Rethinking Higher Education/it/Chapter 7
Oltre l'aula: forme di apprendimento alternative per il mercato del lavoro trasformato dall'IA
Martin Woesler
Università Normale dello Hunan
Riassunto
L'integrazione accelerata dell'intelligenza artificiale nella produzione economica sta rendendo obsolete non soltanto specifiche categorie professionali, ma le stesse premesse educative su cui queste si fondano. Se le macchine sono oggi in grado di svolgere la maggior parte dei compiti cognitivi di routine — redigere documenti legali, scrivere codice, tradurre testi, analizzare dati — allora il modello educativo tradizionale che forma gli studenti esattamente per queste mansioni si trova di fronte a una crisi di legittimità. Il presente articolo esamina il panorama emergente delle forme di apprendimento alternative, delle istituzioni e degli obiettivi educativi che rispondono a questa crisi, con un confronto sistematico tra gli approcci europei e cinesi. Analizziamo le micro-credenziali e i nanodegree, l'istruzione basata sulle competenze, l'apprendimento basato su progetti e sulle sfide, l'apprendimento tra pari, le università aziendali, i bootcamp e le piattaforme di formazione aperta, valutando il contributo potenziale di ciascuno alla preparazione della forza lavoro in un'economia trasformata dall'IA. Il quadro normativo europeo — comprendente il sistema ECTS per le micro-credenziali, gli adattamenti del Processo di Bologna e il Piano d'azione per l'istruzione digitale dell'UE (2021–2027) — viene confrontato con l'approccio cinese guidato dallo Stato attraverso la strategia „Modernizzazione dell'istruzione 2035" e la strategia delle „Nuove Infrastrutture". Sosteniamo che né la preferenza europea per l'accreditamento formale né l'enfasi cinese sulla rapida espansione risolvono il problema fondamentale: i sistemi educativi concepiti per ambiti di conoscenza stabili non possono preparare adeguatamente i discenti a un mercato del lavoro caratterizzato da un'incertezza radicale. Proponiamo che gli sviluppi più promettenti siano quelli che spostano gli obiettivi educativi dalla trasmissione della conoscenza alla capacità adattiva — la capacità di apprendere, disimparare e riapprendere in risposta a esigenze mutevoli.
Parole chiave: istruzione alternativa, mercato del lavoro e IA, micro-credenziali, istruzione basata sulle competenze, confronto Europa-Cina, istruzione digitale, apprendimento permanente, trasformazione della forza lavoro
1. Introduzione: l'obsolescenza del curriculum
Nel 2023, il rapporto del World Economic Forum sul futuro delle professioni ha stimato che il 44% delle competenze fondamentali dei lavoratori avrebbe dovuto cambiare entro i successivi cinque anni — la più ampia trasformazione delle competenze prevista dall'inizio dell'indagine (WEF, 2023). Il McKinsey Global Institute ha previsto che entro il 2030 fino a 375 milioni di lavoratori a livello globale avrebbero dovuto cambiare categoria professionale a causa dell'automazione e dell'IA (Manyika et al., 2017). In Cina, dove il settore manifatturiero impiega oltre 100 milioni di lavoratori e il settore dei servizi si sta rapidamente automatizzando, il „Piano di sviluppo dell'intelligenza artificiale di nuova generazione" del Consiglio di Stato del 2017 ha riconosciuto che l'IA avrebbe creato „gravi sfide alla struttura dell'occupazione" (Consiglio di Stato, 2017).
Queste proiezioni hanno un'implicazione comune: il modello educativo tradizionale — lauree universitarie quadriennali organizzate attorno alla conoscenza disciplinare, erogate attraverso lezioni e seminari, valutate mediante esami e culminanti in titoli di studio che restano validi per un'intera carriera — è sempre più disallineato rispetto alle esigenze del mercato del lavoro contemporaneo. Le conoscenze tecniche di un laureato in informatica hanno un'emivita di circa cinque anni; un laureato in marketing digitale potrebbe trovare le proprie competenze obsolete entro due. Anche nelle professioni tradizionalmente stabili — diritto, medicina, contabilità — l'IA sta automatizzando compiti che erano un tempo appannaggio esclusivo dei professionisti qualificati.
Il presente articolo esamina le risposte a questo disallineamento. Passiamo in rassegna le forme di apprendimento alternative, le istituzioni e gli obiettivi educativi che stanno emergendo sia in Europa che in Cina, e ne valutiamo il potenziale per preparare i discenti a un mercato del lavoro caratterizzato da un'incertezza radicale. L'Unione Europea e la Cina rappresentano due dei più grandi e ambiziosi sforzi di riforma educativa al mondo, eppure affrontano la sfida da posizioni istituzionali, culturali e filosofiche fondamentalmente diverse. La risposta europea è plasmata dal Processo di Bologna, dal quadro ECTS e da una tradizione di autonomia istituzionale e partenariato sociale. La risposta cinese è plasmata dalla pianificazione educativa centralizzata, da una cultura orientata agli esami in fase di deliberata riforma e da uno Stato che considera l'istruzione come strumento strategico per lo sviluppo nazionale.
La nostra analisi è deliberatamente equilibrata: non propugniamo la sostituzione totale dell'istruzione tradizionale, che conserva importanti funzioni che i modelli alternativi non possono replicare, ma sosteniamo che il modello tradizionale debba essere integrato — e in alcuni casi fondamentalmente ripensato — se vuole rimanere pertinente. L'articolo si basa su documenti programmatici, rapporti istituzionali e ricerche comparate in ambito educativo provenienti da contesti sia europei che cinesi, nonché sull'esperienza dell'autore nell'istruzione superiore sia in Germania che in Cina.
