Sblocca il libro →

Niente spam · ti disiscrivi quando vuoi

📥 Scarica il PDF

Capitolo 2 — Riprogettare compiti e valutazioni

Se il tema d’italiano lo scrive Claude in 30 secondi, cosa stai valutando esattamente?

Questa è la domanda che ogni docente dovrebbe scriversi sopra la cattedra. Non per autoflagellazione. Per chiarezza. Perché finché valuti il prodotto finale di un’attività che un modello produce in mezzo minuto, non stai valutando l’apprendimento. Stai valutando l’accesso al modello.

E l’accesso al modello, oggi, ce l’hanno tutti. Anche quelli che fingono di non averlo.

La buona notizia è che la teoria della valutazione esiste da decenni e oggi torna utile come non mai. La cattiva è che la maggior parte dei compiti che si assegnano nelle scuole italiane è ferma a un modello che presuppone uno studente isolato davanti a un foglio. Quel modello, fuori dall’aula, non esiste più. Riprogettare i compiti non è un esercizio di stile: è la condizione per continuare a misurare qualcosa di reale.

Il punto centrale

Esistono tre famiglie di valutazione. Non sono nuove. Sono note da quarant’anni. Ma l’arrivo dell’AI le ha riportate al centro perché ognuna risponde a una domanda diversa.

Valutazione di esito (outcome-based). Misura il prodotto finale. Tema, problema risolto, traduzione consegnata, relazione di laboratorio. È la valutazione che usi da sempre. Resta utilissima — ma da sola, oggi, è quasi cieca. Ti dice cosa è arrivato sul banco. Non ti dice chi e come l’ha prodotto.

Valutazione di processo (process-based). Misura il percorso. Le decisioni che lo studente ha preso, i prompt che ha usato, le revisioni che ha richiesto al modello, dove ha cambiato idea, dove si è bloccato. Rende visibile ciò che prima era invisibile. Richiede che lo studente documenti, ma una volta abituato lo fa in dieci minuti.

Valutazione di riflessione (reflection-based). Misura la consapevolezza dello studente sul proprio modo di lavorare con l’AI. Una pagina in cui racconta cosa ha funzionato, cosa no, cosa rifarebbe diversamente. Sviluppa metacognizione. Ma se ne abusi, diventa rituale: gli studenti scrivono frasi vuote per accontentarti.

La buona pratica è combinarle tutte e tre. Non sullo stesso compito, ma sull’arco del quadrimestre. Cambi rapporto fra le tre a seconda della disciplina, della classe, dell’età. Una seconda di un tecnico tollera più riflessione di una prima media. Un esame universitario tollera più processo di una verifica liceale di trenta minuti.

Dentro questa cornice si riconoscono subito i compiti che reggono l’AI e quelli che non la reggono.

Compiti che non reggono. «Scrivi un tema su Leopardi e il dolore.» «Riassumi il capitolo 5 dei Promessi Sposi.» «Traduci dall’inglese questo brano di 200 parole.» «Risolvi questi tre integrali standard.» Tutti producibili dal modello in meno di un minuto, tutti indistinguibili da uno scritto onesto. Non sono compiti sbagliati in assoluto: sono compiti che oggi non misurano più nulla.

Compiti che reggono. Ne elenco quattro tipi che funzionano in qualunque disciplina.

1. Migliora un output AI mediocre. Tu, docente, prepari prima una bozza fatta dal modello — apposta mediocre. Vaga, generica, con qualche errore. La dai alla classe. Il compito è trasformarla in un prodotto eccellente, motivando ogni intervento. Lo studente esercita discernimento (vedere cosa non va) e descrizione (saper dire al modello come migliorare). Funziona in italiano, in matematica, in storia, in informatica. La consegna include la versione iniziale, quella finale, e i prompt usati per arrivare dall’una all’altra.

2. Confronta due AI sullo stesso compito. Lo studente sottopone la stessa domanda a due modelli diversi (o allo stesso modello in due modalità: risposta veloce e ragionamento esteso). Analizza le differenze. Spiega quale è meglio e perché. Sviluppa consapevolezza degli strumenti, capacità di critica, lessico tecnico.

3. Compito con vincoli stretti. «Scrivi una sintesi di questo dossier in esattamente 180 parole, per un lettore di seconda media, senza nessun aggettivo, citando almeno tre fonti.» I vincoli costringono lo studente a guidare il modello, non a subirlo. Più vincoli specifichi, più il prompt diventa il vero compito.

4. Difesa orale. Lo studente consegna un elaborato preparato a casa (con AI, esplicitamente). Cinque minuti di colloquio. Tre domande di dettaglio. Chi ha solo copia-incollato si scopre subito. Chi ha imparato spiega. Funziona anche con classi numerose se la difesa è breve e mirata.

A questi quattro tipi aggiungi un dispositivo trasversale che chiamo traccia di processo: una sezione obbligatoria a fine compito, di 10-15 righe, in cui lo studente racconta come ha lavorato, cosa ha chiesto al modello, cosa ha scartato. Non è un tema dentro il tema. È un log. Si legge in due minuti e ti dice subito chi ha pensato e chi no.

Esempi concreti

Un liceo scientifico, prima quadrimestre. Il docente di italiano abolisce il tema tradizionale. Lo sostituisce con tre attività: una è un compito di tipo 1 (migliora una bozza mediocre su Manzoni), una è di tipo 3 (sintesi vincolata in 150 parole con tre fonti obbligatorie), una è di tipo 4 (consegna scritta + difesa orale di cinque minuti). Risultato: stesso numero di voti, ma valutazioni più ricche. E un sospetto in meno: gli studenti non possono più «svuotare» il compito sul modello.

Un istituto tecnico, terza, tecnologie meccaniche. Il docente assegna un compito a coppie: progettare un piccolo dispositivo usando Claude come consulente. Consegna obbligatoria: relazione tecnica + log dei prompt + breve video di tre minuti in cui la coppia spiega le scelte. Il video chiude ogni ambiguità. Chi non capisce, lo si vede.

Un corso universitario di diritto pubblico. Il professore mantiene l’esame scritto in aula per i fondamenti (definizioni, classificazioni, articoli). Aggiunge un secondo esame: una case analysis preparata a casa con AI esplicitamente ammessa, da discutere in 15 minuti di orale. Le due valutazioni pesano 50% ciascuna. Gli studenti capiscono che non possono saltare nessuna delle due strade.

Una scuola media. La docente di lettere chiede ai ragazzi di prendere un breve testo prodotto da Claude (lei ha già preparato la bozza) e «migliorarlo come se fosse il loro». In due settimane la classe scopre che la prima versione del modello è quasi sempre piatta. Imparano per esperienza diretta cosa significa la voce di chi scrive. Imparano che il modello non ha voce, e che la voce vale.

In tutti i casi il pattern è lo stesso: il compito non chiede di produrre da zero un prodotto facilmente falsificabile. Chiede di fare qualcosa con un materiale di partenza, dentro vincoli stretti, lasciando una traccia di come si è lavorato.

