Altri Economisti » Project Syndicate » Selezione del Mese
L’intelligenza artificiale e il futuro dell’istruzione PINELOPI KOUJIANOU GOLDBERG (da Project Syndicate, 22 gennaio 2026)
Jan 22, 2026
AI and the Future of Education
NEW HAVEN – The rapid progress of large language models (LLMs) over the past two years has led some to argue that AI will soon make college education, especially in the liberal arts, obsolete. According to this view, young people would be better off skipping college and learning directly on the job.
I strongly disagree. Learning through hands-on experience is valuable and always has been. But it works best when people have a good sense of which jobs and skills will be in demand. If there is one thing we can be confident about, it is that the future of work is highly uncertain. Advising young people to forgo college in favor of early entry into the labor market is misguided, at best.
Geoffrey Hinton, widely regarded as one of the pioneers of modern AI, once compared progress in his field to navigating through “fog”: you can see what lies immediately ahead, but not what comes next. Accordingly, the central challenge for educators is to prepare students to operate effectively in fog-like conditions. The answer is not to train them for specific tasks that may soon become obsolete, but to make them as adaptable as possible. Trying to prepare people for a fixed set of challenges, when those challenges are constantly changing, is a losing strategy. We want skilled drivers who can navigate unfamiliar roads and unexpected obstacles.
From this perspective, education – and especially higher education – plays a more important role than ever. Because we do not know which specific skills will be in demand in the future, a return to fundamentals is imperative. Liberal education emphasizes how to think, rather than what to do. It trains students to reason, to read carefully, to write clearly, and to evaluate evidence. These skills will age far better than narrow technical competencies.
This does not mean ignoring technology. On the contrary, students must learn to work with AI. But the goal should be to make them critical users and informed judges of AI tools, not passive consumers. It remains essential to teach basic mathematics, logic, and reasoning; to engage with foundational texts; and to learn how arguments are constructed and tested. These are the skills that allow individuals to stay ahead of rapidly evolving technology.
This principle raises two practical questions: what should we teach, and how should we teach it? The first question is difficult and will inevitably generate debate. While there may be broad agreement on the importance of core concepts, the details will change over time. Our experience with earlier technologies offers useful guidance. The introduction of calculators and computers did not eliminate the need to teach arithmetic. Students still learn how calculations work, but time-consuming manual computation is now delegated to machines. Similarly, spelling and grammar remain important, but software has largely replaced the need for endless drills.
AI calls for a similar adjustment across many domains. LLMs now perform tasks such as summarizing text or identifying main ideas – longtime staples of education – extremely well. The same is increasingly true for programming, solving quantitative problems, and even drafting text. Though these activities should not disappear from the curriculum, the goal should shift. Students need to understand the underlying concepts and logic, rather than mastering every step of the execution.
The students who will succeed are those who can use AI tools effectively to achieve well-defined goals. It is the same with good management: success depends on setting priorities, structuring problems, and deploying available resources wisely. These are conceptual skills, not narrow technical ones.
The second, pedagogical question concerns how learning is reinforced and assessed. Understanding requires some practice, but AI makes it easier than ever for students to avoid doing the work themselves. Even highly motivated students will sometimes be tempted to take a shortcut, especially under time pressure. We therefore need a major change in assessment. Take-home essays, problem sets, and unmonitored exams are increasingly ineffective. They will need to be replaced by in-person quizzes and exams, oral evaluations, and problems solved in real time, whether on paper or at the whiteboard.
Such changes have far-reaching implications. They require in-person attendance, smaller classes, and more direct interaction between students and instructors. In many ways, this would mark a return to older teaching models, reversing some of the scale and standardization introduced by earlier technologies. It could even usher in a new golden age for liberal-arts education.
But this model also raises serious concerns. It places greater responsibility on instructors, who must be willing to enforce standards and make difficult judgments. Institutions must support them in doing so. At the same time, evaluation based on personal interaction raises legitimate worries about bias. Standardized exams have their flaws, but their biases are at least visible. Subjective assessment based on oral exams and personal interaction can be less transparent.
Perhaps the most serious challenge concerns inequality. Small-class, highly personalized education is expensive. Elite institutions may be able to provide it, but large public universities will struggle. Just as remote schooling during the pandemic widened educational gaps, an AI-driven shift toward intensive in-person teaching could disadvantage those who rely most on public education.
