Fino ad ora, gli enti di formazione hanno utilizzato l’IA soprattutto per la pianificazione della propria offerta e per la creazione di materiali d’apprendimento, come mostra lo studio FOCUS della FSEA. Cerstin Mahlow, esperta in materia, valuta la situazione.
I risultati del sondaggio presso gli enti di formazione continua del 2024 hanno mostrato che l’IA viene utilizzata nei contesti di insegnamento/apprendimento finora principalmente per la creazione di materiali di apprendimento e per la pianificazione dell’offerta (stato aggiornato alla primavera 2024). In quali aree dei setting di insegnamento/apprendimento vede il maggiore potenziale dell’IA?Attualmente, “IA” viene spesso usata come sinonimo di “IA generativa” – e questa, a sua volta, viene molto spesso equiparata a “ChatGPT”. OpenAI ha avuto un grande successo con la sua applicazione, inducendo molte persone almeno a provarla. Il nome del prodotto viene insomma utilizzato per riferirsi alla tecnologia: in linguistica, questo fenomeno viene chiamato “antonomasia”, ed è per esempio già accaduto con Google o Bostitch. ChatGPT è semplicemente un chatbot che cerca di mantenere un dialogo con la controparte umana. Naturalmente può essere utilizzato anche in setting di insegnamento/apprendimento: si ha così a disposizione un interlocutore instancabile e sempre disponibile, che senza perdere la pazienza può verificare anche una quarta, quinta o sesta volta se la mia bozza di testo soddisfa i requisiti richiesti – che si tratti di un’analisi, di un business plan o di un progetto di formazione continua. Ciò che si tende spesso a dimenticare è che i feedback relativi all’apprendimento formulati in sede di valutazione sono tuttavia stati automatizzati con successo già da molto tempo. Domande a risposta multipla, testi da completare ed esercizi di abbinamento – tanto in contesti testuali quanto in contesti visivi – vengono valutati già da tempo in maniera automatica allo scopo di fornire feedback o aiuto alle persone in formazione. Con i modelli di IA più recenti, questo processo è soltanto leggermente più veloce. Oltre a ciò, questi compiti sono più “generosi” riguardo, per esempio, all’ortografia oppure se si tratta di formulare frasi complete. Ciò va oltre le semplici domande a risposta multipla: è possibile inserire un semplice testo, che normalmente dovrebbe essere letto e analizzato da qualcuno, per determinare se la risposta va nella giusta direzione.
Il sondaggio presso gli enti di formazione continua della FSEA mostra che la maggior parte di essi non dispone di direttive o linee guida relative a se e come l’IA generativa debba essere utilizzata. Studi e sondaggi dimostrano che, in assenza di linee guida o in presenza di indicazioni vaghe, alcune persone preferiscono non utilizzare una tecnologia, così da evitare l’incertezza. Credo pertanto che, se più enti di formazione continua si sedessero intorno a un tavolo con i propri collaboratori per sviluppare insieme delle buone linee guida, l’impiego dell’IA aumenterebbe. Tipicamente, associamo la “creazione di materiali di apprendimento” ai compiti di pertinenza dei docenti. Tuttavia anche le persone in formazione possono creare ulteriori materiali per se stesse: scenari aggiuntivi in cui possono esercitarsi nel riconoscere o nell’eseguire operazioni, ulteriori testi da completare, domande di comprensione del testo, materiale aggiuntivo per calcoli statistici, ecc. Questi materiali sono simili a quelli forniti dai docenti. Spesso, chi cerca una formazione continua si chiede: che cosa mi interessa? Che cosa si adatta a me, alle mie conoscenze pregresse, al mio tempo disponibile? Anche in questo caso, l’IA può aiutare a suggerire le opzioni più adatte. Ciò che è importante per me – come anche per gli assesment, ovvero i test di valutazione – è che l’IA sia impiegata per fornire suggerimenti. La decisione finale deve rimanere umana. Non deve accadere che, se entro in una nuova organizzazione, debba superare alcuni test e poi debba frequentare una o due formazioni.
