critico: La capacità di definire un problema, valutare gli output dell’IA e prendere decisioni complesse.
• Creatività e problem-solving innovativo: L’abilità di usare l’IA come strumento per generare soluzioni originali a problemi non strutturati.
• Adattabilità e apprendimento continuo: La capacità di aggiornarsi costantemente sulle nuove evoluzioni tecnologiche.
• Supervisione e giudizio etico: La competenza nel guidare l’IA, nel garantirne un uso responsabile e nel valutarne le implicazioni etiche.12
  
  La familiarità con l’IA e i big data è già oggi una delle competenze più ricercate dai datori di lavoro, e questa domanda è destinata a crescere esponenzialmente.43

• Nuove Opportunità e Sfide Formative: Se da un lato l’automazione spaventa, dall’altro può rappresentare un’opportunità. I giovani professionisti potrebbero essere liberati dai compiti più noiosi e ripetitivi per essere coinvolti prima in progetti a più alto valore strategico e creativo.12 La grande sfida per le aziende e per il sistema formativo sarà quella di creare percorsi di apprendimento e mentorship completamente nuovi, capaci di compensare la perdita di apprendimento esperienziale che derivava dai compiti di routine, per garantire che i giovani possano sviluppare il giudizio e l’expertise necessari per progredire nella loro carriera.12

 

L’analisi di queste dinamiche rivela una disconnessione critica e potenzialmente dannosa. Da una parte, si osserva un’adozione esponenziale e pragmatica della GenAI da parte dei giovani, che la usano per ottimizzare i loro flussi di lavoro esistenti. Dall’altra, il sistema educativo e formativo risponde con lentezza, spesso con divieti o con una totale assenza di guida strutturata. Questo “gap di governance educativa” sta forgiando una generazione di utenti che sono estremamente competenti a livello operativo — sanno come usare lo strumento per ottenere un risultato — ma che rischiano di essere profondamente ingenui a livello critico, strategico ed etico.

Il paradosso è che il mercato del lavoro, a causa della stessa automazione che i giovani stanno imparando a sfruttare, sta smettendo di premiare le abilità operative e inizia a richiedere massicciamente proprio quelle competenze di ordine superiore (pensiero critico, etica, supervisione) che il sistema educativo non sta insegnando in relazione all’IA.12 I giovani stanno imparando da soli a usare la nuova tecnologia per svolgere più velocemente i vecchi compiti, ma il mondo del lavoro futuro chiederà loro di svolgere compiti completamente nuovi, che richiedono un set di competenze radicalmente diverso. Se questo divario non verrà colmato con urgenza, lo scenario a breve termine è quello di una generazione di giovani che, pur essendo tecnologicamente la più avanzata di sempre, potrebbe arrivare sul mercato del lavoro con le competenze sbagliate.

 

6.0 Il Contesto Normativo e Strategico: Europa e Italia

La pervasività e la potenza della GenAI hanno spinto le istituzioni europee e nazionali a muoversi su un doppio binario: da un lato, la definizione di un quadro normativo robusto per governare i rischi; dall’altro, l’elaborazione di strategie per promuovere l’innovazione e lo sviluppo di competenze. Questo doppio approccio, sebbene necessario, crea una tensione intrinseca che definirà il futuro dell’IA nell’istruzione e nella società.

 

6.1 Il Quadro Europeo: L’AI Act e il Digital Education Action Plan

L’Unione Europea si è posta all’avanguardia globale nella regolamentazione dell’intelligenza artificiale, cercando di bilanciare la promozione dell’innovazione con la tutela dei diritti fondamentali dei cittadini.

 

L’AI Act

Approvato in via definitiva nel 2024, il Regolamento UE sull’IA (noto come AI Act) è la prima legge orizzontale e completa al mondo dedicata a questa tecnologia.44 Il suo pilastro concettuale è un

approccio basato sul rischio, che classifica i sistemi di IA in quattro categorie, imponendo obblighi proporzionali al potenziale danno che possono causare 16:

1. Rischio Inaccettabile: Sistemi che rappresentano una minaccia per i diritti e la sicurezza delle persone e che sono pertanto vietati. Includono, ad esempio, il social scoring e le tecniche manipolative subliminali.16
2. Rischio Alto: Sistemi che possono avere un impatto significativo sulla vita delle persone. Questa categoria è di fondamentale importanza per la nostra analisi, poiché include esplicitamente i sistemi di IA utilizzati nel settore dell’istruzione e della formazione professionale, ad esempio per determinare l’accesso, l’ammissione o la valutazione degli studenti.45 Per questi sistemi, l’AI Act impone obblighi molto stringenti prima e durante la loro immissione sul mercato, tra cui: valutazioni di conformità, gestione del rischio, alta qualità dei dati di addestramento, documentazione tecnica, tracciabilità, trasparenza verso gli utenti, garanzia di una supervisione umana efficace, e un alto livello di accuratezza, robustezza e cybersicurezza.46
3. Rischio Limitato: Sistemi che richiedono obblighi di trasparenza specifici. Ad esempio, gli utenti devono essere informati quando interagiscono con un chatbot o quando un contenuto è stato generato o manipolato artificialmente (deepfake).47
4. Rischio Minimo: Sistemi come i filtri antispam o i videogiochi basati sull’IA, che sono esenti da obblighi specifici, anche se i fornitori sono incoraggiati ad adottare codici di condotta volontari.16

Per la GenAI, l’AI Act prevede obblighi di trasparenza specifici, come l’obbligo di marcare i contenuti audio, video o testuali come generati artificialmente, e requisiti più severi per i modelli “a rischio sistemico”.46

Digital Education Action Plan (2021-2027)

Parallelamente all’approccio normativo, la Commissione Europea persegue un’agenda strategica attraverso il Digital Education Action Plan. Questa iniziativa mira a sostenere l’adattamento dei sistemi di istruzione e formazione degli Stati membri all’era digitale, promuovendo un’educazione digitale di alta qualità, inclusiva e accessibile.14 Per quanto riguarda l’IA, due azioni sono particolarmente rilevanti:

• Azione 6 – Linee Guida Etiche: Questa azione ha portato alla pubblicazione delle “Linee guida etiche sull’uso dell’intelligenza artificiale e dei dati nell’insegnamento e nell’apprendimento per gli educatori”.14 Queste linee guida, pur non essendo vincolanti come l’AI Act, forniscono un orientamento pratico a insegnanti e dirigenti scolastici su come integrare l’IA in modo responsabile, consapevole dei rischi ma anche del potenziale.
• Finanziamenti e Progetti: Il piano supporta attivamente, attraverso programmi come Erasmus+, lo sviluppo di progetti transnazionali che esplorano l’integrazione dell’IA nell’istruzione, lo sviluppo di metodi innovativi per la valutazione delle competenze digitali (in riferimento a DigComp) e la formazione dei docenti.50

 

6.2 La Strategia e la Normativa Italiana

L’Italia si sta muovendo in linea con il quadro europeo, declinando le direttive comunitarie in strategie e normative nazionali.

