Capitolo 1: Agenti IA vs. LLM classici

Immaginiamo che una studentessa voglia chiarire il concetto di «autoconcetto» per una tesina. Tradizionalmente, procederebbe così: per prima cosa interrogherebbe un Large Language Model (LLM) sul termine e sui passaggi di testo, leggerebbe le fonti e poi redigerebbe il proprio testo, inserendo le citazioni tramite il software di gestione bibliografica Zotero (2).

In alternativa, potrebbe incaricare un sistema di IA di ricercare testi pertinenti, salvarli nella sua biblioteca Zotero, evidenziare con colori diversi i passaggi rilevanti e inserire i risultati direttamente nella tesina come citazioni con il corretto riferimento bibliografico – il tutto senza alcun ulteriore intervento da parte sua. È proprio questo che distingue gli agenti di IA dai classici chatbot di IA: agiscono in modo autonomo, sono in grado di utilizzare programmi complementari sul computer e quindi di eseguire autonomamente compiti complessi.

Per la nostra sperimentazione abbiamo utilizzato Claude Cowork di Anthropic (3), poiché al momento dello studio (marzo-aprile 2026) era l’unico agente di IA di un grande fornitore di LLM (4). Claude Cowork è un sistema di intelligenza artificiale basato su grandi modelli linguistici, in grado di agire come agente. Le operazioni ricorrenti possono essere memorizzate al suo interno come cosiddette «skills» (5). Ad esempio, effettua una ricerca in tempo reale tramite il browser e salva i risultati direttamente in una cartella separata sul computer, oppure gestisce il programma Zotero con il mouse e vi apporta delle annotazioni.

Capitolo 2: Ambiti di applicazione per (futuri) docenti

Di seguito presentiamo tre casi d’uso per (futuri) docenti: la revisione della letteratura con Zotero, la pianificazione degli appuntamenti per i colloqui con i genitori e la correzione supportata dall’IA delle verifiche sugli obiettivi di apprendimento. Ogni caso d’uso mette in luce potenzialità e limiti concreti.

Caso d’uso 1: Supporto alla comprensione della letteratura

Situazione iniziale
Esaminiamo più da vicino l’esempio delineato all’inizio: la ricerca bibliografica per una tesina. Una componente centrale dei lavori scientifici consiste nell’elaborare e contestualizzare i fondamenti teorici. In questo contesto, l’identificazione dei concetti rilevanti richiede spesso molto tempo, in particolare nel caso di pubblicazioni più datate o in lingua straniera. Esaminiamo quindi se un agente di IA possa supportare questo processo.

Il nostro approccio
Concediamo a Claude Cowork l’accesso a un testo specialistico disponibile gratuitamente su Internet e salvato in Zotero. Si verifica se lo strumento riconosce i concetti centrali, evidenzia i passaggi rilevanti del testo e comprende il nostro sistema di codifica a colori – ad esempio, definizioni e fondamenti teorici in colori diversi.

Risultato
Dal punto di vista tecnico, lo strumento è convincente: i passaggi chiave del testo vengono riconosciuti in modo affidabile, le evidenziazioni a colori vengono riportate in gran parte correttamente e i risultati possono essere integrati direttamente nella tesina.

Allo stesso tempo emergono alcuni limiti. Per l’analisi, Claude Cowork necessita dell’accesso ai documenti archiviati. Per il test pratico è stato scelto consapevolmente un testo specialistico disponibile gratuitamente su Internet. Nella pratica, tuttavia, molte pubblicazioni scientifiche sono accessibili solo tramite licenze universitarie. L’impiego di agenti di IA presuppone quindi il rispetto delle rispettive condizioni di licenza e di utilizzo.

«Il test pratico dimostra che gli agenti di IA consentono di risparmiare tempo nella ricerca bibliografica; la vera sfida risiede spesso nei diritti di accesso e di utilizzo.»

La nostra conclusione
Claude Cowork può supportare in modo efficiente la ricerca bibliografica, in particolare nella fase iniziale di approfondimento di un argomento. Allo stesso tempo, la sperimentazione evidenzia che, oltre alle possibilità tecniche, occorre tenere conto anche degli aspetti relativi alla protezione dei dati, al diritto d’autore e alle licenze.

