L’AI aiuta davvero gli studenti con DSA o rischia di pensare al posto loro?

A settembre un ragazzo di dodici anni con una diagnosi di dislessia sarà a casa, il pomeriggio, a fare i compiti. E farà quello che possiamo aspettarci da un ragazzo del 2026: aprirà un qualunque strumento di intelligenza artificiale e si farà aiutare a svolgere il compito. Probabilmente il compito verrà completato, anche in modo corretto. La domanda è: avrà imparato qualcosa?

Dell’efficacia dell’intelligenza artificiale generica per l’apprendimento ho già scritto.

Qui voglio affrontare un’angolazione diversa, quella degli studenti con disturbi specifici dell’apprendimento, perché in questo caso ci sono considerazioni ulteriori da fare e gli effetti possono essere diversi.

AI e studenti con DSA: il confine degli strumenti compensativi

Gli studenti con DSA hanno diritto, per legge, a strumenti che li aiutino. La legge 170 del 2010 lo garantisce, distinguendo due tipi di misure: quelle dispensative, che esonerano da alcune prestazioni particolarmente difficili, e gli strumenti compensativi, che sostengono lo studente nell’abilità in cui incontra la difficoltà.

C’è un principio, dentro questa impostazione, che quindici anni fa sembrava ovvio e che oggi è diventato il cuore del problema. Uno strumento compensativo deve compensare lo specifico deficit dello studente senza intervenire sulle sue capacità cognitive, che nei DSA sono integre. Non è un dettaglio: la legge stessa definisce i disturbi specifici dell’apprendimento come difficoltà che si manifestano “in presenza di capacità cognitive adeguate”. Il ragazzo con dislessia non ha un problema di intelligenza o di ragionamento. Ha una difficoltà specifica e circoscritta. Lo strumento compensativo serve a superare quella difficoltà, non a fare il lavoro che le sue capacità cognitive integre devono imparare a fare.

La sintesi vocale legge il testo al posto di chi ha dislessia, ma non lo capisce per lui. La calcolatrice esegue il calcolo, ma non decide quale operazione serve. Il confine è netto: lo strumento fa il lavoro strumentale, lo studente fa il lavoro cognitivo. Nel 2010 nessuno strumento poteva fare altrimenti, perché la tecnologia disponibile era per costruzione incapace di superare quel confine. Oggi non è più così.

Dagli strumenti compensativi all’AI generativa

Per anni gli strumenti compensativi sono stati protesi statiche. Una sintesi vocale fa una cosa sola: trasforma il testo scritto in audio. Una mappa concettuale organizza le informazioni. Un correttore segnala l’errore. Ciascuno aveva un perimetro chiaro, deciso da chi lo aveva progettato, e quel perimetro coincideva con il confine della legge: aiutare senza sostituire.

Anni fa, lavorando a EdiTouch, un tablet pensato per studenti con DSA e BES, ho sviluppato un’applicazione per l’analisi logica e grammaticale. La app aiutava lo studente ricordandogli le categorie – soggetto, complemento oggetto, complemento di termine – perché tenerle tutte a mente è un carico che il disturbo può rendere gravoso. Ma il riconoscimento restava a lui: era lo studente a dover capire che “il cane” in quella frase era il soggetto. Lo strumento compensava la memoria di lavoro, non la comprensione. Il confine tra ciò che faceva la macchina e ciò che doveva fare il ragazzo era netto, e a tracciarlo era stato il progetto dello strumento.

Con un modello linguistico generativo questo confine sfuma. Lo stesso strumento che può ricordare le categorie può anche riconoscere il soggetto, spiegare perché lo è, e scrivere l’intera analisi. E può farlo nello stesso flusso di conversazione, senza che nessuno abbia deciso dove fermarsi. La differenza non sta nello studente, né nella sua difficoltà. Sta nell’oggetto. Uno strumento compensativo tradizionale poteva soltanto aiutare, perché era costruito per fare solo quello. Un modello generativo può soltanto essere frenato dopo, perché è costruito per fare tutto.

E qui c’è il punto da dire con chiarezza: se nessuno progetta quel confine in anticipo, il confine non esiste. Un modello linguistico di uso generale non parte da una posizione neutra. La sua tendenza naturale, quella che il suo design premia, è fornire la risposta completa nel modo più rapido e soddisfacente. L’assenza di progettazione non produce uno strumento neutrale che si può usare bene o male: produce uno strumento che, per costruzione, spinge verso la sostituzione. Un modello che scrive l’analisi logica al posto del ragazzo fa esattamente ciò che la legge esclude. Gli facilita il compito dal punto di vista cognitivo, cioè interviene proprio su quelle capacità che nei DSA sono integre e che lo studente deve allenare.

