AI, la corsa è iniziata, ma scuola, regole e società non tengono il passo

L’AI Index 2026 di Stanford non racconta soltanto l’avanzata tecnologica dell’intelligenza artificiale. Racconta soprattutto ciò che avviene intorno ad essa, l’adozione di massa da parte di studenti e organizzazioni, la moltiplicazione delle strategie nazionali, la centralità crescente della sovranità tecnologica, la divergenza tra esperti e opinione pubblica, la fragilità delle istituzioni chiamate a regolare la trasformazione.

I capitoli dedicati a Education, Policy and Governance e Public Opinion mostrano che l’AI non è più un tema confinato ai laboratori o ai board delle big tech ma è dentro i processi di apprendimento, dentro le scelte geopolitiche e dentro le aspettative, le paure e le ambivalenze della società.

Il problema è che queste tre dimensioni non si muovono in sincronia, e dentro questo scarto si apre il rischio più rilevante, non una carenza di tecnologia, ma una carenza di capacità sistemica.

Non è più l’AI a essere “in ritardo”: sono le istituzioni che non tengono il passo

L’AI Index 2026 si apre con una considerazione che vale molto più di una premessa editoriale: il problema non è più chiedersi se l’intelligenza artificiale stia avanzando, ma se i sistemi costruiti attorno ad essa siano in grado di tenere il passo. Governance, metodi di valutazione, sistemi educativi e infrastrutture informative faticano a muoversi alla stessa velocità della tecnologia. Il punto è decisivo perché sposta il baricentro del discorso.

Per anni il dibattito pubblico sull’AI si è concentrato prevalentemente su capacità, modelli, benchmark, potenza computazionale, nuovi prodotti. Tutto questo continua a contare, naturalmente, ma non basta più a spiegare la fase che stiamo vivendo.

L’AI è ormai presente in contesti che non possono essere letti solo con le categorie dell’innovazione tecnologica: la scuola, la produzione normativa, la fiducia istituzionale, la percezione del lavoro, la legittimazione sociale delle trasformazioni.

La scuola è già cambiata, anche se spesso finge di non saperlo

Il primo terreno su cui questa frattura appare con chiarezza è l’educazione. L’AI Index sintetizza la questione in una formula molto netta: l’istruzione formale è in ritardo rispetto all’AI, ma le persone stanno imparando competenze AI in ogni fase della vita. Non è una frase di colore ma la descrizione di uno squilibrio già in atto. Oltre l’80% degli studenti statunitensi delle high school e dei college usa ormai strumenti di AI per attività scolastiche o di studio; eppure, solo circa la metà delle middle e high school ha policy sull’AI, mentre appena il 6% degli insegnanti considera queste policy chiare.

Questi numeri vanno letti con attenzione. Il primo dato segnala che l’AI è già diventata infrastruttura ordinaria dell’apprendimento quotidiano. Non siamo più nella fase del test, della curiosità pionieristica, dell’uso occasionale da parte di studenti più smaliziati. Siamo nella fase dell’integrazione diffusa. Il secondo dato, però, mostra che l’integrazione pratica non è accompagnata da una pari maturazione istituzionale.

La scuola si trova così in una condizione paradossale: l’AI è già dentro le attività di studio, ma i criteri con cui dovrebbe essere guidata, contestualizzata e valutata restano incompleti, frammentati o poco comprensibili.

Il nodo, però, non è soltanto quantitativo. Conta molto anche la natura degli usi. Se gli studenti ricorrono all’AI per cercare informazioni, chiarire concetti, riformulare testi, fare brainstorming, strutturare lavori o orientarsi in un compito, allora l’AI non entra in classe soltanto come scorciatoia esecutiva ma come interfaccia cognitiva. Quando una tecnologia si colloca a questo livello, l’intero impianto della didattica viene sollecitato: il concetto di autonomia, il significato della verifica, la funzione del docente, la distinzione tra supporto e sostituzione, la stessa idea di che cosa significhi imparare.

Le competenze AI fuori dai contesti formali

C’è poi un secondo aspetto, meno discusso ma forse ancora più importante. L’AI Index osserva che le competenze AI si stanno diffondendo anche fuori dai contesti formali e che la loro crescita non coincide perfettamente con l’offerta scolastica o universitaria. In altre parole, la formazione si sta articolando su più piani: apprendimento autonomo, pratica sul lavoro, sperimentazione personale, community online, autoformazione continua.