Caso d’uso 2: Compiti amministrativi – Collaborazione con i genitori

Situazione iniziale
Il fissare gli appuntamenti per i colloqui con i genitori deve essere organizzato in modo adattivo. Entro un termine prestabilito, i genitori comunicano liberamente le loro disponibilità in base a fasce orarie date. Su questa base, si devono formare blocchi di colloqui il più possibile compatti, individuare eventuali sovrapposizioni di appuntamenti e infine inviare direttamente gli inviti.

Il nostro approccio
Affidiamo il compito a Claude Cowork e concediamo allo strumento l’accesso a una cartella contenente un file Excel. Questo file include le fasce orarie da noi definite e le risposte dei genitori, aggiornate in tempo reale. Per motivi di protezione dei dati, i genitori sono identificati esclusivamente tramite ID.

Risultato
Claude Cowork raggruppa in modo efficiente le fasce orarie disponibili e propone appuntamenti adeguati per i colloqui. Tuttavia, non è possibile inviare un invito automatico tramite il connettore e-mail, poiché gli ID utilizzati non sono collegati agli indirizzi e-mail dei genitori. Questa associazione deve essere effettuata manualmente in un secondo momento, il che limita notevolmente il guadagno di efficienza previsto.

La nostra conclusione
Claude Cowork può fornire supporto nella pianificazione degli appuntamenti e nel raggruppamento dei colloqui con i genitori. Tuttavia, una completa automazione non è possibile a causa della necessità di associare ID e dati di contatto nel rispetto della normativa sulla protezione dei dati. Sarebbe ipotizzabile una soluzione interna alla scuola, in cui gli studenti e i loro genitori dispongano di ID univoci, collegati in modo sicuro ai rispettivi dati di contatto. In questo modo sarebbe possibile elaborare automaticamente i feedback, coordinare gli appuntamenti e inviare gli inviti.

Caso d’uso 3: correzione delle verifiche degli obiettivi di apprendimento

Situazione iniziale
La correzione delle verifiche degli obiettivi di apprendimento richiede molto tempo e, nonostante i criteri di valutazione definiti, può essere influenzata da effetti soggettivi inconsci (bias). Si pone quindi la domanda se un agente di IA possa verificare la valutazione e segnalare eventuali incongruenze. Per la sperimentazione utilizziamo una verifica degli obiettivi di apprendimento anonimizzata.

Il nostro approccio
A Claude Cowork viene affidato il compito di analizzare una verifica degli obiettivi di apprendimento già corretta dall’insegnante, di verificare l’assegnazione dei punteggi e di segnalare eventuali incongruenze nella valutazione.

Risultato
Il risultato è sorprendente: nel giro di pochi minuti, Claude Cowork genera per ogni ID un elenco Excel ben strutturato con i punteggi per ogni compito e segnala le incongruenze nella valutazione. A un esame più attento, tuttavia, emerge che, per tutte le incongruenze segnalate, l’agente non ha tenuto conto correttamente di tutti i contenuti – la valutazione manuale, quindi, regge.

La nostra conclusione
Il caso d’uso dimostra che gli agenti di intelligenza artificiale possono supportare i docenti nella strutturazione e nella verifica delle valutazioni. La valutazione disciplinare delle singole risposte degli studenti rimane tuttavia complessa e richiede ancora la decisione professionale del docente. Inoltre, sorgono interrogativi in merito alla protezione dei dati, al diritto d’autore e a ciò che comporta per il docente stesso affidare ad altri il compito di correggere i compiti. In particolare, la correzione dei test sugli obiettivi didattici contribuisce alle conoscenze professionali dell’insegnante, poiché mette in luce tipici errori di comprensione e difficoltà di apprendimento che possono essere integrati nella pianificazione delle lezioni successive. Se un insegnante affida questo lavoro a un agente, perde questa visione del modo di pensare della propria classe – e quindi una base importante per la pianificazione delle lezioni successive e per il proprio sviluppo professionale.

