L’ALGORITMO EDUCATIVO e il PRESUPPOSTO NASCOSTO. Una riflessione critica a partire dal saggio di Mario Caligiuri
🇮🇹 Il saggio di Mario Caligiuri, pubblicato nel n. 1/2026 di Studi sulla Formazione (UNIFI), affronta la possibilità di un algoritmo educativo. Questa recensione sostiene che il nodo decisivo non sia tecnologico, ma pedagogico: la differenza tra un sistema capace di simulare il dissenso e un’alterità capace di assumerne il rischio.
🇬🇧 Mario Caligiuri’s essay, published in the 2026/1 issue of Studi sulla Formazione (University of Florence), examines the possibility of an educational algorithm. This review contends that the central question is not technological but pedagogical: the distinction between a system capable of simulating dissent and an alterity capable of assuming the risk that genuine dissent entails.
C’è una domanda che attraversa il saggio di Mario Caligiuri, (L’algoritmo educativo, Studi sulla Formazione 1/2026, UNIFI) senza mai essere formulata esplicitamente: può un algoritmo essere, per struttura, uno strumento di formazione critica? Non è una domanda pedagogica né una domanda sull’intelligenza artificiale. È una domanda di filosofia dell’educazione. E ne contiene un’altra: se l’algoritmo commerciale funziona perché conosce l’utente meglio di quanto l’utente conosca sé stesso, chi dovrebbe conoscerlo abbastanza bene da progettare, al suo posto, un algoritmo capace di renderlo critico?
La questione dichiarata è, invece, se sia possibile riconvertire la potenza di calcolo del capitalismo digitale a fini educativi. Ma presuppone una risposta: che esista un soggetto legittimato a stabilire cosa sia critico, che si tratti dello Stato, dell’università o di una comunità scientifica da definire. È il punto in cui il testo, pur dichiarandosi consapevole dei suoi rischi tecnologici, politici, culturali ed etici, passa da un registro descrittivo a uno normativo.
Caligiuri incrocia tradizioni e saperi: la pedagogia critica di Freire e Morin, la sociologia del capitalismo digitale di Zuboff e Crary, gli intelligence studies applicati alla sfera cognitiva, cifra del suo lavoro precedente. Geopolitica della mente non compare in queste pagine, ma se ne avverte l’eco nei passaggi sulla contesa per l’attenzione. Nella bibliografia convivono, tra gli altri, manuali di economia comportamentale, il pamphlet di Curcio, un riferimento teologico a Benanti. Due piste meriterebbero di essere sviluppate: la letteratura tecnica sul design algoritmico e la riflessione sulla struttura relazionale che l’algoritmo instaura con chi lo interroga: il testo parla di “comportamenti orientati” e lascia aperta la riflessione su cosa distingua, sul piano dell’esperienza, l’essere interpellati da una macchina dall’essere interpellati da un altro essere umano.
Il saggio illustra, con efficacia, l’opposizione tra algoritmo commerciale ed educativo: una simmetria speculare – stesse tecniche, messaggi di segno opposto – che ha la forza di un parallelismo invertito e apre, insieme, un interrogativo sulla fattibilità tecnica. E qui si innesta uno spazio di lettura: la riconversione può apparire un problema di volontà politica, mentre lo stesso saggio, in chiusura, la colloca tra i “protocolli sperimentali” da costruire. Il passaggio dalla diagnosi alla cura resta un terreno che il saggio affida a sviluppi successivi.
Cambridge Analytica risale a un decennio fa e documenta come un algoritmo estragga informazione a insaputa dell’utente, evidenza solida che trova naturale complemento in dati più recenti.
Alla chiusura del saggio non era ancora disponibile un dato aggiornato su come le persone usino oggi l’AI generativa, non più i motori di raccomandazione dei social ma i sistemi conversazionali che ne sono seguiti. Quel dato è arrivato nelle scorse settimane: la terza edizione di AI in the Wild – pubblicata su Harvard Business Review il 1° giugno 2026 da Marc Zao-Sanders e Sara Biuk – analizza 12.637 casi reali e offre una mappa che integra quella di Caligiuri.
Il 31% degli usi dell’AI generativa riguarda supporto personale ed emotivo; terapia e compagnia costituiscono l’utilizzo più diffuso in assoluto, per il secondo anno consecutivo, con una crescita di oltre il doppio rispetto al 2025.
Non è la profilazione a fini di consumo descritta nel saggio: la sua dicotomia – algoritmo che manipola per vendere vs algoritmo che educa per formare – presuppone in entrambi i casi un progettista con un’intenzione dichiarata. I dati descrivono un terzo scenario, milioni di persone che piegano uno strumento – non progettato né per la terapia né per l’educazione – a un uso che nessun designer aveva previsto. Alla domanda che il saggio pone come problema di governance futura – chi deciderà cosa sia educativo – la ricerca suggerisce che, nel frattempo, la stanno decidendo gli utenti, un prompt alla volta.