AI per studenti con DSA tra supporto e dipendenza

Il Piano Didattico Personalizzato prevede lo strumento compensativo come un diritto. Ma cosa succede quando lo strumento che il ragazzo ha in mano è un modello generativo che produce la scaletta, il testo, il ragionamento e la conclusione? La legge gli garantisce il supporto. Non dice nulla su dove il supporto finisce e comincia la delega.

La ricerca comincia a dare a questa domanda risposte che dovrebbero preoccuparci. Uno studio pubblicato nel 2025 sulle Proceedings of the National Academy of Sciences ha seguito circa mille studenti di scuola superiore alle prese con un tutor basato su intelligenza artificiale in matematica. Mentre avevano accesso allo strumento, la loro prestazione migliorava. Ma quando lo strumento veniva tolto, gli studenti che vi si erano affidati rendevano peggio, segno che la competenza non si era davvero formata. Gli autori hanno trovato anche l’antidoto: un sistema progettato per guidare con suggerimenti invece di consegnare direttamente la soluzione eliminava quasi del tutto il peggioramento successivo, pur senza produrre un vantaggio significativo nella prova autonoma.

Non è l’intelligenza artificiale in sé a fare la differenza. È se è progettata per dare la risposta o per trattenerla.

Per uno studente con DSA o BES questo non è un rischio astratto, ed è più acuto che per chiunque altro. La ricerca educativa descrive un fenomeno noto: gli studenti che partono più in difficoltà sono quelli che traggono più beneficio da un supporto ben congegnato, ma sono anche i più esposti a trasformarlo in dipendenza. È il paradosso di chi ha più bisogno di aiuto. Il ragazzo con dislessia davanti al compito ha, allo stesso tempo, il massimo bisogno di supporto e il massimo incentivo a delegare. Per lui la linea tra acquisire autonomia e perderla è sottile, e passa esattamente attraverso la distinzione tra uno strumento che lo aiuta a ragionare e uno che ragiona al posto suo.

C’è anche una questione di uguaglianza, non solo di pedagogia. Come è stato notato di recente su questa testata a proposito delle scelte normative di altri paesi, l’uso non regolato dell’intelligenza artificiale rischia di allargare le disuguaglianze educative invece di ridurle: gli studenti con più strumenti culturali imparano a usarla in modo critico, mentre i più fragili la adottano come sostituto stabile del proprio lavoro cognitivo. Per gli studenti con bisogni educativi speciali la delega non è soltanto un problema didattico. È una questione di diritto allo sviluppo.

Le politiche sull’AI educativa lasciano irrisolto il confine

La domanda che a questo punto si pone ogni decisore è inevitabile: altrove, dove il dibattito sull’intelligenza artificiale nella scuola è più avanzato, come stanno affrontando il problema?

Unione europea: gli usi educativi ad alto rischio

L’Unione europea dispone dello strumento regolatorio più articolato. L’AI Act considera ad alto rischio alcuni impieghi dell’intelligenza artificiale in ambito educativo, in particolare i sistemi utilizzati per determinare l’accesso a un percorso formativo, valutare i risultati di apprendimento o stabilire il livello appropriato per uno studente. L’accordo politico sul Digital Omnibus ha previsto ha rinviato l’applicazione delle relative regole, originariamente prevista per il 2 agosto 2026, al 2 dicembre 2027 per i sistemi ad alto rischio autonomi e al 2 agosto 2028 per quelli incorporati nei prodotti disciplinati dalla normativa europea di settore. Il rinvio è stato motivato anche dalla necessità di completare gli standard e gli strumenti di conformità.

Ma il problema affrontato qui rimane immutato: un tutor generativo utilizzato per studiare o svolgere i compiti non è automaticamente classificato come sistema ad alto rischio, e né l’AI Act né il Digital Omnibus stabiliscono quando il suo intervento smetta di sostenere l’apprendimento e cominci a sostituire il processo cognitivo dello studente.

UNESCO: età, dati e centralità della persona

L’UNESCO ha affrontato il tema nelle linee guida sull’intelligenza artificiale generativa nell’educazione, proponendo un approccio centrato sulla persona, la protezione dei dati e una soglia minima di tredici anni per l’uso autonomo di questi strumenti. Sono indicazioni importanti, soprattutto perché riconoscono che età, capacità di autoregolazione e maturità cognitiva devono influire sulle modalità di accesso. Restano però principi generali: non indicano come distinguere, durante una concreta interazione con un tutor, un suggerimento che attiva il ragionamento da una risposta che lo rende superfluo.

