SCENARI / IL PENSIERO NELL'ERA DELL'IA
L’intelligenza artificiale sta cambiando il modo in cui pensiamo?
Chiediamo agli assistenti artificiali di scrivere, riassumere, spiegare e suggerire. Risparmiamo tempo, ma che cosa succede alla memoria, alla capacità di ragionare e alla creatività quando una parte del lavoro mentale viene svolta da una macchina? Gli studi raccontano una storia meno semplice di quanto sembri.

Un ragazzo deve preparare un tema. Apre il computer, legge la traccia e si ferma davanti alla prima frase. Non sa bene da dove cominciare. Potrebbe annotare qualche idea, cercare due libri, scartare un argomento e riprovarci. Oppure potrebbe chiedere a un assistente artificiale di organizzare il testo, suggerire un’introduzione e costruire una scaletta. Nel secondo caso, in pochi secondi compare sullo schermo qualcosa che somiglia già a un buon punto di partenza.
La scena potrebbe svolgersi in una scuola, ma anche in un ufficio, nella redazione di un giornale o nella casa di chi deve prendere una decisione complicata. L’intelligenza artificiale generativa è entrata in attività che fino a poco tempo fa richiedevano soprattutto lavoro individuale: cercare informazioni, mettere ordine nei pensieri, scrivere una spiegazione, confrontare ipotesi. E, come è accaduto con altri strumenti nella storia, il suo valore si misura anche dalla fatica che riesce a risparmiarci.
La domanda più interessante, però, non riguarda quanto velocemente otteniamo il risultato. Riguarda ciò che succede nel percorso tra una domanda e una risposta. Se una macchina svolge per noi alcune operazioni, stiamo semplicemente liberando risorse mentali per compiti più complessi? Oppure rinunciamo all’esercizio necessario per acquisire conoscenze e sviluppare giudizi autonomi? Le ricerche disponibili indicano che entrambe le possibilità esistono. La differenza dipende dal contesto, dalla progettazione dello strumento e dal modo in cui lo utilizziamo.
In questo approfondimento +
- La fatica che scompare dallo schermo
- La memoria esterna esisteva prima di ChatGPT
- Lavorare più velocemente non significa imparare di più
- Che fine fa il pensiero critico quando la risposta è già pronta?
- L'esperimento sugli studenti che cambia la prospettiva
- Il cervello sotto osservazione: attenzione ai titoli sensazionalistici
- La creatività può crescere mentre le idee diventano più simili
- La differenza è spesso nella domanda che poniamo
- Il nuovo lavoro mentale: controllare, scegliere, rispondere
- Il pensiero rimane nostro, se continuiamo a esercitarlo
La fatica che scompare dallo schermo
La scrittura offre un esempio particolarmente chiaro. Prima di formulare una pagina dobbiamo scegliere un argomento, ordinarne le parti, distinguere le informazioni attendibili da quelle incerte e cercare le parole adatte. Il risultato finale è soltanto la traccia visibile di una serie di decisioni. Con un assistente generativo possiamo delegare molte di queste operazioni e intervenire soltanto alla fine, correggendo o approvando la proposta ricevuta.
Non è necessariamente un impoverimento. Anche un correttore ortografico ci evita controlli ripetitivi, senza impedirci di esprimere idee originali. Un buon sistema di traduzione può rendere accessibile una fonte che altrimenti non riusciremmo a leggere. La trasformazione diventa più delicata quando lo strumento si occupa della parte stessa che vorremmo imparare a svolgere: argomentare, selezionare prove, riconoscere contraddizioni oppure costruire una spiegazione.
In altre parole, dobbiamo distinguere il compito completato dalla competenza acquisita. Possiamo consegnare un ottimo elaborato senza aver capito fino in fondo il tema affrontato. Possiamo arrivare a una risposta corretta senza sapere come verificarla. Il risultato resta utile, ma dice poco su ciò che saremmo capaci di fare senza assistenza.
La memoria esterna esisteva prima di ChatGPT
L’idea di affidare informazioni all’esterno della nostra mente non è nata con l’intelligenza artificiale. Libri, agende, fotografie, biblioteche e motori di ricerca hanno sempre esteso ciò che una persona può ricordare e ritrovare. Uno studio pubblicato nel 2011 su Science, condotto da Betsy Sparrow, Jenny Liu e Daniel Wegner, ha esaminato il rapporto tra accesso digitale e memoria attraverso quattro esperimenti. I risultati suggerivano che, quando ci aspettiamo di poter recuperare un’informazione più tardi, possiamo ricordarne meno il contenuto e meglio il luogo in cui trovarla.
