L’AI literacy è la capacità di comprendere, utilizzare e valutare criticamente i sistemi di intelligenza artificiale. Non significa saper programmare. Non significa conoscere l’architettura di un modello linguistico. Significa sapere cosa fa uno strumento di AI, cosa non può fare, dove sbaglia e quando conviene fermarsi.
È una competenza professionale, non tecnica.
Se ne parla molto in questi mesi per due ragioni che si sono incrociate. La prima è normativa: il quadro europeo e quello italiano hanno entrambi introdotto obblighi legati all’alfabetizzazione e alla trasparenza sull’uso dell’AI, e sono cambiati di recente. La seconda è pratica: chi lavora con le persone (coach, formatori, consulenti, manager) sta scoprendo che l’entusiasmo verso l’AI non si traduce automaticamente in uso efficace.
Su questo secondo punto esiste ora un dato italiano interessante. La ricerca AI&Coaching 2025 del Comitato Scientifico di ICF Italia, condotta su 197 coach professionisti, ha misurato separatamente due variabili: la disposizione mentale verso il cambiamento e le competenze concrete.
Il risultato ribalta un’intuizione diffusa. E vale la pena guardarlo da vicino.
Le tre dimensioni dell’AI literacy secondo la ricerca ICF Italia
La ricerca ICF non tratta l’AI literacy come un blocco unico. La scompone in tre dimensioni distinte, che vale la pena tenere separate perché si acquisiscono in momenti diversi e con metodi diversi.
Alfabetizzazione AI-specifica
È il livello fondamentale: conoscere gli strumenti, capire come funzionano i dati che li alimentano, riconoscerne limiti e rischi.
Sapere che un modello linguistico genera testo plausibile, non testo vero. Sapere che i dati inseriti in un prompt possono essere trattati in modi diversi a seconda della piattaforma. Sapere che le allucinazioni non sono un difetto occasionale ma una caratteristica strutturale della tecnologia.
Senza questo strato, tutto il resto è costruito sul vuoto.
Mediazione uomo-macchina
È la dimensione più complessa e, come vedremo, la più decisiva.
La ricerca ICF la definisce come la capacità di calibrare l’affidamento, verificare, contestualizzare e integrare l’AI senza degradare relazione, presenza e accountability.
Tradotto: sapere quanto fidarsi di un output. Sapere quando verificarlo e come. Sapere inserire lo strumento in un contesto professionale specifico senza che questo eroda la qualità della relazione con il cliente o la propria responsabilità professionale.
È una competenza situata. Non si impara leggendo un manuale: si costruisce nella pratica, possibilmente con supervisione.
Metacognizione aumentata
È la capacità di autoregolarsi: sapere quando fidarsi, quando fermarsi, come validare.
La ricerca rileva un dato non del tutto lineare su questa dimensione. Nella segmentazione per intensità d’uso la metacognizione cala sensibilmente; in altri passaggi il documento la descrive come una competenza che resta presente anche tra chi usa poco l’AI, funzionando più da stabilizzatore etico-relazionale che da motore dell’adozione.
La lettura più prudente è che si tratti di una dimensione meno discriminante delle altre due ai fini dell’adozione.
Il dato che sorprende: il growth mindset non discrimina
Arriviamo al punto più controintuitivo della ricerca ICF Italia.
L’indagine ha segmentato i 197 coach in quattro gruppi per intensità d’uso dell’AI: Pionieri (uso frequente), Pragmatici (occasionale), Esploratori (in fase iniziale) e Osservatori (nessun uso).
Poi ha misurato il growth mindset in ciascun segmento.
Il risultato: 84,3% tra i Pionieri, 45,6% tra gli Osservatori.
Cala, certo. Ma resta presente in quasi la metà di chi non usa l’AI per niente.
Questo dato smonta una narrazione comoda. Quella secondo cui chi non adotta l’intelligenza artificiale sarebbe chiuso, resistente al cambiamento, ancorato al passato. I numeri dicono altro: una quota consistente di chi non usa l’AI ha comunque una mentalità aperta all’apprendimento e alla sperimentazione.
L’apertura mentale, da sola, non spiega l’adozione.
Dove crollano davvero i numeri: le competenze
Se il mindset scende dolcemente, le competenze precipitano.
La ricerca rileva che, passando dal segmento dei Pionieri a quello degli Osservatori, i cali sono molto più marcati proprio su alfabetizzazione e mediazione uomo-macchina.
Il confronto tra le due curve (mindset che degrada lentamente, competenze che crollano) è l’immagine centrale dell’intera ricerca.
E la conclusione che ne deriva è netta: la frattura tra chi adotta l’AI e chi no è operativa, non ideologica.
La ricerca lo formula con una frase che vale la pena tenere: molti coach sono mentalmente pronti, ma la distanza tra “curiosità” e “uso stabile e governato” è determinata soprattutto da competenze pratiche e condizioni abilitanti.
Il growth mindset predispone a sperimentare. È la mediazione uomo-macchina che rende l’uso dell’AI governabile, verificabile e sicuro.
