Pensare nell’era dell’assistente: cosa succede alla mente quando l’IA risponde per noi

Nel 2011 la psicologa Betsy Sparrow, insieme a Jenny Liu e Daniel Wegner, pubblicò su Science uno studio destinato a diventare un punto di riferimento nella ricerca sulla cognizione digitale. I risultati mostravano che le persone, quando sanno che un’informazione sarà accessibile online, tendono a ricordare dove trovarla piuttosto che l’informazione stessa. Il fenomeno fu chiamato Google effect: il motore di ricerca stava diventando una protesi della memoria, un magazzino esterno a cui affidare ciò che un tempo si conservava nella mente. Sparrow e colleghi lo interpretarono attraverso il modello della memoria transattiva — quel meccanismo, descritto originariamente per le coppie e i gruppi, per cui ciascuno ricorda ciò che sa di poter recuperare dall’altro. Internet era diventato l’«altro» universale.
A quindici anni di distanza, il quadro è cambiato in modo qualitativo, non solo quantitativo. L’IA generativa — ChatGPT, Copilot, Gemini, Claude e i sistemi analoghi — non si limita a restituire informazioni: produce testi, argomenta, riassume, analizza, scrive codice, redige pareri. Non è più un magazzino a cui si chiede dove si trova qualcosa: è un interlocutore a cui si chiede di pensare al nostro posto. Il salto è enorme, e le sue conseguenze cognitive stanno cominciando a emergere nella letteratura scientifica con una chiarezza che non può più essere ignorata.

Dalla memoria al ragionamento: la nuova delega
Il concetto chiave è quello di cognitive offloading — la scarica cognitiva — descritto da Risko e Gilbert nel 2016 come l’uso di azioni fisiche o strumenti esterni per ridurre il carico cognitivo di un compito. Con Google, l’offloading riguardava la memoria dichiarativa: non ricordo il dato, ma so dove cercarlo. Con l’IA generativa, l’offloading si estende al ragionamento stesso, alla scrittura argomentativa, alla capacità di analisi. Una revisione sistematica pubblicata nel febbraio 2026 su arXiv ha documentato come l’affidamento ai sistemi di IA generativa per il recupero di informazioni e il completamento di compiti riduca la ritenzione mnemonica e la codifica profonda, poiché gli utenti si impegnano in un consumo passivo piuttosto che in un’elaborazione attiva. Il meccanismo è circolare e insidioso. L’utente chiede all’IA di svolgere un compito cognitivo. L’IA lo svolge in modo rapido e plausibile. L’utente ottiene il risultato senza aver attraversato il processo che lo produce. Col tempo, la stima delle proprie capacità interne si riduce, e la propensione a delegare aumenta. Risko e Gilbert avevano descritto questo loop già per gli strumenti digitali precedenti; ricerche recenti suggeriscono che con l’IA generativa il ciclo si accelera, perché il sistema non restituisce un link da leggere ma una risposta da accettare. La distanza tra domanda e risposta si annulla, e con essa il tempo in cui il pensiero avrebbe potuto formarsi.

Cosa succede in aula
Il contesto in cui questi effetti sono più visibili è quello educativo. Diverse ricerche confermano che una quota crescente di studenti non usa l’IA generativa come supporto al proprio ragionamento, ma come sostituto. Non verifica una tesi con ChatGPT: la fa scrivere a ChatGPT. Non usa il sistema per esplorare un argomento: lo usa per produrre direttamente l’elaborato finale. Evidenze empiriche del 2024 e 2025 mostrano che il ricorso costante a un’«impalcatura» di IA può incoraggiare una dipendenza superficiale, in cui gli studenti non interiorizzano l’informazione in un modo che supporti il recupero autonomo. L’effetto non riguarda soltanto la memoria. Studi recenti hanno documentato un declino nelle capacità di scrittura, nel calcolo aritmetico, nell’apprendimento linguistico e nella risoluzione creativa di problemi tra gli utenti che delegano regolarmente questi compiti all’IA. Il dato più preoccupante emerge dalla ricerca sulla metacognizione: chi si affida sistematicamente all’IA tende a sopravvalutare le proprie competenze reali, perché confonde la capacità di ottenere una risposta con la capacità di produrla. È una forma di illusione di conoscenza — sapere che esiste una risposta e credere di saperla — che le ricerche sul Google effect avevano già intravisto, ma che l’IA generativa porta a un livello nuovo.

Il paradosso della frizione
Per comprendere cosa sta accadendo è utile un concetto che la psicologia cognitiva chiama difficoltà desiderabili (desirable difficulties): quelle condizioni di apprendimento che rallentano la prestazione immediata ma rafforzano la ritenzione e il trasferimento a lungo termine. Lo sforzo di ricordare, riformulare, sbagliare e correggere non è un ostacolo all’apprendimento: ne è il motore. Il cosiddetto testing effect, descritto da Roediger e Karpicke nel 2006, mostra che il recupero attivo di un’informazione dalla memoria la consolida molto più della semplice rilettura.L’IA generativa, per sua natura, elimina questa frizione. Restituisce risposte fluide, strutturate, convincenti, senza richiedere all’utente lo sforzo di cercare, selezionare, organizzare, riformulare. È il paradosso dell’assistente perfetto: più è efficiente, più riduce le occasioni in cui il pensiero si forma. Non è un difetto dell’IA: è una proprietà del modo in cui la mente umana impara. E ci pone davanti a una domanda scomoda: è possibile usare uno strumento progettato per ridurre lo sforzo cognitivo senza che lo sforzo cognitivo si riduca?

Non un rifiuto, ma un’educazione 
La risposta non può essere il rifiuto. L’IA generativa è già dentro le pratiche quotidiane di milioni di studenti e professionisti, e negarne l’esistenza è tanto futile quanto proibire la calcolatrice nelle facoltà di ingegneria. Ma la calcolatrice non ha mai preteso di scrivere la relazione tecnica al posto dello studente. La differenza di scala richiede una differenza di risposta. Credo che il compito formativo più urgente sia oggi insegnare la consapevolezza della delega: rendere visibile agli studenti il processo cognitivo che stanno esternalizzando, in modo che la scelta di delegare sia una scelta e non un automatismo. Significa progettare ambienti di apprendimento in cui l’IA sia presente ma non sostitutiva: chiedere allo studente di scrivere prima il proprio ragionamento e poi di confrontarlo con l’output dell’IA; usare il sistema per generare obiezioni al proprio testo, non per generare il testo; impiegare l’IA come interlocutore critico piuttosto che come ghostwriter. La posta in gioco non è tecnologica. È antropologica. La domanda non è se l’IA sia intelligente, ma se noi restiamo capaci di esserlo quando qualcun altro pensa al nostro posto. Sparrow e colleghi, nel 2011, avevano mostrato che la memoria si ridistribuisce quando trova un deposito esterno affidabile. Oggi scopriamo che non è solo la memoria a ridistribuirsi: è l’intero apparato del pensiero critico. Saperlo è il primo passo per non subirlo.

PixelPost.it è una testata registrata presso il Tribunale di Roma, n°164 del 15 Dicembre 2023