L’intelligenza artificiale generativa nella scuola tra diritti fondamentali e nuove forme di governance

L’integrazione dell’intelligenza artificiale nei contesti scolastici e della formazione superiore pone questioni giuridiche che non si esauriscono nel piano della protezione dei dati, ma investono l’effettività del diritto all’istruzione nella sua accezione costituzionale moderna. Il contributo muove dalla lettura del diritto all’istruzione come diritto fondamentale a prestazione (alla luce delle sent. nn. 215/1987 e 275/2016 della Corte cost.), che costituisce la cornice entro cui valutare qualunque infrastruttura incidente sulle condizioni reali di partecipazione al processo formativo. Su tale fondamento si innesta il quadro normativo applicabile, presentato in ordine cronologico: il reg. UE 2016/679 (GDPR), che impone alla scuola obblighi di titolarità del trattamento, valutazione d’impatto e tutela rinforzata dei dati dei minori; la dottrina della legalità algoritmica elaborata dal Consiglio di Stato (sentt. nn. 2270/2019, 8472–8474/2019, 881/2020), da cui discendono i tre criteri operativi di spiegabilità praticabile, contestabilità e responsabilità; il reg. UE 2024/1689 (AI Act), che classifica come ad alto rischio i sistemi impiegati per valutare le prestazioni degli studenti o orientarne il percorso. Il secondo paragrafo distingue i sistemi di intelligenza artificiale generativa dagli strumenti digitali ordinari e dai sistemi predittivi, analizzandone i profili di rischio (inaffidabilità strutturale della fonte, distorsione sistematica, opacità del processo generativo, trattamento dei dati prodotti nell’interazione) e le opportunità in termini di personalizzazione, inclusione e sviluppo delle competenze critiche, con attenzione al nesso con l’art. 3, c. 2 Cost. Il terzo paragrafo verifica empiricamente questi profili attraverso case study comparati tratti da contesti internazionali, inclusi paesi extra-UE: la rassegna sistematica di Baker e Hawn e l’analisi del dataset Open University (OULAD, 2017) documentano i rischi di discriminazione algoritmica nei sistemi predittivi; l’esperienza ESCP Ember (Parigi, marzo 2026) illustra il problema del consenso sostanziale al trattamento algoritmico; il workshop di scrittura accademica di Oxford (2026) dimostra come la trasparenza strutturale possa essere incorporata nel design già a livello progettuale; l’iniziativa della BI Norwegian Business School propone un’architettura valutativa a tre pilastri come risposta istituzionale al problema dell’autenticità degli elaborati; i sistemi IRT, la piattaforma Khan Academy in Azerbaigian e l’algoritmo KNN illustrano le condizioni alle quali l’automazione produce effetti positivi e compatibili con il principio di eguaglianza sostanziale. Il contributo conclude sostenendo che la legittimità dell’IA nella scuola dipende dalla qualità della governance che la sorregge: solo una governance verificabile, fondata sulla spiegabilità praticabile e sulla supervisione umana effettiva, consente all’intelligenza artificiale di servire l’educazione democratica anziché eroderne le garanzie.