Una parte crescente della formazione sull’intelligenza artificiale (IA) si svolge davanti a persone che non hanno scelto di essere in aula. L’azienda ha aderito a un piano finanziato, il fondo interprofessionale ha approvato il progetto, l’ufficio del personale ha convocato i partecipanti. Il formatore entra in aula e trova professionisti esperti, spesso senior, con vent’anni di mestiere alle spalle e una domanda negli occhi: perché sono qui?
È uno scenario destinato a diventare la norma. Gli obblighi di alfabetizzazione all’IA introdotti dal Regolamento europeo sull’intelligenza artificiale, insieme ai piani formativi finanziati, portano in aula un pubblico convocato, non volontario. La letteratura sull’apprendimento degli adulti lo dice da decenni: l’adulto apprende quando percepisce un bisogno, non quando qualcuno decide per lui. Con questo pubblico, le tecniche standard della formazione sull’IA falliscono in modo prevedibile.
Perché le demo non funzionano
Il formato più diffuso nei corsi sull’IA è la dimostrazione: si proietta uno strumento generativo, si mostra un risultato sorprendente, si conta sull’effetto meraviglia. Con un pubblico volontario e curioso può funzionare. Con un pubblico convocato produce l’effetto opposto.
Il partecipante senior guarda la demo e formula, in silenzio, tre obiezioni. La prima: il mio lavoro è diverso. La seconda: quel risultato è costruito, nel mio contesto non uscirebbe. La terza: se lo strumento fa questo, il corso serve a sostituirmi. Nessuna delle tre viene detta ad alta voce, tutte e tre condizionano le sei ore successive.
C’è poi un errore speculare: l’esercizio generico. Scrivere una poesia con il chatbot, generare un’immagine divertente, chiedere una ricetta. Attività che scaldano l’aula ma confermano il sospetto di fondo: questa cosa non c’entra con il mio lavoro. Il giorno dopo, in ufficio, non cambia nulla.
Rovesciare la progettazione: partire dai documenti veri
L’alternativa che dà risultati è una progettazione rovesciata. Non si parte dallo strumento per arrivare, forse, al lavoro dei partecipanti. Si parte dal lavoro dei partecipanti e si arriva allo strumento solo quando serve.
In pratica: prima del corso si chiede all’azienda una piccola dote di materiali reali, resi anonimi dove necessario. Un capitolato, un verbale di riunione, una serie di email di reclamo, una scheda tecnica, un report mensile. Documenti che i partecipanti riconoscono al primo sguardo, perché sono i loro.
La prima attività d’aula non riguarda l’IA. Riguarda il documento: quanto tempo richiede oggi questa attività, dove si annida l’errore, che cosa la rende faticosa. Solo dopo si introduce lo strumento, con una consegna precisa: proviamo a fare la stessa cosa e confrontiamo il risultato con il vostro standard professionale.
Il cambio di postura è immediato. Il partecipante senior smette di essere spettatore di una demo e diventa giudice di un output. Giudicare è un’attività che gratifica l’esperienza: vent’anni di mestiere diventano il metro di valutazione, non il bersaglio della tecnologia.
Micro-consegne verificabili, non esercizi
La seconda leva è la struttura delle attività. Le esercitazioni lunghe e aperte disperdono l’attenzione, soprattutto nella formazione a distanza sincrona. Funzionano invece le micro-consegne: attività da quindici o venti minuti, in coppie o piccoli gruppi, ciascuna con un risultato verificabile e un momento di restituzione.
Verificabile è la parola chiave. Ogni consegna deve chiudersi con un oggetto osservabile: una sintesi confrontata con l’originale, una tabella estratta da un documento, una bozza di risposta a un reclamo, un elenco di errori trovati nell’output della macchina. L’ultimo esempio non è secondario: chiedere esplicitamente di trovare gli errori dell’IA è l’attività che i partecipanti scettici svolgono con più impegno, ed è anche la più formativa, perché costruisce la competenza che servirà davvero in azienda: la verifica critica dei risultati.
Una sequenza collaudata, per un modulo di quattro ore, alterna quattro momenti: inquadramento breve, micro-consegna sul documento reale, restituzione con discussione degli errori, regola operativa che ne deriva. La regola operativa è il deliverable del blocco: una riga scritta e condivisa, del tipo “gli output su dati numerici si ricontrollano sempre sulla fonte”. A fine giornata le regole raccolte formano una bozza di linee guida d’uso, che i partecipanti hanno costruito e quindi riconoscono come proprie.
Lo scetticismo come risorsa didattica
Il terzo elemento è il più controintuitivo: lo scetticismo non va aggirato, va usato. Il partecipante che obietta sta partecipando. L’errore è rispondere con entusiasmo promozionale, che conferma il sospetto di trovarsi davanti a un venditore.
Funziona meglio la mossa opposta: dare allo scettico ragione, dove ha ragione. Gli strumenti generativi sbagliano, inventano fonti, appiattiscono il linguaggio, pongono problemi di riservatezza dei dati. Dedicare un blocco esplicito ai limiti e alle condizioni d’uso sicuro, incluse le cautele su dati personali e informazioni riservate, sposta il formatore dalla posizione di promotore a quella di professionista che aiuta a decidere quando usare lo strumento e quando no.
In molte aule il partecipante più critico della mattina diventa, nel pomeriggio, quello che propone il caso d’uso più concreto. Non perché abbia cambiato idea sull’IA, ma perché il percorso gli ha restituito il controllo: decide lui dove lo strumento entra nel suo processo.
Una struttura replicabile
Lo schema descritto è scalabile dai moduli brevi di quattro ore ai percorsi di sedici ore. Cambia la profondità, non la logica: documenti reali come punto di partenza, micro-consegne con risultati osservabili, discussione sistematica degli errori, regole operative come deliverable, limiti e sicurezza trattati come contenuto e non come avvertenza finale.
Due condizioni ne determinano la riuscita. La prima riguarda la committenza: i materiali reali vanno chiesti prima del corso, e questa richiesta va messa nero su bianco nell’accordo con l’azienda o con l’ente. La seconda riguarda la valutazione: se il corso produce regole d’uso e output, confrontati con lo standard professionale dei partecipanti, allora esiste qualcosa di misurabile anche a distanza di settimane, ed è ciò che distingue la formazione che lascia traccia, da quella che si esaurisce nel gradimento di fine giornata.
Il pubblico convocato, non è il problema della formazione sull’IA, è il suo banco di prova. Un’aula di professionisti esperti e scettici, messa nelle condizioni di giudicare la tecnologia sul proprio lavoro, produce valutazioni più solide e adozioni più durature di qualunque platea entusiasta.
Bibliografia essenziale
Knowles M., Holton E., Swanson R., The Adult Learner, Routledge.
Regolamento (UE) 2024/1689 (Regolamento sull’intelligenza artificiale), articolo 4, Alfabetizzazione in materia di IA.
Christian Sforza
Consulente e formatore su intelligenza artificiale, cybersecurity e adozione digitale per PMI e medie aziende. Opera in Lombardia su percorsi aziendali e finanziati (Fondimpresa, GOL, Formatemp), con focus su uso sicuro e conforme degli strumenti.
E-mail: info@christiansforza.it