Errori da non fare

• Sostituire ogni compito di colpo. Cambia un compito alla volta. Annuncialo. Spiegalo agli studenti. Riprogettarne quindici in una sera è la ricetta per il caos.
• Chiedere troppa riflessione. Se ogni compito finisce con «scrivi 500 parole su come hai usato l’AI», la classe smette di pensare e inizia a riempire moduli. Varia: una volta il log dei prompt, una volta il diario di apprendimento, una volta il video, una volta la difesa orale.
• Confondere processo con burocrazia. La traccia di processo è 10-15 righe, non un saggio. Se la rendi pesante, gli studenti la falsificano col modello (e tu hai un altro testo AI da leggere).
• Lasciare ambigua la regola. Se ammetti l’AI, dichiara dove e fin dove. Se la vieti, dillo. Le mezze misure sono il regno dell’ingiustizia: chi è più audace ne approfitta, chi è più scrupoloso si penalizza da solo.

Cosa porti a casa

• Tre famiglie di valutazione — esito, processo, riflessione — vanno combinate sull’arco del quadrimestre, mai usate da sole.
• I compiti che reggono l’AI seguono quattro pattern: migliorare un output mediocre, confrontare due AI, lavorare dentro vincoli stretti, completare con una difesa orale.
• La traccia di processo (10-15 righe sul «come ho lavorato») è il dispositivo più leggero ed efficace per rendere visibile l’invisibile.
• Cambia un compito alla volta, annuncialo, spiegalo. La riprogettazione è progressiva, mai a strappo.
• Le regole sull’AI vanno dichiarate, per consegna o per modulo. L’ambiguità è la madre di ogni ingiustizia.

---

Capitolo 3 — Costruire rubriche che misurano davvero

«Basta togliere i punti se hanno usato l’AI» non funziona. Non funziona perché non puoi sapere con certezza chi l’ha usata. Non funziona perché punisce chi è onesto e premia chi è furbo. Non funziona perché trasforma la valutazione in una caccia, e la caccia in classe rovina tutto.

La rubrica funziona. Una rubrica ben costruita è il vero strumento di governo dell’AI a scuola. Decide in anticipo cosa conta, quanto conta, e come si misura. Lo dichiari prima. Lo applichi dopo. Niente sospetti, niente teatro.

Negli istituti tecnici, nei dipartimenti universitari, negli enti di formazione professionale la domanda è sempre la stessa: «come capiamo se hanno usato l’AI?». La pongono docenti di matematica e di lettere allo stesso modo. La risposta seria è che la domanda è sbagliata. La domanda giusta è: «come misuriamo se hanno imparato a lavorarci dentro?». La rubrica è la risposta.

Il punto centrale

Una rubrica è una griglia. Sulle righe metti le competenze che vuoi valutare. Sulle colonne metti i livelli di padronanza. In ogni casella scrivi un descrittore osservabile: una frase corta che dice esattamente cosa lo studente fa quando è a quel livello su quella competenza.

Quando l’AI entra nella didattica, le competenze da inserire nelle righe sono le 4D. Delega, Descrizione, Discernimento, Diligenza. Non sono buzzword. Sono le quattro cose che uno studente o un docente fa quando lavora con un modello e le fa bene o male.

Vediamole pezzo per pezzo nel formato rubrica.

Delega. Lo studente sa decidere cosa passare al modello, cosa tenere in mano, cosa fare insieme al modello. Esempi di descrittore:

• Emergente: «Passa al modello l’intero compito senza distinguere parti.»
• In sviluppo: «Distingue una fase di brainstorming da una di produzione, ma delega entrambe.»
• Competente: «Identifica le fasi del compito e sceglie consapevolmente quali far fare al modello e quali no.»
• Avanzato: «Cambia delega in corso d’opera quando il modello mostra limiti su una fase specifica.»

Descrizione. Lo studente sa parlare al modello. Dà contesto, esempi, vincoli, ruolo. Esempi:

• Emergente: «Prompt di una riga, generico.»
• In sviluppo: «Prompt con qualche dettaglio ma senza contesto chiaro.»
• Competente: «Prompt strutturato con contesto, esempi e vincoli espliciti.»
• Avanzato: «Rifinisce il prompt in più passaggi sulla base degli output intermedi.»

Discernimento. Lo studente sa valutare ciò che il modello produce. Vede errori, banalità, omissioni. Esempi:

• Emergente: «Accetta l’output senza modificarlo.»
• In sviluppo: «Modifica solo aspetti superficiali (refusi, lunghezza).»
• Competente: «Identifica imprecisioni di contenuto e le corregge motivando.»
• Avanzato: «Confronta più output, sceglie e giustifica integrando fonti proprie.»

Diligenza. Lo studente è trasparente, verifica, si assume responsabilità. Esempi:

• Emergente: «Non dichiara l’uso dell’AI.»
• In sviluppo: «Dichiara l’uso ma non specifica le fasi.»
• Competente: «Dichiara dove ha usato l’AI e dove no, controlla almeno una fonte.»
• Avanzato: «Documenta tutte le fasi, verifica le citazioni, segnala i punti dubbi.»

Quattro righe, quattro colonne, sedici descrittori. La struttura è sempre questa. Sopra ci puoi mettere un peso per ciascuna competenza. Un buon punto di partenza per le scuole: 30% Discernimento, 30% Descrizione, 20% Delega, 20% Diligenza. Discernimento e Descrizione contano di più perché sono i due motori della collaborazione: senza l’una non sai cosa chiedere, senza l’altra non sai cosa hai ottenuto. I pesi si possono cambiare. Ma vanno scritti.

C’è un secondo strato fondamentale: i descrittori devono essere osservabili.

Un descrittore osservabile descrive un comportamento concreto, qualcosa che vedi sulla pagina o senti in colloquio. Un descrittore non osservabile descrive uno stato interiore o un’intenzione: «comprende profondamente», «mostra interesse», «ha consapevolezza». Quei descrittori sembrano profondi e non valutano niente. Sostituiscili sempre con un’azione: «cita esplicitamente», «modifica almeno tre passaggi», «motiva per iscritto», «verifica due fonti», «riscrive il prompt almeno una volta».

Test del descrittore osservabile: se non puoi spuntarlo o non spuntarlo guardando il compito, riscrivilo.

Come si costruisce una rubrica con Claude

La rubrica non si scrive a mano da zero. Si costruisce con il modello come partner. Workflow in tre passaggi.

Passaggio 1 — Fondamenta (10 minuti, senza AI). Decidi tu, con carta e penna: quali competenze valuti, che peso dai, quanti livelli vuoi (consigliato: quattro). Scrivi una riga per ogni livello che descriva, in generale, la differenza fra l’uno e l’altro. Non i descrittori specifici: solo il principio. Esempio: «Emergente = lavora con AI senza consapevolezza delle fasi. Avanzato = governa l’AI con consapevolezza esplicita in tutte le fasi.»

Passaggio 2 — Bozza con il modello (15 minuti, con AI). Dai a Claude il tuo schema (competenze, pesi, livelli, principio per livello) più il documento di contesto didattico (chi sono i tuoi studenti, che classe, che compito tipico). Gli chiedi: «scrivimi sedici descrittori, uno per casella. Ogni descrittore deve essere osservabile: una frase corta che descrive un comportamento concreto, non uno stato mentale.» Ricevi una bozza. La leggi.

