Abstract
L’evento EdTech IKIGAI parte da un’idea: l’educazione è un’infrastruttura e l’intelligenza artificiale è già dentro la scuola. La domanda quindi non è “se”, ma “come”. Nel corso dell’incontro è emerso un punto comune, sintetizzabile in tre parole chiave: consapevolezza, responsabilità e misurabilità. Consapevolezza significa capire cosa fa la tecnologia e quali effetti produce (limiti, bias, implicazioni didattiche e culturali), prima di adottarla. Responsabilità significa criteri di adozione chiari, governance, tutela dei dati e scelte motivate degli strumenti; misurabilità significa rendere osservabili e verificabili processi e impatti dell’adozione, con evidenze, tracciabilità e possibilità di audit, così da valutare competenze e qualità del ragionamento, non solo risultati finali. Dalla cornice di settore e di mercato si è passati a esempi pratici (scuola e università) e a tre startup IKIGAI che mostrano approcci complementari: governare l’adozione, sostenere la didattica quotidiana e lavorare su linguaggi e motivazione. Il messaggio finale è: se l’EdTech è infrastruttura, deve essere progettata e portata negli ambienti educativi con standard, consapevolezza, responsabilità e misurabilità. Da qui nasce anche una lezione operativa: AI ed EdTech non funzionano “a spot”, come iniziative isolate, ma richiedono adozione strutturata e sostenuta nel tempo, integrata nella didattica e nella governance della scuola. Per IKIGAI si apre un tema centrale: la sovranità digitale, cioè la capacità del sistema educativo di contare su infrastrutture affidabili e governabili, senza dipendere totalmente da piattaforme esterne.
Articolo
L’educazione è un’infrastruttura fondamentale e oggi è attraversata da una rivoluzione tecnologica che non possiamo trattare come un accessorio. La domanda non è se l’innovazione debba entrare nella scuola, ma come: con quali regole, responsabilità e criteri di adozione. L’evento EdTech IKIGAI nasce da questa urgenza e da un dato: IKIGAI ha investito in più di tre realtà nel settore education e lavora ogni giorno con chi prova a trasformare idee in strumenti che reggano nel mondo reale, dentro vincoli didattici, organizzativi e normativi.
Il programma ha alternato cornice, dati ed esempi sul campo. Donatella Solda ha aperto con un inquadramento del settore, chiarendo perché l’EdTech oggi va letta come industria e non come semplice “ondata di startup”. Fabrizio Gallante ha aggiunto una lettura quantitativa e di mercato: finito l’hype, resta un’infrastruttura che richiede standard, misurazione e governance. Da qui si è passati a due casi pratici: la scuola, con Daniele Barca e Andrea Capitani, che mostrano un percorso curricolare under 14 per comprendere e “smontare” l’AI con attenzione a privacy e responsabilità; e l’università, con Tiziano Bonini e Leonardo Bindi, che propongono una passeggiata algoritmica come metodo per rendere visibili regole e bias, imparando a ragionare con gli algoritmi. La chiusura ha presentato tre startup accelerate da IKIGAI: Alfred (governance e coerenza con programmi e valutazione), Yukai! (engagement e inclusività nella didattica quotidiana), V-Choux (linguaggi e motivazione come condizioni dell’apprendimento).
L’incontro è stato introdotto e moderato da Martina Giorgi, che ha guidato il dialogo tra prospettive diverse mantenendo il filo conduttore dell’evento: tenere insieme profondità e concretezza, evitando sia il tecno scetticismo sia il tecno entusiasmo.
Donatella Solda (Future Education Modena, Wonderful Education, EdTech Italia) apre con un inquadramento di settore: l’EdTech va letta come industria ormai consolidata, non come semplice ondata di startup, perché attraversa filiere storiche (editoria, piattaforme, registri) e contesti diversi di apprendimento (scuola/università, corporate, informale). Dopo il Covid, il settore è entrato in una fase di stabilizzazione: finita l’ondata di entusiasmo e investimenti, il mercato si è assestato. In parallelo, l’arrivo di tecnologie “general purpose” come l’AI ha cambiato di nuovo il quadro, potenziando molti strumenti esistenti e in alcuni casi rendendone altri superflui. Osserva anche una reazione diffusa, soprattutto nella scuola: in molti contesti si è scelto di ridurre l’uso del digitale. Solda collega questa tendenza sia alla mancanza di regole solide e condivise tra Stato e mercato su cosa sia legittimo e opportuno fare, sia alla percezione di un calo degli apprendimenti dopo l’uso intensivo e “di emergenza” delle tecnologie durante la pandemia. In questo quadro entrano anche preoccupazioni su attenzione e memoria, adeguatezza per età e il tema della “maggiore età digitale” prevista dal GDPR. In chiusura indica due priorità nel dibattito europeo: misurare l’impatto con metriche e percorsi di validazione basati su dati, e rafforzare la sovranità digitale per ridurre effetti su contenuti e bias. La conclusione suggerisce una postura equilibrata: non rifiuto né entusiasmo, ma scelta consapevole delle tecnologie, guidata da evidenze e responsabilità.
