L’intelligenza artificiale entra stabilmente nei quadri di riferimento internazionali per la scuola non più soltanto come tecnologia da utilizzare, ma come ambiente cognitivo, sociale e culturale nel quale gli studenti sono chiamati ad agire. È in questa prospettiva che si colloca Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education, pubblicato il 18 giugno 2026 (OECD/European Commission, 2026)1, il documento elaborato congiuntamente da OCSE e Commissione Europea per definire un quadro comune di riferimento sull’alfabetizzazione all’intelligenza artificiale nell’istruzione primaria e secondaria.
Validato dal PISA Governing Board l’8 aprile 2026 e redatto da CodeAI, sotto la supervisione di dodici esperti internazionali afferenti a istituzioni quali Stanford e ISTE, il documento si allinea ai piani educativi europei e aiuterà a definire la valutazione PISA 2029 sulla Media & Artificial Intelligence Literacy. Il testo, che dichiara espressamente di non essere vincolante rispetto all’AI Act europeo e di porsi in relazione con DigComp 3.0 (Cosgrove & Cachia, 2025) e il futuro aggiornamento di DigCompEdu, intende superare una concezione riduttiva dell’AI literacy come semplice capacità di utilizzare strumenti basati sull’intelligenza artificiale e ricondurla a una competenza più ampia, necessaria per comprendere, valutare e orientare il rapporto tra esseri umani e sistemi intelligenti. Per questo, nella fase di revisione pubblica della bozza nel 2025, è stato raccolto il contributo di oltre duemila partecipanti, con evidente squilibrio, però, a favore degli insegnanti (41%) e una presenza marginale di genitori e rappresentanti sindacali (rispettivamente 1% e 2%), un elemento che merita attenzione, poiché contribuisce a delineare il punto di vista prevalente attraverso cui il documento è stato costruito e che anticipa, non a caso, un tratto ricorrente dell’intero framework.
Vediamone gli aspetti salienti.
Indice degli argomenti
Una definizione ampia dell’AI Literacy
Il framework definisce l’alfabetizzazione all’intelligenza artificiale come l’insieme di conoscenze tecniche, abilità trasferibili e atteggiamenti orientati al futuro necessari per operare in un mondo nel quale l’IA assume un ruolo sempre più rilevante, specificando che la competenza non coincide con la padronanza di uno strumento, ma riguarda la capacità di comprenderne il funzionamento, valutarne criticamente gli effetti e assumere decisioni consapevoli rispetto al suo impiego.
L’architettura del framework è organizzata in quattro domini: Engage with AI, Create with AI, Manage AI e Shape AI. Il primo rappresenta il dominio fondativo e riguarda il riconoscimento critico della presenza dell’IA nella vita quotidiana; Create with AI e Manage AI sono presentati come domini paralleli, collocati nella parte centrale della sequenza, e sono relativi rispettivamente all’uso creativo dei sistemi basati sull’IA e alla capacità di distribuire intenzionalmente compiti e responsabilità tra essere umano e macchina; Shape AI, infine, costituisce il dominio conclusivo e riguarda la possibilità di intervenire tecnicamente sulla progettazione e configurazione dei sistemi.
Ciascun dominio viene sviluppato attraverso le tre dimensioni trasversali di conoscenze, abilità e atteggiamenti, da cui derivano diciannove competenze specifiche, accompagnate da tre livelli progressivi di apprendimento e da scenari didattici esemplificativi.
La tensione interna al concetto di literacy
L’ampiezza del concetto costituisce, però, il principale elemento problematico del documento, dal momento che, mentre nel dibattito educativo internazionale il termine literacy richiama generalmente una competenza di comprensione, interpretazione e uso critico di un fenomeno, un’accezione che risale, non a caso, alla definizione fondativa di Long e Magerko (2020), i quali articolano l’AI literacy attorno a competenze di lettura, valutazione e interazione consapevole con i sistemi di IA, senza includervi la capacità di progettarli tecnicamente, alcune competenze previste dal dominio Shape AI sembrano oltrepassare questo perimetro semantico.