Passaggio 3 — Critica e affinamento (20 minuti, con AI come sparring). Per ogni descrittore ti chiedi: «posso spuntare questa cosa guardando un compito reale?». Se no, lo riformuli. Chiedi a Claude di proporne tre varianti. Scegli o riscrivi tu. Alla fine prendi due compiti reali (anche vecchi) e applichi la rubrica. Vedi se funziona. Aggiusti.

In meno di un’ora hai una rubrica che regge.

Esempi concreti

Un istituto tecnico industriale, indirizzo informatica. Il dipartimento decide una rubrica unica per i compiti di programmazione che ammettono l’AI. Le righe sono le 4D. I descrittori sono molto tecnici: per Delega, «lo studente affida al modello la generazione di funzioni note (es. parser di file) ma scrive a mano la logica core del progetto». Per Discernimento, «individua almeno due bug nell’output del modello e li corregge motivando». Risultato: studenti che imparano davvero a programmare con l’AI, non contro.

Un dipartimento universitario di scienze umane. Per le case analysis di un corso di sociologia, la rubrica pesa molto il Discernimento (40%) perché il rischio è esattamente lì: il modello genera analisi plausibili ma generiche, e lo studente non se ne accorge. Descrittore avanzato per Discernimento: «rifiuta o riscrive almeno un passaggio dell’output AI motivando il rifiuto con riferimenti a un autore studiato a lezione».

Una scuola superiore di provincia, indirizzo turistico. Per il compito di progettare un itinerario turistico tematico, la rubrica integra le 4D con due competenze disciplinari (conoscenza del territorio, qualità linguistica). Sei righe in tutto. Pesi: 50% disciplina, 50% 4D. Gli studenti capiscono che l’AI è un mezzo, non un fine. La rubrica lo dichiara prima.

Un corso di formazione per docenti. Si insegna ai colleghi a costruire la propria rubrica. Esercizio finale: ognuno porta un compito tipo della propria materia. In gruppi di tre, costruiscono la rubrica con Claude. Al termine, ogni docente esce con uno strumento personalizzato, testato, applicabile lunedì mattina.

Errori da non fare

• Scrivere descrittori che descrivono uno stato interiore. «Mostra consapevolezza», «comprende il senso», «ha interiorizzato». Sostituisci sempre con un’azione osservabile sulla pagina o nel colloquio.
• Adottare la rubrica del collega senza adattarla. Una rubrica per terza scientifico non si applica a prima ITT senza modifiche. Il documento di contesto cambia tutto.
• Pesare tutto uguale. Se le quattro D pesano 25/25/25/25, stai dicendo che sono identiche. Non lo sono. Dichiara dove vuoi mettere l’enfasi.
• Non condividerla con gli studenti. La rubrica si dà prima. Se la mostri solo dopo la consegna, è solo uno strumento per giustificare il voto. Se la mostri prima, è uno strumento per orientare l’apprendimento.
• Non rivederla mai. Una rubrica vive due quadrimestri al massimo. Poi la rivedi sulla base di cosa hai imparato applicandola. Se non la cambi mai, vuol dire che non la usi davvero.

Cosa porti a casa

• La rubrica è il vero strumento di governo dell’AI in classe, non il sospetto né la caccia.
• Sulle righe metti le 4D (Delega, Descrizione, Discernimento, Diligenza), sulle colonne quattro livelli, in ogni casella un descrittore osservabile.
• Pesi consigliati come punto di partenza: 30% Discernimento, 30% Descrizione, 20% Delega, 20% Diligenza. Modifica in base alla disciplina.
• Descrittori sempre osservabili: se non puoi spuntarli guardando il compito, sono da riscrivere.
• Costruisci la rubrica con Claude come partner, in tre passaggi: fondamenta a mano, bozza con AI, test su compiti reali.
• Dichiara la rubrica prima, non dopo. Lo studente deve sapere su cosa lo valuti.

---

Capitolo 4 — Riconoscere testi generati senza diventare paranoici

Un rilevatore di AI con il 98% di precisione su 1.000 compiti sbaglia 20 volte. Su uno studente, 20 falsi positivi sono 20 ingiustizie.

Tienilo a mente ogni volta che senti parlare di tool «infallibili» per scoprire chi ha usato l’AI. Non esistono. Esistono tool con tassi di errore variabili, su corpora variabili, con risultati variabili. La promessa di certezza è marketing. La realtà è probabilità. E in una scuola, accusare uno studente sulla base di una probabilità è un’operazione pericolosa.

Ci sono istituti che hanno speso migliaia di euro in abbonamenti annuali a rilevatori automatici. Dopo sei mesi la storia che racconta chi ci lavora dentro è sempre la stessa: due o tre falsi positivi clamorosi, genitori arrabbiati, riunioni di consiglio, e alla fine il rilevatore in un cassetto. La soluzione vera non era nello strumento. Era nel metodo. Vediamolo.

Il punto centrale

I rilevatori automatici di testo AI funzionano sulla base di pattern statistici: perplessità del testo, burstiness, frequenza di certe strutture linguistiche. Tutti indicatori validi sul piano teorico. Tutti aggirabili sul piano pratico.

Tre limiti strutturali, da memorizzare.

Primo: falsi positivi sui non madrelingua. Studi indipendenti su rilevatori commerciali hanno mostrato tassi di falso positivo molto più alti su testi scritti da studenti non madrelingua inglese. Lo stesso accade in italiano per studenti con background linguistico misto o per studenti con DSA che ricorrono a strutture sintattiche semplificate. Il rilevatore vede «testo troppo regolare» e suona l’allarme. Lo studente onesto paga.

Secondo: falsi negativi su modelli recenti. I rilevatori sono addestrati su output di modelli vecchi. I modelli nuovi producono testo statisticamente più simile a quello umano. Il gap fra cosa il modello produce oggi e cosa il rilevatore sa riconoscere si allarga ogni mese. Non c’è inseguimento che tenga.

Terzo: la parafrasi rompe tutto. Basta passare un testo AI attraverso un secondo modello con il prompt «riscrivilo con il mio stile» e quasi tutti i rilevatori falliscono. Gli studenti lo sanno. I docenti spesso no.

Conseguenza operativa: il rilevatore non è una prova. È, al massimo, un segnale debole. E un segnale debole non può fondare un’accusa.

E allora cosa funziona davvero?

Funziona il discernimento del docente, alimentato da quattro fonti di informazione che il modello non può falsificare facilmente.

Fonte 1: la conoscenza dello studente. Tu sai come scrive quel ragazzo. Sai il suo lessico tipico, gli errori che fa di solito, la struttura delle frasi che gli viene istintiva. Quando il testo che ti arriva è radicalmente diverso, lo senti prima ancora di averci pensato. Quel sentire non è prova legale. Ma è un segnale forte da approfondire.

Fonte 2: il processo lasciato in classe. Se i compiti di una certa difficoltà li hai fatti svolgere anche in aula, hai un campione di riferimento. Tre compiti in classe nel quadrimestre bastano per stabilire un baseline. Quando arriva un compito a casa molto sopra il baseline senza ragioni evidenti, hai materiale per parlare.

