LUCIANO FLORIDI: UNA LAUREA DEVE INSEGNARE A SAPERE QUALCOSA SUL SERIO.
NELL’ERA DELL’INTELLIGENZA ARTIFICIALE CONTANO PENSIERO CRITICO, CONOSCENZA PROFONDA
E RESPONSABILITÀ. E INSEGUIRE IL MERCATO È LA SCELTA PEGGIORE.
Luciano Floridi è professore a Yale, dove dirige il Digital Ethics Center, e all’Università di Bologna. Nel suo ultimo libro, «La differenza fondamentale» (Mondadori, 2025), sostiene che l’intelligenza artificiale vada intesa come una nuova forma di agire priva di intelligenza.
Domanda. L’AI trasforma il modo in cui studiamo e lavoriamo. La scuola e l’università italiane stanno affrontando la transizione con la giusta rapidità o rischiano di inseguirla?
Risposta. Temo che sia la metafora sbagliata, perché nessuna tecnologia si insegue, tanto meno una che cambia ogni giorno. Il sistema educativo ha il compito di insegnare a domandare, a capire e a controllare le risposte, e a decidere che cosa farne. Il ritardo riguarda tutto questo più che gli strumenti, dato che molti studenti li usano già. Il rapporto PISA 2025, appena pubblicato dall’Ocse, descrive una scuola meno in ritardo di quanto si creda, perché i quindicenni italiani sono sopra la media Ocse in lettura e in matematica, e circa tre quarti dichiarano che a lezione viene chiesto loro di valutare la qualità delle informazioni prodotte dall’AI. La scelta che manca riguarda ciò che, banalmente, si chiama pensiero critico.
D. Lei ha insegnato a Oxford e oggi a Yale. Quali differenze vede tra l’approccio del sistema universitario Usa e quello italiano nell’integrare l’AI in didattica e ricerca?
R. Ho insegnato a Oxford per decenni e da tre anni sono a Yale, e la prima differenza che vedo è la velocità con cui un’università americana
passa dalla discussione alla decisione. Nell’agosto 2024 Yale ha stanziato oltre 150 milioni di dollari in cinque anni per l’AI e ha dato a tutti, studenti, docenti e personale, accesso sicuro ai modelli generativi attraverso una piattaforma interna, lasciando a ogni persona la scelta di come usarli, perché la fiducia nell’autonomia è ciò che permette di sperimentare e di sbagliare, in fretta.
D. Gli strumenti di AI generativa sono ormai nella quotidianità di molti studenti. Dov’è il confine tra un utilizzo che arricchisce l’apprendimento e una delega che finisce per impoverire studio, scrittura e ragionamento?
R. Il confine passa per lo sforzo. C’è quello inutile che si può delegare, come memorizzare una formula o una declinazione, e c’è lo sforzo che,
come nello sport, è l’esercizio stesso, cioè capire un argomento tanto da saper riformularlo, sostenere una tesi contro un’obiezione, spiegare una dimostrazione. I dati PISA lo confermano: gli studenti che usano i chatbot per riassumere i testi ottengono punteggi più bassi rispetto a chi non li usa, mentre un uso moderato per farsi spiegare qualcosa può aiutare. Con Claudio Novelli ho chiamato “second scholarship” il rapporto maturo con questi strumenti, quello di chi impara prima a svolgere un lavoro intellettuale e poi li usa per farlo meglio. Non si diventa capaci di controllare un lavoro che non si è mai imparato a fare. Chi si limita a certificare i risultati dell’AI fa solo un controllo di qualità, così come lo studente che consegna un testo generato e riletto ha fatto una revisione editoriale mentre credeva di studiare.
D. Se l’AI produce testi, analisi e codice sempre migliori, quali competenze diventeranno davvero distintive per un laureato? Le imprese stanno già imparando a riconoscerle oppure prevale ancora una logica orientata soprattutto a efficienza e riduzione dei costi?
R. Uno studio di Stanford (Brynjolfsson, Chandar e Chen, agosto 2026) non trova perdite generalizzate di posti di lavoro attribuibili all’AI; tuttavia, fra i ventidue e i venticinque anni, l’occupazione nelle professioni più esposte è del 19% sotto il livello che avrebbe raggiunto se avesse tenuto il passo con i coetanei meno esposti, e il divario nasce dalle mancate assunzioni. Gli autori notano che l’AI sostituisce efficacemente la conoscenza codificata dei manuali e funge da complemento della conoscenza tacita. Il sapere disciplinare resta indispensabile, dato che non si può valutare un output in un campo che non si conosce. E ci sono almeno quattro forme di sapere, oltre al pensiero critico già citato, che resistono alla delega: la conoscenza tacita, l’impegno di chi firma un risultato e ne risponde, l’appartenenza
a una comunità che riconosce il lavoro ben fatto e la comprensione profonda che tiene insieme le parti e il tutto. Molte imprese usano l’AI per non assumere, ma le migliori hanno capito che queste forme di sapere sono il loro capitale semantico, cioè la capacità di dare senso ai dati e di porre le domande giuste, che l’AI rende più prezioso perché moltiplica le risposte, e che chi smette di assumere giovani lo consuma senza rinnovarlo.
D. Tra Usa ed Europa emergono modelli diversi di sviluppo dell’AI: da un lato velocità e innovazione, dall’altro attenzione alla regolazione. Quale equilibrio è più efficace per formare i professionisti dei prossimi dieci anni?