Facciamo un esempio: valutare le proprietà di un dataset, comprendere il funzionamento di un modello o modificarne alcuni elementi non rappresentano semplicemente un livello più avanzato della stessa alfabetizzazione, perché richiedono conoscenze e pratiche che appartengono alla formazione informatica in senso proprio. Si tratta di una differenza rilevante dal punto di vista didattico, dal momento che progettare un sistema di IA e comprendere criticamente l’output prodotto da un sistema sono entrambe attività importanti, ma fondate su repertori cognitivi, tempi formativi e condizioni infrastrutturali differenti.
Il framework non tematizza esplicitamente questa discontinuità e mantiene sotto l’unica etichetta di AI literacy un insieme di traguardi che va dalla lettura critica di un risultato prodotto da una procedura automatizzata fino alla capacità di intervenire sulla costruzione tecnica del sistema, con il vantaggio sì di proporre una visione unitaria dell’educazione all’IA, ma rischiando anche di rendere meno evidente la distanza tra competenze che nella pratica scolastica richiedono percorsi diversi, come si vedrà nel rapporto tra le ambizioni dichiarate dal framework e lo stato attuale della formazione docente.
L’etica come dimensione diffusa: un punto di forza con un costo pedagogico
Uno degli aspetti più interessanti del framework riguarda la scelta di distribuire la dimensione etica lungo tutti i domini, evitando la consueta separazione tra competenze tecniche e riflessione critica, un’impostazione particolarmente significativa perché riconosce che i sistemi di IA non sono strumenti neutrali, ma incorporano dati, scelte progettuali, priorità e conseguenze sociali.
Tuttavia, questo comporta una difficoltà sul piano della valutazione e della progettazione didattica, che si può cogliere prendendo a esempio una competenza prevista in Engage with AI, nella quale agli studenti viene richiesto di valutare un sistema secondo molteplici principi etici, cioè i vantaggi, i danni potenziali e i soggetti coinvolti, che presuppongono strumenti di analisi non pienamente esplicitati dal documento. L’analisi etica di un sistema di IA, del resto, non può ridursi alla semplice individuazione di benefici e rischi, ma richiede sia una capacità di lettura socio-tecnica, per comprendere chi abbia progettato il sistema e secondo quali interessi, sia competenze di valutazione dell’impatto, per distinguere le conseguenze previste da quelle effettive, sia la comprensione dei conflitti tra valori diversi, che non possono essere risolti con un semplice bilanciamento quantitativo tra vantaggi e svantaggi. Sono tutte dimensioni che il framework riconosce negli scenari didattici proposti, senza tuttavia distinguerle concettualmente né accompagnarle con un repertorio metodologico esplicito, lasciando così agli insegnanti il compito di tradurre tali principi in pratiche educative.
L’ambizione del framework e la preparazione docente
Questa distanza emerge con particolare evidenza nel rapporto con la formazione dei docenti. Il documento riconosce, citando i dati TALIS 2024 (OECD, 2025), che tre insegnanti su quattro dichiarano di non possedere le conoscenze necessarie per insegnare con l’IA e che soltanto uno su tre ne fa uso regolare, un dato che non si limita a confermare un divario già noto, ma solleva domande più specifiche. Come può, per esempio, un corpo docente in queste condizioni essere chiamato, nello stesso documento, a valutare “le proprietà di un dataset” o a “modificare un modello”, competenze che il dominio Shape AI richiede esplicitamente? Gli stessi estensori ammettono che tale dominio “può apparire nuovo o non familiare” e suggeriscono partnership con insegnanti di informatica, ma questa raccomandazione non risolve la questione delle risorse infrastrutturali necessarie per la prevista adozione in oltre cento paesi con “livelli di prontezza digitale” apertamente eterogenei, come riconosciuto dal documento a livello di premessa generale, ma non tradotto in alcuna differenziazione.