Fonte 3: la difesa orale. Cinque minuti di colloquio dopo la consegna. Tre domande di dettaglio sul testo. «Mi spieghi questo passaggio?» «Perché hai scelto questa parola?» «Cosa significa esattamente questa frase?» Chi ha lavorato sa rispondere. Chi ha solo consegnato si scopre in trenta secondi. Funziona sempre.

Fonte 4: la traccia di processo. Se hai chiesto al compito il log dei prompt e delle revisioni (come visto nel capitolo 2), la trasparenza è data. Se lo studente l’ha falsificata, te ne accorgi alla difesa orale.

Con queste quattro fonti, il rilevatore automatico diventa accessorio. Forse non lo apri nemmeno.

Quando il sospetto c’è

Capita. Hai letto il compito, qualcosa non torna, vuoi capire. La cosa peggiore che puoi fare è accusare. La cosa giusta è dialogare. C’è una differenza sostanziale fra «hai copiato» e «non hai imparato». La prima è un verdetto. La seconda è una constatazione, e si può lavorarci sopra.

Ti suggerisco una struttura di dialogo in quattro mosse. Funziona con le medie, con le superiori, con l’università.

Mossa 1 — Apri senza accusa. «Ho letto il tuo compito. Voglio capire meglio come l’hai costruito. Mi racconti il percorso?» Lasciagli spazio. Non interrompere. Spesso lo studente apre la conversazione da solo.

Mossa 2 — Chiedi dettagli su un passaggio specifico. Non chiedere «hai usato l’AI?», risposta inevitabile «no». Chiedi: «Questo paragrafo qui, mi spieghi il ragionamento? Perché hai scelto questo esempio invece di un altro?» Se non sa rispondere, hai la tua informazione senza averla strappata.

Mossa 3 — Nomina l’AI senza colpevolizzare. «Sai che usare un modello per parti del lavoro non è di per sé un problema, se lo dichiari e se hai imparato qualcosa nel processo. Quello che mi interessa è capire se hai imparato.» Sposta il piano da «hai sbagliato» a «cosa hai imparato».

Mossa 4 — Concorda una verifica. Se la conversazione è confusa, proponi una verifica veloce: un compito breve, in classe, sullo stesso argomento. Non come punizione. Come occasione di verificare l’apprendimento. Se lo studente lo affronta sereno, una buona parte del sospetto cade. Se lo rifiuta o crolla, hai informazione utile.

In tutti i casi, mai accuse pubbliche, mai annotazioni sul registro prima di aver parlato, mai messaggi ai genitori sulla base del solo sospetto. La giustizia interna alla classe si fonda sul rispetto del processo. Quando salti il processo, perdi la classe.

Esempi concreti

Una scuola superiore di provincia, terza liceo. La docente di italiano sospetta che un compito sia stato generato. Convoca lo studente, applica le quattro mosse. Alla terza mossa il ragazzo ammette: «sì, ho usato Claude per metà». La docente non punisce. Concorda un secondo compito breve in classe sullo stesso argomento. Lo studente lo svolge a un livello molto più basso. Da lì parte un percorso di recupero. Nessuna nota, nessun voto. Risultato a fine quadrimestre: studente che ha imparato a scrivere senza modello e con modello.

Un dipartimento universitario. Un professore riceve una tesina molto sopra il livello dello studente. Niente rilevatori. Convoca lo studente per «un confronto di approfondimento». Tre domande sul testo. La terza è specifica: «Mi spieghi cosa intendi qui per intersezionalità procedurale?». Lo studente non risponde. Il professore non accusa. Gli propone di riscrivere la tesina in due settimane, senza AI o con AI dichiarata, e di sostenere una difesa orale di quindici minuti. Lo studente accetta. La seconda versione è più modesta ma è sua. Caso chiuso senza traumi.

Un istituto tecnico, biennio. La docente di tecnologie scopre che metà classe ha consegnato relazioni di laboratorio molto simili fra loro. Probabile uso convergente dello stesso modello. Non accusa nessuno. Annuncia che il prossimo laboratorio prevede una breve difesa orale a coppie subito dopo. Nessun rilevatore, nessuna indagine. Il messaggio passa: la classe capisce che il vecchio modo non regge più. Dalla settimana dopo le relazioni cambiano qualità.

Una scuola media. La professoressa di lettere non parla mai di «rilevatori» né di «AI usata male». Parla di «voce di chi scrive». Fa fare in classe esercizi di riconoscimento: legge ad alta voce un brano e chiede ai ragazzi se sembra di un autore o di una macchina, e perché. Costruisce un orecchio collettivo. Quando arriva un compito chiaramente generato, sono i compagni stessi a notarlo, in modo sereno. La professoressa non deve fare il poliziotto. La cultura del riconoscimento è diventata della classe.

Errori da non fare

• Accusare sulla base di un rilevatore automatico. Mai. Il rilevatore è un’opinione probabilistica, non una prova.
• Annotare sul registro prima di aver parlato con lo studente. Le annotazioni sono pubbliche. Ritirarle è quasi impossibile. Parla prima.
• Coinvolgere i genitori sul sospetto. I genitori si coinvolgono sui fatti accertati, non sulle ipotesi. Coinvolgerli prima rompe la fiducia con lo studente.
• Fare scena in classe. Nominare un sospetto davanti ai compagni è una violenza didattica. Il colloquio è sempre privato.
• Trasformare la classe in un tribunale. Se ogni compito diventa occasione di sospetto, smette di essere occasione di apprendimento. La regola: si lavora sulla didattica, non sull’indagine.
• Pensare che il rilevatore sostituisca il colloquio. Nessun software sostituisce cinque minuti di domande mirate fatte da un docente che conosce lo studente.

Cosa porti a casa

• I rilevatori automatici non sono prove: hanno tassi alti di falsi positivi (specie su non madrelingua e DSA) e falsi negativi sui modelli recenti.
• Il discernimento del docente alimentato da quattro fonti (conoscenza dello studente, baseline in classe, difesa orale, traccia di processo) è il filtro più solido.
• Sospetto ≠ accusa. Si gestisce con un dialogo in quattro mosse: apri senza accusa, chiedi dettagli, nomina l’AI senza colpevolizzare, concorda una verifica.
• Mai annotazioni o messaggi ai genitori sul solo sospetto, mai scene pubbliche in classe.
• Costruisci nella classe la cultura del riconoscimento della «voce»: gli studenti diventano i primi alleati, non i primi sospetti.

---

Capitolo 5 — Il patto pedagogico aggiornato

La maggioranza dei syllabus universitari italiani non menziona ancora l’AI in modo esplicito. Il silenzio non è neutralità. È un vuoto che gli studenti riempiono come vogliono.

Quando una scuola — o un singolo docente — non scrive nero su bianco quali usi dell’AI sono ammessi, in quali fasi, con quali obblighi, succede una cosa precisa: ogni studente decide per conto suo. Il risultato è che lo studente più audace prende vantaggi e quello più scrupoloso si autopenalizza. Il sistema produce ingiustizia per omissione.