2. Forme di apprendimento alternative
2.1 Micro-credenziali e nanodegree
Le micro-credenziali — unità formative brevi e mirate che certificano competenze specifiche — rappresentano forse l'innovazione strutturale più significativa nella storia recente dell'istruzione. La Raccomandazione della Commissione Europea del 2022 sulle micro-credenziali le ha definite come „attestati dei risultati di apprendimento conseguiti da un discente al termine di un volume ridotto di apprendimento", tipicamente espressi in crediti ECTS (1–5 ECTS) e progettati per essere „cumulabili" verso qualifiche più ampie.
In Europa, l'ecosistema delle micro-credenziali si sta sviluppando all'interno del quadro del Processo di Bologna. L'Approccio europeo alle micro-credenziali, approvato dal Consiglio dell'Unione Europea nel 2022, stabilisce standard comuni per la garanzia della qualità, il riconoscimento e la portabilità tra gli Stati membri. Piattaforme come i fornitori di MOOC (Coursera, edX, FutureLearn) e i consorzi universitari offrono micro-credenziali che conferiscono crediti ECTS, consentendo ai discenti di accumulare qualifiche riconosciute attraverso percorsi formativi modulari.
La Cina ha sviluppato un sistema parallelo ma strutturalmente diverso. Il concetto di 微证书 (wēi zhèngshū, micro-certificato) è meno formalizzato del modello europeo ma più ampiamente praticato. Le piattaforme MOOC cinesi — 学堂在线 (XuetangX, Università Tsinghua), 中国大学MOOC (Chinese University MOOC, NetEase/Higher Education Press) e 智慧树 (Zhihuishu) — offrono milioni di corsi, molti dei quali conferiscono crediti riconosciuti all'interno del sistema di istruzione superiore cinese. La politica del Ministero dell'Istruzione del 2019 sui „corsi online aperti di prima classe" (一流线上开放课程) ha formalmente integrato i crediti dei corsi online nei curricoli universitari.
Il confronto è istruttivo: l'Europa pone l'accento sulla standardizzazione, la garanzia della qualità e il riconoscimento transfrontaliero; la Cina enfatizza la scala, la velocità e l'integrazione con le strutture universitarie esistenti. Entrambi gli approcci presentano punti deboli. Il modello europeo rischia un eccesso di regolamentazione che soffoca l'innovazione. Il modello cinese rischia l'inflazione delle credenziali — certificati che sono tecnicamente „riconosciuti" ma hanno scarso valore di mercato perché la loro qualità varia enormemente.
2.2 Istruzione basata sulle competenze
L'istruzione basata sulle competenze (Competency-Based Education, CBE) rappresenta un distacco più radicale dal modello tradizionale. Invece di misurare l'apprendimento in base al tempo trascorso in formazione (ore di credito, semestri), la CBE misura l'apprendimento attraverso la padronanza dimostrata di competenze definite. Gli studenti progrediscono quando possono dimostrare ciò che sanno e sanno fare, indipendentemente da quanto tempo abbiano impiegato per apprenderlo.
In Europa, la CBE è stata adottata con maggiore entusiasmo nei sistemi di istruzione e formazione professionale (IFP), in particolare in Germania (sistema duale), Svizzera e Paesi Bassi. Il Quadro europeo delle qualifiche (EQF) è esso stesso basato sulle competenze, definendo otto livelli di qualifica in termini di conoscenze, abilità e autonomia piuttosto che di anni di studio.
In Cina, gli approcci basati sulle competenze stanno emergendo nella riforma dell'istruzione professionale. Il „Piano di attuazione della riforma dell'istruzione professionale nazionale" del 2019 (国家职业教育改革实施方案, noto come „Zhiye 20") ha introdotto standard di competenza per oltre 500 categorie professionali e ha istituito i certificati „1+X" — un diploma (1) integrato da molteplici certificati di competenze professionali (X) — come ponte tra qualifiche accademiche e professionali.
Il vantaggio della CBE per il mercato del lavoro trasformato dall'IA è evidente: se determinate competenze diventano obsolete, i discenti possono acquisirne di nuove senza ripetere un intero programma di laurea. La sfida è la valutazione: la CBE richiede metodi robusti e affidabili per verificare se un discente ha realmente padroneggiato una competenza, e non si è limitato a memorizzarne i contenuti associati. Nell'era dell'IA, in cui le macchine possono simulare molte competenze in modo convincente, la progettazione della valutazione diventa un collo di bottiglia critico.
Il confronto Europa-Cina rivela un'interessante convergenza: entrambi i sistemi si stanno muovendo verso approcci basati sulle competenze, ma partendo da direzioni opposte. L'Europa sta aggiungendo quadri di competenze a un sistema già flessibile e modulare. La Cina sta introducendo flessibilità e modularità in un sistema tradizionalmente rigido e basato sugli esami. La destinazione condivisa — un quadro educativo che certifica ciò che i discenti sanno fare piuttosto che per quanto tempo hanno studiato — è significativa, anche se i percorsi divergono.