 

Strategia Italiana per l’IA (2024-2026)

Elaborata dall’Agenzia per l’Italia Digitale (AGID), la strategia nazionale si inserisce nel solco del Piano Coordinato Europeo, con l’obiettivo di rendere l’Italia un polo competitivo nell’IA, promuovendo al contempo un approccio antropocentrico e affidabile.14 La strategia lega indissolubilmente lo sviluppo tecnologico all’innalzamento delle competenze digitali della popolazione, identificando il framework DigComp come strumento chiave per guidare la formazione dei cittadini e garantire che possano interagire con l’IA in modo critico ed etico.14 Vengono promossi investimenti in ricerca, la collaborazione tra pubblico e privato e lo sviluppo di un mercato per applicazioni di IA sicure e affidabili.16

 

Disegno di Legge sull’IA

Il Governo italiano ha presentato un Disegno di Legge sull’IA che si qualifica come la prima proposta legislativa nazionale in Europa finalizzata ad adottare e integrare le disposizioni del nuovo AI Act.47 Il D.D.L. mira a stabilire un quadro normativo nazionale per “un utilizzo corretto, trasparente e responsabile” dell’IA, in una “dimensione antropocentrica”.47 Tra i punti salienti rilevanti per il nostro ambito di analisi vi sono:

• Sviluppo Economico e Lavoro: Misure per promuovere l’uso dell’IA per accrescere la competitività e la produttività, garantendo al contempo la tutela dei diritti dei lavoratori e la non discriminazione (art. 5 e 11).47
• Pubblica Amministrazione: Regole per l’uso dell’IA nei servizi pubblici, mantenendo la centralità della responsabilità umana (art. 13).47
• Diritto d’Autore e Informazione: Norme specifiche per le opere create con l’ausilio dell’IA e per tutelare il pluralismo e la correttezza dell’informazione (art. 24).47
• Tutela dei Minori: Disposizioni specifiche per l’accesso dei minori alle tecnologie di IA, differenziando per fasce d’età (art. 4).52

L’approccio normativo europeo, e di conseguenza quello italiano, crea un’interessante e complessa dinamica. La classificazione dell’istruzione come settore “ad alto rischio” nell’AI Act stabilisce un principio di massima cautela. Questo impone oneri significativi in termini di conformità, valutazione e trasparenza per qualsiasi azienda EdTech che voglia fornire soluzioni di IA a scuole e università.48 Se da un lato ciò garantisce un livello elevato di sicurezza e affidabilità per gli strumenti adottati a livello istituzionale, dall’altro potrebbe rallentare il ciclo di innovazione e aumentare i costi, rendendo le istituzioni più caute nell’adottare soluzioni nuove.

Contemporaneamente, la spinta all’innovazione promossa dal Digital Education Action Plan e dalle strategie nazionali incoraggia la sperimentazione e l’adozione. Questa tensione potrebbe generare un mercato dell’IA educativa a due velocità. Da un lato, un ecosistema “istituzionale” caratterizzato da un’adozione più lenta e ponderata di sistemi certificati, sicuri e conformi alla normativa. Dall’altro, un ecosistema “informale” e bottom-up, dove studenti e docenti continuano a utilizzare in massa strumenti general purpose come ChatGPT, che sono veloci, innovativi e spesso gratuiti, ma che non sono stati progettati specificamente per l’educazione e operano in una zona grigia dal punto di vista della regolamentazione specifica per l’alto rischio educativo (pur essendo soggetti agli obblighi di trasparenza generali).10

Il rischio è che l’innovazione pedagogica più rapida avvenga al di fuori dei canali istituzionali sicuri. La sfida per i policy maker sarà quindi quella di armonizzare questi due mondi: creare percorsi (come le sandboxes normative) che permettano una sperimentazione rapida ma controllata 46, e fornire a docenti e studenti le competenze critiche per navigare in sicurezza anche l’ecosistema informale. Senza questo sforzo di armonizzazione, il divario tra l’uso “top-down” (lento, sicuro, regolamentato) e l’uso “bottom-up” (veloce, innovativo, rischioso) è destinato ad allargarsi.

 

Tabella 3: Sintesi del Quadro Normativo per l’IA nell’Istruzione (UE e Italia)

Aspetto Normativo	Regolamento UE (AI Act)	Normativa Italiana (D.D.L. IA e Strategia AGID)
Classificazione del Rischio in Educazione	I sistemi di IA usati per l’accesso, l’ammissione o la valutazione in ambito educativo e formativo sono classificati come “ad alto rischio”.45	Adotta e recepisce l’approccio basato sul rischio dell’AI Act. L’obiettivo è un uso “corretto, trasparente e responsabile” in linea con la normativa UE.47
Obblighi per Sistemi ad Alto Rischio	Obblighi stringenti per i fornitori: valutazione di conformità, gestione del rischio, alta qualità dei dati, trasparenza, supervisione umana, accuratezza, cybersicurezza.47	Stabilisce che le norme devono essere interpretate in conformità con il diritto UE, quindi gli obblighi dell’AI Act sono il riferimento. Promuove la localizzazione dei dati strategici in Italia.47
Obblighi di Trasparenza per GenAI	Obbligo di rendere noto che un contenuto (testo, immagine, video) è stato generato o manipolato artificialmente. Gli utenti devono sapere se interagiscono con un chatbot.46	Recepisce gli obblighi di trasparenza UE. Aggiunge tutele specifiche per il diritto d’autore (identificazione delle opere usate per il training) e per l’informazione (pluralismo, obiettività).52
Diritti dei Cittadini / Studenti	Diritto di presentare reclami alle autorità nazionali sui sistemi di IA. Diritto a una spiegazione delle decisioni prese da sistemi ad alto rischio che li riguardano.45	Rafforza la tutela dei diritti fondamentali, con un focus sulla dimensione antropocentrica. Introduce norme specifiche per la tutela dei minori e dei lavoratori da usi discriminatori dell’IA.47
Misure di Promozione / Investimento	Il Digital Education Action Plan finanzia progetti di innovazione e formazione (es. Erasmus+). L’AI Act promuove sandboxes normative per testare l’IA in ambiente controllato.46	La Strategia AGID promuove investimenti e collaborazione pubblico-privato. Il D.D.L. IA stanzia fondi per lo sviluppo economico, la competitività e progetti sperimentali nella PA.14

 

7.0 Scenari Futuri a Breve Termine e Raccomandazioni

La traiettoria futura dell’impatto della GenAI sullo sviluppo delle competenze digitali non è un destino predeterminato. Dipenderà in modo cruciale dalle scelte politiche, pedagogiche e individuali che verranno compiute nel prossimo futuro. Sulla base dell’analisi condotta, è possibile delineare due scenari divergenti a breve termine, insieme a una serie di raccomandazioni strategiche per orientare lo sviluppo verso un esito positivo.

