Nella sede di Nvidia a Santa Clara, davanti a Ezra Klein che gli chiede conto di uno studio cinese sugli studenti che usano l’intelligenza artificiale per i compiti, Jensen Huang fa una di quelle affermazioni che in un’intervista di quasi due ore potrebbero passare inosservate e che invece sono la cosa più sincera che abbia detto da anni: provate a far fare una divisione in colonna a un ragazzino, adesso, le tabelline cominciano a essere dimenticate, le radici quadrate lasciamo perdere, la matematica di base si sta perdendo, e allora la domanda è, per lui, se alla fine di tutto questo ci importi davvero.
La sua risposta, ripetuta due volte perché non ci fossero equivoci, è che non crede che importi. Poi aggiunge la confessione, con il tono di chi racconta un aneddoto simpatico a cena: qualche anno fa, a un distributore di benzina, la macchinetta gli ha chiesto il codice postale e lui è andato nel panico, perché non sa il proprio indirizzo, non sa il proprio numero di telefono, dimentica queste cose e ci convive benissimo. Contento lui…
L’intervista è uscita il 23 settembre 2026 nell’Ezra Klein Show, e la versione breve che ne è rimbalzata in giro, da Futurism a Kotaku, suona più o meno come il titolo di questo pezzo (sì, è la battuta di Lord Farquaad in Shrek, quello che manda i cavalieri a morire per lui e lo chiama un sacrificio che è disposto a fare: il paragone è ingeneroso, ma l’ha cercato lui…).
Mi fermo qui un momento, perché con una frase del genere è facilissimo fare la cosa sbagliata, cioè indignarsi, condividere e passare oltre. Quella di Huang è una posizione e non una gaffe, e come tutte le posizioni va presa sul serio, smontata pezzo per pezzo e, dove (e se) ha ragione, riconosciuta; perché in parte ha ragione, e proprio per questo è pericolosa. E secondo voi, mi faccio perdere l’occasione di mostrarvelo?
Chi parla, e cosa vende
Prima di entrare nel merito bisogna nominare l’elefante nella stanza (oddio, così pare body shaming…), che in questo caso è grosso quanto la capitalizzazione di Nvidia (di nuovo…). Huang parla da amministratore delegato dell’azienda che progetta i processori su cui si addestrano e girano praticamente tutti i modelli di intelligenza artificiale del mondo, e non da pedagogista, da neuroscienziato o da genitore in pensiero, sicché (volevo tanto usare un sicché, perdonatemi!) ogni compito svolto da un modello invece che da un quattordicenne è, in ultima analisi, un pezzo del suo fatturato. Lo dico senza malizia e come semplice questione di struttura: quando chi vende le pale vi spiega che scavare a mano è una competenza inutile, la prima domanda da farsi riguarda il conto economico, e solo dopo la pedagogia.
E non è nemmeno la prima volta che lo fa: nel febbraio 2024, al World Government Summit di Dubai, lo stesso Huang aveva spiegato che il compito della sua industria è creare una tecnologia tale che nessuno debba più programmare, perché il linguaggio di programmazione diventa la lingua umana, e che quindi ai ragazzi conveniva studiare biologia, chimica o finanza invece del codice (lo raccontavano allora Tom’s Hardware e The Register). Due anni e mezzo dopo la stessa logica scende di un gradino, dalla programmazione alle tabelline, mentre Nvidia ha messo sul piatto 25 milioni di dollari per programmi di educazione all’intelligenza artificiale nelle scuole americane, dalla materna alle superiori, con l’obiettivo dichiarato di raggiungere un milione di studenti in tre anni. Il messaggio complessivo è coerente: le competenze di base contano poco, e gli strumenti per farne a meno in classe li portiamo noi.
