← Osservatorio

Perché l'IA risponde a tutto ma non insegna a domandare

Nel report EduNext 2026 dell'Osservatorio Look4ward (Luiss e Intesa Sanpaolo) c'è una frase che sta in un riquadro di pagina 41 e che non parla di modelli, di piattaforme o di budget. Parla di postura, ovvero del modo in cui ti metti davanti alla macchina prima ancora di scrivere la prima parola.

«Usa questi strumenti in modo socratico, non per trovare risposte ma per trovare domande. Nell'era in cui le risposte sono sempre disponibili, la competenza rara è sapere quale domanda porre, e questo non si impara delegando alla macchina.»

Letta di sfuggita sembra una raccomandazione di buon senso, il tipo di frase su cui tutti annuiscono e nessuno cambia abitudini. Il punto è che qui il buon senso lavora contro l'istinto, perché uno strumento che risponde a qualunque cosa in tre secondi ti addestra a chiedere risposte, non a costruire domande. E la ricerca degli ultimi trent'anni dice due cose poco comode. La prima è che domandare non ci viene naturale nemmeno senza l'IA di mezzo. La seconda è che, esattamente per questo, il modo socratico non è un tratto di carattere che hai o non hai, ma una competenza che si allena e che si misura.

La maieutica, cioè l'arte di far nascere le idee

Il modo socratico ha un nome antico e preciso, e vale la pena ricordarlo prima dei numeri. Nel Teeteto di Platone Socrate racconta che sua madre, Fenarete, faceva la levatrice, e che lui pratica lo stesso mestiere con le menti invece che con i corpi. Dice di non avere una sapienza sua da consegnare (ed è una dichiarazione che a scuola suona quasi scandalosa), per cui non mette idee nella testa di chi ha davanti. Con le domande lo aiuta a tirare fuori quelle che già porta dentro, e poi a capire se sono idee vitali o soltanto apparenze. Da qui la parola maieutica, dal greco maieutiké, l'arte della levatrice.

Oggi questa immagine diventa quasi una provocazione. Un modello linguistico fa il contrario della levatrice, partorisce al posto tuo, e lo fa così bene che non ti accorgi di non aver dato alla luce niente. Usarlo in modo socratico vuol dire rimettere le parti al loro posto, cioè lasciare alla macchina il ruolo di chi interroga e tenere per te il lavoro di far nascere il ragionamento.

Domandare non viene naturale

Grafico a barre su scala logaritmica con le domande all'ora poste dal docente, dall'intera classe, da un singolo studente in classe e da uno studente in tutoraggio individuale.

Chi porta davvero le domande dentro un'aula. Fonte Graesser e Person, 1994.

Nel 1994 Arthur Graesser e Natalie Person hanno fatto una cosa semplice e poco praticata, ovvero contare. Non stimare, contare, registrando le domande in aule vere e in sessioni di tutoraggio individuale. Un docente ne pone in media 69 all'ora, con punte che arrivano a 120. Un'intera classe, tutti gli studenti sommati, arriva a una mediana di 3 domande all'ora. Un singolo studente, quello che ti sta davanti al banco, ne pone 0,11 all'ora, cioè circa undici domande in cento ore di lezione.

Lo stesso studente, messo in un tutoraggio uno a uno, ne pone circa 240 volte di più. Non è diventato più curioso in una settimana, è cambiato il contesto. La curiosità non è il collo di bottiglia, lo è la situazione in cui la domanda diventa possibile, sensata e senza costo sociale.

C'è un secondo livello, ed è quello che conta davvero. Non tutte le domande fanno lo stesso lavoro. Nei due campioni dello studio le domande di ragionamento profondo, quelle che chiedono un perché, un meccanismo o una conseguenza, erano il 22% e il 39% del totale, e classificando tutto con la tassonomia di Bloom solo l'8% delle domande degli studenti superava il primo livello. Il dato decisivo arriva alla fine, poiché la frequenza delle domande non era correlata ai risultati d'esame, mentre la quota di domande profonde sì, con una correlazione di 0,47. Non conta quanto domandi. Conta che tipo di domanda fai.

