← Tutti gli articoli

Metodoper tutti e per le aziende

Leggere un corso sull'AI non basta: come si impara davvero a usarla

Perché guardare video e leggere guide non basta per usare bene l'AI e come imparare con prove pratiche, feedback e verifica, secondo la ricerca.

Andrea La Gioia · · 7 minuti di lettura

Chi vuole imparare a usare l'intelligenza artificiale ha l'imbarazzo della scelta: video, newsletter, guide, corsi da quattro ore, thread con cento prompt da copiare. Ci si sente aggiornati dopo una serata di visione. Il lunedì dopo, davanti a un compito vero, si apre lo strumento e si scrive la prima cosa che viene in mente.

Capita perché guardare qualcuno che usa uno strumento e usarlo sono due competenze diverse. In questo articolo vediamo cosa dice la ricerca sull'imparare facendo, perché con l'AI il rischio di illudersi è più alto del solito e come si organizza un apprendimento che lascia davvero qualcosa. Alla fine c'è un esercizio da fare in venti minuti.

L'illusione di aver capito

Leggere o ascoltare una spiegazione chiara produce una sensazione di comprensione, che psicologi e pedagogisti chiamano illusione di competenza. Il testo scorre, tutto sembra ovvio, e la fatica che serve a ricostruire il concetto da soli non è mai stata richiesta.

Con l'AI l'effetto si moltiplica. Lo strumento risponde bene a quasi tutto, quindi è facile confondere la qualità della risposta con la propria capacità di arrivarci. La domanda giusta riguarda il lunedì: sarei in grado di fare questo lavoro senza lo strumento, o di capire quando lo strumento sbaglia?

Cosa dice la ricerca sull'imparare facendo

Tre risultati aiutano a orientarsi.

Metodi attivi. Una meta-analisi di 225 studi su corsi universitari di scienze, ingegneria e matematica (Freeman e colleghi, PNAS, 2014) ha confrontato la lezione frontale con metodi che fanno lavorare gli studenti. Con i metodi attivi i punteggi agli esami sono risultati in media più alti di circa il 6%, e la quota di studenti non promossi è scesa dal 33,8% al 21,8%.

Mettersi alla prova. Roediger e Karpicke (Psychological Science, 2006) hanno confrontato chi rileggeva un testo con chi cercava di ricordarlo senza guardarlo. Subito dopo, rileggere funzionava meglio. Dopo due giorni e dopo una settimana, chi si era messo alla prova ricordava di più. Si impara di più quando si fa fatica a recuperare qualcosa, e meno quando lo si rivede una volta in più.

Delegare fa danni quando non c'è un limite. Nello studio PNAS 2025 di Bastani e colleghi, su quasi mille studenti di matematica, chi si era esercitato con una chat generalista era andato meglio durante gli esercizi (+48%) ma peggio all'esame senza AI (-17%) rispetto a chi non l'aveva usata. Chi aveva usato un tutor progettato per dare suggerimenti, invece delle risposte, era tornato al livello di partenza all'esame. Lo studio riguarda una scuola e va letto con prudenza, ma indica una direzione: lo strumento aiuta a imparare quando non fa il lavoro al posto tuo.

Perché i corsi online si fermano a metà

Un'analisi di 221 corsi online aperti (Jordan, 2015) ha rilevato un tasso mediano di completamento del 12,6%, con valori che andavano da meno dell'1% a oltre il 50%. La lunghezza del corso e il tipo di verifica pesavano sul risultato. Il dato è più vecchio di qualche anno e non riguarda l'AI, ma ricorda una cosa semplice: senza prove che richiedano di produrre qualcosa e senza un traguardo chiaro, la maggior parte delle persone si ferma.

Come si organizza un apprendimento che funziona

Un percorso efficace sull'AI ha quattro ingredienti.

  1. Un punto di partenza misurato. Un test d'ingresso sulle attività vere dice cosa sai già e cosa ti manca. Chi sa già scrivere richieste efficaci non deve rifare la lezione.
  2. Compiti reali. Si impara a lavorare con l'AI facendo un lavoro: un report, una mail difficile, l'analisi di un foglio di dati.
  3. Un criterio di valutazione noto prima. Sapere come verrà valutato il risultato orienta lo sforzo. Le rubriche a livelli (sotto soglia, obiettivo minimo, target) servono a questo.
  4. Un feedback che rimanda alla pratica. Se la prova non è superata, serve una spiegazione mirata e un secondo tentativo con un compito diverso, non la ripetizione della stessa lezione.

