AI: la corsa è avviata, ma istruzione, norme e società faticano a seguirla

L'AI Index 2026 di Stanford non si limita a delineare l'avanzata tecnologica dell'intelligenza artificiale, ma racconta soprattutto i fenomeni che le ruotano intorno: l'adozione di massa da parte di studenti e organizzazioni, la proliferazione delle strategie nazionali, la centralità crescente della sovranità tecnologica, la divergenza tra esperti e opinione pubblica, e la fragilità delle istituzioni incaricate di regolare questa trasformazione. I capitoli dedicati a Education, Policy and Governance e Public Opinion evidenziano chiaramente che l'AI non è più un tema confinato ai laboratori o ai board delle grandi aziende tecnologiche, ma è intrinsecamente legata ai processi di apprendimento, alle scelte geopolitiche e alle aspettative, paure e ambivalenze della società.

Il problema cruciale, tuttavia, risiede nel fatto che queste tre dimensioni non si muovono in sincronia. È proprio in questo scarto che si annida il rischio più significativo: non una carenza di tecnologia, ma una grave carenza di capacità sistemica. L'AI Index 2026 si apre con una considerazione che supera una semplice premessa editoriale: la questione non è più chiedersi se l'intelligenza artificiale stia avanzando, ma piuttosto se i sistemi costruiti attorno ad essa siano in grado di tenere il passo. La governance, i metodi di valutazione, i sistemi educativi e le infrastrutture informative faticano a muoversi alla stessa velocità della tecnologia. Questo punto è decisivo perché sposta il baricentro dell'intero dibattito.

Per anni, la discussione pubblica sull'AI si è concentrata prevalentemente su capacità, modelli, benchmark, potenza computazionale e nuovi prodotti. Tutti questi aspetti continuano ad essere rilevanti, naturalmente, ma non sono più sufficienti a spiegare la fase che stiamo attraversando. L'AI è ormai presente in contesti che non possono essere interpretati unicamente attraverso le categorie dell'innovazione tecnologica. Parliamo della scuola, della produzione normativa, della fiducia istituzionale, della percezione del lavoro e della legittimazione sociale delle trasformazioni. Questi ambiti evidenziano la profondità e la pervasività dell'impatto dell'AI ben oltre la sfera strettamente tecnologica.

L'intelligenza artificiale e la sfida dell'educazione

Il primo terreno su cui questa frattura appare con chiarezza è l'educazione. L'AI Index sintetizza la questione in una formula molto netta: l'istruzione formale è in ritardo rispetto all'AI, ma le persone stanno imparando competenze AI in ogni fase della vita. Questa non è una frase di colore, ma la descrizione puntuale di uno squilibrio già in atto. Oltre l'80% degli studenti statunitensi delle scuole superiori e dei college usa ormai strumenti di AI per attività scolastiche o di studio. Eppure, solo circa la metà delle scuole medie e superiori ha politiche sull'AI, mentre appena il 6% degli insegnanti considera queste politiche chiare.

Questi numeri vanno letti con attenzione. Il primo dato segnala che l'AI è già diventata un'infrastruttura ordinaria dell'apprendimento quotidiano. Non siamo più nella fase del test, della curiosità pionieristica o dell'uso occasionale da parte di studenti più smaliziati. Siamo nella fase dell'integrazione diffusa. Il secondo dato, tuttavia, mostra che l'integrazione pratica non è accompagnata da una pari maturazione istituzionale. La scuola si trova così in una condizione paradossale: l'AI è già profondamente inserita nelle attività di studio, ma i criteri con cui dovrebbe essere guidata, contestualizzata e valutata rimangono incompleti, frammentati o poco comprensibili.

AI come interfaccia cognitiva: ridefinire l'apprendimento

Il nodo, però, non è soltanto quantitativo. Conta molto anche la natura degli usi. Se gli studenti ricorrono all'AI per cercare informazioni, chiarire concetti, riformulare testi, fare brainstorming, strutturare lavori o orientarsi in un compito, allora l'AI non entra in classe soltanto come scorciatoia esecutiva, ma come interfaccia cognitiva. Quando una tecnologia si colloca a questo livello, l'intero impianto della didattica viene sollecitato: il concetto di autonomia, il significato della verifica, la funzione del docente, la distinzione tra supporto e sostituzione, e la stessa idea di cosa significhi imparare.