Norvegia: accesso per età ed eccezioni inclusive

La Norvegia ha compiuto il passo più deciso verso una politica operativa. Dal prossimo anno scolastico, le nuove raccomandazioni nazionali prevedono che gli studenti dal primo al settimo anno siano generalmente esclusi dall’uso diretto dell’intelligenza artificiale nel lavoro scolastico. Tra l’ottavo e il decimo anno l’accesso potrà essere introdotto gradualmente e con cautela, dopo un’adeguata preparazione degli insegnanti. Nella scuola secondaria superiore, invece, gli studenti dovranno imparare a usare questi sistemi in modo appropriato, anche in vista dell’università e del lavoro.

La scelta norvegese contiene però un’eccezione particolarmente significativa: gli studenti che, per specifiche necessità, hanno bisogno di strumenti basati sull’intelligenza artificiale dovranno continuare a potervi accedere, anche nell’ambito dell’insegnamento individualizzato. È precisamente in questa eccezione che riemerge il problema. Vietare o limitare l’AI in base all’età non basta quando, per alcuni studenti, il suo utilizzo può costituire uno strumento di inclusione. Occorre stabilire quale intelligenza artificiale concedere, per quali attività e con quali vincoli, affinché l’eccezione non finisca per privare lo studente proprio del lavoro cognitivo che la scuola dovrebbe aiutarlo a sviluppare.

Stati Uniti: accesso, inclusione e responsabilità

Negli Stati Uniti il punto di partenza è differente. Il quadro normativo è costruito soprattutto intorno al diritto degli studenti con disabilità a ricevere un’istruzione adeguata e ad accedere alle tecnologie educative senza discriminazioni. Le più recenti indicazioni federali incoraggiano l’uso dell’intelligenza artificiale per materiali didattici, tutoraggio, personalizzazione e differenziazione dell’insegnamento, richiamando al tempo stesso privacy, coinvolgimento delle famiglie e adozione responsabile. Anche qui, tuttavia, l’attenzione è rivolta soprattutto all’accesso, alle opportunità offerte dalla tecnologia e alle condizioni generali del suo impiego. Manca un criterio operativo che distingua l’accomodamento necessario dalla delega del processo cognitivo.

Nessuno di questi approcci risolve quindi completamente il problema. L’Europa regola alcuni usi educativi ad alto rischio. L’UNESCO formula principi generali e introduce il criterio dell’età. La Norvegia stabilisce fasce di accesso diverse e riconosce eccezioni per chi ha bisogno di strumenti personalizzati. Gli Stati Uniti privilegiano il diritto all’accesso e le possibilità offerte dall’AI per differenziare l’insegnamento.

La normativa italiana sui DSA contiene però, da quindici anni, una distinzione che oggi acquista un significato nuovo. Le Linee guida del 2011 stabiliscono che gli strumenti compensativi devono sollevare lo studente da una prestazione resa difficoltosa dal disturbo, «senza peraltro facilitargli il compito dal punto di vista cognitivo». Non è ancora una disciplina dell’intelligenza artificiale e non indica come tradurre quel principio nell’architettura di un modello generativo. Ma individua con sorprendente precisione il confine che le politiche più recenti continuano a lasciare irrisolto.

L’Italia, quindi, non possiede ancora le regole tecniche per valutare un’AI utilizzata come strumento compensativo. Possiede però già il principio normativo dal quale costruirle. Il problema non è più definire in astratto la differenza tra aiutare lo studente e sostituirlo: quella differenza è già scritta. Occorre trasformarla in requisiti progettuali e criteri verificabili, applicabili ai sistemi generativi prima che entrino stabilmente nei Piani Didattici Personalizzati e nella vita quotidiana degli studenti.

Perché vietare l’AI non tutela gli studenti con DSA

Guardando alla Norvegia, la tentazione è pensare che la soluzione sia il divieto. Va esaminata, perché non regge, e non per ragioni ideologiche ma per come funziona concretamente la scuola italiana.

In aula, un divieto è applicabile. Si può decidere che durante le lezioni l’intelligenza artificiale non si usa, e farlo rispettare. Ma nel nostro sistema scolastico il momento in cui i concetti si consolidano, in cui il ragionamento si struttura davvero, non è quasi mai la lezione in classe. È il pomeriggio, a casa, quando lo studente fa i compiti da solo/a. È lì che l’apprendimento si gioca. Ed è esattamente lì che il divieto scolastico non arriva.

