Lo studio OCSE sui compiti scolastici con l'AI rileva punteggi più bassi, non una perdita di 1,5 anni dovuta all'AI
I risultati dell'OCSE sui compiti scolastici con l'AI contengono un netto avvertimento: gli studenti che usano chatbot per specifici compiti ottengono generalmente punteggi inferiori rispetto a chi li evita.
Questo dato si affianca a un numero ancora più rilevante. I punteggi medi OCSE in lettura sono diminuiti di 28 punti tra il 2015 e il 2025, equivalenti a circa 1,5 anni di apprendimento. I punteggi in matematica sono calati di 22 punti, ovvero poco più di un anno.
Queste cifre non dimostrano che i chatbot abbiano causato un decennio di declino. Gli strumenti pubblici di AI generativa sono diventati ampiamente disponibili solo dopo la fine del 2022. Il calo è iniziato prima e riflette molte pressioni, tra cui un minore sostegno familiare, l'assenteismo, le distrazioni e le conseguenze della pandemia.
Tuttavia, la sovrapposizione conta. L'AI è arrivata nelle aule mentre le competenze fondamentali erano già in calo. Le scuole affrontano ora una scelta difficile tra limitare le scorciatoie e insegnare agli studenti a usare la tecnologia in modo consapevole.
I sistemi educativi asiatici rendono questa scelta particolarmente evidente. L'uso dei chatbot è diffuso a Singapore, in Corea, a Macao, in Thailandia, Vietnam e Filippine. Eppure diversi sistemi asiatici restano tra i più performanti.
La divisione emergente non è semplicemente tra utenti AI e non utenti. È tra un'AI che genera risposte e un'AI guidata didatticamente, con gli insegnanti che decidono se lo strumento sostituisce l'impegno o lo rafforza.
Cosa mostrano realmente i risultati OCSE sui compiti scolastici con l'AI
PISA 2025 ha rilevato un'associazione tra l'uso dei chatbot e i risultati, non la prova che l'AI abbia causato punteggi più bassi.
L'OCSE ha pubblicato gli ultimi risultati del Programme for International Student Assessment l'8 settembre 2026. PISA valuta come gli studenti quindicenni applichino le conoscenze di lettura, matematica e scienze a problemi non familiari.
La valutazione del 2025 ha coinvolto 760.000 studenti in 91 paesi ed economie. È stata la più ampia indagine PISA condotta finora. Le scienze ne costituivano il principale ambito accademico.
Questo ciclo ha inoltre chiesto agli studenti come usassero i chatbot AI per i compiti scolastici. Le domande riguardavano la sintesi dei testi assegnati, la ricerca su nuovi argomenti, la stesura di elaborati scritti e l'assistenza generale all'apprendimento.
I chatbot avevano già raggiunto la maggior parte degli studenti. Solo il 14% nei paesi OCSE ha dichiarato di non aver mai, o quasi mai, usato l'AI per alcuna delle finalità scolastiche esaminate.
Circa il 46% usava l'AI almeno settimanalmente per aiutarli ad apprendere. Il dato conferma che i sistemi scolastici stanno studiando un comportamento consolidato, non una tendenza sperimentale in classe.
Il modello di risultati era sfavorevole per diversi utilizzi specifici nei compiti. Gli studenti che non usavano l'AI per riassumere, fare ricerche o redigere testi superavano generalmente gli utenti nelle scienze.
Anche la frequenza contava. Gli utenti moderati ottenevano spesso punteggi superiori a chi usava i chatbot raramente o quasi ogni giorno. La stesura degli elaborati mostrava un vantaggio più debole per l'uso moderato rispetto ad altri compiti.
L'apprendimento generale ha prodotto un risultato diverso. Gli studenti che usavano settimanalmente l'AI per aiutarli ad apprendere ottenevano risultati approssimativamente allo stesso livello dei non utenti dopo l'aggiustamento per il contesto socioeconomico.
L'analisi completa dei compiti scolastici avverte esplicitamente di non trattare queste relazioni come causali. Studenti diversi adottano l'AI per ragioni diverse e in condizioni diverse.
Uno studente in difficoltà potrebbe rivolgersi più spesso a un chatbot perché il lavoro è già complesso. Questo schema produrrebbe punteggi inferiori tra gli utenti senza dimostrare che l'AI abbia creato la difficoltà originaria.
