L’Intelligenza Artificiale sta entrando rapidamente nelle università, nei processi di apprendimento e, più in generale, nelle professioni ad alta intensità di conoscenza. Ma la questione decisiva non è più semplicemente se utilizzare l’AI nell’educazione. È capire come progettarne l’utilizzo affinché aumenti le capacità umane senza progressivamente sostituire proprio quelle competenze cognitive che l’università dovrebbe sviluppare. È il tema al centro dell’intervento di Andrea Stazi, CEO e Co-Founder di Techno Polis Forum-Lab (https://techno-polis.com/), presentato nell’ambito di SAMYRAD 2026, conferenza internazionale dedicata all’intersezione tra Intelligenza Artificiale ed educazione.
1. Il paradosso dell’AI nell’apprendimento
Il punto di partenza è un paradosso. L’AI generativa può rendere studenti e professionisti più efficienti. I dati richiamati da Stazi mostrano come il 61% degli studenti ritenga che gli strumenti di AI consentano di liberarsi da attività ripetitive, dedicando maggiore energia al pensiero concettuale e alla sintesi.
Allo stesso tempo, però, il 66% degli studenti e il 73% dei docenti esprimono preoccupazione per il rischio che un’eccessiva dipendenza dall’AI produca cognitive offloading, indebolendo progressivamente capacità analitiche e pensiero critico.
È il rischio della cosiddetta “false mastery”: ottenere un risultato apparentemente migliore senza aver realmente sviluppato le competenze necessarie per produrlo autonomamente.
La velocità della risposta, in altre parole, non coincide necessariamente con la qualità dell’apprendimento.
2. Dalla Fast AI alla “Slow AI”
Da qui emerge un cambio di paradigma. L’obiettivo non dovrebbe essere costruire sistemi che forniscano semplicemente la risposta più velocemente possibile, ma strumenti capaci di stimolare attivamente il ragionamento dell’utente.
Nella prospettiva della Slow AI richiamata da Stazi, l’interazione con la tecnologia viene strutturata per favorire riflessione, dialogo socratico, verifica degli output e progressiva rielaborazione delle ipotesi.
A questa logica si affianca il modello del Teacher-AI Teaming: l’AI può assorbire attività ripetitive, offrire esercizi personalizzati e feedback continui, mentre il docente concentra maggiormente il proprio ruolo sulla mentorship, sulla discussione etica e sull’approfondimento critico.
Non si tratta quindi di scegliere tra intelligenza umana e artificiale.
Si tratta di costruire una critical hybrid intelligence, nella quale la tecnologia amplifica le capacità umane senza sostituire il giudizio.
3. Perché servono modelli educativi specifici
Questo approccio ha anche una conseguenza tecnologica.
Secondo Stazi, università e istituzioni educative non dovrebbero dipendere esclusivamente da modelli generativi commerciali general-purpose.
Occorre sviluppare infrastrutture AI specificamente progettate per il contesto educativo, alimentate da contenuti accademici selezionati e affidabili, rispettose della proprietà intellettuale e coerenti con le esigenze didattiche e culturali delle istituzioni.
È il passaggio dai chatbot generalisti a veri e propri strumenti EdTech domain-specific.
Ed è precisamente su questo terreno che la riflessione accademica incontra l’innovazione applicata.
4. Dal principio alla piattaforma: l’AI Tutor di Techno Polis
La piattaforma EduTech sviluppata dal Tech Laboratory di Techno Polis, che ci prepariamo a lanciare a Dubai, nasce dalla stessa impostazione.
L’AI Tutor non è concepito come un sostituto del docente né come una macchina destinata semplicemente a produrre risposte, ma come uno strumento capace di supportare percorsi di apprendimento personalizzati valorizzando contenuti selezionati da docenti ed esperti.
Il principio è semplice: non chiedere alla tecnologia di sostituire il processo educativo, ma progettarla affinché possa rafforzarlo.
5. Preparare le persone a dirigere la tecnologia
La posta in gioco supera il perimetro universitario.
L’AI generativa sta già trasformando le professioni cognitive. Nell’analisi presentata da Stazi, l’esposizione all’AI non equivale automaticamente alla sostituzione del lavoro: nei ruoli ad alta intensità cognitiva, l’AI può operare come tecnologia complementare, accelerando l’esecuzione mentre il valore umano si sposta sempre più verso capacità di valutazione, giudizio e visione strategica.
È qui che cambia anche la missione dell’università.
Come sintetizzato nelle conclusioni dell’intervento, l’obiettivo non è insegnare alle persone a competere con gli algoritmi nella velocità di esecuzione, ma sviluppare il giudizio critico, etico e valutativo necessario per dirigere la tecnologia.
Per Techno Polis, questo principio rappresenta anche una direzione concreta di innovazione.
Dalla ricerca alla sperimentazione, dalla riflessione accademica allo sviluppo di strumenti: il futuro dell’EdTech non dovrebbe essere costruito intorno a un’AI che pensa al posto delle persone, ma a un’AI che le aiuta a pensare meglio.
Ed è su questa frontiera — tra tecnologia, educazione e capacità umane — che si giocherà una parte importante della trasformazione dell’università e del futuro del lavoro.