Quando cambia la domanda, cambia il risultato

Grafico a barre con le dimensioni dell'effetto sulla comprensione ottenute dagli interventi che insegnano agli studenti a generare domande.

Gli effetti misurati degli interventi che insegnano a formulare domande. Fonte Rosenshine, Meister e Chapman, 1996.

Se domandare bene non è spontaneo, la domanda successiva è se si possa insegnare. La risposta esiste da trent'anni e nella scuola italiana è ancora poco usata. Barak Rosenshine, Carla Meister e Saul Chapman hanno passato in rassegna 26 studi di intervento in cui agli studenti veniva insegnato a generare domande sul testo che stavano leggendo. La mediana della dimensione dell'effetto sulla comprensione è 0,86 sulle prove costruite dai ricercatori e 0,36 su quelle standardizzate. Nella ricerca educativa un effetto sopra 0,80 è considerato grande, e il valore più alto di tutta la rassegna, 1,12, arriva dal sostegno più banale del mondo, ovvero dare agli studenti alcuni inizi di domanda già pronti su cui costruire la propria.

Questo dato ha un corrispettivo diretto nell'uso dell'IA. Uno studio del 2026 pubblicato sull'International Journal of Educational Technology in Higher Education ha registrato ogni singolo messaggio che ventidue studenti di un corso magistrale hanno scritto a un assistente conversazionale durante un compito di sessanta minuti. I ricercatori hanno misurato la quota di messaggi che cercavano una spiegazione, cioè quelli che contenevano un perché, un come, uno spiegami, un giustifica. A parità di numero di messaggi scambiati, uno scarto di una deviazione standard su quella quota valeva circa sei punti in più su cento nella qualità del lavoro consegnato. Non ha cambiato il richiamo immediato delle nozioni, ma ha cambiato la qualità del prodotto. Il campione è piccolo e l'indicazione va presa per quello che è, ovvero un segnale coerente con la letteratura precedente e non una prova definitiva.

Il tutor socratico, da solo, non basta

Grafico a barre con le categorie più frequenti dei messaggi inviati dagli studenti a un tutor di fisica progettato per non dare risposte dirette.

Le richieste più frequenti a un tutor progettato per fare domande. Fonte Hashmi e Rebello, 2026.

Qui arriva la parte che dovrebbe interessare chiunque stia pensando di comprare uno strumento e considerare risolto il problema. Ad agosto 2026 due ricercatori della Purdue University hanno classificato 2.874 messaggi scritti da 240 studenti universitari di fisica a un tutor artificiale progettato in modo esplicito per interrogare e non per risolvere. Le prime venticinque categorie coprono circa il 52% di tutti i messaggi, quindi il comportamento è molto più concentrato e ripetitivo di quanto ci si aspetterebbe.

La mossa più frequente è scrivere l'equazione dell'energia, l'8,3%. La seconda, con il 4,4%, è chiedere al tutor qual è il passo successivo. Gli autori la chiamano richiesta meta-procedurale e la leggono come una cessione del comando, perché lo studente smette di decidere la strategia e chiede alla macchina di decidere per lui. Su tutta la classifica una sola richiesta chiede un meccanismo, ovvero il principio fisico in gioco, e vale l'1,5%. Il tutor era socratico. Gli studenti, in larga maggioranza, no.

Lo stesso schema si vede negli adulti al lavoro. Uno studio di Microsoft Research e Carnegie Mellon presentato alla conferenza CHI del 2025 ha raccolto 936 casi reali di uso dell'IA raccontati da 319 professionisti. Più fiducia hanno nello strumento, meno pensiero critico dichiarano di esercitare. Più fiducia hanno nelle proprie competenze sul compito, più ne esercitano. E il pensiero critico non sparisce, si sposta, dalla raccolta delle informazioni e dalla formulazione del problema verso la verifica dell'output e la supervisione del processo. Detta in altro modo, la prima cosa che deleghiamo è proprio la parte in cui si decide che domanda stiamo facendo. Sul costo di quella delega abbiamo già scritto quando abbiamo raccontato la penalità di apprendimento dell'IA.