2.3 Apprendimento basato su progetti e sulle sfide
L'apprendimento basato su progetti (Project-Based Learning, PBL) e la sua variante più ambiziosa, l'apprendimento basato sulle sfide (Challenge-Based Learning, CBL), spostano il focus educativo dall'acquisizione di conoscenze alla risoluzione di problemi. Gli studenti lavorano su progetti reali o realistici — sviluppare un prodotto, risolvere un problema ingegneristico, creare un'impresa sociale — e apprendono le conoscenze disciplinari nel processo di risposta alle esigenze del progetto.
Il sistema educativo finlandese, ampiamente ammirato per le sue prestazioni costantemente elevate nelle valutazioni internazionali, si è orientato con decisione verso l'apprendimento basato sui fenomeni — una variante del PBL in cui progetti interdisciplinari sostituiscono l'insegnamento per materie per porzioni del curricolo. Il programma Horizon Europe della Commissione Europea finanzia iniziative di istruzione basata sulle sfide che collegano la ricerca universitaria ai problemi del mondo reale.
In Cina, l'iniziativa „Nuova Ingegneria" (新工科), lanciata dal Ministero dell'Istruzione nel 2017, ha introdotto approcci basati su progetti e interdisciplinari nell'istruzione ingegneristica in centinaia di università. Le competizioni „Challenge Cup" (挑战杯) dell'Università Tsinghua e i programmi „aula imprenditoriale" dell'Università dello Zhejiang rappresentano implementazioni di alto profilo della filosofia del CBL.
Il PBL e il CBL sono particolarmente adatti al mercato del lavoro trasformato dall'IA perché sviluppano precisamente le competenze che l'IA non può facilmente replicare: la risoluzione creativa dei problemi, la negoziazione collaborativa, il giudizio etico in condizioni di incertezza e la capacità di integrare conoscenze provenienti da ambiti diversi.
È interessante notare che la stessa IA potrebbe facilitare il PBL su larga scala. I sistemi di tutoraggio basati sull'IA possono fornire la guida personalizzata che l'apprendimento basato su progetti richiede — rispondendo a domande tecniche, suggerendo risorse, fornendo feedback sulle bozze — mentre gli istruttori umani si concentrano sul tutoraggio di ordine superiore che l'IA non è ancora in grado di offrire: porre domande stimolanti, fornire supporto emotivo e modellare le abitudini mentali che caratterizzano i professionisti esperti. Questa complementarità uomo-IA nella progettazione pedagogica rispecchia la complementarità documentata nel nostro studio empirico (Woesler, in questo volume) a livello dell'apprendimento linguistico.
Il limite è la scalabilità: il PBL richiede un tutoraggio intensivo, una valutazione flessibile e strutture istituzionali che la maggior parte delle università non è ancora progettata per fornire. Le università cinesi affrontano una sfida aggiuntiva: la cultura orientata agli esami crea una forte pressione verso compiti standardizzati e oggettivamente valutabili, a cui l'approccio aperto e orientato al processo del PBL si oppone. Le università europee affrontano una sfida diversa: i modelli di carico di lavoro del corpo docente e i criteri di promozione che premiano la produttività nella ricerca rispetto all'innovazione didattica rendono difficile incentivare il tutoraggio intensivo che il PBL richiede.
2.4 Apprendimento tra pari e apprendimento comunitario
Internet ha reso possibili forme di apprendimento che aggirano completamente le strutture istituzionali. L'apprendimento tra pari — in cui individui con conoscenze complementari si insegnano reciprocamente — fiorisce su piattaforme come GitHub (per la programmazione), Stack Overflow (per la risoluzione di problemi tecnici) e Zhihu (知乎, l'equivalente cinese di Quora) per lo scambio di conoscenze generali. L'apprendimento comunitario va oltre: gruppi di discenti formano comunità auto-organizzate attorno a obiettivi di apprendimento condivisi, spesso utilizzando risorse educative aperte e strumenti gratuiti.
Il modello della „comunità di pratica" descritto da Etienne Wenger — in cui l'apprendimento avviene attraverso la partecipazione a una comunità definita da un dominio, una pratica e un'identità condivisi — è stato amplificato dalla connettività digitale. In Cina, i gruppi di apprendimento su WeChat (微信学习群) e i canali educativi su Douyin (抖音, TikTok) sono diventati ambienti di apprendimento informale significativi, raggiungendo pubblici che l'istruzione formale non riesce a raggiungere.
Il vantaggio dell'apprendimento tra pari è la sua adattabilità: le comunità possono formarsi attorno a competenze emergenti — l'ingegneria dei prompt, per esempio, o il design assistito dall'IA — ben prima che le istituzioni educative formali sviluppino curricoli per esse. Lo svantaggio è la garanzia della qualità: senza la supervisione istituzionale, l'apprendimento tra pari è vulnerabile alla disinformazione, alle camere dell'eco e all'effetto Dunning-Kruger.
3. Istituzioni alternative
3.1 MOOC e piattaforme online
I Massive Open Online Course sono stati salutati come una rivoluzione nel 2012, quando Coursera, edX e Udacity hanno lanciato contenuti provenienti da università d'élite. La rivoluzione è stata sopravvalutata: i tassi di completamento si attestavano in media al di sotto del 10% e i MOOC raggiungevano prevalentemente discenti già istruiti nei paesi sviluppati. Ma un decennio dopo, l'ecosistema dei MOOC è maturato in una componente significativa dell'infrastruttura educativa globale.
In Europa, il panorama dei MOOC comprende le partnership di Coursera ed edX con le università europee, il Consorzio europeo dei MOOC finanziato dall'UE e piattaforme nazionali come France Université Numérique (FUN) e l'openHPI tedesco (Hasso Plattner Institute). L'impegno dell'UE per le competenze digitali — articolato nel Piano d'azione per l'istruzione digitale (2021–2027) — include il sostegno alle piattaforme di apprendimento online come strumenti per l'apprendimento permanente e la riqualificazione professionale.
