Capitale umano e capitale computazionale: qual è la sfida educativa nell’era dell’IA?

Satya Nadella, amministratore delegato di Microsoft, ha pubblicato un documento sul suo blog personale e lo ha rilanciato sulla piattaforma X, dove ha superato 28 milioni di visualizzazioni: ha condensato in poche righe una questione che riguarda aziende e imprese, lavoratori e, a ben guardare, ogni studente ed ogni educatore. Il titolo pare un avvertimento: «A frontier without an ecosystem is not stable» (una frontiera senza un ecosistema non regge). I modelli di intelligenza artificiale, scrive Nadella, sono ormai in grado di assorbire le competenze professionali di intere organizzazioni e di rivenderle a chiunque sotto forma di servizi standardizzati, ma, chiaramente, tutta la differenza del mondo la fa il modo in cui le organizzazioni «continuano a imparare, costruire proprietà intellettuale, si differenziano e prosperano» in un mondo dove l'Ai pretende di trasformare il sapere (anche quello avanzato) in merce a basso costo.

Per affrontare questa sfida, Nadella propone un approccio fondato su due pilastri: il primo è lo human capital (capitale umano), fatto di «conoscenza, giudizio, relazioni, ingegno e la capacità di riconoscere schemi significativi»; mentre il secondo è il token capital (capitale computazionale), ossia la capacità di Intelligenza artificiale che un'organizzazione costruisce e possiede in proprio, distinta da quella che “prende in uso” tramite servizi esterni. Le due forme di capitale, sostiene Nadella, si rafforzano a vicenda: «Il capitale umano non perde valore con la crescita del capitale computazionale. Diventa ancora più prezioso!». L'alternativa, invece, è descritta con una formula secca: «senza la direzione umana, la potenza di calcolo gira a vuoto».

Il cuore della proposta è il learning loop (ciclo di apprendimento): un sistema in cui l'esperienza delle persone migliora i sistemi Ai, i sistemi Ai rendono le persone più efficaci, e i risultati generano nuova conoscenza che alimenta il ciclo. Nadella lo definisce «una macchina che scala la collina» e sottolinea che, a differenza della maggior parte degli asset, questo sistema si accumula nel tempo. Quindi, il vero vantaggio è poter sostituire il modello Ai di base senza perdere il sapere accumulato nel proprio sistema.

Il passaggio più evocativo del saggio è un parallelo storico con la prima globalizzazione: «Pensiamo a cosa accadde quando intere economie industriali furono svuotate a causa dell’esternalizzazione», i numeri del Pil sembravano positivi, ma lo svuotamento delle competenze era grave; adesso, avverte, il medesimo meccanismo potrebbe colpire le professioni intellettuali se le organizzazioni si limitano a utilizzare intelligenza artificiale senza costruirne una propria.

Vale la pena soffermarsi ulteriormente su una frase del saggio, importante soprattutto per chi si occupa di temi educativi: «Si può delegare un compito, o anche un lavoro, ma non si può mai delegare il proprio apprendimento». Tutto il mondo scientifico, che ha approfondito questo aspetto con ricerche accademiche, alcune delle quali pubblicate anche su questa rubrica, conferma questa intuizione di Nadella. Si pensi, per esempio, che uno studio pubblicato nel 2025 sulla rivista Societies da Michael Gerlich, condotto su 666 partecipanti di diverse fasce d'età e di differenti livelli di istruzione, ha rilevato una significativa correlazione negativa tra uso frequente di strumenti di Ai e sviluppo delle capacità di pensiero critico, individuando nel cognitive offloading (cioè nello scarico cognitivo che potremmo tradurre come la tendenza a delegare alle macchine i processi mentali) il fattore che fa da mediazione.

Un'altra ricerca, condotta dal gruppo del professore Bastani alla Wharton School, ha dimostrato che gli studenti universitari che utilizzavano ChatGPT senza un'adeguata guida producevano elaborati migliori nel breve periodo, ma ottenevano risultati peggiori quando lo strumento veniva loro proibito. Tradotto nel linguaggio della scuola: se uno studente affida all'Ai la stesura di un tema, il risultato immediato può apparire soddisfacente, ma il learning loop personale (cioè quel ciclo in cui lo sforzo genera comprensione, la comprensione genera competenza e la competenza genera nuova capacità) si interrompe e così lo studente usa l’intelligenza artificiale senza costruire la propria.

Se il capitale umano, fatto di giudizio, relazioni, ingegno, capacità di riconoscere schemi e contesto, diventa più prezioso con lo sviluppo dell'Ai, allora il compito educativo sarà ancora più importante.

Scuole e università dovrebbero coltivare proprio quelle facoltà che le macchine non possono sviluppare da sole: il pensiero critico, la capacità di collegare saperi diversi, l'esercizio del giudizio in contesti incerti, competenze che richiedono fatica, tempo, errori, tentativi. Tutto ciò che un algoritmo può abbreviare, ma che abbreviare significa perdere: è su questo terreno, in fondo, che si gioca la partita educativa dei prossimi anni.