Due ore di formazione cambiano il modo di domandare

Grafico a barre raggruppate che confronta studenti formati e non formati su quante volte chiedono un chiarimento e quante volte accettano una domanda mal posta.

Effetti di un laboratorio di due ore sul comportamento di interrogazione. Fonte Clerc e colleghi, 2026.

La notizia buona è che la postura si sposta, e con un investimento sorprendentemente piccolo. Nel 2026 un gruppo di ricerca francese ha lavorato con 116 studenti tra i 13 e i 15 anni, dividendoli in 76 formati e 40 di controllo. La formazione era un laboratorio di due ore, svolto due giorni prima della prova, in cui si spiegava come funziona un modello linguistico, dove sbaglia, come si costruisce una richiesta e come si valuta una risposta. Poi tutti hanno affrontato sei compiti di indagine scientifica con un chatbot a disposizione.

Davanti a una richiesta mal posta, gli studenti formati hanno chiesto un chiarimento nel 59,2% dei casi contro il 27,9% dei non formati. Hanno accettato una richiesta sottospecificata senza riformularla nel 51,5% dei casi contro il 66,7%. Il punteggio finale è stato di 11,4 su 20 contro 10,3, una differenza statisticamente significativa. C'è un dettaglio che vale più di tutti gli altri, poiché quando ai ragazzi è stato chiesto di autovalutare le proprie competenze sull'IA e la propria consapevolezza metacognitiva, le risposte non erano correlate alla prestazione reale. Sentirsi competenti non c'entra con esserlo, e questo vale per gli studenti quanto per gli adulti.

Anche il dosaggio conta. A novembre 2025 il gruppo LearnLM di Google, insieme alla piattaforma Eedi, ha condotto una sperimentazione controllata con 165 studenti di 13 e 14 anni in cinque scuole britanniche, mettendo a confronto suggerimenti statici, tutor umani e un tutor artificiale in cui ogni messaggio veniva approvato da un tutor umano prima di arrivare allo studente. Sulla correzione immediata dell'errore il sistema supervisionato ha ottenuto il 93,0% contro il 91,2% dei tutor umani e il 65,4% dei suggerimenti statici. Sul trasferimento all'argomento successivo, che è la misura che ci interessa davvero, ha ottenuto il 66,2% contro il 60,7% dei tutor umani. I tutor sono intervenuti sul 25,6% dei messaggi e il 44,3% delle loro correzioni serviva a rallentare, perché il tutor insisteva con le domande oltre la pazienza dello studente. Il modo socratico funziona, ma ha una dose oltre la quale diventa fastidio e l'apprendimento si chiude.

La scala della domanda

Schema con cinque fasce ascendenti, dalla delega del compito alla domanda su quale domanda non è stata fatta.

I cinque modi di rivolgersi alla stessa macchina. Fonte elaborazione Retoria.

Nei corsi porto questa scala in aula, perché la trovo più utile di qualunque elenco di buone pratiche. Sono cinque modi di rivolgersi allo stesso strumento, e cambiano completamente ciò che resta a te quando chiudi il portatile.

Il primo gradino è la delega, ovvero «fammi tu il compito». Ottieni un risultato e non impari niente, ed è il caso in cui la ricerca misura i danni.

Il secondo è l'esecuzione, ovvero «qual è il passo successivo». Sembra una domanda, ma è la richiesta che gli studenti di Purdue facevano più spesso, e in realtà consegna alla macchina la parte pregiata del lavoro, cioè decidere dove andare.

Il terzo è il meccanismo, ovvero «spiegami perché funziona così». Qui inizi a domandare davvero, e sono le richieste che nello studio del 2026 valevano sei punti in più sul lavoro finale.