 

7.1 Scenario 1: Integrazione Sistematica e Consapevole (“Utopia Regolata”)

In questo scenario ottimistico, ma plausibile, le istituzioni e i governi agiscono in modo proattivo e coordinato.

• Policy e Curricula: Guidate da policy chiare e pragmatiche che traducono i principi dell’AI Act in pratica, le istituzioni educative a tutti i livelli (dalla scuola all’università) riescono a integrare efficacemente l’AI Literacy come competenza trasversale in tutti i curricula. Non è una materia a sé stante, ma un approccio che permea tutte le discipline.
• Formazione dei Docenti: Vengono stanziati investimenti massicci per la formazione continua dei docenti. Gli insegnanti non sono lasciati soli, ma vengono dotati delle competenze e degli strumenti per agire non più come meri trasmettitori di informazioni, ma come “guide” esperte, “curatori” di conoscenza e facilitatori di pensiero critico nell’era dell’IA.37
• Riforma della Valutazione: I metodi di valutazione vengono radicalmente ripensati per superare la sfida del plagio da IA. Il focus si sposta dalla valutazione di prodotti facilmente replicabili (es. saggi scritti a casa) a quella di processi cognitivi complessi, attraverso project-based learning, esami orali, dibattiti, e la valutazione della capacità dello studente di usare l’IA in modo etico e critico per risolvere problemi reali.
• Sviluppo dei Giovani: In questo ambiente, i giovani sviluppano una relazione matura e consapevole con la tecnologia. Imparano a sfruttare la GenAI come un potente strumento di potenziamento cognitivo e creativo, senza cadere nella trappola del deskilling. Le competenze che sviluppano (pensiero critico, problem-solving, etica dell’IA, prompt engineering) sono perfettamente allineate con le nuove richieste del mercato del lavoro.
• Equità: Investimenti mirati in infrastrutture e formazione contribuiscono a ridurre il divario digitale, garantendo che i benefici di questa rivoluzione tecnologica siano distribuiti equamente e non accentuino le disuguaglianze esistenti.43

 

 

7.2 Scenario 2: Divario Crescente e Rischi non Mitigati (“Far West Digitale”)

In questo scenario pessimistico, la risposta istituzionale è lenta, frammentata e inadeguata, lasciando che la tecnologia si diffonda senza una governance efficace.

• Vuoto Istituzionale: La lentezza burocratica e la complessità della regolamentazione creano un vuoto. Le scuole e le università, per paura di rischi legali o per mancanza di risorse, adottano un approccio di divieto o di “non detto”, lasciando di fatto studenti e docenti a navigare da soli.
• Adozione Inconsapevole: L’adozione bottom-up da parte dei giovani continua in modo massiccio ma acritico. L’uso della GenAI si consolida come scorciatoia per ottenere risultati rapidi, non come strumento per un apprendimento più profondo.
• Amplificazione dei Rischi: In assenza di una guida educativa, i rischi analizzati in precedenza si amplificano. Il deskilling cognitivo diventa un fenomeno pervasivo. La vulnerabilità alla disinformazione e ai bias aumenta. Le pratiche di cattiva condotta accademica si diffondono.
• Aumento delle Disuguaglianze: Il divario digitale si trasforma in un “divario da IA”. Le disuguaglianze si accentuano tra chi ha accesso a strumenti premium e, soprattutto, a una guida familiare o personale su come usarli strategicamente, e chi non ha queste risorse, utilizzando l’IA in modo superficiale.33
• Skills Mismatch: Il divario tra le competenze insegnate formalmente e quelle richieste dal mercato del lavoro si allarga drammaticamente. I giovani arrivano sul mercato del lavoro con un’alta familiarità tecnica con gli strumenti, ma con un deficit nelle competenze di ordine superiore (pensiero critico, etica, creatività) che sono diventate le più preziose.13

 

 

7.3 Raccomandazioni Strategiche

Per favorire lo Scenario 1 ed evitare lo Scenario 2, è necessario un intervento coordinato su più livelli.

• Per i Policy Maker (UE e Nazionali):

1. Accelerare l’Implementazione: Tradurre rapidamente i principi generali dell’AI Act in linee guida pratiche e settoriali per il mondo dell’istruzione, offrendo certezza normativa a scuole e aziende EdTech.
2. Investire sulla Formazione dei Docenti: Lanciare un piano straordinario e continuo per la formazione di tutti i docenti, di ogni ordine e grado, sulle competenze di AI Literacy e sulle nuove pedagogie abilitate dall’IA.42
3. Promuovere la Ricerca e la Sperimentazione Controllata: Finanziare la ricerca pedagogica sull’integrazione efficace dell’IA e promuovere attivamente le sandboxes normative 46 per consentire alle aziende EdTech di innovare in un ambiente sicuro, bilanciando agilità e conformità.

 

• Per le Istituzioni Educative (Scuole, Università):

1. Sviluppare Policy Chiare e Partecipate: Creare regolamenti interni sull’uso etico dell’IA che siano chiari, equi e co-progettati con il coinvolgimento di docenti e studenti, superando la logica del divieto.
2. Integrare l’AI Literacy nei Curricula: Inserire l’alfabetizzazione sull’IA come competenza trasversale obbligatoria in tutti i corsi di studio, non come materia isolata.
3. Riformare la Valutazione: Abbandonare progressivamente le forme di valutazione più vulnerabili al plagio da IA e investire in metodi che valutino il pensiero critico, la creatività e l’applicazione pratica delle conoscenze.