L'ecosistema MOOC cinese è più ampio in termini di numeri di iscrizioni. XuetangX, sviluppata dall'Università Tsinghua, conta oltre 100 milioni di utenti registrati. Chinese University MOOC, co-sviluppata da NetEase e dalla Higher Education Press, offre corsi di oltre 900 università cinesi. Il riconoscimento dei crediti dei corsi online da parte del Ministero dell'Istruzione ha conferito ai MOOC cinesi una legittimità istituzionale che le loro controparti occidentali spesso non possiedono.
La sfida per i MOOC nell'era dell'IA è paradossale: le stesse tecnologie IA che creano la domanda di riqualificazione minacciano anche di automatizzare le funzioni di valutazione, feedback e personalizzazione che rendono i MOOC efficaci. I sistemi di tutoraggio basati sull'IA potrebbero in definitiva sostituire il formato MOOC stesso, offrendo percorsi di apprendimento completamente personalizzati anziché sequenze di corsi standardizzate.
3.2 Università aziendali e formazione guidata dai datori di lavoro
Le principali aziende tecnologiche hanno sviluppato programmi educativi che rivaleggiano con le offerte universitarie in termini di approfondimento e valore di mercato. I Career Certificate di Google, l'AWS Training di Amazon e la piattaforma Learn di Microsoft offrono credenziali riconosciute dal settore che possono essere completate in settimane anziché in anni. In Cina, la Huawei ICT Academy, i programmi di formazione della DAMO Academy di Alibaba e l'università interna di ByteDance svolgono funzioni analoghe.
L'ascesa dell'istruzione aziendale solleva questioni fondamentali sullo scopo delle università. Se i datori di lavoro possono formare i lavoratori in modo più efficiente e pertinente delle università, cosa resta all'istruzione superiore? La risposta, a nostro avviso, risiede in ciò che la formazione aziendale non può e non intende fornire: l'ampiezza delle conoscenze, il pensiero critico, il ragionamento etico, la comprensione culturale e la capacità di mettere in discussione — e non solo eseguire — le finalità istituzionali. Un certificato Google insegna il cloud computing; non insegna a uno studente a chiedersi se il cloud computing serva il benessere umano. Una certificazione Huawei ICT insegna l'ingegneria delle reti; non insegna a uno studente a considerare le implicazioni di sorveglianza dell'infrastruttura che costruisce.
Questa distinzione non è una difesa snobistica del privilegio accademico. Riflette una genuina differenza di finalità istituzionali: le aziende formano lavoratori per servire gli interessi dell'azienda; le università (nel loro migliore funzionamento) educano cittadini per servire gli interessi della società. Entrambe le funzioni sono necessarie, ma non sono identiche, e confonderle — come propongono alcuni fautori dell'istruzione „dirompente" — rischia di produrre una forza lavoro tecnicamente competente ma eticamente acritica. L'imperativo di responsabilità del filosofo Hans Jonas — secondo cui dobbiamo assicurare che le nostre azioni non distruggano le condizioni per l'esistenza umana futura — si applica alla progettazione educativa tanto quanto alla politica ambientale.
3.3 Bootcamp e formazione professionale intensiva
I bootcamp di programmazione — programmi di formazione intensivi e di breve durata (tipicamente 12–24 settimane) — sono emersi negli anni 2010 come percorso alternativo di accesso al settore tecnologico. Il modello si è esteso oltre la programmazione per includere scienza dei dati, UX design, marketing digitale e, sempre più spesso, IA e apprendimento automatico. In Europa, bootcamp come Le Wagon (fondato a Parigi, oggi operativo in oltre 40 città), Ironhack e Northcoders operano in diversi paesi. In Cina, piattaforme come 拉勾教育, 开课吧 (Kaikeba) e numerosi operatori più piccoli offrono formazione tecnica intensiva a centinaia di migliaia di discenti ogni anno.
Il punto di forza dei bootcamp è la pertinenza lavorativa: i curricoli sono progettati in consultazione con i datori di lavoro e aggiornati continuamente. Il loro punto debole è la ristrettezza: i diplomati acquisiscono competenze tecniche specifiche ma possono mancare della comprensione più ampia necessaria per adattarsi quando quelle competenze diventano obsolete — cosa che, nel campo dell'IA, può accadere nel giro di mesi. Il modello del bootcamp solleva anche preoccupazioni in termini di equità: tariffe di iscrizione di 5.000–15.000 euro in Europa e 10.000–50.000 yuan in Cina limitano l'accesso a coloro che possono permettersi di investire in esiti incerti.
3.4 Università aperte e centri di apprendimento permanente
La tradizione europea delle università aperte — esemplificata dalla Open University britannica (fondata nel 1969), dalla FernUniversität tedesca di Hagen e dalla UNED spagnola — fornisce un modello di apprendimento permanente che precede la rivoluzione digitale. Queste istituzioni sono state concepite per servire adulti lavoratori, studenti part-time e coloro che sono esclusi dall'istruzione superiore tradizionale, e la loro esperienza con formati di apprendimento flessibili, istruzione a distanza e valutazione non tradizionale è direttamente pertinente alla sfida dell'era dell'IA.
