Realtà sintetica

La scuola di fronte ai deepfake: educare senza diffondere sfiducia


Indirizzo copiato

Immagini e voci generate dall’intelligenza artificiale mettono in crisi il rapporto tra vedere e sapere. La scuola deve insegnare a ricostruire la provenienza dei contenuti, distinguere documenti e simulazioni, usare strumenti come C2PA e affrontare i deepfake senza trasformare il dubbio in sfiducia generalizzata

Pubblicato il 9 nov 2026

Carlo Maria Medaglia

Prorettore per la Terza Missione – Università degli Studi IUL



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 30 ott 2026, 15_31_48




Per molto tempo la scuola ha insegnato a distinguere i fatti dalle opinioni, le fonti attendibili da quelle inaffidabili, i documenti autentici dalle ricostruzioni. Questa educazione critica si fondava però su una premessa implicita: immagini, registrazioni e video possedevano un legame privilegiato con la realtà. Potevano essere manipolati, selezionati o decontestualizzati, ma conservavano almeno la traccia di qualcosa che era accaduto davanti a un obiettivo o a un microfono.

L’intelligenza artificiale generativa sta spezzando questa continuità. Oggi è possibile creare il volto di una persona che non esiste, riprodurre la voce di qualcuno che non ha mai pronunciato una determinata frase, rappresentare un evento mai avvenuto o modificare una testimonianza senza lasciare imperfezioni immediatamente riconoscibili. Il problema non è più soltanto che un contenuto possa mentire: è che possa apparire come prova di una realtà che non è mai esistita.

Realtà sintetica a scuola, oltre la caccia ai deepfake

Chiamiamo spesso questi prodotti deepfake, ma il termine rischia di restringere la questione ai falsi intenzionalmente costruiti per ingannare. La realtà sintetica è un fenomeno più ampio. Comprende immagini generate per illustrare una notizia, ricostruzioni storiche, voci artificiali, avatar didattici, traduzioni audiovisive, simulazioni scientifiche e personaggi virtuali. Molti di questi usi sono legittimi e possono arricchire l’apprendimento.

Uno studente potrebbe dialogare con la ricostruzione di un personaggio storico, osservare una città antica, ascoltare un testo in una lingua non più parlata o simulare un fenomeno impossibile da riprodurre in laboratorio. La stessa tecnologia che può falsificare il passato può anche renderlo didatticamente esplorabile. La questione decisiva non è quindi vietare il sintetico, ma impedire che simulazione, ricostruzione e documento vengano percepiti come categorie equivalenti.

Un video generato nel quale Galileo racconta il proprio processo può essere uno strumento educativo efficace, purché sia presentato come interpretazione basata su determinate fonti. Diventa problematico quando la forza percettiva dell’immagine sostituisce la discussione sulla sua origine. Lo studente ricorda di aver “visto” Galileo parlare e può finire per attribuire autenticità a parole scritte oggi da un sistema generativo. La simulazione produce così una forma di memoria vicaria: ciò che è apparso sullo schermo assume il peso psicologico di una testimonianza.

Più un contenuto sintetico è realistico, più la scuola deve rendere visibile il lavoro interpretativo che lo ha costruito. Non basta una piccola etichetta finale; occorre spiegare quali fonti sono state utilizzate, quali parti risultano documentate, quali sono inferenze e quali elementi sono stati introdotti per esigenze narrative.

Sicurezza epistemica e fiducia nella realtà sintetica

UNESCO ha definito l’espansione dei deepfake una vera e propria “crisi del conoscere”, sostenendo che l’educazione debba andare oltre la semplice capacità di individuare le manipolazioni e preparare gli studenti a muoversi in condizioni di incertezza mediata dall’AI (Deepfakes and the Crisis of Knowing, UNESCO, 2025).