Some argue that AI itself will reduce the need for formal education by providing information and personalized guidance on demand. But this assumes that users know what to ask and how to interpret the answers. The most motivated or gifted individuals may thrive in such an environment, but they would do so regardless. Formal education matters most for the broad middle.
If AI is to benefit society, we will need more, not less, investment in education. AI will displace jobs, but it will also create new ones. Education should be among the sectors that expand. As AI becomes widely available, educational quality will depend less on access and more on expectations and enforcement. Smaller classes, more instructors, and greater personal interaction are costly, but the productivity gains promised by AI make such investments both feasible and worthwhile.
L’intelligenza artificiale e il futuro dell’istruzione
NEW HAVEN – Il rapido progresso dei grandi modelli linguistici (LLM) negli ultimi due anni ha portato alcuni a sostenere che l’intelligenza artificiale renderà presto obsoleta l’istruzione universitaria, soprattutto nelle discipline umanistiche. Secondo questa visione, i giovani farebbero meglio a saltare l’università e a imparare direttamente sul lavoro.
Sono fortemente in disaccordo. Imparare attraverso l’esperienza pratica è prezioso e lo è sempre stato. Ma funziona meglio quando le persone hanno una buona idea di quali lavori e competenze saranno richiesti. Se c’è una cosa di cui possiamo essere certi, è che il futuro del lavoro è altamente incerto. Consigliare ai giovani di rinunciare all’università per entrare presto nel mercato del lavoro è, nella migliore delle ipotesi, fuorviante.
Geoffrey Hinton, ampiamente considerato uno dei pionieri dell’intelligenza artificiale moderna, una volta paragonò i progressi nel suo campo alla navigazione nella “nebbia”: si vede cosa c’è immediatamente davanti, ma non cosa viene dopo. Di conseguenza, la sfida centrale per gli educatori è preparare gli studenti a operare efficacemente in condizioni simili alla nebbia. La risposta non è addestrarli per compiti specifici che potrebbero presto diventare obsoleti, ma renderli il più adattabili possibile. Cercare di preparare le persone a una serie di sfide fisse, quando queste sfide cambiano costantemente, è una strategia perdente. Vogliamo conducenti esperti in grado di affrontare strade sconosciute e ostacoli inaspettati.
Da questa prospettiva, l’istruzione – e in particolare l’istruzione superiore – gioca un ruolo più importante che mai. Poiché non sappiamo quali competenze specifiche saranno richieste in futuro, un ritorno ai fondamentali è imperativo. L’istruzione liberale enfatizza come pensare, piuttosto che cosa fare. Insegna agli studenti a ragionare, a leggere attentamente, a scrivere in modo chiaro e a valutare le prove. Queste competenze invecchieranno molto meglio delle competenze strettamente tecniche.
Ciò non significa ignorare la tecnologia. Al contrario, gli studenti devono imparare a lavorare con l’intelligenza artificiale. Ma l’obiettivo dovrebbe essere quello di renderli utenti critici e giudici informati degli strumenti di intelligenza artificiale, non consumatori passivi. Resta essenziale insegnare matematica di base, logica e ragionamento; confrontarsi con testi fondamentali; e imparare come vengono costruiti e testati gli argomenti. Queste sono le competenze che consentono agli individui di stare al passo con la rapida evoluzione della tecnologia.
Questo principio solleva due questioni pratiche: cosa dovremmo insegnare e come dovremmo insegnarlo? La prima domanda è difficile e inevitabilmente genererà dibattito. Sebbene possa esserci un ampio consenso sull’importanza dei concetti fondamentali, i dettagli cambieranno nel tempo. La nostra esperienza con le tecnologie precedenti offre indicazioni utili. L’introduzione di calcolatrici e computer non ha eliminato la necessità di insegnare l’aritmetica. Gli studenti imparano ancora come funzionano i calcoli, ma il lungo calcolo manuale è ora delegato alle macchine. Allo stesso modo, l’ortografia e la grammatica rimangono importanti, ma il software ha ampiamente sostituito la necessità di infiniti esercizi.
