Dal principiante all’esperto: come l’AI rende i principianti più efficaci degli esperti che non usano l’AI 

la Dottoressa Philippa Hardman ha esplorato il potenziale dell’AI generativa nel migliorare le prestazioni dei progettisti didattici.

Uno studio condotto dalla Dr. Philippa Hardman ha indagato il potenziale dell’AI generativa nel migliorare le prestazioni dei designer didattici, dimostrando che, in alcune circostanze, i professionisti inesperti supportati dall’AI possono superare i professionisti esperti che lavorano senza assistenza tecnologica.

Gli esiti della sperimentazione sono significativi per tutti gli ambiti delle attività lavorative intellettuali e non solo per i professionisti dei settori dell’educazione e della formazione.

La sperimentazione sembra confermare quanto descritto a livello teorico nelle classificazioni d’uso e di capacità delle AI generative allo stadio di sviluppo attuale.

La Sperimentazione sui Progettisti Didattici

L’esperimento ha coinvolto tre progettisti, ciascuno incaricato di svolgere compiti tipici del designer didattico:

1. Designer esperto senza AI: un professionista con esperienza ha lavorato autonomamente.
2. Principiante con AI: un individuo con poca esperienza nel campo che ha utilizzato ChatGPT 4.0 e Consensus GPT come supporto.
3. Esperto con AI: un designer didattico esperto ha lavorato con l’assistenza dell’AI.

A ciascun professionista è stato chiesto di creare obiettivi di apprendimento, selezionare strategie didattiche, e sviluppare un programma del corso individuato.

 Le valutazioni dei prodotti dei tre professionisti sono state effettuate da altri circa 200 progettisti didattici, che hanno analizzato in modo anonimo e indipendente i progetti senza sapere da quale professionista provenissero.

Risultati Sorprendenti: Il Principiante Supportato dall’AI Supera l’Esperto

I risultati hanno rivelato che l’AI ha migliorato le prestazioni, in particolare quando combinata con l’esperienza umana.  Sorprendentemente (ma non troppo) i prodotti del progettista principiante supportato dall’AI hanno superato il designer esperto senza AI in tutti e tre i compiti:

• Creazione di obiettivi di apprendimento: Il principiante + AI ha ottenuto il secondo posto con un risultato molto vicino all’esperto assistito dall’AI, con il 79% dei valutatori che ha considerato il lavoro di qualità molto buona o eccezionale. Il designer esperto senza AI si è piazzato al terzo posto.
• Selezione delle strategie didattiche: Anche in questa fase, il principiante con AI ha superato l’esperto senza AI, con una valutazione positiva dal 76% dei valutatori.
• Progettazione del corso: L’esperto che ha usato l’AI ha ottenuto il primo posto, ma il principiante con AI ha nuovamente battuto l’esperto senza AI, dimostrando il valore del supporto tecnologico nella creazione di progetti più dettagliati e strutturati.

I feedback dei valutatori

Altrettanto interessanti le analisi sui feedback dei valutatori rispetto agli elaborati esaminati.

Come ha detto un valutatore:

“Sembra che l’AI porti il contenuto scritto da un buon designer a un livello completamente superiore — in questo caso, strutturando l’obiettivo raggiunto per modulo.”

La maggioranza dei valutatori ha identificato il lavoro realizzato dal progettista esperto supportato dall’AI identificando il valore aggiunto ad esempio nella sintesi, strutturazione e creazione del programma didattico. Molti hanno visto l’AI come un esperto virtuale soprattutto in grado di individuare ed inserire citazioni di ricerche verificabili e validate ed in grado di portare il prodotto a un livello che un umano medio non sarebbe in grado di raggiungere. Tra gli aspetti distintivi del lavoro umano i valutatori hanno elencato la capacità di collegare obiettivi a contenuti ed attività e le caratteristiche di sequenzialità e buona scrittura del progetto. La valutazione di prodotto “umano” è stata data anche a testi elaborati dalle AI.

Il ruolo dell’AI nelle attività lavorative intellettuali

Sebbene la ricerca tratti un aspetto professionale circoscritto evidenzia come in tutti i compiti, il lavoro assistito dall’AI ha prodotto risultati di qualità superiore rispetto al lavoro svolto unicamente dagli esseri umani, e questo tipo di esito può sicuramente essere esteso a molte altre attività lavorative.