Qualcuno obietterà che studi condotti in scuole norvegesi che avevano vietato gli smartphone hanno rilevato risultati migliori e meno bullismo, soprattutto tra le ragazze. È vero, ma i due casi non sono paragonabili. Il danno da smartphone, la distrazione, avviene in aula, ed è in aula che il divieto lo intercetta. Il danno da intelligenza artificiale, la delega del ragionamento, avviene a casa, dove il divieto scolastico non ha alcuna presa. Per lo smartphone il problema e la soluzione stanno nello stesso luogo. Per l’AI no.

Si potrebbe rispondere che allora bisogna riportare l’apprendimento in aula, come nei modelli di classe capovolta dove la rielaborazione avviene sotto la guida del docente. È un’idea seria, ma trasformare l’intero impianto della scuola italiana è un’operazione di anni, non una risposta disponibile oggi. E c’è un punto che riguarda proprio gli studenti con DSA e BES: per loro il lavoro a casa non è un dettaglio del sistema, è il luogo dove esercitano un diritto, dove usano gli strumenti compensativi che la legge garantisce. Vietare l’intelligenza artificiale a scuola e lasciarla incontrollata a casa significa lasciarli soli proprio dove il confine tra compensare e sostituire è più sottile, e dove nessuno può accorgersi se è stato superato.

Vale un po’ quello che nella sicurezza informatica si è imparato da tempo: nascondere l’accesso a qualcosa non lo rende sicuro. La protezione che funziona non è quella che tiene l’oggetto lontano, è quella costruita dentro l’oggetto stesso. Se il divieto non può reggere, perché l’accesso è ovunque, allora la vera tutela non è tenere i ragazzi lontani dall’intelligenza artificiale. È dare loro accesso a un’intelligenza artificiale progettata per non danneggiarli.

Progettare un’AI che sostenga il ragionamento

Se questa è la direzione, servono due cose distinte, che spesso vengono confuse.

La prima è un modo per misurare. Prima di dire che un sistema di intelligenza artificiale aiuta davvero il ragionamento invece di atrofizzarlo, bisogna poterlo verificare. Non basta osservare che lo studente completa più esercizi o prende voti migliori mentre usa lo strumento: quella è la prestazione assistita, ed è proprio la cosa che, come mostra la ricerca, non predice l’apprendimento reale. Serve misurare se il ragionamento è migliorato, se la metacognizione è cresciuta, se la competenza si è consolidata al punto da reggere anche senza lo strumento.

La seconda è progettare il sistema perché il confine sia dentro l’architettura, deciso in anticipo. È l’idea, emersa di recente anche nel dibattito giuridico, di una tutela cognitiva incorporata nel design, sul modello di come abbiamo imparato a incorporare la protezione dei dati fin dalla progettazione. Ma un principio ha bisogno di esempi concreti di cosa significhi, in pratica, costruire uno strumento così.

Io ci sto provando. Ho pubblicato in accesso aperto, con licenza libera, un framework per valutare se un tutor basato su intelligenza artificiale migliora davvero ragionamento, metacognizione e consolidamento, proprio perché possa essere applicato da chiunque a qualunque sistema, anche a quelli concorrenti, anche contro le mie stesse ipotesi. E ho costruito un sistema di tutoraggio per la scuola media che per progetto non fornisce mai la risposta diretta, ma restituisce allo studente domande che lo tengono dentro il ragionamento. Non lo presento come il modello da seguire. Lo metto a disposizione come un caso di studio aperto alla critica, perché altri lo esaminino, lo replichino o propongano soluzioni migliori.

Ma è qui che voglio essere chiaro: questa non può essere un’iniziativa singola. I criteri per valutare uno strumento ad alto rischio non possono appartenere a chi quello strumento lo costruisce o lo vende, e nemmeno a un solo ricercatore. Devono essere pubblici, condivisi, verificabili da tutti. Il lavoro di uno serve a mostrare che una strada è percorribile. A renderla una strada vera servono la ricerca, le scuole, le istituzioni. Serve che psicologi, pedagogisti, insegnanti e regolatori mettano mano a quelle regole e le migliorino.

Torniamo al ragazzo di dodici anni, il pomeriggio di settembre, davanti ai compiti. Il punto non è togliergli lo strumento, perché domani lo riavrà, e il giorno dopo, e per tutta la vita. Il punto è che lo strumento che ha in mano sia costruito in modo da chiedergli qual è il soggetto di quella frase, invece di dirglielo. La legge, quindici anni fa, aveva già scritto qual è la differenza tra aiutare e sostituire. Adesso tocca a noi costruire strumenti che la rispettino, e criteri pubblici per verificare che lo facciano davvero.