 

• Per i Formatori e i Docenti:

1. Cambiare Ruolo: Abbracciare un nuovo ruolo di “guida”, “facilitatore” e “mentore critico”, aiutando gli studenti a porre le domande giuste (all’IA e a se stessi) piuttosto che a fornire risposte.
2. Insegnare le Nuove Competenze: Insegnare esplicitamente le competenze pratiche (come il prompt engineering), critiche (come la valutazione delle fonti e il riconoscimento dei bias) ed etiche (come l’uso responsabile e la trasparenza).
3. Usare l’IA per Migliorare l’Insegnamento: Sfruttare la GenAI per personalizzare i percorsi di apprendimento, creare materiali didattici innovativi e automatizzare i compiti amministrativi per dedicare più tempo all’interazione con gli studenti.

 

• Per i Giovani e i Cittadini:

1. Sviluppare un Approccio Critico e Proattivo: Non considerare la GenAI una fonte di verità assoluta. Mettere sempre in discussione gli output, verificare le informazioni e usare la tecnologia come punto di partenza per la ricerca e la creatività, non come punto di arrivo.
2. Proteggere i Propri Dati: Acquisire consapevolezza dei rischi per la privacy ed evitare di inserire informazioni personali o sensibili in sistemi di IA pubblici e non sicuri.
3. Investire sulle Competenze di Alto Livello: Sfruttare il tempo risparmiato grazie all’automazione per concentrarsi sullo sviluppo di quelle competenze unicamente umane (pensiero critico, creatività, intelligenza emotiva, etica) che rappresenteranno il vero capitale nel mercato del lavoro del futuro.

 

8.0 Conclusione

L’analisi condotta in questo paper ha messo in luce la natura profondamente ambivalente dell’intelligenza artificiale generativa nel contesto dello sviluppo delle competenze digitali. La GenAI non è né una panacea destinata a risolvere magicamente le sfide dell’istruzione, né un avversario da cui difendersi con divieti e proibizioni. Emerge, piuttosto, come un potente catalizzatore a doppio taglio: da un lato, uno strumento con un potenziale senza precedenti per personalizzare l’apprendimento, potenziare la creatività e accelerare la produttività; dall’altro, una fonte di rischi sistemici che minacciano di erodere il pensiero critico, amplificare le disuguaglianze, compromettere l’integrità accademica e minare il benessere psicologico, specialmente dei più giovani.

La traiettoria futura che prevarrà non è inscritta nella tecnologia stessa. Non esiste un determinismo tecnologico. L’esito dipenderà interamente dalla rete di scelte — politiche, normative, pedagogiche, aziendali e individuali — che la nostra società sarà in grado di compiere nel presente e nel prossimo futuro. Lo scenario di un “Far West Digitale”, in cui un’adozione rapida e inconsapevole da parte dei giovani si scontra con l’immobilismo delle istituzioni, è un rischio concreto che porterebbe a un allargamento dei divari e a una svalutazione delle competenze umane fondamentali. Allo stesso modo, lo scenario di una “Utopia Regolata”, in cui un’integrazione consapevole e governata trasforma l’IA in un partner per lo sviluppo umano, è un obiettivo raggiungibile.

La chiave per navigare questa complessità risiede nell’adozione di un approccio proattivo, collaborativo e risolutamente antropocentrico. Proattivo, perché attendere che i problemi si manifestino in tutta la loro gravità sarebbe un errore strategico imperdonabile. Collaborativo, perché nessuna singola entità — governi, università, aziende, famiglie — può affrontare questa sfida da sola; è necessaria un’alleanza educativa che coinvolga tutti gli attori. Antropocentrico, perché il fine ultimo di ogni innovazione tecnologica deve rimanere il potenziamento delle capacità umane e il miglioramento della condizione umana. La tecnologia deve rimanere uno strumento al servizio dell’uomo, e non viceversa.

L’obiettivo finale, quindi, non è semplicemente preparare i cittadini e i giovani a un futuro che sarà inevitabilmente definito dall’IA. L’obiettivo è molto più ambizioso: è quello di formare cittadini e professionisti capaci di plasmare attivamente un futuro in cui l’intelligenza umana e quella artificiale possano collaborare in modo sinergico, produttivo ed etico, per affrontare le grandi sfide del nostro tempo. La vera competenza, nell’era dell’IA, non sarà la capacità di ottenere risposte da una macchina, ma la saggezza di porre le domande giuste.

 

9.0 Bibliografia e Sitografia

 

Articoli Accademici e di Ricerca

• Almansour, A., & Alfhaid, A. (2024). Generative AI in Health Science Education. Frontiers in Artificial Intelligence. 54
• Baidoo-Anu, D., & Ansah, L. O. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. 14
• Bozkurt, A. (2024). A 3wAI Framework for GenAI Literacy. Open-publishing.org. 19
• Buono, E. (2024). Quale intelligenza (artificiale) per la formazione?. Indagine e Pratica Filosofica. 14
• Cha, H. J., et al. (2024). A teacher competency framework for AI in education. 19
• Chiu, T. K. F. (2023). Generative AI in education: An immature field of research. 28
• Dwivedi, Y. K., et al. (2024). Reimagining Higher Education: Navigating the Challenges of Generative AI Adoption. ResearchGate. 6
• Gonsalves, N. (2024). Generative AI’s Impact on Critical Thinking: Revisiting Bloom’s Taxonomy. King’s College London. 34
• Haddaway, N. R., et al. (2015). The role of Google Scholar in evidence reviews and its applicability to grey literature. 28
• Ithaka S+R. (2025). Making AI Generative for Higher Education. 29
• Kamar, Z. (2024). The use of generative AI in academia & higher education: Friend or foe?. NIHR Dementia Researcher. 5
• Kim, J., et al. (2024). A systematic review of the responses, attitudes, and behaviors related to the application of GenAI within higher education classrooms. PMC. 55
• Lee, M. K., et al. (2025). The Effects of AI on Critical Thinking in Knowledge Work. Microsoft Research. 31
• Li, Z., et al. (2025). The impact of generative AI on the scholarly communications of early career researchers: An international multi-disciplinary study. ResearchGate. 56
• López-de-la-Fuente, J., et al. (2024). Risks of Generative Artificial Intelligence in Higher Education: A critical perspective. International Journal of Advanced Engineering and Management. 7
• Ng, D. T. K., et al. (2023). Adapting the DigCompEdu framework for AI competencies for teachers. 19
• Ng, D. T. K., et al. (2024). Generative AI Literacy and Job Performance. MDPI. 2
• Perkins, M., et al. (2024). A scoping review on Generative Artificial Intelligence (GenAI) and Self-Directed Learning (SDL). ArXiv. 28
• Sok, S., & Heng, K. (2024). Perceived benefits and challenges of using AI in education in Cambodia. ERIC. 57
• Southworth, J., et al. (2023). A guide for the use of generative AI in education. 19
• Tan, S., et al. (2025). Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda. MDPI. 38
• Tzavella, L., et al. (2025). The rise of AI-driven technologies and the need for new skills to combat disinformation. Taylor & Francis Online. 8
• Wang, T., et al. (2025). Effects of generative artificial intelligence on cognitive effort and task performance. ResearchGate. 32
• Yadav, A., et al. (2024). A Generative Artificial Intelligence (GenAI) Competence Framework for Engineering Curriculum Enhancement. 19
• Yin, Y., et al. (2025). The role of students’ higher-order thinking skills in the relationship between academic achievements and machine learning using generative AI chatbots. Research and Practice in Technology Enhanced Learning. 58
• Zhang, Z., et al. (2025). Investigating the impact of generative AI on student innovation capability and digital literacy. PMC. 4
• Zhuo, T., et al. (2024). Guidelines for generative AI literacy. ArXiv. 59