Il patto pedagogico aggiornato è semplicemente questo: una dichiarazione esplicita di regole condivise sull’uso dell’AI in classe. Si scrive una volta, si rivede una volta l’anno, si applica sempre. Funziona perché toglie alla relazione studente-docente l’ambiguità che oggi la avvelena.

Il punto centrale

Un patto pedagogico aggiornato vive su tre livelli. Tutti e tre vanno scritti. Saltarne uno è come costruire un tavolo a due gambe.

Livello 1 — La policy istituzionale. È la posizione della scuola o del dipartimento. Una pagina, massimo due. Contiene tre cose: cosa l’istituto crede sull’AI in didattica (poche righe di principio), quali usi sono ammessi in linea generale, quali sono vietati in modo trasversale. Va deliberata in collegio docenti o consiglio di dipartimento. Va pubblicata sul sito. Va consegnata in copia agli studenti a inizio anno.

Livello 2 — La clausola di corso. È la dichiarazione del singolo docente o del singolo corso. Quattro o cinque righe nel syllabus. Specifica, per quel corso, in quali attività l’AI è ammessa, in quali no, e quali obblighi di trasparenza valgono. Esempio:

In questo corso l’uso dell’AI è ammesso in fase di brainstorming, ricerca preliminare e revisione linguistica. Non è ammesso nelle prove scritte in aula. Per ogni consegna a casa è richiesta una breve dichiarazione di uso (10-15 righe). La valutazione segue la rubrica allegata, che misura le competenze di collaborazione con l’AI oltre al contenuto disciplinare.

Cinque righe. Niente in più. La chiarezza è il valore.

Livello 3 — Il patto per consegna. È la specifica del singolo compito. Una riga sulla consegna che dice se quel compito ammette AI e in quale misura. Esempi:

• «Prova scritta senza dispositivi.»
• «Compito a casa, AI ammessa con log dei prompt obbligatorio.»
• «Compito a casa, AI vietata su parte 1, ammessa su parte 2 con dichiarazione esplicita.»

Lo studente legge la consegna e sa esattamente come comportarsi. Nessuna interpretazione. Nessuna scusa.

I tre livelli devono essere coerenti fra loro. Se la policy istituzionale vieta l’AI nelle prove finali e tu, nel tuo corso, la ammetti, hai un problema. Risolvilo prima, in dipartimento. Non scaricare la confusione sugli studenti.

A monte dei tre livelli, c’è una scala che chiarisce cosa intendiamo per «AI ammessa». Quattro gradini.

Gradino 0 — No AI. L’AI non è ammessa in alcuna fase. Prova scritta in aula, esame orale, compito di verifica delle conoscenze di base. Lo studente lavora con la propria testa.

Gradino 1 — AI come strumento. L’AI è ammessa per attività marginali: correzione ortografica, riformulazione di una frase, generazione di sinonimi. Non per produrre contenuti. Lo studente dichiara se l’ha usata.

Gradino 2 — AI come partner. L’AI è ammessa per brainstorming, ricerca preliminare, revisione strutturale, generazione di varianti. Lo studente la usa e la guida. Dichiara dove e come.

Gradino 3 — AI come co-autore. L’AI produce parti del contenuto in collaborazione esplicita con lo studente. Lo studente dirige, valuta, integra. Dichiara dettagliatamente, fornisce log dei prompt.

Per ogni compito, indichi su quale gradino siamo. È un’operazione di trenta secondi. Vale tutto il quadrimestre.

Il docente che modella

C’è un secondo pezzo, meno tecnico e più importante. Si chiama modeling.

Il modeling è il docente che mostra in classe come lui usa l’AI. Non in teoria. In pratica. Apre Claude davanti alla classe (o lo proietta), pone una domanda sul testo che stanno leggendo, mostra il prompt che ha usato, legge l’output, lo critica, lo modifica, lo rifiuta, lo riprova. Tre o quattro minuti. Lo fa due o tre volte nel quadrimestre.

Il modeling funziona perché trasforma l’AI da oggetto proibito o magico a strumento osservato. Lo studente vede un adulto che usa l’AI con criterio, che la corregge, che dice «no, qui non va, riprovo». Impara che l’AI non è un oracolo. È uno strumento che richiede competenza. E vede che il suo docente quella competenza ce l’ha.

Il modeling è anche un atto di onestà. Se nascondi che usi l’AI per preparare le lezioni, ti chiudi in una contraddizione: chiedi trasparenza agli studenti senza praticarla tu. Se invece dichiari («il programma di questa settimana l’ho rivisto con Claude per cercare un esempio in più, ecco quale ho scartato e quale ho tenuto»), insegni la diligenza facendola.

Nelle scuole che hanno fatto questo passaggio, il modeling è la singola pratica che cambia di più il clima sull’AI in classe. Più della rubrica. Più del rilevatore. Più della policy. Perché parla agli studenti nel loro linguaggio: l’esempio.

Esempi concreti

Una scuola superiore, indirizzo classico. Il collegio docenti delibera una policy in tre punti: AI ammessa solo dal triennio in poi, vietata in tutte le prove scritte in aula, obbligo di dichiarazione per ogni compito a casa che la utilizzi. Pubblicata sul sito a settembre. A inizio anno ogni docente legge in classe la clausola del proprio corso. Risultato a giugno: zero contenziosi con i genitori, una sola contestazione formale, gestita in cinque minuti perché la regola era scritta.

Un corso universitario di economia aziendale. Il professore scrive nel syllabus: «AI ammessa nella preparazione, vietata in esame scritto, ammessa con log nella tesi». Aggiunge una pratica di modeling: nelle prime due lezioni dell’anno mostra come usa Claude per costruire un caso aziendale. Spiega quali fasi ha delegato e quali no. Da quel momento la classe parla la stessa lingua del docente.

Un istituto tecnico, indirizzo grafico. Il dipartimento crea una griglia: ogni materia compila una tabella con i quattro gradini della scala. Per «progettazione grafica» il gradino di default è 2 (AI come partner). Per «storia dell’arte» è 1 (AI come strumento). Per «laboratorio creativo» è 3 (AI come co-autore). Gli studenti hanno chiarezza disciplina per disciplina.

Una scuola media. La policy è semplice e ferma: AI non ammessa per le verifiche di tutte le materie, ammessa con il docente in classe per attività di esplorazione (es. immagini storiche, esempi di lingua, idee di scrittura creativa). Il docente modella. Lo studente non porta lo strumento a casa. Risultato: i ragazzi imparano cos’è l’AI senza dipenderne.

Errori da non fare

• Confondere policy e divieto. Una policy chiara può dire «sì» o «no» o «in parte». Una policy assente lascia tutti soli.
• Scrivere clausole lunghe e ambigue. Cinque righe nel syllabus, una riga sulla consegna. Più scrivi, meno gli studenti leggono.
• Tenere la policy in un cassetto della segreteria. La policy si comunica. Si legge in classe. Si stampa e si appende. Se è invisibile, non esiste.
• Non fare modeling. Se non mostri in classe come tu usi l’AI, gli studenti pensano che sei contro o che sei ignorante. Entrambe le ipotesi rovinano il patto.
• Cambiare le regole in corso d’anno senza preavviso. Il patto si rivede ogni anno, non ogni mese. Se serve cambiarlo in corso d’anno, lo annunci e dai tempo.
• Distinguere fra «AI cattiva» e «AI buona» in modo morale. L’AI è uno strumento. Le regole sono di trasparenza e onestà, non di morale.