La ricerca non dimostrava che Internet cancellasse i ricordi o rendesse le persone meno intelligenti. Descriveva piuttosto una strategia: distribuire il carico della memoria tra la persona e l’ambiente. Nel 2016 gli psicologi Evan Risko e Sam Gilbert hanno dedicato una revisione scientifica proprio a questa forma di delega, osservando come il suo impiego dipenda anche dalla difficoltà del compito e dalla fiducia che abbiamo nelle nostre capacità.
Con gli assistenti generativi, però, la memoria esterna non si limita a conservare qualcosa che abbiamo scritto. Può ricostruire un riassunto, formulare collegamenti, proporre analogie. Il confine tra recuperare un’informazione e riceverne un’interpretazione diventa meno netto. È qui che nasce una nuova responsabilità: distinguere il materiale documentato da una spiegazione che sembra plausibile ma potrebbe contenere errori.

Lavorare più velocemente non significa imparare di più
Uno degli studi più citati sui vantaggi concreti dell’IA è stato pubblicato nel 2023 su Science dagli economisti Shakked Noy e Whitney Zhang. Nell’esperimento, 453 professionisti con formazione universitaria hanno ricevuto incarichi di scrittura simili a quelli svolti in ambito lavorativo. Metà dei partecipanti poteva utilizzare ChatGPT. In quelle condizioni, il gruppo assistito ha impiegato in media il 40% di tempo in meno e ha ottenuto valutazioni qualitative superiori del 18%.
Sono risultati rilevanti, ma descrivono la produttività in specifici compiti professionali. Non dimostrano che gli stessi partecipanti abbiano sviluppato maggiori capacità di scrittura né che avrebbero replicato il miglioramento una volta eliminato lo strumento. La distinzione può sembrare sottile; in realtà separa due questioni differenti. La prima chiede se una tecnologia ci permette di produrre un risultato migliore. La seconda chiede se, mentre la usiamo, impariamo a farlo meglio anche da soli.
Un’organizzazione può ottenere un vantaggio enorme se i dipendenti svolgono in mezz’ora ciò che prima richiedeva quasi un’ora. Una scuola, invece, deve valutare anche il percorso. Se l’obiettivo di un esercizio è imparare a costruire un’argomentazione, consegnare un testo perfetto scritto da altri non equivale ad aver raggiunto l’obiettivo. Il problema non si risolve vietando ogni assistenza: richiede di decidere quali fasi possono essere accelerate e quali devono restare occasioni di esercizio.
Che fine fa il pensiero critico quando la risposta è già pronta?
Il rapporto tra strumenti generativi e giudizio personale è stato esplorato anche da un gruppo di ricercatori della Carnegie Mellon University e di Microsoft Research. Lo studio, presentato alla conferenza CHI 2025, ha coinvolto 319 lavoratori che utilizzavano l’IA generativa almeno una volta alla settimana. I partecipanti hanno descritto 936 episodi reali di utilizzo professionale, indicando quando percepivano di aver esercitato un giudizio critico e quanto sforzo richiedessero le varie attività.
È emersa un’associazione interessante: una maggiore fiducia nelle capacità dell’assistente era collegata a un minore esercizio dichiarato del pensiero critico, mentre una maggiore fiducia nelle proprie competenze era associata a un impegno più alto. I lavoratori, inoltre, descrivevano uno spostamento dello sforzo: meno tempo dedicato alla raccolta iniziale delle informazioni, più attenzione alla verifica delle risposte, alla loro integrazione e alla supervisione del risultato.
Qui bisogna essere precisi. Si tratta di un’indagine basata su esperienze riferite dagli intervistati, non di un esperimento che misuri il declino delle capacità mentali. Non dimostra che usare ChatGPT indebolisca il pensiero critico nel lungo periodo. Mostra invece che il modo in cui percepiamo la competenza della macchina può modificare la nostra disponibilità a controllarla. E suggerisce che la verifica diventa una parte sempre più importante del lavoro.
“Il problema non è ricevere una risposta dalla macchina. È smettere di domandarsi come quella risposta sia stata costruita.”
Riflessione della redazione ComputerWeek, non attribuita a ricercatori
L’esperimento sugli studenti che cambia la prospettiva
Un’altra ricerca permette di osservare più direttamente la differenza tra riuscire durante un esercizio e imparare qualcosa che rimane. In uno studio pubblicato su PNAS nel 2025, un gruppo di ricercatori ha sperimentato l’uso di tutor basati sull’IA con quasi mille studenti delle scuole superiori impegnati in matematica. Alcuni potevano consultare un assistente simile a una chat generica; altri avevano accesso a uno strumento progettato per offrire suggerimenti e proteggere il processo di apprendimento, evitando di anticipare semplicemente la soluzione.