Gli enti di formazione continua sperano di ottenere il massimo beneficio dall’IA per la personalizzazione dei setting di insegnamento/apprendimento. Tuttavia, nella pratica, l’uso dell’IA porta principalmente a risparmi di tempo lavorativo, mentre le aspettative sulla personalizzazione si sono realizzate solamente in parte. Come valuta questo risultato?
La riduzione del tempo lavorativo inizialmente promessa del 30, 50 o 70 percento in tutti gli ambiti non è dimostrabile. Tali promesse accompagnano ogni nuova ondata tecnologica, ma poi raramente si avverano, come dimostra uno studio canadese – anche se relativo all’IA prima del 2022. Di fatto, solamente pochi aspetti dell’insegnamento e dell’apprendimento possono essere automatizzati. Valutare domande a risposta multipla è fattibile, ma creare buone domande a risposta multipla richiede tempo. Generare automaticamente scenari simili a quelli già esistenti è altresì fattibile, ma non è una vera personalizzazione. Servono più lavoro e soprattutto più riflessione. I materiali generati con l’uso dell’IA devono essere controllati e, se necessario, adattati – e questo richiede tempo. In generale, l’impiego dell’IA generativa (testi, immagini, audio) cambia il modo di lavorare. Si può investire più tempo in attività creative, esplorare diverse opzioni e ottenere rapidamente una prima bozza da valutare. Ma alla fine, il tempo investito resta lo stesso: è solamente distribuito diversamente. Questo promesso aumento di efficienza del 30% o del 50% non può quindi essere dimostrato – anche se si ha la sensazione che alcune cose vadano più veloci e ciò viene poi indicato come risparmio di tempo di lavoro. Per poter procedere a un’individualizzazione, un ente di formazione continua deve sapere molto sulle persone partecipanti a un corso. All’interno di un’organizzazione, ciò è possibile: una persona ricopre un determinato ruolo con un determinato profilo, per cui informazioni od opportunità di formazione possono venire integrate in modo perfetto nella sua giornata lavorativa. Vale a dire: sono rese disponibili o vengono offerte attivamente soltanto quando si apre una corrispondente finestra temporale. Qui giungiamo tuttavia molto rapidamente alla sorveglianza e al controllo. Le (potenziali) persone partecipanti dovrebbero poter controllare molte cose, richiedere attivamente un’offerta e indicare da sé di quanta capacità dispongono al momento e per cosa. Ciò sarebbe sì individualizzato, ma anche laborioso e, soprattutto, presupporrebbe una cultura diversa da quella a cui siamo abitati. Per consentire l’individualizzazione al di fuori di questi contesti, un ente di formazione continua deve fare molte supposizioni, che la singola persona deve poi confermare o ignorare, oppure ricavare molto rapidamente molte informazioni dalle prime interazioni (sia che ciò avvenga automaticamente sia che avvenga tramite feedback da parte delle persone) e integrarle, per così dire, “live” nella successiva pianificazione. Tutto ciò non è affatto facile – ed è inoltre dispendioso. In alternativa, si potrebbero preparare molte offerte, che si differenziano leggermente l’una dall’altra, e consentire alle persone interessate di scegliere quella che si adatta a loro perfettamente. Insomma: garantire che ce ne sia per tutti. Ciò comporterebbe tuttavia un grande sforzo di preparazione, a fronte del fatto che poi ogni singola offerta completamente pianificata sia richiesta molto raramente. Dal punto di vista dell’ente di formazione non ne vale la pena. Già negli anni 2000 c’erano molti progetti di ricerca e sviluppo tesi a modularizzare in modo molto dettagliato le offerte di insegnamento e di formazione continua – non a livello di corso, ma perfino dividendo le singole lezioni in piccole unità e ricomponendole automaticamente in base alle esigenze e alle conoscenze pregresse delle persone partecipanti, così che input e compiti potessero essere offerti a livelli distinti. La produzione di tali piccole unità a più livelli è tuttavia dispendiosa e impegnativa. Ciò che ha portato al fallimento finale di questi progetti sono stati due fattori: da un lato gli elevati costi di produzione per ogni singola unità di insegnamento/apprendimento, dovuti alle elevate esigenze da parte degli autori dei materiali didattici; dall’altro la questione irrisolta di come tali elementi possano poi essere assemblati nella realtà in modo da creare un insieme coerente e significativo sia per i docenti sia per i partecipanti. Riguardo a quest’ultimo punto, l’odierna IA potrebbe essere d’aiuto; tuttavia, in termini di tempo, questa non è la parte più consistente di questi processi.