Anche l'accesso complica il confronto. Gli studenti che non usavano mai l'AI tendevano a provenire da contesti più svantaggiati. Gli utenti frequenti avevano maggiori probabilità di provenire da contesti privilegiati.
Gli aggiustamenti socioeconomici riducono questo squilibrio ma non possono eliminare ogni differenza non misurata. Motivazione, conoscenze pregresse, pratiche degli insegnanti, progettazione delle valutazioni e qualità dei singoli prompt possono tutti influenzare i risultati.
La conclusione più prudente è più circoscritta del titolo allarmistico. Delegare specifici compiti accademici è correlato a conoscenze valutate più deboli, mentre un uso moderato orientato all'apprendimento non mostra la stessa penalizzazione.
Questa distinzione introduce la vera questione di politica scolastica. Le scuole non possono valutare l'AI limitandosi a contare gli accessi. Devono esaminare quale lavoro cognitivo rimanga allo studente.
Il dato di 1,5 anni descrive un decennio di declino nella lettura
La perdita di 1,5 anni ripetuta frequentemente si riferisce ai risultati di lettura dal 2015, non a una penalizzazione misurata causata dall'AI.
La performance media in lettura nei paesi OCSE è diminuita di 28 punti dal 2015 al 2025. L'organizzazione traduce questa differenza in circa un anno e mezzo di apprendimento.
La matematica è diminuita di 22 punti nello stesso decennio. I risultati nelle scienze sono calati più modestamente nell'arco di dieci anni e sono rimasti sostanzialmente stabili tra il 2022 e il 2025.
I risultati PISA mostrano inoltre che uno studente su cinque ha ottenuto risultati insufficienti in scienze, matematica e lettura. La quota era del 16% nel 2022.
La cronologia esclude una spiegazione semplice incentrata su ChatGPT o servizi simili. Il declino più ampio era iniziato prima che l'AI generativa diventasse un prodotto di consumo diffuso.
PISA non segue gli stessi singoli studenti nel corso del decennio. Campiona gruppi comparabili di quindicenni, creando una visione a livello di sistema anziché una cronologia dell'apprendimento individuale.
Misura inoltre la performance in un singolo momento. La valutazione non può osservare ogni passaggio che collega l'attività di uno studente con i chatbot alle conoscenze dimostrate durante i test.
L'OCSE presenta quindi due risultati che dovrebbero restare separati. La performance accademica è diminuita nell'arco di un decennio e gli attuali modelli di utilizzo dell'AI sono correlati a diversi livelli di rendimento.
La loro intersezione merita comunque attenzione. L'AI generativa è arrivata durante una crisi dell'apprendimento prolungata, quando molti studenti già non disponevano di solide basi in lettura e matematica.
Un chatbot può redigere un paragrafo coerente anche quando il suo utente non è in grado di costruire autonomamente l'argomentazione. Può riassumere un capitolo senza richiedere al lettore di individuarne le tesi centrali.
Questo crea uno scarto di misurazione tra lavoro completato e capacità trattenuta. La qualità dei compiti può aumentare mentre la performance senza assistenza rimane stabile o cala.
Gli insegnanti ricevono quindi un segnale fuorviante. Un elaborato rifinito può rappresentare un apprendimento più solido, un utile supporto alla revisione, un'ampia assistenza della macchina o una delega quasi completa.
Gli studenti affrontano un'illusione simile. Il completamento rapido può sembrare padronanza perché il risultato immediato appare corretto. L'equivoco diventa visibile solo durante un test senza assistenza o un compito successivo.
Questo non rende dannosa ogni interazione con un chatbot. Significa che il valore educativo dipende dal fatto che l'AI preservi recupero delle informazioni, ragionamento, revisione e spiegazione.
Il Segretario generale dell'OCSE, Mathias Cormann, ha espresso chiaramente la distinzione. La tecnologia può rafforzare l'apprendimento, ha affermato, ma non quando sostituisce attenzione, impegno e comprensione.
Questa affermazione sposta la responsabilità oltre gli studenti. La progettazione dei prodotti, le istruzioni degli insegnanti, la struttura degli incarichi e le politiche scolastiche determinano quanto facilmente l'AI diventi un sostituto.