C'è poi un secondo aspetto, meno discusso ma forse ancora più importante. L'AI Index osserva che le competenze AI si stanno diffondendo anche fuori dai contesti formali e che la loro crescita non coincide perfettamente con l'offerta scolastica o universitaria. In altre parole, la formazione si sta articolando su più piani:

• apprendimento autonomo
• pratica sul lavoro
• sperimentazione personale
• community online
• autoformazione continua

Questo rende il sistema più dinamico, ma anche più diseguale. Chi ha contesti professionali e culturali favorevoli accelera rapidamente; chi dipende quasi solo dai canali tradizionali rischia di restare indietro. La conclusione, su questo versante, è piuttosto chiara. L'istruzione non ha davanti una semplice questione di aggiornamento tecnologico. Ha davanti un problema di riprogettazione culturale e istituzionale. Quando la tecnologia anticipa la norma, non è solo una questione di confusione. Il rischio reale è che le affordance degli strumenti finiscano per ridefinire silenziosamente i pilastri dello studio, della produzione intellettuale e della meritocrazia.

Policy e governance: un paesaggio frammentato

Anche su questo fronte l'AI Index è molto netto: nel 2025 i governi hanno agito, ma non tutti nella stessa direzione. L'Unione europea ha dato attuazione alle prime proibizioni dell'AI Act, gli Stati Uniti hanno mostrato una tendenza alla deregolamentazione a livello federale, mentre Giappone, Corea del Sud e Italia hanno approvato leggi nazionali. In parallelo, oltre la metà delle nuove strategie nazionali sull'AI è arrivata da paesi in via di sviluppo che stanno entrando per la prima volta nel paesaggio della politica sull'AI.

Questo significa che l'AI non è più solo oggetto di regolazione, ma è diventata un terreno di posizionamento strategico. Ogni paese non si limita a chiedersi come limitare i rischi, ma sempre più spesso si chiede come non dipendere troppo dagli altri, come costruire capacità domestiche, come presidiare parti critiche della filiera e come non rimanere marginale nella nuova divisione internazionale del potere tecnologico. La parola chiave che organizza questa nuova fase è Sovereign AI. Il rapporto la presenta come un principio sempre più centrale delle politiche nazionali. La cosa interessante è che, nel lessico del rapporto, sovranità non equivale banalmente a nazionalismo tecnologico o a semplice volontà di fare norme proprie.

Significa, invece, capacità effettiva di intervenire su sviluppo, distribuzione e governance dei sistemi di AI dentro la propria giurisdizione. Significa quindi disporre di:

• infrastrutture
• compute (potenza di calcolo)
• competenze
• filiere
• investimenti
• ecosistemi di ricerca
• e, in prospettiva, anche modelli, dataset, standard e piattaforme

Qui emerge uno dei dati più politici dell'intero AI Index. Le strategie nazionali crescono, ma le capacità reali restano molto diseguali. Gli investimenti pubblici in supercalcolo AI sostenuto dallo Stato stanno aumentando in parallelo alle ambizioni di controllo domestico degli ecosistemi AI. La produzione di modelli resta però fortemente concentrata soprattutto negli Stati Uniti e in Cina. In altri termini, quasi tutti vogliono più sovranità, ma pochi dispongono davvero dei mezzi necessari per costruirla.

Governance multilivello e asimmetrie globali

Un ulteriore elemento di interesse è che la governance si presenta sempre meno come un sistema lineare e coerente. Anche dove esistono orientamenti nazionali chiari, proliferano livelli diversi di intervento:

• norme federali
• normative statali
• iniziative settoriali
• interventi legati alla sicurezza
• interventi legati all'educazione
• interventi legati al lavoro
• interventi legati all'uso nella Pubblica Amministrazione

L'AI tende dunque a produrre una governance multilivello, spesso asimmetrica, dove regolamentazione, promozione industriale e competizione geopolitica si intrecciano senza necessariamente coincidere. Nel complesso, il capitolo Policy and Governance sottolinea una realtà che le imprese europee dovrebbero leggere con estrema attenzione. Il futuro dell'AI non dipenderà solo dalla qualità dei modelli o dalla rapidità dell'adozione aziendale. Dipenderà sempre di più anche da come si comporteranno i sistemi chiamati a governarla e da come le società riusciranno a gestire la profonda trasformazione in atto.