Questa formulazione coglie il punto più profondo. Se ci limitassimo a insegnare alcuni indizi visivi — movimenti innaturali, difetti delle mani, incongruenze della luce — formeremmo competenze destinate a invecchiare rapidamente. I modelli migliorano e gli errori riconoscibili oggi possono scomparire domani. Dobbiamo passare dalla ricerca dell’imperfezione alla ricostruzione della provenienza: chi ha prodotto il contenuto, quando, con quali strumenti, a partire da quali materiali, attraverso quali modifiche e per quale finalità.

Questa competenza può essere definita sicurezza epistemica. Non consiste nel sospettare di tutto, ma nel possedere procedure affidabili per decidere quanto fidarsi. In una classe, gli studenti potrebbero ricevere due video apparentemente autentici e ricostruirne la storia digitale; confrontare un contenuto con fonti indipendenti; cercare la versione originaria; analizzare metadati e contesto di pubblicazione; distinguere tra prova primaria, rielaborazione e rappresentazione sintetica.

Il valore educativo non starebbe soltanto nel trovare il falso, ma nell’esplicitare il percorso attraverso il quale viene formulato un giudizio. In questo modo il pensiero critico cesserebbe di essere un generico invito a “non credere a tutto ciò che si vede” e diventerebbe un metodo verificabile.

Il rischio della sfiducia generalizzata

La scuola deve però evitare l’effetto opposto: trasformare la consapevolezza della manipolabilità in una sfiducia generalizzata. Quando qualsiasi immagine può essere generata, anche una documentazione autentica può essere respinta come falsa. È il cosiddetto liar’s dividend: la semplice esistenza dei deepfake offre a chi viene documentato mentre compie un’azione la possibilità di negare l’evidenza.

La realtà sintetica non produce quindi soltanto falsi credibili; rende più facile delegittimare il vero. Il rischio educativo non è soltanto che gli studenti credano a ciò che non è accaduto, ma che smettano di credere che qualcosa possa essere dimostrato. Dal pensiero critico si può scivolare verso un cinismo epistemologico nel quale tutte le fonti sembrano equivalenti e ogni ricostruzione viene ridotta a opinione.

Per questo la verifica deve essere accompagnata da un’educazione alla fiducia. La conoscenza non nasce dalla certezza individuale, ma da istituzioni, metodi e comunità che rendono le affermazioni controllabili. Un ragazzo non può verificare personalmente ogni evento, esperimento o dato che incontra; deve imparare a riconoscere processi affidabili, competenze documentate, responsabilità editoriali e meccanismi di correzione. Non basta domandare “è vero?”; occorre chiedere “quale catena di evidenze consente di ritenerlo vero?” La nuova alfabetizzazione dovrà mostrare che dubitare non significa sospendere indefinitamente il giudizio, ma proporzionare la fiducia alla qualità delle prove disponibili.

Provenienza e trasparenza dei contenuti sintetici

In questa direzione si stanno sviluppando anche soluzioni tecnologiche per certificare la provenienza dei contenuti. La Coalition for Content Provenance and Authenticity ha definito lo standard C2PA e le cosiddette Content Credentials, credenziali che possono accompagnare immagini, audio, video e documenti registrandone origine e successive trasformazioni. C2PA le descrive come un metodo standardizzato e verificabile per associare a un contenuto informazioni sulla sua storia digitale (C2PA, Technical Specification e Explainer, 2025-2026).

Potremmo immaginarle come una sorta di etichetta informativa: non stabiliscono automaticamente se ciò che vediamo sia vero, ma permettono di sapere come è stato prodotto e modificato. È una differenza essenziale. La provenienza non garantisce la verità del contenuto, ma rende più trasparente la responsabilità della sua produzione.