Il rapporto con DigComp 3.0: complementarità dichiarata, ma integrazione incompleta
Un altro nodo particolarmente rilevante riguarda il rapporto con DigComp 3.0 (Cosgrove & Cachia, 2025), che il framework dichiara complementare al proprio impianto, ma anche in questo caso la relazione appare più affermata che strutturalmente definita. Vediamo perché.
Il DigComp 3.0 viene richiamato come una delle componenti culturali da cui l’AI literacy trae origine e come un riferimento che avrebbe contribuito alla costruzione della dimensione tripartita conoscenze-abilità-atteggiamenti, tuttavia, manca una vera mappatura tra le diciannove competenze del framework sull’IA e le aree competenziali di DigComp. Una simile mappatura, se esplicitata dal documento, avrebbe consentito di chiarire se l’AI literacy debba essere considerata una nuova area autonoma della competenza digitale, un’estensione di competenze già esistenti oppure un ambito specialistico trasversale.
Se alcune sovrapposizioni risultano evidenti (per esempio, Engage with AI richiama l’alfabetizzazione informativa, mentre Create with AI presenta punti di contatto con la creazione di contenuti digitali, sebbene la componente generativa introduca questioni di autorialità che quell’area, elaborata secondo una logica pre-generativa, non aveva ancora dovuto affrontare, e mentre persino la competenza sulla sostenibilità ambientale trova un parziale referente nella competenza 4.4 di DigComp, elevata, nella versione 3.0, a principio trasversale dell’intero framework), il dominio Shape AI, che introduce una dimensione progettuale e computazionale non pienamente prevista dai quadri precedenti, resta, invece, il punto realmente problematico, perché si avvicina a percorsi specialistici di natura informatica che DigComp non aveva contemplato come traguardo generalizzato.
A ciò si aggiunge il mancato raccordo strutturale con DigCompEdu, che dovrebbe rappresentare il versante professionale degli insegnanti e che viene richiamato soltanto in relazione a un futuro aggiornamento. Una proposta di corrispondenza più estesa tra le competenze di AILit e le aree di DigComp è disponibile in un approfondimento dedicato (Landi, 2026).
La sfida della traducibilità pedagogica
Il framework AILit rappresenta un contributo significativo al tentativo di sistematizzare un campo ancora in rapida evoluzione, soprattutto, per aver proposto una visione dell’AI literacy che supera sia il riduzionismo tecnologico sia l’idea che l’educazione all’IA coincida con l’apprendimento di singoli strumenti, ma lascia in buona parte irrisolta la sua traducibilità pedagogica per la distanza tra la continuità dichiarata dei quattro domini e la discontinuità reale delle competenze richieste.
La praticabilità del framework dipenderà dalla capacità dei sistemi scolastici di riconoscere questa differenza senza rinunciare all’ambizione di formare studenti capaci non soltanto di utilizzare l’intelligenza artificiale, ma di comprenderne criticamente il ruolo nella società contemporanea.
Riferimenti bibliografici
Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework. Joint Research Centre (JRC), Publications Office of the European Union. Luxembourg. https://publications.jrc.ec.europa.eu/repository/handle/JRC144121
Landi, L. (2026, 20 luglio). AILit e DigComp 3.0: una proposta di mappatura. Licia Landi’s Website: https://www.licialandi.com/wp_it/ailit-e-digcomp-3-0-una-proposta-di-mappatura/
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, (pp.1–16). Association for Computing Machinery. https://doi.org/10.1145/3313831.3376727
OECD (2025). Results from TALIS 2024: The State of Teaching. OECD Publishing. https://doi.org/10.1787/90df6235-en
OECD/European Union (2026). Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. OECD Publishing. https://doi.org/10.1787/65cd27d4-en (Trad. it. Preparare gli studenti all’era dell’IA: Un framework per l’alfabetizzazione all’Intelligenza Artificiale per l’istruzione primaria e secondaria, 2026, https://ailiteracyframework.org/pdfs/framework_pdf/AILF_it.pdf).
Partecipa alla community