Questo rende il sistema più dinamico, ma anche più diseguale. Chi ha contesti professionali e culturali favorevoli accelera rapidamente; chi dipende quasi solo dai canali tradizionali rischia di restare indietro.

La conclusione, su questo versante, è piuttosto chiara. L’istruzione non ha davanti una semplice questione di aggiornamento tecnologico. Ha davanti un problema di riprogettazione culturale e istituzionale. Quando la tecnologia anticipa la norma, non è solo una questione di confusione. Il rischio reale è che le affordance degli strumenti finiscano per ridefinire silenziosamente i pilastri dello studio, della produzione intellettuale e della meritocrazia.

Dalla regolazione alla sovranità: la politica sull’AI è ormai geopolitica applicata

Anche qui l’AI Index è molto netto: nel 2025 i governi hanno agito, ma non tutti nella stessa direzione. L’Unione europea ha dato attuazione alle prime proibizioni dell’AI Act, gli Stati Uniti hanno mostrato una tendenza alla deregolazione a livello federale, mentre Giappone, Corea del Sud e Italia hanno approvato leggi nazionali. In parallelo, oltre la metà delle nuove strategie nazionali sull’AI è arrivata da paesi in via di sviluppo che stanno entrando per la prima volta nel paesaggio della policy AI.

Questo significa che l’AI non è più solo oggetto di regolazione ma è diventata terreno di posizionamento strategico. Ogni paese non si limita a chiedersi come limitare i rischi, ma sempre più spesso si chiede come non dipendere troppo dagli altri, come costruire capacità domestiche, come presidiare parti critiche della filiera, come non restare marginale nella nuova divisione internazionale del potere tecnologico.

La parola chiave che organizza questa nuova fase è Sovereign AI. Il report la presenta come un principio sempre più centrale delle politiche nazionali. La cosa interessante è che, nel lessico del rapporto, sovranità non equivale banalmente a nazionalismo tecnologico o a semplice volontà di fare norme proprie.

Significa capacità effettiva di intervenire su sviluppo, distribuzione e governance dei sistemi di AI dentro la propria giurisdizione.

Significa quindi disporre di infrastrutture, compute, competenze, filiere, investimenti, ecosistemi di ricerca e, in prospettiva, anche modelli, dataset, standard e piattaforme.

Qui emerge uno dei dati più politici dell’intero AI Index. Le strategie nazionali crescono, ma le capacità reali restano molto diseguali. Gli investimenti pubblici in supercalcolo AI sostenuto dallo Stato stanno aumentando in parallelo alle ambizioni di controllo domestico degli ecosistemi AI. La produzione di modelli resta però fortemente concentrata soprattutto negli Stati Uniti e in Cina.

In altri termini, quasi tutti vogliono più sovranità, ma pochi dispongono davvero dei mezzi necessari per costruirla.

Il nodo della governance

Un ulteriore elemento di interesse è che la governance si presenta sempre meno come un sistema lineare e coerente. Anche dove esistono orientamenti nazionali chiari, proliferano livelli diversi di intervento: norme federali, normative statali, iniziative settoriali, interventi legati alla sicurezza, all’educazione, al lavoro, all’uso nella PA.

L’AI tende dunque a produrre una governance multilivello, spesso asimmetrica, dove regolazione, promozione industriale e competizione geopolitica si intrecciano senza coincidere.

Nel complesso, il capitolo Policy and Governance dice una cosa che le imprese europee dovrebbero leggere con estrema attenzione. Il futuro dell’AI non dipenderà solo dalla qualità dei modelli o dalla rapidità dell’adozione aziendale. Dipenderà sempre di più anche da come si comporranno tre livelli: la regolazione, l’infrastruttura e la dipendenza strategica. Chi pensa che la governance sia solo un capitolo giuridico separato dall’innovazione, rischia di non vedere che siamo già entrati nella fase in cui diritto, politica industriale e strategia geopolitica si fondono.

