Alfabetizzazione all’IA: perché saper usare ChatGPT non basta
L'alfabetizzazione all'IA non è saper usare un chatbot: è capire, valutare e usare l'intelligenza artificiale con consapevolezza. Cosa dice l'AI Act e come costruirla.
Saper usare ChatGPT è diventato in fretta una specie di superpotere da curriculum. Ma «so usare ChatGPT» e «capisco l’intelligenza artificiale» non sono la stessa cosa — e la differenza, oggi, pesa. Si chiama alfabetizzazione all’intelligenza artificiale (in inglese AI literacy), e non è un’etichetta accademica: dal 2025 è anche un obbligo di legge in Europa.
Che cos’è (e perché non basta saper «scrivere prompt»)
La definizione più citata in ambito scientifico, quella di Long e Magerko (2020), descrive l’alfabetizzazione all’IA come l’insieme di competenze che permettono di valutare criticamente le tecnologie di intelligenza artificiale, di comunicare e collaborare con esse e di usarle come strumento a casa, online e sul lavoro.
Il punto sta tutto in quei tre verbi. Saper far funzionare un chatbot è solo il terzo — usare. L’alfabetizzazione vera comprende anche gli altri due: capire come lo strumento produce una risposta, e giudicare se di quella risposta ci si può fidare. Scrivere un buon prompt è una competenza dentro l’AI literacy, non l’AI literacy per intero.
Anche il legislatore europeo ne dà una definizione, nel Regolamento sull’intelligenza artificiale (l’AI Act): le «competenze, conoscenze e comprensione» che consentono di usare i sistemi di IA in modo informato e di essere consapevoli delle opportunità e dei rischi. Di nuovo: non solo saper premere i tasti giusti, ma sapere cosa c’è dietro e cosa può andare storto.
Perché se ne parla proprio adesso
Due ragioni concrete, non di moda.
La prima è normativa. L’articolo 4 dell’AI Act impone a chi fornisce e a chi utilizza sistemi di IA di garantire un «livello sufficiente di alfabetizzazione» al proprio personale. È una regola già applicabile dal 2 febbraio 2025. In pratica: nelle organizzazioni, mettere in mano l’IA alle persone senza formarle non è più solo poco saggio, è fuori norma.
La seconda è il mondo del lavoro. Secondo l’OCSE, circa un terzo delle offerte di lavoro nelle economie avanzate è ad alta esposizione all’IA, ma solo l’1% circa richiede competenze tecniche specialistiche in materia. Tradotto: all’enorme maggioranza di noi non serve diventare ingegneri del machine learning — serve un’alfabetizzazione generale e diffusa. È la differenza tra saper guidare e saper progettare un motore.
Le quattro competenze che contano
Al di là delle diverse formulazioni, i quadri di riferimento più solidi convergono su quattro aree.
- Capire cos’è l’IA e come funziona. Sapere, almeno a grandi linee, che un modello impara da grandi quantità di dati e produce risposte per probabilità, non per comprensione. Questo spiega già metà dei suoi comportamenti.
- Usarla in modo efficace. Dare contesto, ruolo, vincoli ed esempi; iterare; chiedere passaggi e fonti. La qualità della risposta dipende in larga parte dalla qualità della richiesta.
- Valutare criticamente ciò che restituisce. Riconoscere le «allucinazioni» (risposte plausibili ma inventate) e i possibili pregiudizi (bias) ereditati dai dati di addestramento.
- Etica, dati e limiti. Sapere quali informazioni è prudente non inserire, come vengono trattati i dati, e soprattutto cosa lo strumento non può fare in modo affidabile.
A chi dare retta (le fonti serie)
Se si vuole approfondire senza affidarsi al primo corso improvvisato, i riferimenti autorevoli esistono e sono gratuiti. L’UNESCO ha pubblicato nel 2024 due quadri di competenze sull’IA, uno per gli studenti e uno per gli insegnanti, utilizzabili anche come lista di autovalutazione. La Commissione Europea, con il quadro DigComp 2.2, ha aggiornato le competenze digitali dei cittadini aggiungendo decine di esempi concreti su dove incontriamo l’IA nella vita di tutti i giorni. E l’AI Act stesso, con il suo articolo 4, fissa il principio a livello di legge.
Come costruirsela, in concreto
L’alfabetizzazione non si compra in un pomeriggio, ma si allena con abitudini precise. Cinque, per cominciare:
- Verifica prima di fidarti. Tratta ogni risposta come una bozza. Nomi, numeri, date, citazioni e fonti vanno sempre ricontrollati altrove: un modello sa inventare riferimenti dall’aria credibilissima.
- Impara a chiedere. Sperimenta come cambia il risultato quando aggiungi contesto, un ruolo, dei vincoli. È il modo più rapido per capire come «ragiona» lo strumento.
- Tieni a mente dati e pregiudizi. Un modello riflette ciò che ha visto, con i suoi squilibri, e ha una data oltre la quale non sa nulla. Chiediti sempre: cosa potrebbe mancare, o essere sovrarappresentato, in questa risposta?
- Conosci i limiti. Niente fatti in tempo reale oltre ai suoi dati, nessuna comprensione autentica, poca affidabilità nei conti esatti. Scegli lo strumento in base al compito.
- Proteggi le informazioni. Non incollare dati riservati, personali o di clienti in strumenti pubblici senza sapere come verranno trattati. Nel dubbio, dai per scontato che restino da qualche parte.
La buona notizia è che nessuna di queste cose richiede un titolo tecnico. Richiede l’abitudine a fermarsi un istante e chiedersi come e perché uno strumento ha prodotto quella risposta. In un mondo in cui l’IA entra ovunque, questa è la competenza che fa la differenza — molto più del saper aprire l’ennesima chat.
Blogger dal 2001, Nativo Digitale, Developer.
Da 15 anni mi occupo di IT per una grande Azienda.
Lavoro per abbattere il Digital Divide.
Visita i miei altri progetti
sardiniamobility.com
www.cyberness.it