Il calo di 1,5 anni alza la posta in gioco perché le scuole hanno poco margine per un'altra fonte di coinvolgimento superficiale. Non fornisce una stima causale di tale fonte.
Perché riassumere e redigere testi creano il conflitto più netto
L'AI diventa rischiosa sul piano educativo quando completa l'operazione mentale che un compito era progettato per esercitare.
Un compito di sintesi raramente consiste nel produrre un documento più breve. Il suo scopo formativo è indurre gli studenti a selezionare prove, distinguere le idee principali e ricostruire il significato.
Quando un chatbot esegue questi passaggi, lo studente riceve il prodotto visibile senza necessariamente esercitare l'abilità nascosta. Lo stesso problema riguarda la ricerca preliminare.
I compiti di ricerca insegnano a formulare domande, confrontare fonti, gestire l'incertezza e selezionare le prove. Chiedere una panoramica pronta all'uso può rimuovere queste decisioni dal flusso di lavoro dello studente.
La stesura presenta un conflitto ancora più chiaro. Scrivere non è soltanto l'espressione finale della conoscenza. Aiuta le persone a scoprire ragionamenti deboli, prove mancanti e contraddizioni irrisolte.
Una prima bozza generata può eliminare quell'attrito produttivo. Gli studenti partono da una prosa fluida e diventano editor prima di aver formulato la propria argomentazione.
Questo meccanismo aiuta a spiegare i risultati OCSE sui compiti scolastici con l'AI. I non utenti hanno generalmente superato gli utenti nei compiti specifici, mentre gli utenti moderati talvolta hanno ottenuto risultati migliori di quelli rari o intensivi.
Il modello assomiglia a una curva piuttosto che a una scelta tra divieto e adozione. Una certa assistenza può sostenere l'apprendimento, ma una delega estesa riduce l'impegno che crea conoscenze durature.
La separata rassegna sull'educazione digitale dell'OCSE giunge a una conclusione simile. L'AI generativa può aiutare quando principi didattici ne guidano l'uso.
Gli strumenti educativi possono chiedere a uno studente di spiegare un passaggio prima di offrire un feedback. Possono fornire suggerimenti, generare domande di esercitazione o contestare un'affermazione priva di supporto.
I chatbot generici ottimizzano di norma per soddisfare la richiesta. Se uno studente chiede una risposta, il sistema ha pochi motivi per preservare la difficoltà prevista dal compito.
Questa differenza separa il tutoraggio dal completamento. Un tutor gestisce l'assistenza affinché lo studente mantenga la responsabilità del ragionamento. Un motore di risposte può rimuovere immediatamente tale responsabilità.
Il problema non si limita alla copiatura. Uno studente può usare apertamente l'AI secondo regole scolastiche permissive e tuttavia esercitarsi meno di quanto il curriculum preveda.
Le politiche di integrità accademica affrontano paternità, divulgazione e assistenza vietata. La progettazione dell'apprendimento pone una domanda più profonda: quale attività di pensiero devono ancora svolgere gli studenti autonomamente?
Le scuole hanno bisogno di entrambi i livelli. La divulgazione può informare un insegnante che è stata coinvolta l'AI, ma non mostra se l'interazione abbia rafforzato la comprensione.
Le prove del processo diventano più utili. Gli studenti possono conservare appunti, tracce delle fonti, bozze successive, cronologie dei prompt e brevi spiegazioni dei suggerimenti scartati.
Una base di conoscenza per studenti può sostenere questo tipo di processo tracciabile. Il valore educativo deriva dal riesaminare prove e ragionamenti, non dal raccogliere risposte generate.
Anche la valutazione deve confrontare la performance assistita e quella senza assistenza. Uno studente potrebbe produrre un saggio supportato dall'AI, quindi difenderne oralmente l'argomentazione o scrivere un brano correlato senza assistenza.
Questi modelli rendono visibile l'uso dell'AI senza trattare ogni interazione come cattiva condotta. Rivelano inoltre se il supporto si sia trasferito in capacità indipendente.
Questa è l'inversione centrale. L'AI può migliorare l'elaborato indebolendo al contempo il processo di apprendimento che l'elaborato era destinato a rappresentare.
L'Asia mostra che alta adozione e alte prestazioni possono coesistere
I risultati asiatici mettono in discussione qualsiasi affermazione secondo cui un accesso frequente ai chatbot produca automaticamente una debole performance accademica.