 

Rapporti Istituzionali e Documenti Normativi

• Agenzia per l’Italia Digitale (AGID). (2024). Strategia italiana per l’intelligenza artificiale 2024-2026. 14
• Agenzia per l’Italia Digitale (AGID). (2024). DigComp 2.2 Il Quadro delle Competenze Digitali per i Cittadini. 14
• Camera dei Deputati. (2025). Disposizioni in materia di intelligenza artificiale (Dossier). 52
• Consiglio d’Europa. (2023). Regulating the use of artificial intelligence systems in education. 60
• Consiglio d’Europa. (2024). Regulating artificial intelligence in the education domain. 49
• Commissione Europea. (2021). Piano coordinato sull’intelligenza artificiale (Revisione 2021). EUR-Lex. 51
• Commissione Europea & OCSE. (2025). Empowering Learners for the Age of AI: An AI Literacy Framework (Draft). 17
• European Schools. (2025). Framework for the Educational Use of Generative Artificial Intelligence. 1
• Governo Italiano. (2024). Disposizioni in materia di intelligenza artificiale (D.D.L. IA). 47
• JRC (Joint Research Centre). (2023). AI squad output: briefing report. 48
• OCSE. (2023). OECD Digital Education Outlook 2023. 20
• Parlamento Europeo. (2024). Regolamento sull’Intelligenza Artificiale (AI Act). 45
• UNESCO. (2021). AI and Education: Guidance for policy-makers. 19
• UNESCO. (2023). Global Education Monitoring Report Summary 2023: Technology in education. 61
• World Economic Forum. (2025). Why AI literacy is now a core competency in education. 3

 

Articoli Web e Altre Fonti

• 4-H. (n.d.). For young people to succeed in the workforce of the future, we need to prepare them for AI now. 43
• 8allocate. (n.d.). The Impact of AI in EdTech: 7 Market Use Cases. 62
• AI4T Project. (n.d.). Resources. 44
• American Staffing Association (ASA). (n.d.). How GenAI Is Shaping Teen Career Choices. 13
• Anyforsoft. (n.d.). AI in EdTech. 26
• APA (American Psychological Association). (n.d.). Health Advisory on AI and Adolescent Well-Being. 41
• Associazione Cittadinanza Digitale. (2024). Blog. 15
• AWS Public Sector Blog. (n.d.). 6 EdTech AI trends: How artificial intelligence is reshaping education. 63
• Big O-Tech. (n.d.). Generative AI in Education. 25
• Bontridder, N., & Poullet, Y. (2021). AI and Digital Authoritarianism. 8
• Brynjolfsson, E., et al. (2024). The Rapid Adoption of Generative AI. 9
• California State University. (n.d.). AI Literacy Literature Summary. 24
• CittadinanzaDigitale.eu. (n.d.). Tag: formazione docenti, cittadinanza digitale. 30
• CTL, University of Texas at Austin. (n.d.). Generative AI in Teaching and Learning: Biases and Risks. 36
• EDUCAUSE. (2024). AI Literacy in Teaching and Learning: A Durable Framework for Higher Education. 65
• European Commission. (2022). Funding available for Forward-looking projects in digital education. 50
• European Commission. (2023). Council Recommendation on the key enabling factors for successful digital education and training. 66
• European Youth Portal. (n.d.). Youth Policy Dialogue on AI. 37
• Federal Reserve Bank of St. Louis. (2024). The Rapid Adoption of Generative AI. 11
• Georgia Fintech Academy. (n.d.). Generative AI and the Future of Early Careers. 12
• HEPI / Kortext. (2025). Student Generative AI Survey 2025. 10
• Knowledge Innovation Centre. (2025). Digital skills explored. 53
• LITS LINK. (n.d.). Generative AI in Education: The Impact, Ethical Considerations, and Use Cases. 35
• Mills, K., et al. (2024). AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology. Digital Promise. 21
• Nappo, C. (2024). AI Act: il nuovo regolamento europeo sull’intelligenza artificiale. Skilla. 16
• PureLogics. (n.d.). Six Generative AI Use Cases in EdTech. 67
• Skynova. (2022). Survey on soft skills. 34
• Springboard. (n.d.). Cybersecurity Certifications. 68
• Stanford Teaching Commons. (n.d.). Understanding AI Literacy. 23
• TeachNet.ie. (n.d.). A New AI Literacy Framework for Primary and Secondary Education. 18
• TSM – Trentino School of Management. (n.d.). Punto Digitale Facile – Corsi Online. 69
• University of California, Irvine. (2025). AI Literacy for the Information Professional. CRLN News. 22
• X-Cube LABS. (n.d.). Personalized Learning Systems with Generative AI. 27
• Zheng, Y., et al. (2025). A Taxonomy of Risks in Youth’s Interactions with Generative AI. ArXiv. 40

 