Il quarto è la verifica, ovvero «dove può sbagliare questa risposta». È il gradino che ribalta il rapporto di fiducia, perché smetti di trattare l'output come un verdetto e lo tratti come un'ipotesi. La ricerca di Microsoft e Carnegie Mellon dice che è esattamente qui che si concentra il pensiero critico di chi lavora bene con questi strumenti.

Il quinto è la riformulazione, ovvero «quale domanda non ti ho fatto». È il gradino socratico in senso pieno, poiché usi la macchina per scoprire il perimetro della tua ignoranza invece che per riempire un buco che hai già individuato. È la mossa che il report di EduNext descrive come la competenza rara, ed è anche l'unica che nessuno strumento può fare al posto tuo, visto che nasce dal sospetto di aver impostato male il problema.

Le due regole che do sempre sono banali e funzionano. La prima, prima di scrivere alla macchina scrivi in una riga che cosa vuoi capire, non che cosa vuoi ottenere. La seconda, quando arriva la risposta fai una sola mossa in più, cioè chiedi dove potrebbe essere sbagliata. Costano meno di un minuto e spostano la conversazione di due gradini.

Cosa significa per la formazione

C'è una tentazione forte, in questo momento, che è pensare che il problema sia lo strumento e che la soluzione sia scegliere quello giusto. I dati dicono un'altra cosa, ovvero che lo stesso strumento produce esiti opposti in funzione di chi lo usa e di come è stato preparato a usarlo. Il tutor socratico di Purdue era ben progettato e gli studenti lo hanno usato come un esecutore. Il chatbot generico dello studio francese era lo stesso per tutti, e due ore di formazione hanno cambiato il comportamento di chi le aveva fatte.

Questo è il motivo per cui in Retoria non insegniamo strumenti, che scadono, ma alleniamo la postura, che resta. Insegnare a domandare è un lavoro didattico vecchio quanto Socrate e misurato dalla ricerca da trent'anni, e l'IA lo ha reso improvvisamente la competenza più redditizia che una scuola o un'organizzazione possa sviluppare.

Se vuoi capire a che punto è la tua scuola o la tua organizzazione, scrivici per una valutazione di AI readiness, guarda come lavoriamo, oppure leggi come il valore si sta spostando dalla memoria al giudizio.


Nota metodologica

La citazione di apertura proviene da pagina 41 del report EduNext 2026, capitolo 2, ed è la voce anonimizzata di uno dei trentadue dirigenti intervistati tra dicembre 2025 e aprile 2026. È stata adattata nella punteggiatura senza alterarne il contenuto, come le altre citazioni del report che pubblichiamo.

I dati di Graesser e Person (1994) vengono da due campioni di tutoraggio, uno su un corso di metodologia della ricerca e uno su un corso di algebra, e il valore di 0,11 domande all'ora per singolo studente è la stima dello studio sulla base delle osservazioni in aula. Il fattore di circa 240 volte è il rapporto calcolato dagli autori. La correlazione di 0,47 tra domande profonde ed esiti d'esame riguarda la seconda metà del corso.

Le dimensioni dell'effetto di Rosenshine, Meister e Chapman (1996) sono mediane su 26 studi di intervento e non effetti di un singolo esperimento. Lo studio del 2026 sull'interazione con i modelli linguistici ha un campione di ventidue partecipanti in un disegno a gruppo unico, quindi va letto come indicazione e non come evidenza conclusiva. Lo studio di Microsoft Research e Carnegie Mellon si basa su casi autodichiarati, per cui misura il pensiero critico percepito e non misurato in modo oggettivo. La tassonomia di Purdue è un preprint di agosto 2026 e le percentuali indicano la frequenza delle categorie di messaggio, non la frequenza degli studenti. I risultati dell'esperimento LearnLM riguardano un tutor artificiale sotto supervisione umana costante e non un sistema lasciato libero di rispondere.

Questo articolo non è consulenza pedagogica individuale né una valutazione clinica delle capacità cognitive.

Fonti