Singapore offre il controesempio più chiaro. I suoi studenti sono rimasti tra i più forti al mondo pur dichiarando un uso esteso dell'AI nei compiti scolastici.
Circa il 66% degli studenti di Singapore usava chatbot almeno settimanalmente per aiutarli ad apprendere. La media OCSE era approssimativamente del 46%.
Anche l’uso settimanale per singole attività era elevato. A Singapore, il 46% ha usato l’IA per ricerche preliminari, il 41% per riassumere e il 45% per redigere elaborati scritti.
Solo il 4% ha dichiarato di non usare l’IA, o di usarla quasi per nulla, nelle attività oggetto dell’indagine. La quota sale al 14% nei Paesi OCSE.
Il profilo PISA del Paese offre un altro dato importante. Circa l’81% ha imparato a valutare le informazioni generate dall’IA durante le lezioni scolastiche.
La media OCSE per questa attività svolta in classe era di circa il 63%. Nei sistemi partecipanti, l’esposizione dichiarata variava dal 31% a oltre l’80%.
Singapore combina quindi un accesso elevato con un’istruzione alla valutazione insolitamente diffusa. Gli studenti incontrano l’IA, ma molti imparano anche a metterne in discussione i risultati.
La Corea presenta un’altra variante dello stesso schema. Il suo indice complessivo di utilizzo dell’IA per i compiti scolastici era superiore alla media OCSE, pur restando tra i sistemi con le migliori performance.
Corea e Singapore hanno entrambe perseguito ampie politiche di apprendimento digitale. L’approccio nazionale di Singapore include esplicitamente gli strumenti di intelligenza artificiale.
Altre economie asiatiche mostrano perché le etichette regionali generiche restano rischiose. Il Giappone registra un uso relativamente basso per il lavoro scolastico, mentre Singapore segnala un uso molto elevato. Entrambi ottengono risultati solidi.
Chinese Taipei combina prestazioni elevate con un uso medio dell’IA più basso e un’importante politica di apprendimento digitale avviata nel 2021. Macao combina risultati elevati con un’adozione estesa.
I risultati della Cina continentale coprono Pechino, Shanghai, Jiangsu e Zhejiang, anziché l’intero Paese. I lettori non dovrebbero considerare quel campione come una stima nazionale.
Il confronto più utile riguarda il controllo didattico. Diversi sistemi ad alto rendimento affidano agli insegnanti un ruolo centrale nell’adattare gli strumenti digitali agli obiettivi della classe.
Il direttore dell’istruzione dell’OCSE Andreas Schleicher ha descritto una classe di calligrafia cinese in cui gli studenti continuavano a scrivere con pennelli e inchiostro. Gli insegnanti usavano poi l’IA per analizzare la grafia.
L’esempio in classe è utile perché la tecnologia non ha prodotto il lavoro dello studente. Ha fornito un riscontro su un lavoro che lo studente aveva già svolto.
Questa struttura preserva la pratica essenziale. Gli studenti formano ogni carattere, gli insegnanti definiscono l’obiettivo di apprendimento e il software aggiunge un livello diagnostico.
Confrontatelo con il chiedere a un chatbot di redigere un saggio. Il secondo flusso di lavoro trasferisce al modello l’atto centrale della composizione.
Ecco perché “IA nell’istruzione” è una definizione troppo ampia per funzionare come variabile di risultato. Riscontro sulla calligrafia, redazione automatizzata, tutoraggio guidato e sintesi istantanea sono interventi diversi.
Le medie nazionali possono inoltre nascondere variazioni tra le classi. Un insegnante potrebbe richiedere verifiche delle fonti e discussioni orali. Un altro potrebbe consentire la generazione senza restrizioni, con una supervisione limitata.
L’adozione asiatica non smentisce quindi le associazioni rilevate dall’OCSE a livello di singolo studente. Mostra che la progettazione del sistema può cambiare il significato dell’adozione.
I sistemi asiatici ad alto rendimento mettono sotto pressione i Paesi che presentano la politica come una scelta tra divieto e accesso senza restrizioni. È visibile una terza via: esposizione guidata con l’autorità degli insegnanti.