Durante le esercitazioni, entrambi i sistemi miglioravano i risultati. Il cambiamento è arrivato quando l’assistenza è stata rimossa. Gli studenti che avevano usato la versione meno guidata ottenevano, nella successiva verifica svolta senza IA, risultati inferiori del 17% rispetto al gruppo che non aveva avuto accesso al sistema. Le misure di tutela inserite nell’altro tutor attenuavano invece gran parte degli effetti negativi.
Il messaggio non è che ogni studente impari meno usando un assistente. L’esperimento riguarda un particolare contesto scolastico, compiti matematici e specifici strumenti. La sua importanza sta nell’aver mostrato quanto conti la progettazione della risposta. Un sistema che svela il procedimento può sostituire la pratica. Un sistema che offre indizi, lascia spazio agli errori e chiede allo studente di completare i passaggi può sostenere un’attività diversa.

Il cervello sotto osservazione: attenzione ai titoli sensazionalistici
Nel 2025 un lavoro preliminare del MIT Media Lab, intitolato Your Brain on ChatGPT, ha ricevuto molta attenzione perché utilizzava l’elettroencefalografia durante esercizi di scrittura. Lo studio ha coinvolto 54 partecipanti nelle prime tre sessioni e 18 nella quarta, confrontando attività svolte senza strumenti, con un motore di ricerca e con un assistente generativo. Gli autori hanno descritto differenze nei modelli di connettività rilevati e nel rapporto dei partecipanti con i testi prodotti.
È una ricerca interessante, ma non autorizza formule come «l’IA spegne il cervello» o «ChatGPT rende stupidi». Al momento della prima diffusione il lavoro era un preprint non ancora sottoposto a revisione tra pari. Il campione era limitato, il compito osservato era specifico e gli indicatori elettrofisiologici non misurano direttamente l’intelligenza di una persona. Gli stessi ricercatori hanno chiesto prudenza nell’interpretazione dei risultati.
La cautela è necessaria anche per un altro motivo: compiere meno sforzo in una determinata attività non significa automaticamente perdere capacità. Se utilizziamo una calcolatrice per una moltiplicazione difficile, risparmiamo lavoro mentale; il significato di quel risparmio cambia a seconda che stiamo compilando un bilancio o imparando le tabelline. Valutare gli effetti dell’IA richiede di considerare obiettivi, tempi, competenze pregresse e modalità d’uso.
La creatività può crescere mentre le idee diventano più simili
La scrittura creativa offre un paradosso ancora diverso. Nel 2024 uno studio pubblicato su Science Advances da Anil Doshi e Oliver Hauser ha assegnato a un gruppo di persone il compito di scrivere brevi racconti, permettendo ad alcuni partecipanti di ottenere idee da un modello generativo. Le storie realizzate con quell’assistenza sono state giudicate mediamente più creative, piacevoli e ben scritte, soprattutto quando provenivano da autori che senza supporto ottenevano valutazioni più basse.
Gli stessi ricercatori hanno però rilevato che i racconti assistiti tendevano ad assomigliarsi maggiormente tra loro. La tecnologia poteva quindi migliorare il prodotto del singolo e, nello stesso tempo, ridurre la varietà delle idee considerate nel loro insieme. Non è una legge universale della creatività, ma un risultato che merita attenzione per chi scrive, insegna, progetta e lavora nell’informazione.
Un suggerimento può sbloccare una pagina bianca. Se diventa il riferimento dal quale nessuno osa allontanarsi, rischia invece di restringere il campo dell’immaginazione. La questione non è quante idee sappia produrre il modello. È quante strade differenti l’essere umano decide di esplorare dopo averle lette.
La differenza è spesso nella domanda che poniamo
Una stessa interfaccia può essere usata in modi molto diversi. Davanti a un problema potremmo chiedere «Dammi la soluzione» oppure «Mostrami quali passaggi dovrei provare, senza dirmi subito il risultato». Nel primo caso lo strumento riduce il lavoro necessario per terminare il compito. Nel secondo può lasciare alla persona la parte più importante dell’esercizio e intervenire soltanto quando emerge una difficoltà.
Per un testo argomentativo possiamo chiedere una bozza completa, oppure sottoporre al modello le nostre tesi e domandare quali obiezioni potrebbero metterle in crisi. Per una scelta lavorativa possiamo farci suggerire una soluzione oppure richiedere una comparazione esplicita dei rischi, delle informazioni mancanti e delle alternative. Sono attività differenti anche se si svolgono nella medesima finestra di conversazione.
Questo non rende l’assistente automaticamente affidabile. I modelli possono inventare riferimenti, offrire spiegazioni inesatte o assecondare un’affermazione sbagliata. La responsabilità del controllo rimane nostra, soprattutto nei contesti che riguardano denaro, salute, sicurezza o decisioni rilevanti per altre persone. Un buon metodo non elimina gli errori del sistema, ma può renderli più facili da individuare.