L’argomento migliore di Huang ha duemilacinquecento anni
Detto questo, sarebbe disonesto liquidare il ragionamento senza dargli la sua versione più forte, che Huang non formula ma che chiunque abbia masticato un minimo di filosofia della tecnica riconosce al volo. E sono troppo vecchio per non farvelo notare. Nel Fedro di Platone il dio Theuth si presenta al re d’Egitto Thamus con un’invenzione meravigliosa, la scrittura, e gliela offre come rimedio per la memoria e la sapienza; il re gli risponde che otterrà l’effetto opposto, perché chi imparerà a scrivere smetterà di esercitare la memoria, si affiderà a segni esterni e avrà l’apparenza della sapienza invece della sapienza. È la stessa lamentela che abbiamo sentito per la stampa, per la calcolatrice tascabile e per Google, e che ogni volta, a distanza di qualche decennio, ci è sembrata un po’ ridicola, visto che nessuno oggi rimpiange di non saper recitare a memoria l’Iliade. Oddio, io un po’ sì, a dire la verità, e mi fermo a Μῆνιν ἄειδε θεὰ Πηληϊάδεω Ἀχιλῆος…
La filosofia contemporanea ha dato a quest’intuizione anche un nome più rispettabile: nel 1998 Andy Clark e David Chalmers pubblicano su Analysis un saggio intitolato The Extended Mind, in cui sostengono che i processi cognitivi non si fermano ai confini del cranio: il loro esempio è Otto, un uomo con un inizio di Alzheimer che segna tutto su un taccuino e lo consulta per sapere dove si trova un museo, e per Clark e Chalmers quel taccuino è a tutti gli effetti una parte della sua mente più che un semplice strumento. Il codice postale di Huang sta nello smartphone come l’indirizzo del museo sta nel taccuino di Otto (che poi uno degli uomini più ricchi del mondo abbia anche un taccuino fatto di assistenti in carne e ossa rende il paragone ancora più calzante), e se la mente è estesa, dimenticare il CAP diventa una delega ragionevole come tante altre.
Fin qui, Huang ha ragione. Il guaio è che l’argomento regge per gli adulti che delegano cose già imparate, e crolla quando lo si applica a bambini che non le hanno mai imparate.
Quanto costa, misurato su 26.811 ragazzi
Ok, adesso i numeri, perché qui come sapete si parla con i numeri in mano. Ma non preoccupatevi che faccio veloce: lo studio di cui parlavano Klein e Huang esiste, ed è probabilmente il più grande mai fatto sul tema. Lo firmano David Strömberg dell’Università di Stoccolma e Victor Lei e Yanhui Wu dell’Università di Hong Kong, si intitola The Generative AI Learning Penalty (più o meno “la penalità di apprendimento dell’intelligenza artificiale generativa”) ed è uscito a giugno 2026 come discussion paper del Centre for Economic Policy Research e su SSRN. I ricercatori hanno seguito per 30 mesi, da settembre 2022 a giugno 2025, 26.811 studenti dalla prima media all’ultimo anno delle superiori in una contea della Cina centrale, proprio nel periodo in cui l’uso di strumenti come DeepSeek, Doubao o Qwen passava da pochissimi casi a circa l‘80% dei ragazzi, e hanno incrociato i voti dei compiti, i tempi di completamento, le verifiche mensili e l’esame di ammissione, quello che in Cina decide il futuro di un adolescente.
Il risultato ha la forma di una trappola perfetta: chi comincia a usare l’intelligenza artificiale vede i voti dei compiti salire del 18% e il tempo per farli scendere del 30%, da 64 a 45 minuti secondo la ricostruzione di The Decoder, e contemporaneamente vede le verifiche in classe, quelle senza strumenti, calare del 20% entro sei mesi. Sull’esame di ammissione il calo va dal 18 al 24%, con un dettaglio che dovrebbe togliere il sonno a qualsiasi genitore e a qualsiasi ministro: la penalità piena si vede soltanto dopo circa due anni, mentre nel frattempo la pagella dei compiti racconta una storia bellissima (qui mi era uscita un’espressione molto meno educata di “porca miseria”, ma l’ho lasciata in bozza. Peccato.). Le perdite più pesanti riguardano le materie sociali, poi quelle scientifiche e le lingue, e colpiscono di più i più giovani e, sorpresa, gli studenti migliori.