Cosa i numeri ancora non possono dirci
PISA individua un segnale di allarme, ma il suo disegno osservazionale non può isolare l’effetto dell’IA dagli studenti e dalle scuole che la utilizzano.
L’indagine si basa sulle dichiarazioni degli studenti riguardo a frequenza e finalità d’uso. Non rileva ogni prompt, risposta, correzione o regola di classe che accompagna queste interazioni.
Due studenti possono selezionare la stessa categoria di frequenza pur usando l’IA in modi molto diversi. Uno potrebbe chiedere spiegazioni, mentre un altro consegna testo generato con una revisione minima.
L’ampia espressione “aiutami a imparare” crea ulteriore incertezza. Può descrivere tutoraggio, traduzione, brainstorming, generazione di esercizi, verifica delle risposte o richieste di soluzioni dirette.
I punteggi in scienze forniscono l’esito principale in questo ciclo PISA. Non possono rappresentare tutti gli effetti sulla qualità della scrittura, la creatività, la fiducia, le competenze di ricerca o la memorizzazione a lungo termine.
La valutazione non può nemmeno stabilire la direzione del rapporto. Gli studenti con risultati più bassi potrebbero adottare l’IA perché hanno bisogno di aiuto, rendendo l’uso dell’IA in parte una risposta alla difficoltà.
Gli utenti frequenti potrebbero affrontare carichi di lavoro impegnativi che favoriscono l’automazione. Le scuole con sistemi di supporto deboli potrebbero affidarsi ai chatbot per il pubblico come sostituti economici.
Un’altra possibilità va nella direzione opposta. La delega ripetuta dei compiti potrebbe ridurre la pratica e indebolire le prestazioni successive senza aiuto. PISA non può determinare il contributo di ciascun meccanismo.
Anche il rapporto tra istruzione sull’alfabetizzazione all’IA e punteggi richiede cautela. Gli studenti avvantaggiati dichiarano più spesso queste opportunità di apprendimento.
Le scuole che insegnano efficacemente la verifica possono avere anche insegnanti migliori, più risorse e famiglie più supportive. Questi fattori possono influenzare le prestazioni in modo indipendente.
L’OCSE ha comunque rilevato uno schema promettente. Gli utenti frequenti dell’IA per l’apprendimento generale che valutavano anche le informazioni dell’IA in classe ottenevano risultati in scienze leggermente superiori rispetto agli utenti poco frequenti o a chi non la utilizzava.
Questo risultato sostiene l’uso guidato, ma non dimostra che una lezione specifica abbia causato la differenza. Il rapporto descrive un’associazione all’interno di un ambiente di apprendimento complesso.
Un’ulteriore incertezza riguarda l’evoluzione dei prodotti. I chatbot usati nel 2025 differiscono dai sistemi successivi per accuratezza, progettazione dell’interfaccia, personalizzazione e tutele educative.
Gli strumenti futuri potrebbero diventare tutor migliori. Potrebbero anche diventare più efficaci nel completare compiti in modo invisibile, ampliando il divario tra il risultato apparente e la competenza effettivamente trattenuta.
Le scuole non possono aspettare prove perfette, perché l’adozione è già pervasiva. Tuttavia, dovrebbero evitare di trasformare correlazioni preliminari in divieti universali.
Un divieto generalizzato può spingere l’uso fuori dalla vista. Può anche negare agli studenti una pratica supervisionata con strumenti che incontreranno nell’istruzione superiore e nel lavoro.
L’adozione senza restrizioni comporta il rischio opposto. Lascia che le impostazioni predefinite dei prodotti determinino la pedagogia, anche se i chatbot per il pubblico non sono progettati attorno ai singoli programmi di studio.
La risposta politica prudente è la sperimentazione controllata. Le scuole possono definire le attività consentite, preservare le valutazioni senza aiuti, insegnare la verifica e confrontare i risultati nel tempo.
Dovrebbero misurare più della qualità delle consegne. Indicatori utili includono il richiamo ritardato, il trasferimento indipendente, l’accuratezza delle fonti, la qualità della revisione e la capacità di spiegare il ragionamento.
Queste misure verificherebbero il meccanismo alla base dei risultati OCSE sull’IA nei compiti scolastici. Mostrerebbero se un chatbot sostiene il lavoro cognitivo o ne nasconde semplicemente l’assenza.