Fabrizio Gallante (12Venture, Osservatorio formazione-lavoro/EdTech) propone una lettura quantitativa: dopo il picco del 2021 gli investimenti VC calano, ma il settore non collassa, si normalizza e resta una domanda strutturale, mentre cambiano le metriche di successo. Nella fase post-hype si guarda meno ai numeri “di uso” — quante scuole hanno attivato un abbonamento/licenza o quante persone entrano nella piattaforma — e di più a ciò che rende la tecnologia utile e integrabile: sistemi completi che si collegano agli altri strumenti della scuola, simulazioni, strumenti di valutazione (assessment), misurazione delle competenze e servizi di supporto attorno ai contenuti; l’adozione dell’AI nel learning aziendale viene letta come passaggio dalla moda all’integrazione nei workflow.In Europa la crescita del settore è legata anche a regole più stringenti: aumentano quindi gli investimenti in soluzioni “a norma”, dove la cybersecurity diventa un requisito di base per un ambito spesso colpito da attacchi. In Italia, Gallante descrive un ecosistema EdTech in crescita lenta ma stabile, sostenuto anche dal PNRR. Guardando alle startup, individua tre traiettorie: micro-credential e competenze dimostrabili, cioè strumenti per certificare in modo modulare e verificabile competenze specifiche; cyber compliance, cioè soluzioni che aiutano scuole e organizzazioni a rispettare requisiti di sicurezza e norme sul trattamento dei dati; e formazione molto verticale su competenze manuali, perché la transizione digitale e l’AI dipendono anche da professionalità tecniche e pratiche, non solo da software. La conclusione è che l’EdTech ormai va trattata come un’infrastruttura: non basta che “funzioni”, deve essere progettata con standard, tracciabilità, interoperabilità, evidenze e auditabilità, cioè in modo integrabile, verificabile e governabile nel tempo. In questo quadro l’AI introduce una “delega cognitiva” da gestire con attenzione, perché tratta dati, produce contenuti, influenza decisioni ed è vulnerabile; di conseguenza diventa centrale la misurabilità dell’attendibilità degli output e il ripensamento delle modalità di valutazione, spostando l’attenzione anche sul processo e sulle competenze trasferibili.
Il caso scuola (IC3 Modena: Daniele Barca e Andrea Capitani) mostra un modo diverso di portare l’AI a scuola: non come laboratorio opzionale o sperimentazione di singoli docenti, ma come parte del programma ufficiale, con ore dedicate e valutazione. Il percorso si chiama Lucy ed è un curricolo triennale per la scuola media (under 14) pensato per insegnare “come funziona” l’AI senza far usare chatbot generalisti: gli studenti imparano a smontare la tecnologia in pezzi comprensibili (algoritmi, dati, logiche di apprendimento automatico), rispettando vincoli di età e privacy. Lucy nasce nel 2020 e si inserisce in moduli multidisciplinari resi strutturali dall’istituto (“Steam Sisters”): primo anno su immaginari e linguaggi dell’AI, secondo su logica e funzionamento con robotica e coding, terzo su un project work. I materiali didattici sono resi disponibili in modalità aperta. Andrea Capitani presenta due prototipi sviluppati in questa logica “hands-on” e privacy-first: EVA, un quadro interattivo con modello locale e lavoro guidato sul prompt, e This is me, un editor di avatar e microstorie per autorappresentazione, utilizzabile anche come elaborato d’esame. Barca chiude con un punto di senso: l’obiettivo è capovolgere il paradigma del “chatbot che ti dice chi sei”; qui è lo studente a costruire domande e narrazione su di sé, lavorando intenzionalmente su competenze relazionali e consapevolezza.