Zao-Sanders e Biuk introducono anche un termine, “thinkslop”: la traduzione empirica di un’intuizione che nel saggio resta teorica, ovvero la delega non del compito ma del giudizio. Caligiuri immagina due algoritmi di segno opposto; la ricerca mostra, invece, che lo stesso strumento può produrre tanto la resa del pensiero critico quanto il suo contrario, a seconda dell’intenzione con cui è interrogato. Una variabile che resta sullo sfondo in un saggio orientato preliminarmente alla progettazione a monte, e che sposta il problema dall’ingegneria dell’algoritmo all’educazione dell’utente: un ribaltamento che la media literacy – per Caligiuri paradigma non più sufficiente – aveva già intuito.
Una lettura clinica della stessa ricerca aggiunge un tassello: l’AI non starebbe invadendo un territorio estraneo, ma riempiendo un vuoto esistente, l’accesso alla cura psicologica, la solitudine lasciata senza risposta. Se questa lettura regge, suggerisce che il bisogno prevalente sia oggi meno cognitivo di quanto il saggio presupponga e più vicino alla dimensione relazionale. Un algoritmo pensato per rafforzare il giudizio critico incontra, così, un “bisogno altro” rispetto a quello che i dati rilevano come dominante: un interlocutore che ascolti. Ma ascoltare non equivale ancora a entrare in relazione. La questione ultima non riguarda la qualità della risposta, bensì la natura dell’interlocutore. È qui che nasce il problema teorico dell’algoritmo educativo.
Il punto non è stabilire se un algoritmo possa dialogare. Può farlo, e con una competenza linguistica sempre maggiore. Il punto è un altro: il dialogo non coincide con la semplice produzione di risposte pertinenti. Presuppone un’alterità capace di esporsi, di contraddire, di assumere il rischio del dissenso. Il saggio innesta la proposta sulla tradizione di Freire, per cui il pensiero critico è esito di una presa di coscienza che matura nel confronto con una alterità reale, capace di resistere, di opporre un punto di vista non riducibile a quello di chi interroga. Questa resistenza manca in qualunque interlocutore artificiale: un sistema che genera linguaggio non porta nella conversazione un bisogno o una vulnerabilità indipendenti da quelli dell’utente. È questa la differenza, minima ma decisiva, tra ciò che chiamiamo dialogo e la sua simulazione. Può simulare il dissenso, ma non assumerne il rischio. È in questa differenza che passa il confine tra un’interazione linguisticamente convincente e una relazione educativa.
A questa obiezione se ne può opporre una altrettanto solida: un libro non oppone resistenza autonoma, eppure per secoli ha formato pensiero critico. Ma un libro è mediazione fissa, attraversata nei tempi del lettore; un algoritmo simula in tempo reale la reciprocità di una relazione. È questa simulazione dinamica, non la mediazione in sé, a rendere l’assenza di rischio strutturalmente diversa.
Il richiamo a Mazzucato perché lo Stato torni “attore dell’innovazione” lascia sullo sfondo una domanda che la stessa proposta solleva: chi, dentro lo Stato, decide, e con quale garanzia che l’opposizione Stato-piattaforme non si riduca, nella pratica italiana, a quella tra un ministero e un oligopolio globale? La domanda si aggrava se si assume, come fa il saggio, che controllare l’algoritmo equivalga a controllare il pensiero che ne deriva: un algoritmo educativo distribuito centralmente, per quanto ben intenzionato, rischia di identificare il pluralismo con una pluralità già definita dall’istituzione che lo governa.
Resta un paradosso non risolto: se il giudizio di chi dovrebbe vigilare sull’algoritmo si forma attraverso l’uso di quello stesso algoritmo, la funzione di controllo perde il punto di osservazione esterno da cui dovrebbe esercitarsi. Un problema che nessuna architettura può risolvere dall’interno.
Il titolo annuncia una teoria pedagogica; il testo sviluppa una diagnosi del potere algoritmico, ma è nell’ottava sezione che si apre lo spunto più fecondo, mai del tutto sciolto: la tensione tra un fondamento pedagogico che richiede alterità resistente e uno strumento che, per costituzione, non può opporne alcuna.
I dati di HBR suggeriscono una risposta parziale a questa tensione, e non è quella che il saggio immagina.
Le persone non attendono un algoritmo educativo: stanno già usando quello che hanno per colmare un vuoto relazionale. Se questa ipotesi sarà confermata, dunque, il compito più urgente non sarà tanto progettare l’algoritmo, ma preservare le condizioni sociali, culturali e istituzionali senza le quali nessun pensiero può davvero diventare autonomo.
Di seguito l’intervento di Caligiuri a Lavori in Corso, Radio Radio: nella puntata del 2 luglio scorso si è parlato di algoritmo educativo e sfide annesse e connesse.
About Author
