AI e competenze: cosa insegna la Norvegia sull’AI Governance

Ogni volta che una tecnologia riduce il tempo necessario per fare qualcosa, il vantaggio è facile da misurare. Quanto tempo abbiamo risparmiato. Quanti documenti abbiamo prodotto. Quante attività abbiamo automatizzato. Quante persone utilizzano il nuovo strumento. Molto più difficile è misurare ciò che, nel frattempo, abbiamo smesso di esercitare. A questo nessuno ci pensa. O meglio, quasi nessuno. Perché (notizia degli ultimi giorni) la Norvegia ha appena deciso di affrontare questo problema partendo dalle scuole. Dal nuovo anno scolastico, gli studenti dal primo al settimo anno saranno in larga parte protetti dall’utilizzo diretto dell’intelligenza artificiale nel lavoro scolastico. Dall’ottavo al decimo anno l’accesso potrà crescere gradualmente, sotto la guida degli insegnanti. Nella scuola superiore gli studenti dovranno invece imparare a utilizzare questi strumenti in maniera critica e appropriata, anche in preparazione all’università e al lavoro (Utdanningsdirektoratet). È una progressione interessante perché introduce un criterio che manca in buona parte della discussione sull’intelligenza artificiale:

Prima la competenza, poi la delega.

E credo che questa domanda riguardi ormai molto più delle scuole.

Il risultato può migliorare mentre la competenza peggiora

Uno studente deve scrivere un testo argomentativo. Prima ancora di arrivare alle parole deve comprendere una domanda, recuperare informazioni, stabilire una posizione, mettere in ordine gli argomenti, accorgersi delle contraddizioni, scegliere cosa eliminare e riscrivere. Alla fine rimane un testo, ma gran parte dell’apprendimento è avvenuto durante il percorso necessario per produrlo. L’intelligenza artificiale può comprimere enormemente quel percorso. L’OECD Digital Education Outlook 2026 raccoglie studi nei quali l’utilizzo di strumenti generalisti di GenAI migliora la qualità del lavoro prodotto dagli studenti durante l’attività. Quando successivamente devono sostenere una prova senza assistenza, quel vantaggio scompare e in alcuni casi si rovescia. L’OECD collega il fenomeno anche al rischio di metacognitive laziness: una riduzione dello sforzo cognitivo che può incidere sull’acquisizione delle competenze (OECD Digital Education Outlook 2026). Il dato interessante riguarda la distanza possibile tra performance e capacità. Possiamo ottenere un risultato migliore senza essere diventati più capaci di produrlo. Per la scuola è evidentemente un problema educativo. Per un’azienda dovrebbe essere prima di tutto un problema strategico.

Quello che la scuola sta vedendo prima delle aziende

Immaginiamo un giovane analista che utilizzi l’AI per sintetizzare un mercato prima di aver imparato a leggere criticamente i dati. Un copywriter che affidi a un modello la voce di un’azienda prima di aver imparato a riconoscere cosa renda quella voce coerente. Un manager che utilizzi un assistente per confrontare scenari e costruire raccomandazioni senza conoscere abbastanza bene le ipotesi sulle quali quelle raccomandazioni poggiano. L’evidenza raccolta nelle scuole non dimostra automaticamente che nelle aziende accada lo stesso. Mostra però un rischio organizzativo che vale la pena prendere sul serio: Chiaro, tutto questo è molto più difficile da vedere rispetto a un errore evidente. Ma un errore si corregge. Una capacità che l’organizzazione smette progressivamente di esercitare, invece, può diventare visibile soltanto quando torna necessaria.

La prima decisione riguarda chi mantiene il controllo

A gennaio, durante il BETT di Londra, la ministra dell’Istruzione Kari Nessa Nordtun ha insistito sulla necessità di essere molto più intenzionali su quando introdurre le diverse tecnologie, distinguendo nettamente bisogni e capacità di un bambino di sei anni da quelli di un sedicenne (Intervento al BETT 2026). Dietro questa posizione c’è un problema che molte organizzazioni conoscono già. La tecnologia entra molto velocemente nelle infrastrutture. Anche per questo, l’adozione può avvenire prima che qualcuno abbia deciso davvero come dovrebbe avvenire. È il terreno sul quale nasce la Shadow AI, ed è uno dei motivi per cui un‘AI Policy aziendale deve rendere espliciti strumenti autorizzati, dati utilizzabili, supervisione e responsabilità. La policy arriva soltanto a una parte del problema. Prima ancora serve stabilire che cosa vogliamo che la tecnologia faccia dentro l’organizzazione.