L'equivalente cinese — la Open University of China (国家开放大学, ex China Central Radio and TV University) con la sua rete di oltre 3.000 centri di apprendimento — serve circa 4 milioni di studenti iscritti, rendendola una delle più grandi istituzioni educative al mondo. Il sistema è stato criticato per i bassi tassi di laurea e la qualità variabile, ma la sua infrastruttura per raggiungere discenti geograficamente dispersi fornisce una base per il tipo di riqualificazione di massa che la trasformazione indotta dall'IA richiede.
L'intuizione fondamentale del modello dell'università aperta — che l'istruzione deve incontrare i discenti dove si trovano, non dove l'istituzione vorrebbe che fossero — è sempre più pertinente man mano che la disruzione del mercato del lavoro guidata dall'IA colpisce i lavoratori in tutte le fasi della carriera, non solo i neolaureati.
4. Obiettivi alternativi: dalla conoscenza alla capacità
4.1 Il passaggio dalla trasmissione della conoscenza alla capacità adattiva
Il cambiamento più fondamentale che il mercato del lavoro trasformato dall'IA richiede non riguarda le forme di apprendimento o le istituzioni, ma gli obiettivi educativi. L'istruzione tradizionale mira a trasmettere conoscenza: un corpus di fatti, teorie, metodi e competenze consolidati che lo studente è tenuto a padroneggiare. Questo modello presuppone che la conoscenza trasmessa rimarrà pertinente per una porzione significativa della carriera dello studente. L'IA mette in discussione questo presupposto.
Se l'IA può accedere, organizzare e applicare la conoscenza fattuale più velocemente e con maggiore precisione di qualsiasi essere umano, allora il premio educativo si sposta dal sapere al meta-sapere: la capacità di apprendere rapidamente nuovi ambiti, di valutare criticamente le informazioni, di sintetizzare prospettive provenienti da campi diversi, di porre le domande giuste e di esercitare il giudizio in situazioni in cui i dati sono ambigui o incompleti.
La previsione spesso citata di Alvin Toffler — „L'analfabeta del XXI secolo non sarà chi non sa leggere e scrivere, ma chi non sa imparare, disimparare e reimparare" — è diventata realtà operativa. La sfida educativa è sviluppare curricoli che coltivino questa capacità adattiva senza abbandonare la conoscenza fondamentale che rende possibile l'adattamento.
4.2 L'alfabetizzazione in materia di IA come competenza fondamentale
L'alfabetizzazione in materia di IA — la capacità di comprendere, valutare e utilizzare in modo appropriato gli strumenti di IA — sta rapidamente diventando fondamentale quanto l'alfabetizzazione numerica e testuale. Distinguiamo tre dimensioni dell'alfabetizzazione in materia di IA:
Alfabetizzazione tecnica: la capacità di utilizzare efficacemente gli strumenti di IA — formulare prompt, valutare gli output, comprendere i principi fondamentali dell'apprendimento automatico. Questa è la dimensione più immediatamente pratica e quella più comunemente affrontata nelle offerte formative attuali.
Alfabetizzazione concettuale: comprendere cosa l'IA può e non può fare, riconoscere i contenuti generati dall'IA, valutare criticamente gli output dell'IA e comprendere la differenza tra riconoscimento di pattern e comprensione genuina. Questa dimensione è essenziale per prevenire la dipendenza acritica dall'IA che Fang Lu (in questo volume) documenta nei suoi studi di caso.
Alfabetizzazione etica: comprendere le implicazioni sociali dell'implementazione dell'IA, inclusi i bias algoritmici, l'erosione della privacy, i costi ambientali dell'addestramento di modelli di grandi dimensioni, la sostituzione dei lavoratori e la concentrazione del potere nelle mani di poche aziende tecnologiche. Questa dimensione collega l'alfabetizzazione in materia di IA a questioni più ampie di cittadinanza e responsabilità sociale.
Il Regolamento europeo sull'IA (AI Act, 2024) — la prima regolamentazione completa sull'IA al mondo — crea implicitamente una domanda di alfabetizzazione in materia di IA in tutti i settori professionali: la conformità richiede la comprensione di cosa facciano i sistemi di IA, come prendano le decisioni e quali rischi comportino. Il sistema di classificazione del rischio del Regolamento (rischio inaccettabile, rischio elevato, rischio limitato, rischio minimo) fornisce un quadro concettuale che potrebbe informare i curricoli di alfabetizzazione in materia di IA in tutta Europa.
L'approccio cinese è stato più abilitante che restrittivo: le „Misure amministrative provvisorie per i servizi di IA generativa" del 2023 (生成式人工智能服务管理暂行办法) si concentrano sulla registrazione e la moderazione dei contenuti piuttosto che su una regolamentazione completa, ma la domanda sottostante di alfabetizzazione in materia di IA è altrettanto urgente. Il Ministero dell'Istruzione cinese ha iniziato a integrare contenuti sull'IA nei curricoli delle scuole primarie e secondarie, e diverse università hanno istituito dipartimenti dedicati all'educazione all'IA — uno sviluppo che l'Europa, nonostante la sua leadership normativa, è stata più lenta a realizzare su larga scala.