Negli enti di formazione continua svizzeri, gli strumenti di IA più utilizzati finora sono quelli specializzati nell’elaborazione del linguaggio, come ChatGPT, DeepL, Gemini e Copilot. Come valuta il valore aggiunto di altre applicazioni di IA (quali sistemi di raccomandazione o sistemi di valutazione automatica) per la formazione continua?
Nei prossimi mesi, ci allontaneremo da applicazioni specifiche che vengono usate come strumenti aggiuntivi. L’IA generativa è già integrata in applicazioni consolidate come funzionalità aggiuntiva, che può essere richiamata manualmente o che si attiva perfino da sé. Strumenti di correzione linguistica come Grammarly e Antidote, che si possono integrare in Word o in altre applicazioni, utilizzano già l’IA generativa per fornire suggerimenti e miglioramenti. Lo stesso vale per DeepL. Se si scrive qualcosa in MS Teams (che si tratti di un messaggio o di un compito in un corso), l’editor si offre automaticamente di apportare miglioramenti. Se non si vuole usare questa funzione, è piuttosto difficile, se non perfino impossibile, disattivarla. Lo vedremo anche nei programmi di posta elettronica, in PowerPoint, ecc. – peraltro non soltanto per il testo, ma anche per la struttura di diapositive e grafici o per la selezione dei colori. Anche Adobe lo fa nei suoi prodotti, in cui funzioni di intelligenza artificiale compaiono ovunque e in qualsiasi momento. Quanto osservato ormai decenni fa con i programmi di controllo ortografico/grammaticale, si ripeterà anche qui: ci sono utenti che ignorano (possono ignorare) queste funzioni e ce ne sono altri (pochi) che le disattivano (possono disattivarle). La maggior parte delle persone, tuttavia, adatterà la propria scrittura in modo che il programma non fornisca più obiezioni. In questo modo, però, la creatività e la giocosità scompaiono, e ci ritroveremo nell’uniformità. Questo è esattamente ciò che del resto si vede nei testi e nelle immagini generati dall’IA, che in qualche modo sono sempre simili fra loro. Spesso non riusciamo a dire esattamente che cos’è che non ci convince – ma se siamo abbastanza attenti sviluppiamo una certa capacità di intuizione. Tuttavia, anche questa possibilità di distinzione, scomparirà man mano che testi e immagini (così come audio e video) generati dall’IA ci circonderanno sempre di più. Ci adatteremo, e finiremo per formulare e progettare i nostri contenuti alla stessa maniera. Se questo possa essere un valore aggiunto, dipenderà dal contesto e dallo scopo. Bisogna conformarsi a certe direttive oppure mantenere l’uniformità con documenti film, ecc. prodotti in precedenza? È importante che le conversazioni si svolgano sempre in modo strutturato secondo lo stesso schema? Allora l’attuale intelligenza artificiale generativa è ovviamente di enorme utilità: e possiamo imparare questi testi standard, e adottare questi processi, ecc. e lasciando che l’IA ci aiuti. Se al contrario, come persona o come organizzazione o azienda, sono alla ricerca di qualcosa di insolito, di ciò che nessuno ha ancora provato, allora l’attuale intelligenza artificiale generativa non è affatto d’aiuto. O forse, paradossalmente, sì – in quanto mi mostra ciò che non devo fare, perché già tutti gli altri lo fanno.
Cerstin Mahlow è professoressa di linguistica digitale e ricerca sui processi di scrittura presso l’Università di Scienze Applicate di Zurigo (ZHAW, Zürcher Hochschule für Angewandte Wissenschaften). Nel campo della linguistica computazionale, i suoi studi si concentrano sulla modellazione linguistica sistematica di dati empirici provenienti da processi di scrittura e sull’influenza di strumenti intelligenti sulla scrittura. È responsabile del CAS Testi (CAS Texten) presso la stessa ZHAW e, insieme ad altri colleghi, offre due volte all’anno un corso di formazione continua su “Intelligenza artificiale generativa nell’insegnamento e nella formazione continua”.