Cosa porti a casa

• Il patto pedagogico aggiornato vive su tre livelli: policy istituzionale, clausola di corso, patto per consegna. Tutti e tre devono essere scritti e coerenti.
• Usa una scala a quattro gradini (no AI / strumento / partner / co-autore) per dichiarare in modo chiaro cosa è ammesso, compito per compito.
• Il modeling è la pratica più potente: mostra in classe come tu usi l’AI, in tre minuti, due o tre volte a quadrimestre.
• Il patto si comunica, si stampa, si appende. Se non è visibile, non esiste.
• Chiarezza > sanzione. L’obiettivo non è punire chi sbaglia, ma togliere ambiguità a chi vuole fare bene.

---

Capitolo 6 — Strumenti pratici per ogni materia

Cosa cambia davvero nella tua disciplina quando entra l’AI? La risposta è diversa per matematica, italiano, lingue, storia, diritto e materie professionali.

Non esiste una ricetta unica. Esiste una mappa. Per ogni disciplina si possono distinguere tre piani di impatto:

• Curricolo: cosa insegni, in che ordine, con quale enfasi.
• Pedagogia: come lo insegni, con quali attività, con quali strumenti.
• Valutazione: come misuri se è stato imparato.

L’AI tocca i tre piani in modo molto diverso da disciplina a disciplina. In alcune materie sconvolge il curricolo. In altre lascia il curricolo intatto e cambia la pedagogia. In altre ancora tocca solo la valutazione. Sapere dove l’AI batte forte nella tua materia è il primo passo per riprogettare con criterio.

Vediamo sei aree, con uso operativo.

Italiano e materie umanistiche

Curricolo: invariato nei contenuti, modificato nelle competenze. La capacità di scrivere a mano, di organizzare un’argomentazione propria, di riconoscere uno stile resta centrale. La capacità di guidare un modello a scrivere è la competenza nuova da aggiungere.

Pedagogia: uso di Claude per produrre bozze mediocri da migliorare, esercizi di confronto fra testo umano e testo generato, analisi della «voce di chi scrive». Per il docente: preparazione di letture stratificate per livelli di difficoltà, generazione di domande di comprensione differenziate, ricostruzione di contesti storici.

Valutazione: spostamento del peso dal prodotto al processo. Tema classico ridotto al minimo. Privilegio a compiti di tipo «migliora questa bozza», «scrivi con vincoli stretti», «sostieni la tua versione in colloquio orale».

Esempio operativo: in una terza liceo, su Leopardi, il vecchio tema («il pessimismo leopardiano nel ciclo di Aspasia») diventa: «Ho fatto generare a Claude un saggio breve sul pessimismo di Aspasia. Te lo do. La consegna è in tre parti: 1) individua tre punti deboli e correggili, 2) aggiungi un’analisi tua di almeno un componimento non citato, 3) preparati a sostenerlo in cinque minuti di colloquio.» Il tema vecchio si supera col modello in trenta secondi. Il nuovo no.

Matematica e scienze

Curricolo: quasi invariato. I fondamenti — algebra, geometria, calcolo, fisica meccanica, chimica generale — restano. Cambia il peso relativo del calcolo procedurale: meno importante perché automatizzabile. Più importante l’interpretazione, la modellizzazione, la verifica della plausibilità di un risultato.

Pedagogia: uso di Claude come tutor uno-a-uno per studenti che hanno bisogno di rivedere un passaggio, per generare varianti infinite dello stesso esercizio, per simulare situazioni applicative. Per il docente: produzione rapida di esercizi differenziati per livello, costruzione di problemi contestualizzati.

Valutazione: ritorno parziale alla prova in aula per le competenze tecniche (calcolo, dimostrazione semplice). Aggiunta di prove a casa con AI ammessa per problemi complessi, valutate sul processo (impostazione, interpretazione, controllo del risultato) e non solo sul numero finale.

Esempio operativo: in una seconda di un tecnico industriale, su sistemi lineari, il docente usa Claude per generare quindici problemi diversi sullo stesso schema, ognuno con un contesto applicativo plausibile (corrente elettrica, miscela di soluzioni, ripartizione di carichi). Distribuisce in classe in modo che ogni studente abbia il suo problema. Risultato: copiare dal compagno non serve. Usare Claude da solo nemmeno, perché la consegna chiede di mostrare il ragionamento intermedio e di verificare il risultato con un metodo alternativo.

Lingue straniere

Curricolo: scossone forte. Le competenze di traduzione e di produzione scritta di base sono in gran parte automatizzabili. Cresce l’enfasi sulla competenza orale, sull’interazione spontanea, sulla competenza interculturale, sulla capacità di valutare la qualità di una traduzione automatica.

Pedagogia: uso di Claude come partner di conversazione asincrono (per studenti che vogliono praticare la scrittura), come revisore (mai come sostituto), come fonte di esempi autentici. Per il docente: generazione di esercizi di ascolto basati su trascrizioni, costruzione di scenari di role-play, preparazione di prompt che simulino dialoghi.

Valutazione: ritorno della valutazione orale, in aula, faccia a faccia, come metro principale. Riduzione del peso del compito scritto a casa. Aggiunta di compiti di «critica della traduzione automatica»: lo studente riceve una traduzione fatta dal modello e deve individuarne i problemi.

Esempio operativo: in una quarta di liceo linguistico, per l’inglese, il vecchio compito di traduzione («traduci queste 200 parole dall’italiano all’inglese») viene sostituito. Nuovo compito: «Ti do una traduzione di queste 200 parole fatta da Claude. Trova almeno cinque scelte linguistiche discutibili, proponi alternative motivate, e preparati a difenderle in tre minuti di colloquio.» Lo studente esercita davvero la lingua.

Storia, geografia, cittadinanza

Curricolo: invariato. I contenuti restano quelli. Si aggiunge una competenza nuova: il riconoscimento delle informazioni inventate dal modello (citazioni inesistenti, date inventate, eventi mai accaduti). È un’occasione preziosa per insegnare metodo storico.

Pedagogia: uso di Claude per simulare punti di vista storici differenti (un contadino del 1789, un mercante veneziano del Quattrocento), per costruire mappe concettuali, per generare riassunti stratificati. Sempre con verifica: la classe diventa un laboratorio di fact-checking.

Valutazione: privilegio alla discussione orale, agli esami su fonti primarie portate in aula, ai compiti che richiedono di confrontare l’output di un modello con un manuale o una fonte storica vera.

Esempio operativo: in una terza media, sull’unificazione italiana, il docente fa generare a Claude un breve testo divulgativo sul Risorgimento e lo distribuisce in classe. Consegna: «Trovate almeno tre imprecisioni o semplificazioni e correggetele citando il manuale.» Risultato: gli studenti leggono il manuale per davvero, e imparano che il modello può sbagliare.