4.3 Creatività, pensiero critico e intelligenza emotiva
Se l'IA gestisce i compiti cognitivi di routine, allora le capacità unicamente umane — creatività, pensiero critico, intelligenza emotiva, ragionamento etico e comunicazione interculturale — diventano il nucleo del valore economico. Il rapporto del World Economic Forum sul futuro delle professioni identifica costantemente il pensiero analitico, il pensiero creativo, la resilienza, la flessibilità e la curiosità come le competenze più apprezzate dai datori di lavoro — nessuna delle quali è una conoscenza specifica di dominio. La sfida è che queste capacità sono esattamente ciò che l'istruzione tradizionale, con la sua enfasi sulla valutazione standardizzata e la conoscenza disciplinare, è meno adatta a coltivare.
La filosofia educativa europea, in particolare il modello nordico, ha da tempo enfatizzato la creatività e il pensiero critico accanto al rendimento accademico. La riforma del curricolo nazionale finlandese (2014) ha reso le „competenze trasversali" — tra cui pensare e imparare a imparare, competenza culturale, multiliteracy e partecipazione — una componente obbligatoria di tutta l'istruzione dalla scuola primaria in poi. Il quadro dell'UE sulle competenze chiave per l'apprendimento permanente identifica otto competenze trasversali — tra cui „imparare a imparare", „competenze sociali e civiche" e „consapevolezza ed espressione culturali" — che vanno oltre la conoscenza disciplinare.
Gli sforzi di riforma educativa della Cina, in particolare il movimento della 素质教育 (sùzhì jiàoyù, educazione di qualità) che è politica ufficiale dagli anni Novanta, mirano a controbilanciare la cultura orientata agli esami (应试教育, yìngshì jiàoyù) con uno sviluppo più ampio delle competenze. La politica della „doppia riduzione" (双减) del 2021, che ha limitato il tutoraggio extrascolastico e il carico di compiti a casa, era esplicitamente motivata dal desiderio di creare spazio per la creatività, l'attività fisica e lo sviluppo non accademico. Tuttavia, l'attuazione rimane disomogenea, e il gaokao (高考, esame nazionale di ammissione all'università) continua a esercitare una potente forza centripeta verso la preparazione agli esami a scapito dello sviluppo del pensiero creativo e critico.
4.4 La competenza interculturale come vantaggio competitivo
In un'economia globalizzata in cui l'IA gestisce compiti di routine attraverso i confini linguistici e culturali, la capacità di navigare le differenze culturali — comprendere diversi sistemi di valori, stili di comunicazione, pratiche di negoziazione e norme istituzionali — diventa una competenza umana distintiva con un significativo valore economico. Ciò è particolarmente rilevante per il dialogo educativo europeo-cinese che questo volume rappresenta: i professionisti che possono lavorare efficacemente attraverso il divario europeo-cinese possiedono una capacità rara e preziosa che l'IA non può replicare.
La competenza interculturale non è semplicemente padronanza linguistica (che l'IA può sempre più simulare), ma intelligenza culturale: la capacità di interpretare segnali sociali ambigui, di adattare il comportamento a contesti culturali non familiari e di costruire fiducia attraverso i confini culturali. I programmi educativi che sviluppano questa competenza — attraverso programmi di scambio, esperienze immersive, lavoro di squadra interculturale e un impegno prolungato con le tradizioni intellettuali di un'altra cultura — rappresentano una forma di istruzione alternativa che è immune alla sostituzione da parte dell'IA proprio perché dipende dall'esperienza umana incarnata.
5. Quadri normativi europei vs. approcci cinesi guidati dallo Stato
Il contrasto tra la governance educativa europea e cinese illumina i punti di forza e i limiti della risposta di ciascun sistema alla disruzione guidata dall'IA.
5.1 Il modello europeo: regolamentazione e standardizzazione
L'approccio dell'Unione Europea alla riforma educativa opera attraverso una complessa struttura di governance multilivello. L'UE ha competenze dirette limitate sulla politica dell'istruzione (l'istruzione resta principalmente di competenza degli Stati membri in base al principio di sussidiarietà), ma esercita un'influenza significativa attraverso quadri di riferimento, raccomandazioni e finanziamenti.
Il Piano d'azione per l'istruzione digitale (2021–2027) stabilisce due priorità strategiche: promuovere lo sviluppo di un ecosistema di istruzione digitale ad alte prestazioni e migliorare le competenze e le abilità digitali per la trasformazione digitale. Finanzia iniziative nell'infrastruttura digitale, nella formazione degli insegnanti e nell'apprendimento online, ma l'attuazione dipende dall'adozione da parte degli Stati membri.
L'Agenda europea per le competenze (2020) fissa obiettivi tra cui la partecipazione del 60% degli adulti ad attività formative annuali entro il 2030 e la creazione di conti individuali di apprendimento per finanziare la formazione. La Raccomandazione sulle micro-credenziali (2022) fornisce una definizione comune e standard di qualità. Il Quadro europeo delle qualifiche (EQF) consente il riconoscimento transfrontaliero delle qualifiche.
I punti di forza di questo approccio sono la garanzia della qualità, la portabilità e la fiducia: una micro-credenziale europea rilasciata secondo standard comuni ha un valore riconosciuto in 27 Stati membri. Il punto debole è la velocità: il tempo necessario per negoziare, adottare e attuare quadri di riferimento a livello dell'UE fa sì che la politica educativa sia costantemente in ritardo rispetto al cambiamento tecnologico. Prima che un quadro europeo per le micro-credenziali in „ingegneria dei prompt per l'IA" venga formalmente istituito, la competenza stessa potrebbe essere stata automatizzata.