Il caso cinese è il più grande, ma di certo non è isolato: un esperimento sul campo della Wharton School pubblicato su PNAS nel 2025, con Hamsa Bastani come prima autrice e circa mille liceali alle prese con la matematica, aveva già mostrato lo stesso schema in piccolo: con un tutor basato su ChatGPT e privo di accorgimenti pedagogici gli studenti risolvevano il 48% di problemi in più durante l’esercitazione, e poi andavano il 17% peggio nella prova successiva senza intelligenza artificiale rispetto a chi non l’aveva mai avuta. Uno studio randomizzato di André Barcaui su 120 universitari, uscito su Social Sciences & Humanities Open, ha poi misurato quanto resta in testa con un test a sorpresa dopo 45 giorni: 68,5% di risposte giuste per chi aveva studiato in modo tradizionale, 57,5% per chi aveva studiato con ChatGPT. Meglio con la macchina, peggio senza, e il conto arriva in ritardo. Mentale, mi verrebbe da dire…
Dimenticare e non avere mai imparato sono due cose diverse
È qui che l’aneddoto del distributore di benzina rivela il suo trucco un po’ da figli di padre incerto: Huang il codice postale l’ha saputo, a un certo punto della vita, e ha smesso di ricordarlo quando non gli serviva più; allo stesso modo la divisione in colonna l’ha saputa fare abbastanza a lungo da costruirci sopra un’intuizione dei numeri che oggi gli permette di guardare un bilancio o una curva di consumo energetico e capire in un secondo se qualcosa non torna. La tabellina che si dimentica da adulti lascia un’impalcatura, mentre quella che non si impara mai lascia il vuoto.
Secondo il resoconto di Futurism, Huang concede che perderemo un po’ di abilità intellettuali di dettaglio, ma sostiene che diventeremo migliori pensatori di sistemi, e l’idea ha il fascino delle cose che sembrano lungimiranti. Solo che il pensiero sistemico non galleggia nel vuoto: per capire se un sistema funziona bisogna saper stimare un ordine di grandezza, accorgersi che un risultato è dieci volte troppo grande, sentire a pelle che una percentuale non può essere quella, e sono proprio le abilità che si costruiscono facendo a mano, per anni, i conti noiosi (chiedo scusa agli insegnanti di matematica per aver definito noiosi i conti: lo sono, ma il punto è quello…). C’è poi un secondo problema, che chi lavora con l’intelligenza artificiale conosce bene: questi sistemi sbagliano, e sbagliano con la stessa sicurezza con cui fanno giusto, per cui l’unico modo di usarli bene è saper riconoscere l’errore. Un ragazzo che non sa fare il conto non può accorgersi che la macchina ha sbagliato il conto, e a quel punto smette di usare lo strumento e comincia a farsi usare dallo strumento, per giunta contento.
Proletarizzazione, ovvero la parola che nomina chi ci guadagna
Esiste un concetto che descrive tutto questo meglio della solita “atrofia cognitiva”, e lo ha elaborato il filosofo francese Bernard Stiegler a partire dal primo volume de La tecnica e il tempo (1994). Stiegler riprende proprio il mito del Fedro, attraverso la lettura che ne aveva dato Jacques Derrida nel 1968, e ne ricava la parola greca che Theuth usa per la scrittura, pharmakon, che significa insieme medicina e veleno: ogni tecnica è le due cose contemporaneamente, e chi ne vede un lato solo ha già sbagliato l’analisi. La memoria che affidiamo agli oggetti (la scrittura, gli archivi, oggi i modelli linguistici) Stiegler la chiama ritenzione terziaria, e per lui l’affidamento in sé è ciò che ci rende umani; il rischio comincia quando un’industria si appropria di quelle memorie esterne e noi perdiamo il saper fare che vi abbiamo depositato. Come l’operaio dell’Ottocento aveva perso il mestiere passato alla macchina, noi rischiamo di perdere il saper pensare passato agli apparati, e Stiegler per descriverlo sceglie una parola marxiana, proletarizzazione, che ha il merito di ricordarci che dietro ogni competenza perduta c’è qualcuno che se la mette in tasca (sì, Marx: ogni tanto tocca dargli ragione anche a lui, e che fatica).
Ed è qui che il parallelo con Thamus, così comodo per Huang, gli si rivolta contro. Il re d’Egitto aveva ragione sulla perdita e torto sul bilancio, perché nei secoli la scrittura è diventata un bene comune: l’abbiamo insegnata a tutti, per legge, nelle scuole pubbliche, e le biblioteche sono aperte a chiunque. Le protesi di oggi, invece, appartengono a una manciata di aziende americane e cinesi, funzionano in abbonamento, cambiano comportamento da un aggiornamento all’altro e non le ha insegnate nessuno, perché i ragazzi se le sono trovate nel telefono prima che la scuola avesse il tempo di chiedersi cosa farne. Quando Huang dice che scopriremo nuove competenze, forse non quelle, probabilmente ha ragione, ma omette di dire chi deciderà quali saranno e su quali macchine le eserciteremo.