Il caso università (UniSi: Tiziano Bonini e Leonardo Bindi) presenta la “passeggiata algoritmica” come esercizio didattico e pubblico per capire gli algoritmi dal punto di vista delle scienze sociali. L’idea è semplice: costruire un algoritmo “a mano” (scritto su carta) che decida quale strada prendere nel centro storico di Siena, e aggiornarlo ogni volta che le regole non bastano. Nato nel corso di Sociologia della Comunicazione e portato anche alla Bright Night (la notte della ricerca), l’esperimento serve a mostrare che un algoritmo non è solo tecnica: è un insieme di scelte, categorie e semplificazioni che possono incorporare pregiudizi. Per farlo, ogni edizione usa un “tema” che impone di trasformare concetti vaghi in criteri operativi. Nel 2022 il tema era attraversare la città seguendo “luoghi femminili”: l’obiettivo non è “mappare il femminile”, ma mostrare quanto sia facile trasformare una categoria in stereotipo quando la si deve codificare. Nel 2024 il tema cambia e diventa accessibilità in carrozzina: qui emergono altri problemi tipici della progettazione, come trade-off tra pendenza e percorribilità, vincoli concreti e la necessità di definire cosa è spazio pubblico per non finire in proprietà private. Bindi sintetizza tre risultati: gli algoritmi richiedono continue correzioni quando la realtà contraddice le regole; assorbono le nostre categorie mentali (quindi anche i bias); e spesso restano invisibili finché non “si inceppano”. La conclusione è operativa: trasparenza, responsabilità ed etica non sono slogan, ma dipendono da quali regole inseriamo nel sistema e da cosa, inevitabilmente, lasciamo fuori.
Le tre soluzioni presentate in chiusura sono tre startup dell’IKIGAI Hub e traducono in modo diverso lo stesso problema emerso lungo tutta la giornata: come portare l’innovazione nell’education senza frammentazione, scorciatoie e perdita di controllo. Hanno in comune un’idea di fondo — la tecnologia deve essere utile, osservabile e coerente con il lavoro reale — ma si differenziano per scala e punto d’ingresso: Alfred lavora sull’adozione governabile dell’AI e sul suo uso didattico (simulazioni, feedback e personalizzazione), Yukai! sulla didattica quotidiana e sull’engagement, V-Choux sui linguaggi e sulla motivazione come condizione per l’apprendimento
Alfred (Stefano Bini) presenta una piattaforma AI pensata per entrare nella scuola senza rompere metodo, programma e valutazione. Bini parte da un problema organizzativo: oggi molti strumenti vengono adottati in modo frammentato dai singoli docenti, con il rischio di dispersione e mancanza di controllo. Da qui propone quattro criteri per un uso responsabile — supporto, personalizzazione, monitoraggio e semplicità — e li traduce in funzioni didattiche concrete. Alfred offre interrogazioni simulate e feedback orientati al miglioramento, attività costruite sulle rubriche valutative e adattate a curricolo, classe e livello dello studente, così che l’AI supporti il percorso di apprendimento invece di sostituirlo o creare scorciatoie. Accanto a questo, introduce strumenti di osservabilità e governance: dashboard per docenti e dirigenti per monitorare utilizzo, progressi e difficoltà, mantenendo coerenza con obiettivi formativi e criteri condivisi. La conclusione insiste sull’adozione come processo: serve tempo, confronto e un’azione coordinata tra governance scolastica, docenti e progettazione tecnologica.
Yukai! (Marco Hernandez e Andrea Zugarini) presenta uno strumento molto pratico per la didattica quotidiana: cruciverba didattici personalizzati, pensati per aumentare coinvolgimento e inclusività riducendo il tempo che i docenti spendono a preparare materiali. Yukai! parte da problemi ricorrenti — calo dell’attenzione, poco tempo per progettare attività, bisogno di feedback rapido — e propone il cruciverba come formato “modulabile”: lo stesso tipo di attività può essere adattato per livello, difficoltà e bisogni diversi, evitando esercizi uguali per tutti in classi sempre più eterogenee. La piattaforma viene descritta come un modo per fare esercizio e controllo continuo in forma leggera: attività brevi e ripetibili che aiutano a verificare comprensione e consolidamento senza spostare tutto su verifiche formali e senza aggiungere burocrazia, rendendo visibile l’effetto dell’attività sul lavoro della classe.
V-Choux (Lucrezia Olivieri) sposta infine l’attenzione dai tool al linguaggio: lavora sull’engagement non come effetto speciale, ma come condizione perché l’apprendimento sia praticabile nel tempo. La proposta combina divulgazione scientifica, intrattenimento e community, usando formati nativi digitali e interazione live per trasformare la fruizione in relazione, con l’idea che la relazione sia una tecnologia educativa tanto quanto una piattaforma. Il messaggio riprende un tema emerso più volte durante l’evento: nella rivoluzione dell’AI non basta aggiungere strumenti, serve ripensare contesti e formati con cui si costruiscono motivazione, continuità e appartenenza. In questa prospettiva V-Choux si presenta come laboratorio di nuovi formati per rendere la scienza più accessibile e desiderabile e per sostenere attenzione e partecipazione come infrastruttura culturale dell’apprendimento.