5.2 Il modello cinese: direzione statale e rapida espansione
La governance educativa della Cina è centralizzata. Il Ministero dell'Istruzione (教育部) definisce la politica nazionale e gli uffici provinciali dell'istruzione la attuano. Questa struttura consente un'azione rapida e su larga scala: quando il Consiglio di Stato emana una strategia nazionale — come la Modernizzazione dell'istruzione 2035 o l'iniziativa Double First-Class University — le risorse possono essere mobilitate e i curricoli riformati in migliaia di istituzioni nel giro di mesi, non di anni.
La strategia delle „Nuove Infrastrutture" (新基建), annunciata nel 2020, ha designato l'IA come una delle sette categorie strategiche di infrastruttura accanto al 5G, ai data center e all'internet industriale. L'istruzione è stata esplicitamente identificata come beneficiaria: piattaforme di apprendimento adattivo basate sull'IA, sistemi di tutoraggio intelligente e strumenti di valutazione automatizzata dovevano essere sviluppati e implementati su larga scala.
Il punto di forza di questo approccio è la velocità di esecuzione e la scala: la Cina può costruire infrastrutture educative — piattaforme digitali, programmi di formazione, riforme istituzionali — più rapidamente di qualsiasi altro paese. Il punto debole è la flessibilità: la pianificazione centralizzata tende all'uniformità, e l'enfasi sulle strategie nazionali e sugli obiettivi quantitativi (numero di corsi, numero di credenziali, numero di partecipanti) può oscurare preoccupazioni qualitative sulla profondità dell'apprendimento, il pensiero critico e l'autonomia intellettuale.
5.3 Verso un apprendimento reciproco
I modelli europeo e cinese non sono semplicemente diversi, ma complementari. L'Europa ha bisogno di più della disponibilità cinese a scalare rapidamente e a integrare le credenziali alternative nei sistemi educativi formali senza decenni di deliberazione. La Cina ha bisogno di più dell'enfasi europea sulla garanzia della qualità, l'autonomia del discente e i fondamenti filosofici dell'istruzione — ciò che Döring (in questo volume) chiama la distinzione tra Verstand e Vernunft.
Un dialogo produttivo tra i due sistemi — il tipo di dialogo che questo volume e il Jean Monnet Centre of Excellence che lo sostiene sono concepiti per promuovere — si concentrerebbe non su quale modello sia „migliore", ma su ciò che ciascuno può imparare dall'altro. La trasformazione del mercato del lavoro indotta dall'IA è una sfida condivisa; anche le risposte educative dovrebbero essere condivise.
6. Rischi e critiche
6.1 La trappola del credenzialismo
Con il proliferare delle credenziali alternative, cresce il rischio di inflazione delle credenziali. Se micro-credenziali, nanodegree, certificati dei bootcamp e certificazioni aziendali si moltiplicano senza una solida garanzia della qualità, il mercato del lavoro potrebbe trovarsi in una situazione in cui le credenziali non segnalano nulla di affidabile sulla competenza. I datori di lavoro, incapaci di valutare la qualità di centinaia di credenziali concorrenti, potrebbero ripiegare sull'euristica più semplice disponibile: la laurea universitaria tradizionale — esattamente la credenziale che l'apprendimento alternativo cerca di integrare o sostituire.
Questo paradosso è già visibile in Cina, dove la proliferazione di certificati online (网络证书) ha indotto molti datori di lavoro a scartarli completamente, mentre contemporaneamente la laurea universitaria tradizionale mantiene (e addirittura rafforza) la sua funzione di filtro per l'occupazione desiderabile. In Europa, il rischio è istituzionale: man mano che le università stesse iniziano a offrire micro-credenziali, il confine tra credenziali „tradizionali" e „alternative" si sfuma, minando potenzialmente il valore segnaletico di entrambe.
6.2 Il divario digitale
Le forme di apprendimento alternative richiedono in modo preponderante accesso digitale, alfabetizzazione digitale e capacità di apprendimento autodiretto. Questi prerequisiti sono distribuiti in modo disomogeneo sia tra i paesi che al loro interno. In Cina, il divario tra le infrastrutture educative urbane e rurali resta sostanziale: mentre gli studenti di Pechino e Shanghai hanno accesso ad ambienti di apprendimento digitale di livello mondiale, gli studenti nelle zone rurali del Guizhou o del Gansu possono mancare di una connessione internet affidabile. Secondo il China Internet Network Information Center (CNNIC), la penetrazione di internet nelle aree urbane supera l'80% ma scende al di sotto del 60% nelle aree rurali — un divario che limita direttamente l'accesso alle piattaforme di apprendimento online. In Europa, il divario digitale tra Stati membri del Nord e del Sud, dell'Est e dell'Ovest crea iniquità analoghe: i dati Eurostat mostrano che la percentuale di individui con competenze digitali superiori a quelle di base varia da oltre il 70% nei Paesi Bassi e in Finlandia a meno del 30% in Romania e Bulgaria.
Il rischio è che le forme di apprendimento alternative, anziché democratizzare l'istruzione, possano rafforzare le disuguaglianze esistenti — fornendo opportunità aggiuntive a chi è già avvantaggiato lasciando indietro coloro che hanno più bisogno di riqualificazione. Un minatore di carbone nello Shanxi o un lavoratore tessile in Portogallo, spiazzato dall'automazione, difficilmente potrà riqualificarsi attraverso un nanodegree di Coursera senza un sostanziale supporto istituzionale, infrastrutture digitali e assistenza finanziaria. Qualsiasi quadro programmatico serio per l'istruzione alternativa deve affrontare l'equità nell'accesso come preoccupazione di primo ordine, non come un ripensamento.