Più benefici percepiti, più nervosismo. L’ambivalenza è la vera emozione pubblica dell’AI

Il terzo capitolo da leggere in continuità con i precedenti è quello sulla public opinion. Qui il rapporto fotografa un fenomeno che merita molta attenzione, l’ottimismo globale verso l’AI cresce, ma cresce anche il nervosismo. In altre parole, la società non sta andando verso una pacificazione lineare del rapporto con l’intelligenza artificiale. Sta andando verso una familiarizzazione ambivalente.

L’AI viene percepita come più utile e più presente, ma allo stesso tempo come più problematica, più invasiva, più potenzialmente destabilizzante.

Il passaggio rilevante è anche il divario tra esperti e pubblico.

Secondo l’AI Index, negli Stati Uniti il 73% degli esperti si aspetta un impatto positivo dell’AI sul modo in cui le persone svolgeranno il proprio lavoro, contro appena il 23% del pubblico generale. Lo stesso scarto ricompare, con intensità diversa, anche su economia e sanità. Un dato che dice molto non solo sulla percezione dell’AI, ma sulla crisi di mediazione che circonda questa trasformazione.

Quando gli esperti leggono l’AI, tendono a vedere soprattutto miglioramenti di efficienza, capacità di supporto, aumento di produttività, accelerazione di processi cognitivi e operativi. Quando il pubblico la osserva, spesso vede altro: sostituzione del lavoro, perdita di controllo, manipolazione informativa, opacità decisionale, riduzione della qualità umana delle interazioni. Nessuna delle due letture è di per sé sufficiente ma il loro scarto è politicamente da tenere in considerazione.

Perché ogni trasformazione di vasta portata ha bisogno, oltre che di investimenti e innovazione, anche di una soglia minima di intelligibilità e consenso. Qui si innesta il tema della fiducia nelle istituzioni regolatrici. L’AI Index mostra che la fiducia nei governi rispetto alla capacità di regolare responsabilmente l’AI è fortemente disomogenea. Il dato più sorprendente è che gli Stati Uniti risultano il paese con il livello più basso di fiducia nel proprio governo su questo fronte, fermandosi al 31%. L’Unione europea risulta più affidabile degli Stati Uniti e della Cina per quanto riguarda la capacità di regolare efficacemente l’AI.

Il punto finale, su questo asse, è forse il più delicato. L’ambivalenza pubblica non è un ostacolo marginale da gestire con comunicazione ma è un elemento strutturale di questa fase. L’AI modifica contemporaneamente lavoro, istruzione, mediazione cognitiva, servizi, relazioni di fiducia e percezione del controllo. È inevitabile che produca insieme attrazione e inquietudine.

La domanda non è se la società accetterà l’AI. La domanda è se le istituzioni e le organizzazioni sapranno costruire un rapporto sufficientemente credibile, comprensibile e governabile con essa.

La vera partita non è tecnologica: è di sincronizzazione sociale

Se si leggono insieme education, governance e public opinion, il messaggio dell’AI Index 2026 diventa molto chiaro. L’AI non sta semplicemente migliorando, sta entrando in profondità nella struttura della vita sociale, istituzionale e produttiva. I sistemi che dovrebbero assorbirne gli effetti però non si stanno muovendo con la stessa sincronia. La scuola adotta prima di chiarire, la politica fa strategie prima di possedere davvero le capacità e competenze. L’opinione pubblica percepisce benefici e rischi, ma resta distante dalla visione degli esperti. Per questo il vero ritardo non è dell’AI, ma del sistema. Manca ancora la capacità di costruire policy coerenti con l’uso reale. La capacità di trasformare la scuola senza ridurla a un luogo di difesa o rimozione. La capacità di produrre fiducia senza banalizzare i rischi. La capacità di tenere insieme innovazione, legittimità e direzione. Per imprese, università, governi e attori sociali, la lezione è netta.

Non basta più chiedersi quali strumenti adottare o quali modelli seguire. Bisogna chiedersi quali condizioni sistemiche rendano sostenibile l’adozione dell’AI: competenze diffuse, regole comprensibili, infrastrutture adeguate, trasparenza minima, capacità di spiegazione, luoghi di mediazione pubblica.

Nella prossima fase, il vantaggio competitivo non starà solo in chi avrà accesso ai modelli migliori, ma in chi saprà costruire organizzazioni e istituzioni abbastanza mature da non essere travolte dalla velocità della tecnologia che pure intendono usare.