In particolare viene evidenziato come l’AI ha dimostrato abilità in aree spesso considerate tipicamente umane, come la creazione di contenuti ben strutturati e contestualmente appropriati, e il collegamento efficace degli obiettivi ai moduli. Questo tipo di potenzialità ha permesso ai lavoratori inesperti di raggiungere il livello di prestazione di lavoratori esperti lasciando intravedere una tendenza al livellamento qualitativo verso l’alto degli ouput attesi e una compressione degli spazi competitivi per l’eccellenza.

Si va dunque verso una sempre più stretta simbiosi tra essere umano e macchina? Sembra proprio di si.

La simbiosi, tuttavia, risente e assume caratteristiche differenti in rapporto al livello di esperienza, conoscenza e preparazione dell’umano che utilizza la macchina. 

Per gli esperti, l’AI funge da “apprendista”, rispondendo a istruzioni dettagliate basate sulla conoscenza del dominio dell’esperto. L’AI supporta l’efficienza, ma è l’umano a garantire che le operazioni vengano svolte correttamente. Le competenze cruciali in questa relazione includono una conoscenza approfondita della materia trattata e la capacità di gestire i prompt in modo efficace, con i migliori risultati ottenuti quando si utilizzano prompt strutturati.

Per i principianti, l’AI assume il ruolo di “mentore”, aiutandoli a comprendere i concetti base e migliorando le loro prestazioni grazie alle sue conoscenze integrate.

L’AI generativa si caratterizza come strumento in grado di potenziare le capacità intellettuali umane non ripetitive piuttosto che automatizzarle o sostituirle.

Siamo quindi agli albori dell’AGI (Artificial General Intelligence)?

Gli esiti della sperimentazione condotta dalla Hardman confermano quanto proposto da Google Deep Mind  per la classificazione delle AI allo stadio di sviluppo attuale. Gli autori suggeriscono di valutare la classificazione delle intelligenze artificiali sulla base del livello di prestazione e sull’ampiezza delle capacità di cui sono dotate. La scala è tarata sulle capacità umane, da umano non specializzato a umano specializzato fino a capacità sovrumane.

La classificazione fornisce uno stato dell’arte chiaro su quale sia il livello di sviluppo dell’AI ad oggi. I sistemi di intelligenza generativa sono collocati al primo livello dello sviluppo delle AGI, quello definito emergente con capacità e prestazioni pari o leggermente migliore ad un umano non specializzato.

Le ANI (Artificial Narrow Intelligence), con compiti chiaramente definiti, in molte loro applicazioni hanno già raggiunto livelli di capacità e prestazioni superiori ai best performer umani di quella specifica attività. 

Il percorso di sviluppo delle AGI è ancora lungo quindi in termini di sviluppo delle prestazioni e delle capacità. Non è possibile ad oggi predire i tempi dello sviluppo e soprattutto fare previsioni sul se e quando si arriverà alla super intelligenza. 

Quel che è importante per noi è capire che all’attuale stadio di sviluppo e disponibilità di questi sistemi essi vanno considerati come assistenti in grado di facilitare e rendere più semplici in termini di elaborazione e di tempi di realizzazione moltissime delle attività, soprattutto intellettuali, che la maggior parte di noi è chiamata a svolgere in ambito lavorativo.

Abbiamo a disposizione un collaboratore, lo possiamo pensare intelligente ma con competenze limitate e non specialistiche. Tenendo sempre presente che stiamo utilizzando una macchina e che il concetto di intelligenza va applicato con le dovute distinzioni dalla nostra concezione umana di intelligenza stessa.

 1) Philippa Hardman. How Close is AI to Replacing Instructional Designers? https://drphilippahardman.substack.com/p/how-close-is-ai-to-replacing-instructional-1ba

2)  Meredith Ringel Morris, Jascha Sohl-dickstein ad altri, Levels of AGI: Operationalizing Progress on the Path to AG, GoogleDeepMind, nota pag. 1, novembre 2023, https://arxiv.org/abs/2311.02462