6.3 La perdita dell'educazione umanistica
La pressione ad allineare l'istruzione alle esigenze del mercato del lavoro rischia di marginalizzare esattamente le dimensioni dell'istruzione che sono più resistenti alla disruzione dell'IA: l'indagine umanistica, la riflessione filosofica, l'apprezzamento estetico e la formazione civica. Una forza lavoro formata esclusivamente in competenze „rilevanti per il lavoro" potrebbe essere tecnicamente competente ma culturalmente impoverita — incapace di porsi le domande etiche, politiche ed esistenziali che le società umane hanno bisogno che i loro membri si pongano. L'analisi di Ole Döring in questo volume, che distingue tra Verstand (intelligenza tecnica) e Vernunft (saggezza pratica), è direttamente pertinente: l'istruzione alternativa deve coltivare entrambe se vuole servire il fiorire umano e non soltanto la produttività economica.
7. Conclusione: verso un modello equilibrato
Il panorama dell'istruzione alternativa in Europa e in Cina rivela una diagnosi condivisa — i modelli educativi tradizionali sono sempre più disallineati rispetto alle esigenze del mercato del lavoro nell'era dell'IA — e risposte divergenti. L'Europa enfatizza la regolamentazione, la standardizzazione e la garanzia della qualità. La Cina enfatizza la scala, la velocità e l'integrazione diretta dallo Stato. Nessuno dei due approcci da solo è sufficiente.
Proponiamo che il percorso più produttivo combini elementi di entrambe le tradizioni:
Dal modello europeo: solidi quadri di garanzia della qualità che prevengano l'inflazione delle credenziali; meccanismi di riconoscimento che consentano l'apprendimento permanente attraverso i confini istituzionali; e un impegno per l'educazione umanistica come componente irriducibile di qualsiasi programma educativo, non come supplemento opzionale.
Dal modello cinese: la disponibilità a sperimentare su larga scala; l'integrazione dell'apprendimento online e offline all'interno delle strutture universitarie formali; e il riconoscimento pragmatico che l'istruzione deve servire sia lo sviluppo individuale che le esigenze economiche collettive.
Da nessuno dei due modelli, ma urgentemente necessario: una riconcezione fondamentale degli obiettivi educativi che sposti il baricentro dalla trasmissione della conoscenza alla capacità adattiva. L'istruzione più preziosa nell'era dell'IA non è quella che insegna agli studenti cosa fare — l'IA può svolgere la maggior parte dei compiti specifici più velocemente e a minor costo — ma quella che insegna agli studenti come pensare, come apprendere, come giudicare e come prendersi cura.
Ciò non significa che le università tradizionali debbano diventare centri di formazione alle competenze, o che le discipline umanistiche debbano essere abbandonate a favore dell'istruzione STEM, o che ogni studente debba imparare a programmare. Significa che ogni istituzione educativa — dalla scuola primaria alla ricerca post-dottorale — dovrebbe chiedersi: stiamo preparando i discenti per un mondo che non esiste più, o per il mondo che sta emergendo? La domanda non è retorica. La rivoluzione dell'IA non sta arrivando; è già arrivata. La rivoluzione educativa, sia in Europa che in Cina, è appena iniziata.
Le forme di apprendimento, le istituzioni e gli obiettivi alternativi esaminati in questo articolo rappresentano i primi esperimenti di questa rivoluzione. Alcuni si riveleranno effimeri; altri rimodelleranno l'istruzione per generazioni. Il compito dei decisori politici, dei ricercatori e dei professionisti dell'istruzione — sia in Europa che in Cina — è individuare quali innovazioni servano il fiorire umano e quali servano semplicemente la convenienza del mercato, e costruire sistemi educativi che facciano entrambe le cose senza sacrificare nessuna delle due. Queste capacità non sono alternative all'istruzione tradizionale, ma il suo scopo più profondo, riscoperto sotto la pressione del cambiamento tecnologico.
Ringraziamenti
Cofinanziato dall'Unione Europea. I punti di vista e le opinioni espressi sono tuttavia esclusivamente quelli dell'autore e non riflettono necessariamente quelli dell'Unione Europea [101126782].
Riferimenti bibliografici
Chapelle, C. A. (2001). Computer Applications in Second Language Acquisition. Cambridge University Press.
European Commission. (2022). Proposal for a Council Recommendation on a European approach to micro-credentials for lifelong learning and employability. Brussels: EC.
European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act). Official Journal of the European Union.
Golonka, E. M., et al. (2014). Technologies for foreign language learning: A review. Computer Assisted Language Learning, 27(1), 70–105.
Manyika, J., et al. (2017). Jobs Lost, Jobs Gained: Workforce Transitions in a Time of Automation. McKinsey Global Institute.
Ministry of Education, PRC. (2019). 国家职业教育改革实施方案 [National Vocational Education Reform Implementation Plan].
State Council, PRC. (2017). 新一代人工智能发展规划 [New Generation Artificial Intelligence Development Plan].
State Council, PRC. (2019). 中国教育现代化2035 [Education Modernization 2035].
Jonas, H. (1984). The Imperative of Responsibility: In Search of an Ethics for the Technological Age. University of Chicago Press.
Toffler, A. (1970). Future Shock. Random House.
Wenger, E. (1998). Communities of Practice: Learning, Meaning, and Identity. Cambridge University Press.
World Economic Forum. (2023). The Future of Jobs Report 2023. Geneva: WEF.
Parte III: Tecnologia e innovazione