Tre segnali mostreranno se le scuole stanno imparando da PISA
La prossima fase sarà decisa dalla progettazione delle valutazioni, dall’alfabetizzazione all’IA guidata dagli insegnanti e dalle prove che l’uso guidato si trasferisca nelle prestazioni indipendenti.
Il primo segnale è uno spostamento verso valutazioni attente al processo. Le scuole dovrebbero rendere trasparente come è stata usata l’IA e richiedere agli studenti di dimostrare le stesse conoscenze senza assistenza.
Osservate discussioni orali, scrittura supervisionata, registri dei prompt, registri delle fonti e bozze progressive. Questi approcci separano un risultato rifinito dalla comprensione autentica.
Se i sistemi scolastici li adotteranno ampiamente, l’avvertimento dell’OCSE rafforzerà le ragioni per riprogettare anziché vietare. Se gli elaborati resteranno invariati, la delega invisibile continuerà a essere difficile da misurare.
Il secondo segnale è un’istruzione più ampia nella valutazione delle informazioni generate. Circa sei studenti OCSE su dieci dichiarano già di svolgere questa attività durante le lezioni scolastiche.
La qualità di questa istruzione conta più della semplice casella selezionata. Gli studenti devono verificare le affermazioni, individuare le prove originarie, identificare l’incertezza e riconoscere una prosa persuasiva ma priva di fondamento.
Il tasso di esposizione dell’81% a Singapore offre un utile parametro di riferimento, non una spiegazione completa dei suoi risultati. Altri sistemi devono dimostrare che gli esercizi di valutazione cambiano il comportamento degli studenti.
Se l’alfabetizzazione all’IA si espande mentre le prestazioni indipendenti migliorano, l’uso guidato acquista sostegno. Se l’esposizione aumenta senza risultati migliori, le scuole avranno bisogno di progetti didattici più solidi.
Il terzo segnale è costituito da prove longitudinali che confrontino diverse forme di assistenza. I ricercatori devono distinguere tra tutoraggio, riscontro, brainstorming, sintesi, ricerca e redazione.
Servono anche test ritardati. La prestazione immediata in un compito può migliorare anche quando gli studenti trattengono meno conoscenze una settimana o un mese dopo.
Il prossimo ciclo PISA sarà utile, ma le scuole non dovrebbero affidarsi esclusivamente a una valutazione triennale. Distretti e ministeri possono condurre valutazioni controllate all’interno dei corsi esistenti.
L’OCSE sta già preparando un ambito dedicato all’alfabetizzazione mediatica e all’IA per PISA 2029. Tale valutazione dovrebbe rivelare se gli studenti sanno confrontarsi criticamente con informazioni mediate dall’IA.
Anche gli sviluppatori di prodotti affrontano una prova chiara. Le modalità educative dovrebbero evitare di fornire risposte complete prima che gli studenti tentino di risolvere il problema sottostante.
Gli insegnanti hanno bisogno di controlli per il livello di dettaglio degli indizi, i requisiti sulle fonti, l’adeguatezza all’età e i registri delle attività. Senza queste funzionalità, “tutor IA” resta più una categoria di marketing che una garanzia educativa.
Genitori e studenti possono applicare lo stesso criterio già ora. Chiedetevi se un chatbot sta estendendo il pensiero, verificando il pensiero o sostituendo il pensiero.
Per i riassunti, leggete prima e abbozzate i punti principali prima di chiedere un riscontro. Per la ricerca, raccogliete le fonti originali prima di chiedere all’IA di confrontarle.
Per la scrittura, formulate l’argomentazione e producete una struttura iniziale prima di usare un modello per la critica. Conservate una versione senza aiuti della pratica essenziale.
L’avvertimento OCSE riportato è serio, ma la sua interpretazione più drammatica non è supportata. L’IA non ha ricevuto in PISA una penalizzazione causale di 1,5 anni.
Il risultato reale è più utile. Gli studenti spesso ottengono punteggi inferiori quando i chatbot svolgono specifici compiti scolastici, mentre l’uso guidato e moderato per l’apprendimento segue uno schema diverso.
Questo lascia alle scuole una domanda immediata: le loro politiche sull’IA proteggono lo sforzo che crea conoscenza, o migliorano soltanto il lavoro che gli studenti consegnano?