Un esempio: preparare un riepilogo con l'AI

Prendiamo un compito comune: riassumere un documento lungo per una riunione.

  • Chi legge soltanto una guida impara che si può chiedere un riassunto e prova a farlo. Il testo che ottiene sembra buono.
  • Chi segue un percorso pratico deve consegnare il riepilogo con i punti controllati sul documento originale, una nota su cosa l'AI ha omesso o inventato e una seconda versione migliorata dopo il feedback.

Nel primo caso la persona ha visto uno strumento. Nel secondo ha costruito un metodo che riutilizzerà con altri documenti.

Errori frequenti

  • Copiare i prompt di qualcun altro senza capire perché funzionano.
  • Accettare la prima risposta. L'AI lavora per tentativi: si chiede di accorciare, di cambiare tono, di mostrare le fonti.
  • Non verificare. I numeri, le date e le citazioni vanno sempre controllati.
  • Cercare lo strumento perfetto invece di allenare il metodo. Gli strumenti cambiano, il modo di ragionare e controllare resta utile.
  • Studiare tutto in un fine settimana. Venti o trenta minuti al giorno per qualche settimana lasciano più di una giornata intensiva.

Un esercizio da fare oggi

Scegli un compito di lavoro che fai ogni settimana. Svolgilo come fai di solito, poi rifallo con l'AI e confronta. Annota tre cose: dove ha risparmiato tempo, dove ha sbagliato, e cosa hai dovuto correggere tu. In venti minuti ottieni una mappa personale che vale più di una lista di consigli generici. Ripeti l'esercizio dopo due settimane: la differenza tra le due mappe è il tuo progresso.

Un piano di quattro settimane

Per chi parte da poco e ha mezz'ora al giorno, questa sequenza è realistica.

Settimana 1: osservare. Scegli tre compiti che fai spesso e provali con l'AI senza ambizioni. Scrivi cosa funziona e cosa produce risultati inutili. L'obiettivo è capire dove lo strumento serve nel tuo lavoro.

Settimana 2: controllare. Per ogni risposta dell'AI, verifica a mano numeri, nomi e fonti. Tieni un elenco degli errori trovati. Quasi sempre emerge uno schema: l'AI sbaglia sulle date, inventa citazioni, semplifica troppo i casi limite.

Settimana 3: costruire un metodo. Trasforma i tentativi riusciti in una procedura che puoi ripetere: quali informazioni dare, quali domande fare, quali controlli fare dopo. È la fase in cui si passa da usare lo strumento a lavorare con lo strumento.

Settimana 4: mettersi alla prova. Svolgi un compito nuovo, senza guardare gli appunti, e confronta il risultato con quello della prima settimana. Chiedi a un collega di valutarlo con una griglia semplice: correttezza, chiarezza, tempo impiegato.

Un percorso strutturato fa gli stessi passaggi con un po' più di supporto: il test iniziale sostituisce la settimana 1, le prove valutate sostituiscono le ultime due.

Come si misura il progresso

Una competenza si misura con ciò che si riesce a produrre, e quasi mai con il numero di ore. Tre indicatori semplici:

  • Autonomia. Quanto spesso hai bisogno di rifare la richiesta da capo, o di chiedere aiuto per correggere un risultato.
  • Qualità verificabile. Il risultato regge a un controllo di fonti e numeri.
  • Tempo. Quanto ci metti rispetto a prima, tenendo conto del tempo di controllo.

Se uno solo dei tre migliora mentre gli altri peggiorano, probabilmente stai delegando troppo. Se migliorano tutti, il metodo sta funzionando.

Come lo applica Percorsi

Percorsi parte da questi principi. Dici cosa vuoi imparare e da che livello parti, e un test d'ingresso fatto di compiti brevi stabilisce il punto di partenza. Il percorso ha tappe con spiegazioni, esercizi e prove valutate con rubriche a tre livelli. Se non superi una prova, ricevi un approfondimento e una prova diversa. Andrew, il tutor AI, ti segue quando resti bloccato. Il nostro staff rivede le fonti scelte.

Cosa è già realtà e cosa arriverà

Sono già attivi il test d'ingresso, le rubriche, la regola di superamento, la pagina pubblica di verifica degli attestati di Percorsi e il loro download in formato Open Badges 3.0, con il pulsante per aggiungerli a LinkedIn. Il riconoscimento esterno dei nostri attestati da parte di altri enti è un obiettivo su cui stiamo lavorando.

Vuoi provare questo metodo su una competenza che ti serve? Prova Percorsi e crea il tuo primo percorso.