«Gli agenti di IA riconoscono gli schemi, ma non prendono decisioni pedagogiche.»

Capitolo 3: Uno sguardo al futuro

Dai tre casi d’uso sono emerse molte idee su come gli agenti di IA potrebbero alleggerire il carico di lavoro di studenti, docenti e scuole nella pianificazione, nella preparazione e nell’amministrazione. Quasi tutte, tuttavia, si scontrano con gli stessi limiti: la protezione dei dati e il diritto d’autore. L’aspetto che assumeranno in futuro gli scenari seguenti non dipende quindi solo dalla tecnologia, ma anche da ciò che è legalmente consentito.

Organizzazione scolastica
In futuro, gli agenti di IA potrebbero occuparsi di compiti amministrativi quali la pianificazione degli appuntamenti, la redazione dei verbali o la sintesi delle riunioni. Appare ipotizzabile anche un impiego nello sviluppo della qualità, ad esempio per la valutazione automatizzata dei sondaggi e per l’identificazione di potenzialità di sviluppo per i dirigenti scolastici o i gruppi di coordinamento.

Livello di classe
Anche a livello di classe si aprono nuove possibilità. Con un trattamento dei dati relativi all’apprendimento e al rendimento conforme alla normativa sulla protezione dei dati, gli agenti di IA potrebbero documentare i livelli di apprendimento, analizzare gli sviluppi e fornire indicazioni sulle esigenze di sostegno. Su questa base sarebbero ipotizzabili compiti di apprendimento personalizzati, materiali didattici adattati o sintesi per i colloqui di valutazione. Ciò consentirebbe di ridurre l’onere amministrativo e di guadagnare più tempo per l’accompagnamento individuale degli alunni.

«Con gli agenti di IA, dal punto di vista tecnico è già possibile fare molto. La domanda cruciale è: quali compiti gli insegnanti, in quanto professionisti dell’educazione, vogliono effettivamente delegare?»

Questioni aperte e prospettive
Allo stesso tempo, tali scenari sollevano questioni fondamentali relative alla protezione dei dati, alla responsabilità, alle decisioni pedagogiche e al ruolo della competenza professionale. Resta da vedere quando e in che misura l’IA farà il suo ingresso nella scuola e nell’insegnamento. Alla luce del rapido sviluppo tecnologico, è tuttavia lecito supporre che nei prossimi anni l’intelligenza artificiale influenzerà sempre più il sistema educativo.

Autori: Anna Ryf e Johannes Zbinden (PH FHNW)

20.08.2026

Approfondimento

1. I connettori (Connectors) sono interfacce tecniche attraverso le quali un agente IA può accedere a fonti di dati esterne, piattaforme (ad es. un archivio di cartelle) o programmi (ad es. un browser Internet).
2. Zotero è un programma gratuito per la gestione bibliografica: raccolta di fonti, archiviazione di PDF, creazione di citazioni e bibliografie.
3. Anthropic Academy: chi desidera approfondire l’utilizzo di Claude (attenzione: protezione dei dati) troverà nella Anthropic Academy gratuita numerosi corsi di autoapprendimento orientati alla pratica, che consentono un’introduzione approfondita a Claude, agli agenti di IA e a metodi di lavoro avanzati
4. Mentre stavamo elaborando questo articolo, il settore si è già evoluto ulteriormente. Nel frattempo, anche OpenAI e altri fornitori offrono le proprie funzioni di agente – un’indicazione di quanto rapidamente si stiano sviluppando attualmente nuovi strumenti e possibilità di applicazione.
5. Le «skills» indicano funzioni specializzate o «routine operative» definite all’interno del sistema, destinate a svolgere determinati compiti in modo particolarmente efficiente. Servono a rendere disponibili in modo strutturato processi ricorrenti, logiche di lavoro o competenze specifiche, ad esempio per la ricerca, la produzione di testi o l’analisi dei dati.
6. Estratto dal concetto di sé secondo Shavelson e Hubner (1976, p. 411)