Anche il quadro europeo sta evolvendo in questa direzione. L’articolo 50 dell’AI Act introduce obblighi di trasparenza per determinati sistemi e contenuti generati o manipolati artificialmente, compresi i deepfake, prevedendo forme di marcatura leggibili dalle macchine e informazione degli utenti (Regolamento UE 2024/1689; Commissione europea, Navigating the AI Act, 2026). Tuttavia, nessuna etichetta potrà sostituire la capacità critica. Le marcature possono essere rimosse, non essere disponibili o essere interpretate erroneamente. Inoltre, un contenuto generato dall’AI può essere accurato, mentre un filmato autentico può risultare parziale e ingannevole. La scuola deve quindi insegnare a utilizzare gli strumenti di provenienza senza trasformarli in nuovi certificati infallibili.

La realtà sintetica come competenza trasversale a scuola

La trasformazione riguarda tutte le discipline. In storia, occorrerà distinguere con maggiore precisione tra fonte, ricostruzione e simulazione. Nelle scienze, gli studenti dovranno riconoscere la differenza tra osservazione sperimentale e visualizzazione generata. Nell’educazione artistica, potranno interrogarsi su autore, stile, appropriazione e autenticità. Nelle lingue, una voce sintetica consentirà esercizi personalizzati ma potrà cancellare accenti, variazioni e contesti culturali. Nell’educazione civica, i deepfake diventeranno un tema legato a reputazione, consenso, violenza di genere, propaganda e partecipazione democratica. La competenza richiesta non apparterrà quindi a una singola materia. La realtà sintetica dovrà diventare un oggetto trasversale di educazione, come lo sono la scrittura, l’argomentazione e la lettura delle fonti.

Attività didattiche per allenare la verifica

La Commissione europea ha recepito questa convergenza nell’aggiornamento DigComp 3.0, che integra esplicitamente competenze relative all’intelligenza artificiale, alla disinformazione, alla sicurezza, ai diritti e alle responsabilità digitali (Joint Research Centre, 2025). Ma perché questa impostazione entri davvero nella scuola serviranno attività concrete. Gli studenti potrebbero creare contenuti sintetici dichiarati e documentarne il processo; confrontare versioni differenti dello stesso evento; costruire schede di provenienza; analizzare casi in cui un contenuto autentico è stato decontestualizzato; discutere quando una ricostruzione risulti pedagogicamente lecita. Imparare a produrre un falso in un ambiente controllato può essere uno dei modi più efficaci per comprendere quanto sia facile attribuirgli autorità.

Deepfake a scuola tra educazione, tutela e protocolli

Serviranno anche protocolli scolastici. Un deepfake che coinvolge uno studente o un docente non è soltanto un contenuto scorretto: può diventare uno strumento di bullismo, ricatto, umiliazione o violenza. Le istituzioni dovranno sapere come preservare le prove, proteggere la vittima, comunicare con le famiglie e attivare rapidamente le autorità competenti. Non si può lasciare che siano i singoli docenti a improvvisare. La scuola dovrà unire educazione, tutela e capacità di risposta, perché la stessa tecnologia che pone un problema epistemologico può produrre conseguenze psicologiche e sociali immediate.

Educare lo sguardo nell’epoca della realtà sintetica

La realtà sintetica ci obbliga infine a ripensare il significato stesso del vedere. Per secoli abbiamo utilizzato l’immagine come estensione dello sguardo; ora dobbiamo imparare a considerarla anche come esito di un calcolo. Questo non riduce il valore delle immagini, ma ne modifica lo statuto. Vedere non significherà più sapere che qualcosa è accaduto: significherà incontrare una rappresentazione della quale dobbiamo comprendere la genealogia. La scuola avrà allora un compito più ambizioso della semplice lotta alle fake news: ricostruire le condizioni culturali attraverso cui una società può continuare a produrre conoscenza condivisa.

Quando ogni volto può essere ricreato, ogni voce imitata e ogni scena generata, la risposta non può essere rifugiarsi nel sospetto permanente. Deve essere costruire cittadini capaci di chiedere prove, riconoscere responsabilità, tollerare l’incertezza e giungere comunque a giudizi ragionevoli. Nell’epoca della realtà sintetica, educare significherà insegnare non soltanto che cosa guardare, ma come sapere ciò che stiamo realmente vedendo.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x