R. L’alternativa fra innovazione e regolamentazione è falsa. L’8 settembre, un ricercatore, Jacob Coxon, ha lasciato Anthropic, scrivendo che le aziende corrono verso sistemi capaci di migliorarsi da soli e dicendo al Wall Street Journal che la concorrenza rende inevitabili i compromessi sulla sicurezza. Molta fantascienza e disinformazione, ma è vero che nessuno lì dentro sa rallentare. Le macchine sovrumane che sfuggono al controllo lasciamole a Hollywood, perché questi sistemi agiscono senza capire e senza volere nulla, e confonderne l’agire con un’intelligenza dotata di scopi significa scambiare un problema di gestione con un film, il modo più comodo per deresponsabilizzarsi. Una corsa che i partecipanti non possono fermare è la ragione stessa per cui esistono le regole. L’Europa farebbe bene a smettere di imitare, perché il suo gioco è un altro, e chi ha inventato lo stato di diritto può sviluppare l’innovazione giuridica necessaria. L’AI Act ha limiti seri, ma regolare in base al rischio è giusto. Formerei dunque giovani capaci di costruire e di rispondere di ciò che costruiscono, dato che il mondo in cui lavoreranno nei prossimi anni richiederà entrambe.
D. Se oggi un diciottenne le chiedesse un consiglio sul proprio percorso universitario, quale sarebbe il criterio più importante: seguire le passioni, il mercato o prepararsi a imparare per tutta la vita? E quale proprio sconsiglierebbe? R. Nessuno dei tre criteri basta da solo, e il secondo è il peggiore, perché il mercato cambia più in fretta che un corso di laurea. Le passioni a diciotto anni sono un indizio da prendere sul serio. Il criterio che consiglio l’ho chiamato una volta «caute ambizioni», cioè una meta alta e molta attenzione alla strada per raggiungerla. In pratica significa avere passione, senza la quale è difficile fare gli sforzi e i sacrifici che il successo richiede; preferire i fondamenti agli strumenti; studiare una disciplina fino a dominarla; e frequentare con curiosità quanti corsi si vuole, perché una laurea serve a sapere qualcosa sul serio. Il percorso che sconsiglio è quello breve che promette occupabilità immediata insegnando a usare uno strumento, perché usare uno strumento è la prima cosa che si automatizza. E non parliamo degli ambiziosi insipienti che vogliono diventare “influencer” senza passare per la strada della competenza. Imparare per tutta la vita è ciò che rimane quando gli altri
due criteri sono scaduti, ed è più facile per chi ha coltivato una curiosità critica.
D. C’è una capacità che, qualunque sia l’evoluzione dell’AI, le nuove generazioni non dovrebbero mai delegare a una macchina?
R. La domanda comporta la responsabilità della risposta. L’8 settembre OpenAI ha annunciato che circa 10.000 agenti, diretti dai suoi
matematici, hanno prodotto una proposta di soluzione per una versione del problema di Navier-Stokes, seguendo una strategia proposta da Diego Córdoba e Luis Martínez-Zoroa. Anche se il risultato non fosse confermato, resterebbe una prova di agency artificiale, perché la prova sta nella prestazione. I matematici sapevano che cosa stavano facendo, mentre gran parte del lavoro più meccanico si può ormai delegare. Il capire resta umano. È la lezione della maker’s knowledge di Bacone, Hobbes e, soprattutto, di Vico, secondo cui ottenere il risultato giusto non equivale né a comprenderlo né a sapere come ottenerlo. Terence Tao si è chiesto che cosa resti degli scopi della matematica se l’AI dimostra teoremi, e la mia risposta è che avremo più dimostrazioni verificate, ma senza una comprensione proporzionalmente maggiore, perché la risorsa scarsa, in matematica come nelle scienze, è sempre stata la buona domanda. Decidere che cosa valga la pena chiedere e perché resta un atto umano; le nuove generazioni farebbero bene a esercitare questa capacità prima di delegare tutto il resto.
D. Per anni abbiamo contrapposto la cultura umanistica alle competenze STEM. L’AI rende questa distinzione ancora attuale?
R. La distinzione era già sbagliata, e l’AI la rende costosa. Facciamo cominciare la filosofia moderna con Cartesio, che era un ingegnere militare, e quella contemporanea con Wittgenstein, che era un ingegnere aeronautico, sicché la separazione fra le due culture è recente e, in Italia, ha assunto la forma di una gerarchia, con il liceo classico da una parte e il resto dall’altra. Ora ha un prezzo visibile, perché chi progetta un sistema di AI senza sapere nulla di diritto o di etica costruisce qualcosa di cui non prevede gli effetti, e chi discute di AI senza sapere come funziona un modello dice cose che non stanno in piedi. Nel centro che dirigo a Yale lavorano insieme filosofi, giuristi, informatici, medici, sociologi e politologi, e nessuno di loro è un tuttologo, dato che ciascuno sa una cosa a fondo e abbastanza delle altre per capire i colleghi. La filosofia e gli interessi comuni fanno da collante. È il profilo da costruire già all’università, con una disciplina approfondita e la curiosità di frequentare i corsi degli altri. Se mi permette di sognare: abolire i concorsi pubblici, il valore legale della laurea e i settori scientifico disciplinari sarebbe un gran passo avanti. Tornando al tuttologo, l’AI lo produce in serie perché dà a chiunque l’aria di sapere tutto, mentre una laurea serve a sapere qualcosa sul serio, che si domina nel dettaglio. È come la differenza tra chi è nato in una città e il turista che la visita. Solo il primo la conosce davvero e sa dirvi come esplorarla.