“Non la conosco”: la barriera più diffusa è pratica, non valoriale
C’è un dato che conferma tutto questo dal lato opposto.
Tra i coach che oggi non usano l’intelligenza artificiale, la motivazione più frequente non è la diffidenza etica. Non è la difesa della relazione umana. Non è il rifiuto per principio.
È “non la conosco”.
La ricerca definisce questa barriera come cognitiva e pratica, non valoriale, e osserva che il non-uso appare transitorio: tra chi oggi non adotta, una quota rilevante dichiara comunque l’intenzione di farlo.
È una fotografia di una fase di transizione, non di una posizione consolidata.
E ha un’implicazione operativa immediata. Se la barriera fosse valoriale, servirebbe un dibattito. Servirebbe convincere. Ma se la barriera è cognitiva, non serve convincere: serve formare.
Non a caso, quando la ricerca chiede ai coach di cosa avrebbero bisogno, le prime due risposte sono formazione tecnica (33,2%) e linee guida etiche e deontologiche (30%), seguite da casi d’uso e comunità di pratica.
La professione non chiede strumenti. Chiede infrastruttura professionale.
AI literacy e quadro normativo: cosa dice davvero la legge oggi
Il quadro europeo sull’alfabetizzazione AI è cambiato di recente, e vale la pena raccontarlo con precisione, perché molto di ciò che si legge online è aggiornato a una versione superata della norma.
L’art. 4 dell’AI Act, applicabile dal 2 febbraio 2025, è stato sostituito dal Regolamento (UE) 2026/1744, in vigore dal 27 luglio 2026. Nella formulazione originaria, fornitori e utilizzatori professionali dovevano adottare misure per garantire, nella misura del possibile, un livello sufficiente di alfabetizzazione del proprio personale. Nella formulazione vigente, adottano misure volte a sostenere lo sviluppo di quelle competenze, e la norma precisa esplicitamente che non impone di garantire un livello specifico per alcuna persona.
In sostanza: l’obbligo non è venuto meno, è cambiato di natura. Da obbligazione di risultato a obbligazione di mezzi. Quello che cambia non è quanto si debba fare, ma cosa si debba poter dimostrare: non più un livello raggiunto, ma un percorso costruito.
Per un professionista italiano, però, la norma più stringente non è europea. È la Legge 23 settembre 2025 n. 132, in vigore dal 10 ottobre 2025, che all’art. 13 disciplina l’uso dell’intelligenza artificiale nelle professioni intellettuali, comprese quelle non organizzate in ordini, e quindi anche il coaching.
L’art. 13 stabilisce due principi. Primo: l’utilizzo dell’AI è finalizzato al solo esercizio di attività strumentali e di supporto, con prevalenza del lavoro intellettuale oggetto della prestazione. Secondo: le informazioni sui sistemi di AI utilizzati vanno comunicate al cliente con linguaggio chiaro, semplice ed esaustivo, a tutela del rapporto fiduciario.
Non chiede di certificare competenze. Chiede una cosa più semplice e più difficile insieme: sapere cosa stai usando, e dirlo al cliente.
E per farlo davvero (non con una formula generica in calce al contratto) serve esattamente quel livello di AI literacy di cui parla questo articolo. La competenza tecnica e l’obbligo di trasparenza si tengono per mano.
Come si costruisce l’AI literacy: l’ordine conta
La ricerca ICF Italia non si limita a fotografare il problema: propone un ordine di priorità per costruire la competenza. E l’ordine non è casuale.
- Alfabetizzazione AI-specifica. I fondamentali: strumenti, dati, limiti, rischi. È il livello base, e saltarlo significa costruire su sabbia.
- Mediazione uomo-macchina. Co-piloting, verifica, controllo umano continuo, uso situato nel proprio contesto professionale. È il passaggio che separa l’uso occasionale dall’uso governato.
- Metacognizione. Autoregolazione: quando fidarsi, quando fermarsi, come validare. Il livello che rende sostenibile tutto il resto nel tempo.
- Condizioni abilitanti. Policy, piattaforme conformi, checklist, community e supervisione. Perché la competenza individuale, senza un’infrastruttura che la sostenga, resta fragile.
Il punto interessante è che le prime due voci sono esattamente quelle che crollano di più tra i segmenti. La ricerca identifica il problema e propone di partire proprio da lì.
Il vero passaggio: non usare di più, usare meglio
Se dovessi condensare tutta la ricerca ICF Italia in una riga, sceglierei questa: il passaggio chiave non è “usare di più”, ma usare meglio.
Con standard. Con tracciabilità. Con gestione del rischio. Con tutela della relazione con il cliente.
L’AI literacy è precisamente questo: la competenza che trasforma un uso entusiasta in un uso governabile.
Ed è una buona notizia, se ci pensi. Perché il mindset non si insegna facilmente: o c’è, o va costruito nel tempo con lavoro profondo. Le competenze invece si acquisiscono. Con metodo, con pratica, con supervisione.
Quasi metà di chi oggi non usa l’AI ha già la disposizione mentale giusta.
Quello che manca è solo la parte che si può imparare.
A cura di: Redazione
Photo cover credits: Adobe Stock
