Deskilling: l’AI ci sta facendo dimenticare come si lavora? Gli studi che preoccupano gli esperti

C’è un paradosso silenzioso al cuore dell’era dell’intelligenza artificiale: più usiamo l’AI per svolgere compiti complessi, più rischiamo di perdere la capacità di svolgerli da soli. Non è fantascienza, non è allarmismo: è quello che emerge da una serie di studi scientifici recenti, pubblicati su riviste come Nature, The Lancet e presentati da ricercatori di Anthropic stessa.

Il fenomeno ha un nome: deskilling, ovvero l’erosione delle competenze. E i dati che arrivano dalla medicina, dall’ingegneria del software e dalle neuroscienze cognitive stanno iniziando a fare rumore nella comunità scientifica internazionale.

Cosa dice la scienza: il caso dei medici endoscopisti in Polonia

Partiamo dal dato più eclatante. Nel 2025, su The Lancet Gastroenterology and Hepatology (ottobre 2025, vol. 10, n. 10, pp. 896-903), è stato pubblicato uno studio che ha monitorato un gruppo di medici polacchi specializzati in endoscopia. Non medici qualunque: professionisti con almeno 2.000 colonscopie eseguite nel corso della loro carriera, quindi esperti con una lunga esperienza alle spalle.

A questi specialisti è stato dato accesso a un sistema AI in grado di analizzare in tempo reale le immagini della colonscopia e segnalare la presenza di adenomi, un tipo di lesione intestinale precancerosa. Risultato? Dopo l’esposizione al sistema AI, le performance dei medici — misurate senza l’ausilio dell’AI — sono calate in modo statisticamente significativo.

Il tasso di rilevamento degli adenomi (adenoma detection rate, ADR) è sceso dal 28,4% (226 su 795 esami) prima dell’esposizione all’AI al 22,4% (145 su 648) dopo l’esposizione. Una differenza assoluta di -6,0% (IC 95%: -10,5 a -1,6; p=0,0089). In termini pratici: i medici che avevano “delegato” la loro attenzione all’AI hanno iniziato a fare peggio quando l’AI non c’era.

«I medici specializzati in endoscopia avevano tutti eseguito almeno 2.000 colonscopie nel corso della carriera. Eppure, dopo l’esposizione all’AI, le loro prestazioni autonome sono calate.»
— Is AI ruining our skills? Early results are in — and they’re not good, Nature

Nature lancia l’allarme: il deskilling guidato dall’AI è reale

La rivista scientifica Nature ha dedicato un articolo a questo fenomeno emergente con un titolo inequivocabile: “Is AI ruining our skills? Early results are in — and they’re not good”. Il sottotitolo spiega tutto: le prove suggeriscono che il deskilling guidato dall’AI sta iniziando a manifestarsi in medicina, informatica e altri settori. I ricercatori stanno ora discutendo come preservare le competenze umane essenziali nell’era dell’AI.

Robert Wachter, medico presso l’Università della California a San Francisco e autore del libro “A Giant Leap: How AI is Transforming Healthcare and What That Means for Our Future” (Portfolio/Penguin, 2026), è tra le voci più autorevoli su questo tema. Wachter non è contrario all’AI — anzi, ne studia i benefici da anni — ma avverte che l’adozione acritica degli strumenti AI in medicina può portare a un deterioramento delle capacità diagnostiche dei clinici meno esperti, proprio quelli più vulnerabili al rischio di deskilling.

Il caso Anthropic: gli ingegneri del software imparano meno con l’AI

Il fenomeno non riguarda solo la medicina. Uno studio condotto nell’ambito dell’Anthropic Fellows Program — e pubblicato su arXiv (arXiv:2601.20245) prima della revisione paritaria — ha esaminato 52 ingegneri del software divisi in due gruppi: uno che utilizzava l’assistenza AI per scrivere codice, uno che codificava a mano.

Al termine dello studio, i partecipanti sono stati valutati con un quiz sulle competenze acquisite. Il risultato è stato netto: il gruppo che aveva usato l’AI ha ottenuto in media il 50%, contro il 67% del gruppo che aveva lavorato senza AI. Una differenza equivalente, come nota lo studio stesso, a quasi due voti scolastici.