L’intelligenza artificiale richiede un adattamento simile in molti ambiti. I Modelli Linguistici di Grandi Dimensioni (LLM) ora svolgono compiti come riassumere un testo o identificare le idee principali – da sempre pilastri dell’istruzione – in modo estremamente efficace. Lo stesso vale sempre di più per la programmazione, la risoluzione di problemi quantitativi e persino la stesura di testi. Sebbene queste attività non debbano scomparire dal curriculum, l’obiettivo dovrebbe cambiare. Gli studenti devono comprendere i concetti e la logica di base, piuttosto che padroneggiare ogni fase dell’esecuzione.
Gli studenti che avranno successo saranno quelli in grado di utilizzare efficacemente gli strumenti di intelligenza artificiale per raggiungere obiettivi ben definiti. Lo stesso vale per la buona gestione aziendale: il successo dipende dalla definizione delle priorità, dalla strutturazione dei problemi e dall’impiego oculato delle risorse disponibili. Si tratta di competenze concettuali, non strettamente tecniche.
La seconda questione, di natura pedagogica, riguarda il modo in cui l’apprendimento viene rafforzato e valutato. La comprensione richiede un po’ di pratica, ma l’intelligenza artificiale rende più facile che mai per gli studenti evitare di fare il lavoro da soli. Anche gli studenti più motivati saranno talvolta tentati di prendere scorciatoie, soprattutto quando il tempo stringe. Abbiamo quindi bisogno di un cambiamento radicale nella valutazione. Saggi da svolgere a casa, esercizi e verifiche non monitorate sono sempre più inefficaci. Dovranno essere sostituiti da quiz ed esami in presenza, valutazioni orali e problemi risolti in tempo reale, sia su carta che alla lavagna.
Tali cambiamenti hanno implicazioni di vasta portata. Richiedono la presenza in presenza, classi più piccole e un’interazione più diretta tra studenti e docenti. Per molti versi, ciò segnerebbe un ritorno ai vecchi modelli di insegnamento, invertendo in parte la scalabilità e la standardizzazione introdotte dalle tecnologie precedenti. Potrebbe persino inaugurare una nuova età dell’oro per l’istruzione umanistica.
Ma questo modello solleva anche serie preoccupazioni. Attribuisce maggiore responsabilità agli insegnanti, che devono essere disposti a far rispettare gli standard e a formulare giudizi difficili. Le istituzioni devono supportarli in questo. Allo stesso tempo, la valutazione basata sull’interazione personale solleva legittime preoccupazioni circa i pregiudizi. Gli esami standardizzati hanno i loro difetti, ma i loro pregiudizi sono quantomeno visibili. La valutazione soggettiva basata su esami orali e interazione personale può essere meno trasparente.
Forse la sfida più seria riguarda la disuguaglianza. Un’istruzione altamente personalizzata, rivolta a classi ristrette, è costosa. Le istituzioni d’élite potrebbero essere in grado di fornirla, ma le grandi università pubbliche faranno fatica. Proprio come la didattica a distanza durante la pandemia ha ampliato i divari educativi, un passaggio all’insegnamento intensivo in presenza, guidato dall’intelligenza artificiale, potrebbe svantaggiare coloro che dipendono maggiormente dall’istruzione pubblica.
Alcuni sostengono che l’intelligenza artificiale stessa ridurrà la necessità di istruzione formale fornendo informazioni e guida personalizzata su richiesta. Ma questo presuppone che gli utenti sappiano cosa chiedere e come interpretare le risposte. Gli individui più motivati o dotati potrebbero prosperare in un simile ambiente, ma lo farebbero comunque. L’istruzione formale è fondamentale per la fascia media più ampia.
Se l’intelligenza artificiale deve apportare benefici alla società, avremo bisogno di maggiori investimenti nell’istruzione, non di minori. L’intelligenza artificiale sostituirà posti di lavoro, ma ne creerà anche di nuovi. L’istruzione dovrebbe essere tra i settori in espansione. Con la diffusione dell’intelligenza artificiale, la qualità dell’istruzione dipenderà meno dall’accesso e più dalle aspettative e dall’applicazione delle norme. Classi più piccole, più insegnanti e una maggiore interazione personale sono costosi, ma i guadagni di produttività promessi dall’intelligenza artificiale rendono tali investimenti fattibili e proficui.
By mm
E' possibile commentare l'articolo nell'area "Commenti del Mese"