Materie tecniche e professionali

Curricolo: trasformato. In molti istituti tecnici e professionali, le competenze tecniche di base (saper scrivere codice semplice, redigere un preventivo, compilare una relazione di laboratorio) sono ridotte dall’AI a operazioni di pochi secondi. Cresce il peso delle competenze di livello superiore: progettazione di sistemi, controllo di qualità, integrazione di soluzioni.

Pedagogia: uso di Claude come collega junior. Lo studente impara a delegare, descrivere, valutare l’output di un assistente AI esattamente come farà nel lavoro. Per il docente: simulazione di contesti professionali realistici, costruzione di brief tecnici.

Valutazione: peso massimo sul progetto integrato, valutato in tutte le fasi. Difese orali frequenti. Rubrica con peso alto sul Discernimento (cap. 3): nelle materie tecniche un output AI non controllato è un disastro reale, non un voto basso.

Esempio operativo: in un istituto tecnico per l’informatica, terzo anno, la simulazione d’esame consiste nello sviluppare una piccola applicazione gestionale. AI ammessa, log obbligatorio dei prompt, valutazione finale per il 60% sulla difesa orale di trenta minuti. Chi ha capito ciò che ha fatto passa. Chi ha solo incollato no.

Discipline pratiche, artistiche, musicali

Curricolo: invariato nei fondamenti, arricchito da nuove possibilità espressive. L’AI generativa di immagini e suoni apre territori che vanno governati, non vietati.

Pedagogia: uso di strumenti AI come fase preliminare di esplorazione (moodboard, schizzi rapidi, varianti melodiche) seguita sempre da una fase di lavoro a mano. L’AI non sostituisce il gesto: lo precede o lo affianca.

Valutazione: centrale resta il prodotto realizzato a mano in aula o in laboratorio. L’AI è ammessa nella fase progettuale, dichiarata e documentata.

Esempio operativo: in un liceo artistico, per una composizione grafica, il docente ammette l’uso di un generatore AI per produrre venti varianti di moodboard iniziali. Da quelle, lo studente sceglie, motiva, e sviluppa il progetto finale a mano. La valutazione pesa al 70% il lavoro manuale, al 30% la qualità della selezione e della motivazione.

Cosa portare in collegio docenti lunedì

Tutto questo è inutile se resta sul tuo quaderno personale. Diventa utile quando entra nel collegio docenti o nel consiglio di dipartimento.

Ti suggerisco un esercizio concreto. Una pagina, da preparare prima della prossima riunione. Si chiama position paper di dipartimento. Quattro sezioni, due righe per sezione.

1. Cosa l’AI cambia nella nostra disciplina. Una o due frasi che dicono dove il colpo è forte (curricolo, pedagogia, valutazione).
2. Cosa decidiamo di tenere fermo. Le competenze non negoziabili che vogliamo continuare a insegnare e a misurare senza AI.
3. Cosa decidiamo di trasformare. Compiti, attività, esami che vanno riprogettati. Con una scadenza concreta.
4. Cosa decidiamo di sperimentare. Una pratica nuova da provare nel prossimo quadrimestre. Una sola. Da valutare insieme a fine periodo.

Una pagina. Dieci minuti di lettura. Una discussione di trenta minuti in dipartimento. Una delibera in collegio. È il modo per uscire dalla paralisi del «non sappiamo cosa fare».

Errori da non fare

• Applicare la stessa strategia a tutte le discipline. L’AI non fa lo stesso effetto su matematica e su lingue. Le risposte devono essere disciplinari.
• Imporre una soluzione dall’alto. Le decisioni che funzionano si prendono in dipartimento, materia per materia, con i docenti che sanno cosa significa insegnare quella materia.
• Aspettare la circolare ministeriale per agire. La normativa arriverà. Nel frattempo i tuoi studenti usano il modello tutti i giorni. Aspettare è una scelta. Una scelta cara.
• Confondere innovazione e fuga in avanti. Sperimentare una pratica per quadrimestre. Non dieci. La sostenibilità è la differenza fra una scuola che cambia e una che si sfianca.

Cosa porti a casa

• L’AI tocca curricolo, pedagogia e valutazione in modo diverso per ogni disciplina. La risposta deve essere disciplinare, non generica.
• In italiano e umanistiche sposti il peso dal prodotto al processo. In matematica e scienze torna in aula il calcolo, esce a casa il problema complesso con AI. Nelle lingue la valutazione orale ridiventa il metro principale.
• In storia l’AI è occasione per insegnare metodo (fact-checking). Nelle materie tecniche è simulazione realistica del lavoro. Nelle discipline artistiche è fase preliminare di esplorazione.
• Il position paper di dipartimento in quattro punti è lo strumento per portare la discussione in collegio docenti lunedì.
• Sperimenta una pratica nuova alla volta, per quadrimestre. La sostenibilità è la differenza fra cambiamento e affaticamento.

---

Roadmap operativa dei primi 30 giorni

Ora hai i sei capitoli. Funzionano se li applichi. Se li lasci nel cassetto, valgono zero. Ecco una roadmap di trenta giorni per portare il libro dentro la tua scuola o il tuo dipartimento. È costruita per docenti, ma vale anche per dirigenti, coordinatori, referenti AI.

Quattro settimane. Una azione concreta a settimana. Niente di più.

Settimana 1 — Te stesso

Obiettivo: capire come tu usi l’AI prima di chiedere a chiunque altro di farlo.

Lunedì. Apri Claude (o l’AI a cui hai accesso) e dedica trenta minuti a una conversazione che riguarda il tuo lavoro. Non un test giocoso. Una richiesta vera: una lezione che devi preparare, una verifica che devi correggere, una circolare che devi scrivere. Osserva l’output. Critica. Affina.

Martedì. Scrivi il tuo documento di contesto didattico. Mezza pagina. Chi sono i tuoi studenti, che livello hanno, che vincoli ti pone la scuola, quali sono i tuoi valori pedagogici non negoziabili. Salvalo. Lo userai ogni volta che lavorerai con il modello.

Mercoledì-giovedì. Riprova quella stessa richiesta di lunedì, ma questa volta dai a Claude il documento di contesto come prima riga. Confronta i due output. Vedrai la differenza.

Venerdì. Scegli un compito che assegni di solito nella tua classe e che oggi è facilmente falsificabile con AI. Riprogettalo applicando uno dei quattro pattern del capitolo 2 (migliorare bozza AI mediocre, confronto fra due AI, vincoli stretti, difesa orale). Annotalo sul tuo quaderno didattico.

Tempo totale settimana: due ore. Risultato: hai esperienza diretta, hai un documento di contesto, hai un compito riprogettato pronto da assegnare.

Settimana 2 — La rubrica

Obiettivo: avere uno strumento di valutazione 4D.

Lunedì-martedì. Riprendi il capitolo 3. Decidi su carta: quali competenze valuti (parti dalle quattro D), che peso dai, quanti livelli vuoi. Una pagina, scritta a mano.

Mercoledì. Apri Claude. Dai il tuo schema più il documento di contesto. Chiedi di scrivere sedici descrittori osservabili. Ricevi la bozza.

Giovedì. Critica i descrittori uno per uno. Riscrivi quelli non osservabili. Aiutati con Claude per generare varianti.