E da noi, dove l’intelligenza artificiale è già nello zaino
Sarebbe comodo pensare che sia una faccenda americana, o cinese, ma i dati raccontano altro: i risultati dell’indagine OCSE PISA 2025, presentati dall’INVALSI l‘8 settembre 2026, descrivono una scuola italiana che tiene meglio di quanto dicano i luoghi comuni, con 468 punti in matematica contro una media OCSE di 463, sopra Francia e Germania, pur in calo di 3 punti rispetto al 2022. Nelle stesse tabelle, però, come riportava Euronews, c’è un numero che pesa più degli altri: il 47,5% dei quindicenni italiani usa l’intelligenza artificiale ogni settimana per studiare, più della media OCSE del 45,5%, mentre nel nuovo ambito della risoluzione di problemi con il ragionamento computazionale l’Italia si ferma a 490 punti contro 500. Metà dei nostri ragazzi, in altre parole, si trova già nella fase in cui, secondo lo studio cinese, i voti dei compiti salgono e il conto non è ancora arrivato (ne parlavo, con meno dati e più preoccupazione, a proposito dei compiti delle vacanze fatti con l’IA e del debito cognitivo che si accumula).
Il Ministero dell’Istruzione e del Merito (zitto, Matteo…) ha pubblicato con il decreto n. 166 del 9 agosto 2025 le linee guida per l’introduzione dell’intelligenza artificiale nelle scuole, e sta sperimentando un assistente virtuale in alcune classi di quattro regioni. È un passo, e va riconosciuto, ma lo studio di Strömberg impone una domanda più precisa del solito “intelligenza artificiale in classe sì o no”, perché riguarda che fine fa la fatica: l’intelligenza artificiale arriva comunque, a casa, alle undici di sera, sul telefono, e la sua promessa principale è proprio quella di togliere la fatica (ci avevo dedicato anche una puntata di Intelligenze Artificiali, quella sull’intelligenza artificiale nello zaino dei ragazzi).
I diciannove minuti
C’è un dettaglio dello studio cinese che nessun titolo ha ripreso, ed è quello su (imho) cui vale la pena chiudere: le perdite di apprendimento non si distribuiscono in modo uniforme tra chi usa l’intelligenza artificiale. Si concentrano in quel circa 80% di utilizzatori che si comporta come chi appalta i compiti, cioè li consegna in molto meno tempo di chi non usa l’intelligenza artificiale e con voti altissimi, visto che li fa la macchina, mentre chi usa l’intelligenza artificiale continuando a metterci più o meno lo stesso tempo di prima perde pochissimo. Lo strumento è lo stesso e il pharmakon è lo stesso, e se sia medicina o veleno dipende da dove resta la fatica.
Il che rovescia la domanda di Huang: l’utilità della divisione in colonna nel 2040 passa in secondo piano, e la questione diventa se siamo disposti a lasciare che un ragazzino di dodici anni si risparmi i diciannove minuti in cui il cervello, faticando, costruisce l’impalcatura su cui un giorno si reggerà quel pensiero sistemico che tanto piace all’amministratore delegato di Nvidia. Quei minuti sono il vero oggetto del contendere, e sono anche tutto quello che una famiglia, un insegnante o un ministero possono ancora difendere senza dichiarare guerra alla tecnologia: il tempo passato sul quaderno a quadretti prima di chiedere alla macchina se il risultato torna.
Il consiglio che darei, da chi con la tecnologia e con il comportamento delle persone ci lavora, è di guardare l’orologio invece della pagella: se i compiti che prima richiedevano un’ora adesso ne richiedono venti e i voti sono saliti, quello che è migliorato è l’appalto, e il conto arriverà all’esame. Huang può permettersi di dimenticare il proprio codice postale perché, a un certo punto, qualcuno gliel’ha fatto imparare, e il minimo che dobbiamo ai nostri figli è la stessa possibilità: dimenticare, un giorno, qualcosa che prima però hanno saputo. Bene.