Bibliografia

1. Framework for the educational use of Generative Artificial Intelligence in the European Schools, accesso eseguito il giorno giugno 21, 2025, https://www.eursc.eu/BasicTexts/2025-01-D-65-en-2.pdf
2. Generative Artificial Intelligence Literacy: Scale Development and Its Effect on Job Performance – MDPI, accesso eseguito il giorno giugno 21, 2025, https://www.mdpi.com/2076-328X/15/6/811
3. Why AI literacy is now a core competency in education | World Economic Forum, accesso eseguito il giorno giugno 21, 2025, https://www.weforum.org/stories/2025/05/why-ai-literacy-is-now-a-core-competency-in-education/
4. Generative artificial intelligence in secondary education: Applications and effects on students’ innovation skills and digital literacy – PubMed Central, accesso eseguito il giorno giugno 21, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC12064007/
5. Blog – The use of Generative AI in academia & higher education: friend or foe?, accesso eseguito il giorno giugno 21, 2025, https://www.dementiaresearcher.nihr.ac.uk/blog-the-use-of-generative-ai-in-academia-higher-education-friend-or-foe/
6. (PDF) Reimagining Higher Education: Navigating the Challenges of …, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/388964219_Reimagining_Higher_Education_Navigating_the_Challenges_of_Generative_AI_Adoption
7. Risks of Generative Artificial Intelligence in Higher Education: A critical perspective – International Journal of Advances in Engineering and Management ( IJAEM ), accesso eseguito il giorno giugno 21, 2025, https://ijaem.net/issue_dcp/Risks%20of%20Generative%20Artificial%20Intelligence%20in%20Higher%20Education%20A%20critical%20perspective.pdf
8. Full article: Rethinking education and training to counter AI-enhanced disinformation and information manipulations in Europe: a Delphi study, accesso eseguito il giorno giugno 21, 2025, https://www.tandfonline.com/doi/full/10.1080/23311886.2025.2501759?scroll=top&needAccess=true
9. The Rapid Adoption of Generative AI – CT State, accesso eseguito il giorno giugno 21, 2025, https://ctstate.edu/images/Forms-Documents/AI-presidential-fellows/The-Rapid-Adoption-of-Generative-AI.pdf
10. Student Generative AI Survey 2025 | HEPI, accesso eseguito il giorno giugno 21, 2025, https://www.hepi.ac.uk/wp-content/uploads/2025/02/HEPI-Kortext-Student-Generative-AI-Survey-2025.pdf
11. The Rapid Adoption of Generative AI | St. Louis Fed, accesso eseguito il giorno giugno 21, 2025, https://www.stlouisfed.org/on-the-economy/2024/sep/rapid-adoption-generative-ai
12. Generative AI and the Future of Early Careers: Navigating a New Landscape, accesso eseguito il giorno giugno 21, 2025, https://georgiafintechacademy.org/generative-ai-and-the-future-of-early-careers-navigating-a-new-landscape/
13. How GenAI is Shaping Teen Career Choices – asa.org – American Student Assistance, accesso eseguito il giorno giugno 21, 2025, https://www.asa.org/research/how-genai-is-shaping-teen-career-choices/
14. Quale intelligenza (artificiale) per la formazione?, accesso eseguito il giorno giugno 21, 2025, https://www.filosofare.org/crif-p4c/wp-content/uploads/2025/01/05-BUONO-IPF-PhIP-1-2024-suppl-35-48.pdf
15. Giornale online – Associazione Cittadinanza Digitale, accesso eseguito il giorno giugno 21, 2025, https://www.associazionecittadinanzadigitale.org/blog/
16. AI Act: il nuovo regolamento europeo sull’Intelligenza Artificiale – Skilla, accesso eseguito il giorno giugno 21, 2025, https://www.skilla.com/blog/ai-act-il-nuovo-regolamento-europeo-sullintelligenza-artificiale/
17. Empowering Learners for the Age of AI – AILit Framework, accesso eseguito il giorno giugno 21, 2025, https://ailiteracyframework.org/wp-content/uploads/2025/05/AILitFramework_ReviewDraft.pdf
18. A New AI Literacy Framework for Primary and Secondary Education – Teachnet.ie, accesso eseguito il giorno giugno 21, 2025, https://teachnet.ie/a-new-ai-literacy-framework-for-primary-and-secondary-education/
19. A GenAI Competence Framework for Engineering Curriculum Enhancement in Higher Education – Open Access Publishing Association, accesso eseguito il giorno giugno 21, 2025, https://open-publishing.org/journals/index.php/ited/article/download/1455/1027/6498
20. Teacher digital competences: formal approaches to their development | OECD, accesso eseguito il giorno giugno 21, 2025, https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/teacher-digital-competences-formal-approaches-to-their-development_4a05344c.html
21. AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology – ERIC, accesso eseguito il giorno giugno 21, 2025, https://files.eric.ed.gov/fulltext/ED671235.pdf
22. AI Literacy: A Guide for Academic Libraries | Lo, accesso eseguito il giorno giugno 21, 2025, https://crln.acrl.org/index.php/crlnews/article/view/26704/34626
23. Understanding AI Literacy – Stanford Teaching Commons, accesso eseguito il giorno giugno 21, 2025, https://teachingcommons.stanford.edu/teaching-guides/artificial-intelligence-teaching-guide/understanding-ai-literacy
24. AI Literacy Literature Summary – CSU AI Commons – California State University, accesso eseguito il giorno giugno 21, 2025, https://genai.calstate.edu/communities/faculty/ethical-and-responsible-use-ai/ai-literacy-literature-summary
25. Generative AI in Education – Use Cases, Benefits for Edtech Industry – BigOhTech, accesso eseguito il giorno giugno 21, 2025, https://bigohtech.com/generative-ai-in-education
26. AI in EdTech: Use Cases and Benefits – AnyforSoft, accesso eseguito il giorno giugno 21, 2025, https://anyforsoft.com/blog/ai-in-edtech/
27. Personalized Learning Systems with Generative AI: Revolutionizing EdTech – [x]cube LABS, accesso eseguito il giorno giugno 21, 2025, https://www.xcubelabs.com/blog/personalized-learning-systems-with-generative-ai-revolutionizing-edtech/
28. GENERATIVE AI IN SELF-DIRECTED LEARNING: A SCOPING REVIEW Jasper Roe 1*, Mike Perkins 2 Abstract – arXiv, accesso eseguito il giorno giugno 21, 2025, https://www.arxiv.org/pdf/2411.07677
29. Making AI Generative for Higher Education – Ithaka S+R, accesso eseguito il giorno giugno 21, 2025, https://sr.ithaka.org/publications/making-ai-generative-for-higher-education/
30. formazione docenti – cittadinanza digitale, accesso eseguito il giorno giugno 21, 2025, https://www.cittadinanzadigitale.eu/?tag=formazione-docenti
31. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers – Microsoft, accesso eseguito il giorno giugno 21, 2025, https://www.microsoft.com/en-us/research/wp-content/uploads/2025/01/lee_2025_ai_critical_thinking_survey.pdf
32. (PDF) Effects of generative artificial intelligence on cognitive effort and task performance: study protocol for a randomized controlled experiment among college students – ResearchGate, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/389767364_Effects_of_generative_artificial_intelligence_on_cognitive_effort_and_task_performance_study_protocol_for_a_randomized_controlled_experiment_among_college_students
33. Generative AI and Educational (In)Equity – Academic Conferences International, accesso eseguito il giorno giugno 21, 2025, https://papers.academic-conferences.org/index.php/icair/article/download/3153/2902/11415
34. Gonsalves, C. (2024). Generative AI’s Impact on Critical Thinking: Revisiting Bloom’s Taxonomy – the King’s College London Research Portal, accesso eseguito il giorno giugno 21, 2025, https://kclpure.kcl.ac.uk/portal/files/317698194/gonsalves-2024-generative-ai-s-impact-on-critical-thinking-revisiting-bloom-s-taxonomy.pdf
35. Generative AI in Education: The Impact, Ethical Considerations, and Use Cases – Litslink, accesso eseguito il giorno giugno 21, 2025, https://litslink.com/blog/generative-ai-in-education-the-impact-ethical-considerations-and-use-cases
36. Generative AI in Teaching and Learning: Biases and Risks, accesso eseguito il giorno giugno 21, 2025, https://ctl.utexas.edu/generative-ai-teaching-and-learning-biases-and-risks
37. Report on the Youth Policy Dialogue with Executive Vice-President Roxana Mînzatu Responsible for Social Rights and Skills, Qual, accesso eseguito il giorno giugno 21, 2025, https://youth.europa.eu/sites/default/files/inline-files/Cover-youth-policy-dialogue—evp-minzatu.pdf
38. Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda – ResearchGate, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/390611261_Generative_AI_and_Academic_Integrity_in_Higher_Education_A_Systematic_Review_and_Research_Agenda
39. Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda – MDPI, accesso eseguito il giorno giugno 21, 2025, https://www.mdpi.com/2078-2489/16/4/296
40. Understanding Generative AI Risks for Youth: A Taxonomy Based on Empirical Data – arXiv, accesso eseguito il giorno giugno 21, 2025, https://arxiv.org/html/2502.16383v1
41. Health advisory: Artificial intelligence and adolescent well-being, accesso eseguito il giorno giugno 21, 2025, https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-ai-adolescent-well-being
42. Supplement to the DigCompEDU Framework – AI Pioneers, accesso eseguito il giorno giugno 21, 2025, https://aipioneers.org/wp-content/uploads/2024/01/WP3_Supplement_to_the_DigCompEDU_English.pdf
43. For young people to succeed in the workforce of the future, we need to prepare them for AI now – 4-H, accesso eseguito il giorno giugno 21, 2025, https://4-h.org/about/blog/for-young-people-to-succeed-in-the-workforce-of-the-future-we-need-to-prepare-them-for-ai-now/
44. Resources – AI4T project, accesso eseguito il giorno giugno 21, 2025, https://www.ai4t.eu/resources/
45. Normativa sull’IA: la prima regolamentazione sull’intelligenza artificiale | Tematiche, accesso eseguito il giorno giugno 21, 2025, https://www.europarl.europa.eu/topics/it/article/20230601STO93804/normativa-sull-ia-la-prima-regolamentazione-sull-intelligenza-artificiale
46. Il Regolamento europeo sull’intelligenza artificiale: prime “istruzioni per l’uso” per imprese e PA., accesso eseguito il giorno giugno 21, 2025, https://www.appaltiecontratti.it/il-regolamento-europeo-sullintelligenza-artificiale-prime-istruzioni-per-luso-per-imprese-e-pa/
47. Analisi del quadro normativo in materia di Intelligenza artificiale (DDL IA e Regolamento UE su IA), accesso eseguito il giorno giugno 21, 2025, https://www.programmagoverno.gov.it/media/je0lo4i0/focus-ia.pdf
48. Influence of AI on Governance in Education, accesso eseguito il giorno giugno 21, 2025, https://resitve.sio.si/wp-content/uploads/sites/7/2023/11/AI-squad-output_briefing-report-5.pdf
49. Regulating artificial intelligence in the education domain: a general approach – https: //rm. coe. int, accesso eseguito il giorno giugno 21, 2025, https://rm.coe.int/regulating-artificial-intelligence-in-the-education-domain-a-general-a/1680b29927
50. Funding available for forward-looking projects in digital education, accesso eseguito il giorno giugno 21, 2025, https://education.ec.europa.eu/news/funding-available-for-forward-looking-projects-in-digital-education
51. Promuovere un approccio europeo all’intelligenza artificiale – EUR-Lex, accesso eseguito il giorno giugno 21, 2025, https://eur-lex.europa.eu/legal-content/IT/TXT/HTML/?uri=CELEX:52021DC0205
52. Disposizioni e deleghe al Governo in materia di intelligenza artificiale – Camera.it, accesso eseguito il giorno giugno 21, 2025, https://documenti.camera.it/leg19/dossier/pdf/ID0010b.pdf
53. Digital Skills Explored – Knowledge Innovation Centre, accesso eseguito il giorno giugno 21, 2025, https://knowledgeinnovation.eu/wp-content/uploads/2025/02/202501_digital-skills-explored_short-informative-paper_EDEH_lucija-vihar.pdf
54. Critical thinking in the age of generative AI: implications for health sciences education, accesso eseguito il giorno giugno 21, 2025, https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1571527/full
55. A Systematic Review of Responses, Attitudes, and Utilization Behaviors on Generative AI for Teaching and Learning in Higher Education – PMC, accesso eseguito il giorno giugno 21, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC12023922/
56. The impact of generative AI on the scholarly communications of early career researchers: An international, multi‐disciplinary study – ResearchGate, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/384678888_The_impact_of_generative_AI_on_the_scholarly_communications_of_early_career_researchers_An_international_multi-disciplinary_study
57. Leveraging AI in education in Cambodia: A review of perceived concerns and associated benefits – ERIC, accesso eseguito il giorno giugno 21, 2025, https://files.eric.ed.gov/fulltext/EJ1459140.pdf