La domanda che dovrebbe arrivare al board

Quando parliamo di AI Governance, tendiamo a pensare a policy, registri dei sistemi, sicurezza, compliance, responsabilità e controllo degli output. Tutti elementi necessari, per carità. A monte esiste, però, una decisione ancora più strategica: quale capitale cognitivo vogliamo conservare dentro l’azienda? Ogni organizzazione possiede conoscenze che devono continuare a essere diffuse. Competenze che qualcuno deve saper esercitare anche senza un assistente, e che nessuno può permettersi vengano perse. Per questo un piano di adozione dell’AI dovrebbe chiedersi anche:

- Quali competenze una persona deve possedere prima di utilizzare lo strumento?

- Quali attività vogliamo accelerare?

- Quali capacità vogliamo continuare ad allenare?

- Dove deve rimanere una verifica umana?

- Chi può interrompere l’utilizzo quando lo strumento produce risultati apparentemente efficienti e organizzativamente dannosi?

Tutte domande di governance, perché riguardano la distribuzione del potere decisionale.

Il tempo della scelta è arrivato

La scuola ha una caratteristica particolare. Il suo prodotto finale coincide, almeno in parte, con la capacità della persona. Per questo per le scuole l’urgenza è particolarmente chiara ed evidente. Magari invece, nelle aziende questo fenomeno è difficile da osservare. Se una presentazione è buona, viene utilizzata. Se un report arriva più velocemente, il processo sembra efficiente. Se un testo funziona, viene pubblicato. La perdita di competenza rimane nascosta fino al momento in cui abbiamo bisogno proprio di quella competenza per capire che la macchina sta sbagliando. Ed è qui che la Norvegia offre una lezione interessante. Sta cercando di stabilire la sequenza dell’automazione. Prima alcune capacità fondamentali. Poi una conoscenza dello strumento. Quindi un utilizzo sempre più autonomo. Infine, la capacità di servirsene dentro contesti complessi. Una sequenza semplice, che pochi però stanno applicando.

Ogni automazione dovrebbe avere una competenza da proteggere

Negli ultimi due anni abbiamo misurato l’adozione dell’intelligenza artificiale soprattutto attraverso la velocità. Ore risparmiate. Task automatizzate. Processi accelerati. Costo per output. Metriche utili. Ma la Norvegia ne suggerisce un’altra:

Quale capacità vogliamo proteggere mentre automatizziamo questo processo?

È una domanda che un CEO dovrebbe scegliere di porsi prima di approvare qualsiasi adozione significativa dell’AI. Perché ogni automazione produce un guadagno visibile. Alcune modificano anche ciò che le persone continuano a saper fare. Una governance matura dovrebbe conoscere entrambi. La prima mappa dell’AI dentro un’azienda, allora, potrebbe partire dalle competenze prima ancora che dai software, chiedendoci quali possiamo delegare, quali possiamo amplificare, quali appartengono alla responsabilità di una persona. La Norvegia sta cercando di rispondere a questa domanda per salvare bambini e adolescenti. Molte aziende dovranno iniziare a farsela presto, per salvare la propria operatività. Perché quando una macchina può svolgere qualcosa al posto nostro, la vera decisione riguarda ciò che vogliamo continuare a essere capaci di fare senza di lei. Oggi, domani e dopodomani.

Domande frequenti

La Norvegia ha vietato l’intelligenza artificiale nelle scuole?

No. Le nuove raccomandazioni seguono una progressione basata sull’età. Dal primo al settimo anno l’accesso diretto alla GenAI dovrebbe essere evitato nella maggioranza dei casi. Dall’ottavo al decimo può essere introdotto gradualmente sotto la guida degli insegnanti. Nella scuola superiore gli studenti dovrebbero imparare a utilizzarla in maniera critica e appropriata. (Utdanningsdirektoratet).

L’intelligenza artificiale peggiora l’apprendimento?

Dipende dal modo in cui viene utilizzata. L’OECD evidenzia che strumenti generalisti possono migliorare la performance durante un compito senza produrre un equivalente miglioramento dell’apprendimento. Gli utilizzi progettati con uno scopo pedagogico preciso mostrano risultati più promettenti. (OECD Digital Education Outlook 2026).

Cosa può insegnare il modello norvegese alle aziende?

Un principio di sequenza. Prima di automatizzare un’attività conviene stabilire quali competenze l’organizzazione vuole conservare, quale ruolo attribuire all’AI, quali verifiche mantenere e chi conserva la responsabilità della decisione. Sono alcune delle domande centrali di un sistema di AI Governance.

Fonti e riferimenti

Aggiornato il 3 Settembre 2026

Prima di delegare all’AI, dobbiamo decidere cosa vogliamo continuare a saper fare: la Norvegia insegna