Il nuovo lavoro mentale: controllare, scegliere, rispondere
Il cambiamento forse più profondo riguarda il tipo di attività che svolgiamo. Se una macchina può produrre rapidamente una sintesi, il valore del nostro intervento potrebbe spostarsi verso la scelta delle domande, la qualità delle verifiche e la capacità di riconoscere quando la risposta non basta. Alcune mansioni diventano più veloci; altre richiedono una forma diversa di attenzione. Leggere un testo apparentemente impeccabile e trovarne un errore nascosto può essere più difficile che scriverlo seguendo un ragionamento che conosciamo.
Per questo il tema tocca anche il mondo dell’editoria e dell’informazione. Un articolo prodotto con l’assistenza di un modello può risultare scorrevole, ma chi lo pubblica deve sapere quali dati sono stati controllati, da dove provengono le affermazioni e quali passaggi rappresentano interpretazioni. Il lettore non vede il processo di scrittura: vede il testo finale e attribuisce responsabilità a chi lo firma. Più diventa semplice produrre parole, più diventa importante essere precisi su ciò che quelle parole sostengono.
Lo stesso vale per gli studenti e per chi impara un mestiere. La competenza non consiste soltanto nell’ottenere un risultato utilizzabile: comprende la capacità di accorgersi quando qualcosa non funziona, correggere una procedura e spiegare una scelta. Sono qualità che gli strumenti possono affiancare, ma che non possiamo dare per acquisite solo perché abbiamo ottenuto una risposta corretta.
Il pensiero rimane nostro, se continuiamo a esercitarlo
Non sappiamo ancora quali saranno gli effetti cognitivi di un utilizzo quotidiano degli assistenti generativi lungo decenni. Gli strumenti cambiano rapidamente, le abitudini sono differenti e molte ricerche seguono gruppi di persone per periodi limitati. Sarebbe improprio dedurre da singoli esperimenti un destino uguale per tutti, positivo o negativo. Sappiamo però che il modo in cui una tecnologia entra in un’attività ne condiziona il significato.
Per chi deve svolgere un lavoro ripetitivo, ridurre la fatica può essere un vantaggio netto. Per chi sta imparando una capacità nuova, saltare tutti i passaggi intermedi può privare di un esercizio necessario. Per chi cerca idee originali, ricevere suggerimenti può ampliare le possibilità, purché rimanga la libertà di scartarli. Il punto di equilibrio non è fissato una volta per tutte: cambia con gli obiettivi e con le circostanze.
Forse la domanda da porci non è se l’intelligenza artificiale stia pensando al posto nostro, ma quale parte del pensiero vogliamo affidarle. Possiamo farci ricordare un appuntamento senza perdere il senso del tempo. Possiamo farci correggere una frase senza rinunciare alla nostra voce. Possiamo ascoltare una risposta brillante continuando a cercare le ragioni per cui potrebbe essere sbagliata. In un mondo di macchine capaci di parlare, la capacità più preziosa potrebbe restare quella di sapere quando fermarsi, dubitare e formulare una domanda migliore.
Fonti, studi e letture per approfondire
- Sparrow, Liu e Wegner · Science (2011) ↗
Google effects on memory: cognitive consequences of having information at our fingertips. Quattro esperimenti sul rapporto tra ricerca digitale e memoria.
- Risko e Gilbert · Trends in Cognitive Sciences (2016) ↗
Cognitive Offloading. Revisione sui meccanismi della delega cognitiva e sulle condizioni che ne influenzano l'utilizzo.
- Firth e colleghi · World Psychiatry (2019) ↗
The online brain: how the Internet may be changing our cognition. Revisione su attenzione, memoria e processi sociali nell'ambiente online.
- Noy e Zhang · Science (2023) ↗
Experimental evidence on the productivity effects of generative artificial intelligence. Studio randomizzato con 453 professionisti.
- Doshi e Hauser · Science Advances (2024) ↗
Generative AI enhances individual creativity but reduces the collective diversity of novel content. Esperimento sui racconti brevi.
- Lee e colleghi · CHI (2025) ↗
The Impact of Generative AI on Critical Thinking. Indagine basata su 319 lavoratori e 936 esempi di utilizzo professionale.
- PNAS (2025) ↗
Generative AI without guardrails can harm learning: Evidence from high school mathematics. Esperimento sul ruolo delle protezioni didattiche nei tutor basati su IA.
- MIT Media Lab · Your Brain on ChatGPT (preprint, 2025) ↗
Pagina del progetto, con metodi, risultati preliminari e limitazioni esplicitate dagli autori. Non trattare il lavoro come prova di un danno cerebrale generalizzato.