Venerdì. Prendi due compiti reali dei tuoi studenti — anche vecchi — e applica la rubrica. Aggiusta dove non funziona. Salva la rubrica come template per il quadrimestre.

Tempo totale settimana: tre ore. Risultato: una rubrica testata, pronta da consegnare agli studenti col prossimo compito.

Settimana 3 — Il patto

Obiettivo: scrivere e comunicare la clausola di corso.

Lunedì. Riprendi il capitolo 5. Scegli su quale gradino della scala (no AI / strumento / partner / co-autore) si colloca il tuo corso in media. Scegli le eccezioni: in quali compiti specifici scendi a gradino zero (prove in aula), in quali sali a gradino tre.

Martedì. Scrivi la clausola di corso. Cinque righe. Niente di più. Includi: cosa è ammesso, cosa no, che obblighi di trasparenza vigono, a quale rubrica fai riferimento.

Mercoledì. Programma un’attività di modeling per la prossima lezione. Prepara un prompt da mostrare in classe, scegli su quale parte di programma applicarlo, decidi cosa criticare e cosa scartare. Cinque minuti di proiezione massimo.

Giovedì. Esegui in classe. Mostra come tu usi Claude per preparare un esempio, un riassunto, una variante di esercizio. Spiega cosa scarti, cosa tieni, perché. Lascia che gli studenti facciano domande.

Venerdì. Annuncia la clausola di corso. Leggila ad alta voce. Distribuiscila stampata. Rispondi alle domande.

Tempo totale settimana: tre ore. Risultato: hai dichiarato pubblicamente le regole, hai modellato come tu lavori col modello, hai chiuso l’ambiguità che avvelena ogni classe italiana sull’AI.

Settimana 4 — Il dipartimento

Obiettivo: portare la discussione fuori dalla tua aula.

Lunedì-martedì. Scrivi il position paper di dipartimento (capitolo 6). Una pagina, quattro punti: cosa l’AI cambia nella tua disciplina, cosa decidete di tenere fermo, cosa di trasformare, cosa di sperimentare nel prossimo quadrimestre.

Mercoledì. Mandalo via mail ai colleghi del dipartimento. Chiedi un confronto in trenta minuti.

Giovedì. Riunione di dipartimento. Trenta minuti, non di più. Obiettivo: decidere una sperimentazione condivisa per il prossimo quadrimestre.

Venerdì. Verbalizza la decisione. Manda copia al dirigente o al coordinatore. Programma una verifica a metà quadrimestre.

Tempo totale settimana: due ore. Risultato: hai trasformato un lavoro individuale in una decisione collettiva. Hai fatto la cosa più difficile e più importante: hai portato l’AI dalla tua singola scrivania al tavolo del dipartimento.

Cosa fare se sei dirigente

La stessa roadmap, ma le settimane si spostano di livello.

• Settimana 1: documento di contesto per la dirigenza. Identifica i tre punti di pressione AI sulla tua scuola (compiti che si sgretolano, lamentele dei docenti, ansie dei genitori).
• Settimana 2: delibera in collegio docenti una policy istituzionale di una pagina. Tre punti: posizione di principio, ammessi, vietati. Pubblicala sul sito.
• Settimana 3: programma un’ora di formazione interna sui tre livelli del patto pedagogico. Falla tu, o falla fare a un consulente. Non delegarla ai docenti più curiosi: deve essere istituzionale.
• Settimana 4: chiedi a ogni dipartimento un position paper di una pagina entro un mese. Calendarizza una sessione di confronto fra dipartimenti. Decidi che sperimentazioni avviare nel quadrimestre.

Trenta giorni. Risultato: la tua scuola passa da «non sappiamo cosa fare» a «abbiamo una linea, la stiamo applicando». In Italia oggi, questo basta per essere fra le scuole avanti.

---

Chiusura

Hai sei capitoli, una direzione e una roadmap di trenta giorni. La scuola non scompare: cambia mestiere. I compiti si riprogettano con tre famiglie di valutazione. Le rubriche misurano le 4D. Il sospetto si gestisce con il dialogo, non con il rilevatore. Il patto pedagogico aggiornato vive su tre livelli. Le discipline rispondono ognuna a modo suo. E lunedì si comincia.

Il prossimo passo è il tuo.

Quello che hai in mano non è una teoria: è un metodo che si applica lunedì mattina. Le 4D — Delega, Descrizione, Discernimento, Diligenza — sono la cornice con cui governi l’AI invece di subirla. Il documento di contesto didattico la rende un collaboratore che conosce i tuoi studenti, non un assistente generico. La rubrica trasforma il sospetto in valutazione dichiarata. La scala dei gradini di ammissione toglie l’ambiguità che avvelena ogni classe. Il position paper di dipartimento porta la tua scelta dal tavolo personale a quello collettivo. Tieni stretti questi cinque strumenti: sono ciò che distingue il docente che guida da quello che rincorre.

Ma un libro letto da solo si dimentica. Un metodo applicato insieme ad altri resta. Per questo c’è la community gratuita su Skool: tracce pronte, esempi reali e docenti che stanno portando l’AI in aula con criterio, proprio in queste settimane. È lì che il metodo di queste pagine diventa pratica condivisa, dubbio risolto, lezione testata. Entra, porta la tua prima riprogettazione, e confrontati con chi sta facendo lo stesso passo.

→ https://www.skool.com/l-ai-e-la-nuova-elettricita-8966/about

Non devi diventare un tecnico. Devi solo decidere di stare un passo avanti. Il metodo ce l’hai. Adesso tocca a te.

---

Back-cover

Insegnare nell’era dell’AI guida operativa per scuole, università, enti

I tuoi studenti usano l’AI prima ancora di sapere chi era Manzoni. Il tema d’italiano che assegni stasera, domani mattina arriva scritto da un modello in 30 secondi. Verifiche, ricerche, esercitazioni: tutto attraversabile con un prompt.

Vietare non funziona. Arrendersi nemmeno.

Questo libro ti dà sei capitoli pratici per cambiare mestiere senza cambiare missione. Imparerai a riprogettare compiti che non si possono falsificare, a costruire rubriche che misurano davvero la collaborazione con l’AI, a gestire il sospetto con il dialogo invece che con il rilevatore. Scoprirai cosa scrivere nel syllabus, come modellare in classe il modo corretto di lavorare con un modello, come portare la discussione in collegio docenti senza paralisi.

Quattro abitudini — Delega, Descrizione, Discernimento, Diligenza — applicate al lavoro di chi insegna. Strumenti pratici per ogni disciplina: italiano, matematica, lingue, storia, materie tecniche, discipline artistiche. Una roadmap di 30 giorni per portare tutto dalla teoria all’aula.

Francesco Kei Tudini è consulente e imprenditore AI. Lavora con scuole, università ed enti di formazione italiani sul passaggio dall’AI come minaccia all’AI come collega silenziosa. Non è un insegnante: parla agli insegnanti dal punto di vista di chi affianca le loro istituzioni nel cambiamento.

Lettura: 2 ore. Applicazione: 30 giorni. Risultato: una scuola che governa l’AI, invece di subirla.

---

---