Conclusioni
L’evento si chiude lasciando un messaggio: l’EdTech non è più una promessa, è già un pezzo di infrastruttura educativa. Proprio per questo non basta “aggiungere AI” o introdurre strumenti uno alla volta, inseguendo mode o urgenze; serve una postura di progetto, con criteri chiari, responsabilità definite e capacità di misurare impatto e rischi. Dalle cornici di Solda e Gallante emerge che la fase post-hype non è un arretramento ma un cambio di regime: contano standard, interoperabilità, tracciabilità e governance, perché la tecnologia tratta dati, produce contenuti, influenza decisioni ed è vulnerabile.
I casi pratici lo rendono concreto. A scuola, il punto non è far usare chatbot, ma costruire competenze e consapevolezza attraverso percorsi curricolari e progettazione “privacy-first”. In università, la passeggiata algoritmica mostra che gli algoritmi diventano visibili quando li pratichi: ogni regola è una scelta, ogni scelta porta bias, e l’etica non è uno slogan ma un lavoro di traduzione del mondo in istruzioni. Le tre startup, infine, hanno mostrato tre strade complementari: governare l’adozione e tenerla coerente con curricoli e valutazione; rendere la didattica quotidiana più ingaggiante e inclusiva senza aumentare il carico docente; ripensare linguaggi e formati per costruire motivazione e continuità.
Se c’è un filo unico, è questo: la tecnologia non sostituisce la pedagogia, la costringe a diventare esplicita. E la sfida più interessante non è scegliere tra entusiasmo e paura, ma costruire un’educazione capace di usare strumenti potenti restando fedele al suo compito: far crescere autonomia, pensiero critico e competenze dimostrabili, senza delegare il cervello a una macchina.
Legenda
Sovranità digitale: capacità di una scuola (e, più in generale, di un sistema pubblico) di mantenere controllo su dati, piattaforme e tecnologie che utilizza — dove stanno i dati, chi li gestisce, come funzionano gli strumenti e quali bias/valori incorporano — per evitare dipendenze e garantire sicurezza, trasparenza e verificabilità.
GDPR: Regolamento generale sulla protezione dei dati (UE 2016/679). Definisce regole e diritti per il trattamento dei dati personali nell’Unione Europea, inclusi quelli di studenti e minori, imponendo obblighi di tutela, trasparenza e sicurezza a scuole e fornitori di servizi digitali.
PNRR: Piano Nazionale di Ripresa e Resilienza. Programma di investimenti e riforme finanziato in gran parte con fondi europei (Next Generation EU) per modernizzare il Paese, con risorse dedicate anche a scuola, digitale e formazione.
Micro-credential: certificazioni “a moduli” (micro-unità di competenze) che rendono dimostrabile un’abilità specifica.
Competenze dimostrabili: competenze verificabili con prove/criteri, non solo dichiarate da un titolo.
Cyber compliance: rispetto di norme e requisiti di sicurezza e gestione dati (privacy, sicurezza IT, procedure).Tracciabilità: possibilità di ricostruire cosa è successo (chi ha fatto cosa, con quali dati, quando).
Interoperabilità: capacità di sistemi diversi di “parlarsi” e scambiarsi dati in modo standard.
Auditabilità: possibilità di verifica esterna (controlli, ispezioni, report) su regole, dati e processi.
Chatbot generalisti: chat AI “per tutti” (tipo assistenti conversazionali non progettati specificamente per minori o contesti scolastici).
Algoritmi: insieme di regole/istruzioni per svolgere un compito.
Dati / dataset: raccolte di esempi usate per addestrare o far funzionare un sistema.
Apprendimento automatico (machine learning): tecniche in cui un sistema “impara” schemi dai dati invece di seguire solo regole scritte a mano.
Hands-on: apprendimento pratico, costruendo e sperimentando, non solo ascoltando spiegazioni.
Privacy-first: progettazione che mette la tutela dei dati al centro (es. elaborazione locale, minimizzazione dei
dati).
Modello locale: AI che gira sul dispositivo/computer della scuola, senza inviare dati a servizi esterni.
Prompt: istruzioni/testo con cui si guida un sistema AI su cosa deve fare e come deve rispondere.
Project work: lavoro/progetto finale che applica competenze in un compito concreto.
Modalità aperta (Creative Commons): materiali pubblicati con licenze che ne permettono il riuso (con condizioni).
Author: Gemini
Co-Author: ChatGPT