58. The role of students’ higher-order thinking skills in the relationship between academic achievements and machine learning using generative AI chatbots – rptel, accesso eseguito il giorno giugno 21, 2025, https://rptel.apsce.net/index.php/RPTEL/article/view/2025-20036
59. Generative AI Literacy: A Comprehensive Framework for Literacy and Responsible Use, accesso eseguito il giorno giugno 21, 2025, https://arxiv.org/html/2504.19038v1
60. REGULATING THE USE OF ARTIFICIAL INTELLIGENCE SYSTEMS IN EDUCATION Preparatory study on the development of a legal instrument – https: //rm. coe. int, accesso eseguito il giorno giugno 21, 2025, https://rm.coe.int/regulating-the-use-of-ertificial-intelligence-systems-education-prepar/1680b29928
61. Technology in education: – UNESCO, accesso eseguito il giorno giugno 21, 2025, https://www.unesco.org/gem-report/sites/default/files/medias/fichiers/2023/07/Summary_v5.pdf
62. The Impact of AI in EdTech: 7 Market Use Cases – 8allocate, accesso eseguito il giorno giugno 21, 2025, https://8allocate.com/blog/the-impact-of-ai-in-edtech-7-market-use-cases/
63. 6 EdTech AI trends: How artificial intelligence is reshaping education – AWS, accesso eseguito il giorno giugno 21, 2025, https://aws.amazon.com/blogs/publicsector/6-edtech-ai-trends-how-artificial-intelligence-is-reshaping-education/
64. cittadinanza digitale, accesso eseguito il giorno giugno 21, 2025, https://www.cittadinanzadigitale.eu/?tag=cittadinanza-digitale
65. Defining AI Literacy for Higher Education | EDUCAUSE, accesso eseguito il giorno giugno 21, 2025, https://www.educause.edu/content/2024/ai-literacy-in-teaching-and-learning/defining-ai-literacy-for-higher-education
66. Considerations on COM(2023)206 – Improving the provision of digital skills in education and training – EU monitor, accesso eseguito il giorno giugno 21, 2025, https://www.eumonitor.eu/9353000/1/j4nvhdlglbmvdzx_j9vvik7m1c3gyxp/vm2dme24dcz8
67. Six Generative AI Use Cases in EdTech – PureLogics, accesso eseguito il giorno giugno 21, 2025, https://purelogics.com/six-generative-ai-use-cases-in-edtech/
68. Best Cybersecurity Certifications To Upskill Your Career – Springboard, accesso eseguito il giorno giugno 21, 2025, https://www.springboard.com/blog/?zeno_ad=cybersecurity&source=blog&medium=post&campaign=CS1&term=bottom&content=whitelisting
69. Punto Digitale Facile: corsi online – Trento – TSM, accesso eseguito il giorno giugno 21, 2025, https://www.tsm.tn.it/attivita/punto-digitale-facile-corsi-online/
70. accesso eseguito il giorno gennaio 1, 1970, https.ijaem.net/issue_dcp/Risks%20of%20Generative%20Artificial%20Intelligence%20in%20Higher%20Education%20A%20critical%20perspective.pdf
71. of artificial intelligence – Chalmers Research, accesso eseguito il giorno giugno 21, 2025, https://research.chalmers.se/publication/522212/file/522212_Fulltext.pdf
72. Comments of the International Center for Law & Economics and the Macdonald- Laurier Institute – Competition Bureau Canada, accesso eseguito il giorno giugno 21, 2025, https://competition-bureau.canada.ca/sites/default/files/documents/Comments-of-ICLE-and-Macdonald-Laurier-on-AI-and-Competition.pdf
73. Impact of artificial intelligence. Opportunity or threat. New markets, new business. Are we facing a new industrial revolution? – UPCommons, accesso eseguito il giorno giugno 21, 2025, https://upcommons.upc.edu/bitstream/handle/2117/418554/Mem%C3%B2ria_TFG_Emilio_Gomez..pdf?sequence=3,https://upcommons.upc.edu/bitstream/handle/2117/418554/Pressupost_TFG_Emilio_Gomez..pdf?sequence=4
74. (PDF) Debating the Future of Work: The Perception and Reaction of the Spanish Workforce to Digitization and Automation Technologies – ResearchGate, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/343562483_Debating_the_Future_of_Work_The_Perception_and_Reaction_of_the_Spanish_Workforce_to_Digitization_and_Automation_Technologies
75. The Role of Think Tanks in Megatrends Analysis and Future Research – ResearchGate, accesso eseguito il giorno giugno 21, 2025, https://www.researchgate.net/publication/375088149_The_Role_of_Think_Tanks_in_Megatrends_Analysis_and_Future_Research
76. Artificial Intelligence for human-centric society: The future is here – The European Liberal Forum, accesso eseguito il giorno giugno 21, 2025, https://liberalforum.eu/wp-content/uploads/2023/12/Artificial-Intelligence-for-human-centric-society.pdf
77. Awareness, acceptance, and adoption of Gen-AI by K-12 mathematics teachers: an empirical study integrating TAM and TPB, accesso eseguito il giorno giugno 21, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC12057034/
78. AI across Sectors (Part III) – The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence, accesso eseguito il giorno giugno 21, 2025, https://www.cambridge.org/core/books/cambridge-handbook-of-the-law-ethics-and-policy-of-artificial-intelligence/ai-across-sectors/8465342D5D44D59A5B14A636228B6A6E
79. View of Artificial Intelligence in the European approach to Education: Perspectives, perceptions, and mistrust | Formazione & insegnamento, accesso eseguito il giorno giugno 21, 2025, https://ojs.pensamultimedia.it/index.php/siref/article/view/7030/6434
80. Le definizioni di sistemi di intelligenza artificiale nelle proposte legislative europee. Un’analisi critica., accesso eseguito il giorno giugno 21, 2025, https://www.dirittobancario.it/art/le-definizioni-di-sistemi-di-intelligenza-artificiale-nelle-proposte-legislative-europee-unanalisi-critica/

 

 

L’immagine è stata realizzata da ChatGPT 04-mini-high con il prompt: Crea immagine che illustri il concetto: L’Intelligenza Artificiale Generativa e lo Sviluppo delle Competenze Digitali: Stato dell’Arte, Scenari Futuri e Implicazioni per i Giovani Cittadini

Il testo di accompagnamento è:
Ecco l’infografica che illustra il concetto di “Intelligenza Artificiale Generativa e sviluppo delle competenze digitali: stato dell’arte, scenari futuri e implicazioni per i giovani cittadini”. Ho incluso: Stato dell’arte: simboli di creazione di contenuti (musica, testi, idee). Scenari futuri: rete di connessioni e lancio di nuovi progetti. Implicazioni per i giovani: giovani al lavoro con laptop e tablet, pronti ad acquisire nuove competenze.