«Il gruppo AI ha ottenuto una media del 50% al quiz, contro il 67% del gruppo che aveva codificato a mano — l’equivalente di quasi due voti scolastici di differenza.»
— How AI assistance impacts the formation of coding skills, Anthropic / arXiv

È un dato che fa riflettere, soprattutto se si pensa che questo studio è stato condotto da Anthropic stessa, una delle principali aziende di sviluppo AI. Non è una voce ostile alla tecnologia: è un’autocritica scientifica e metodologicamente fondata.

Deskilling: perché accade, e perché è un problema sistemico

Il meccanismo alla base del deskilling è ben noto in psicologia cognitiva: le competenze si consolidano attraverso la pratica ripetuta e la gestione diretta dell’errore. Quando deleghiamo un compito a uno strumento (sia esso un GPS, un correttore automatico o un sistema AI) il cervello riduce progressivamente l’allocazione di risorse cognitive a quel compito. Smette di esercitarsi.

Il problema specifico dell’AI è la sua efficacia. Un GPS può sbagliarsi e costringerti a ragionare. Un sistema AI avanzato, come quelli usati in endoscopia o nella generazione di codice, è così preciso da non lasciare mai spazio all’errore formativo. Non c’è mai il momento in cui il medico deve “capire” perché l’AI ha visto qualcosa che lui non aveva visto: semplicemente lo accetta.

Tapani Rinta-Kahila, Senior Lecturer di Business Information Systems e DECRA Fellow presso la Business School dell’Università del Queensland a Brisbane (Australia), studia questo fenomeno da anni. Nelle sue ricerche, il deskilling non è mai immediato: inizia con una dipendenza sottile dagli strumenti, si consolida nell’abitudine, e diventa un problema strutturale solo quando lo strumento non è disponibile o sbaglia.

Non è un argomento contro l’AI: è un’occasione per usarla meglio

Sarebbe un errore leggere questi studi come una condanna dell’intelligenza artificiale. L’AI in endoscopia ha salvato vite: ha rilevato adenomi che i medici avevano mancato. L’AI nella programmazione ha accelerato lo sviluppo di software. Il problema non è l’AI in sé, ma il modo in cui l’integriamo nei processi di apprendimento e di lavoro.

Gli stessi ricercatori che documentano il deskilling propongono soluzioni concrete:

• Separare le fasi di apprendimento da quelle di produzione. I medici in formazione non dovrebbero usare l’AI come stampella, ma come strumento di verifica a posteriori. Prima si esercita il ragionamento clinico autonomo, poi si confronta con l’AI.
• Introdurre sessioni regolari di lavoro senza AI. Esattamente come un pilota di aereo fa esercitazioni sul simulatore senza autopilota, i professionisti che usano AI ogni giorno dovrebbero mantenere attive le competenze di base.
• Progettare sistemi AI che spiegano, non solo che decidono. Un sistema che mostra il ragionamento dietro una diagnosi o una riga di codice contribuisce all’apprendimento; uno che dà solo l’output finale lo ostacola.
• Monitorare le competenze nel tempo. Le aziende e le istituzioni sanitarie dovrebbero tracciare l’evoluzione delle competenze dei loro professionisti, non solo la produttività.

Il punto per chi usa l’AI ogni giorno

Se usi strumenti AI quotidianamente — per scrivere, programmare, analizzare dati, fare ricerca — questi studi non ti dicono di smettere. Ti dicono di prestare attenzione a una domanda fondamentale: sto usando l’AI per amplificare le mie competenze, o sto delegando competenze che non voglio più sviluppare?

La differenza è cruciale. Un medico esperto che usa l’AI come secondo parere rimane esperto. Un medico che usa l’AI come primo e unico giudizio smette, silenziosamente, di allenarsi. Lo stesso vale per un programmatore, un analista, un copywriter, un manager.

L’AI è uno strumento potente. Come tutti gli strumenti potenti, il modo in cui lo usi determina se ti rende più forte o più dipendente. La consapevolezza è il primo passo.

Vuoi approfondire come usare l’AI in modo strategico senza perdere le tue competenze? Scopri i corsi disponibili oppure contattami per una consulenza.