Per Approfondire
Teoria
- Platone, Fedro, 274c-275b (mito di Theuth e Thamus), ca. 370 a.C.
- Andy Clark, David Chalmers, “The Extended Mind”, Analysis 58(1), 1998
- Jacques Derrida, “La pharmacie de Platon”, Tel Quel 32-33, 1968 (poi in La dissémination, Seuil, 1972)
- Bernard Stiegler, La technique et le temps, 1: La faute d’Épiméthée, Galilée, 1994 (trad. it. La tecnica e il tempo)
- David Strömberg, Victor Lei, Yanhui Wu, “The Generative AI Learning Penalty: Evidence from Chinese Secondary Education”, CEPR Discussion Paper DP21577, 2026, https://cepr.org/publications/dp21577
- Hamsa Bastani et al., “Generative AI without guardrails can harm learning: Evidence from high school mathematics”, PNAS, 2025, https://www.pnas.org/doi/10.1073/pnas.2422633122
- André Barcaui, “ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention”, Social Sciences & Humanities Open 12, 2025, https://www.sciencedirect.com/science/article/pii/S2590291125010186
Fonti
- The Ezra Klein Show (New York Times): “Jensen Huang Thinks A.I. Alarmism Has Gone Too Far” (23/09/2026), https://podcasts.apple.com/us/podcast/jensen-huang-vs-the-a-i-doomers/id1548604447?i=1000791251478
- Futurism: “Nvidia CEO Jensen Huang Says That Sacrificing Our Children’s Minds to AI Is a Price He’s Willing to Pay” (25/09/2026), https://futurism.com/health-medicine/nvidia-jensen-huang-children-cognitive-minds-ai-harms
- Kotaku: “Nvidia CEO Doesn’t Care That Kids Are Forgetting Basic Math Because Of AI” (09/2026), https://kotaku.com/nvidia-ceo-doesnt-care-that-kids-are-forgetting-basic-math-because-of-ai-i-actually-dont-know-my-address-2000737092
- SSRN: “The Generative AI Learning Penalty” (06/2026), https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6868618
- The Decoder: “A 26,000-student study shows AI’s hidden learning cost takes two full years to surface” (07/2026), https://the-decoder.com/a-26000-student-study-shows-ais-hidden-learning-cost-takes-two-full-years-to-surface/
- Tom’s Hardware: “Jensen Huang says kids shouldn’t learn to code, they should leave it up to AI” (02/2024), https://www.tomshardware.com/tech-industry/artificial-intelligence/jensen-huang-advises-against-learning-to-code-leave-it-up-to-ai
- The Register: Jensen Huang sulla fine della programmazione (27/02/2024), https://www.theregister.com/2024/02/27/jensen_huang_coders/
- NVIDIA Blog: “NVIDIA Pledges AI Education Funding for K-12 Programs”, https://blogs.nvidia.com/blog/ai-education-k-12
- INVALSI: “Risultati PISA 2025” (08/09/2026), https://www.invalsi.it/indagini-internazionali/indagini-ocse/ocse-pisa/risultati-pisa-2025/
- Euronews: “Rapporto Pisa 2025, l’Italia si colloca al di sopra della media Ocse, superando Francia e Germania” (08/09/2026), https://it.euronews.com/my-europe/2026/09/08/rapporto-pisa-2025-litalia-si-colloca-al-di-sopra-della-media-ocse-superando-francia-e-ger
- Ministero dell’Istruzione e del Merito: “Linee guida per l’introduzione dell’Intelligenza Artificiale nelle istituzioni scolastiche”, DM 166 (09/08/2025), https://www.mim.gov.it/en/-/pubblicate-le-linee-guida-per-l-introduzione-dell-intelligenza-artificiale-nelle-istituzioni-scolastiche-allegato-al-dm-n-166-del-09-08-2025
- Ciao Internet #1449: “Compiti delle vacanze con l’IA: la scuola italiana è impreparata”, https://video.matteoflora.com/1449
- Intelligenze Artificiali IA3-017: “Il debito cognitivo che si accumula”, https://video.matteoflora.com/IA3-017
- Intelligenze Artificiali IA3-025: “L’arrivo dell’AI nello zaino dei ragazzi”, https://video.matteoflora.com/IA3-025
