Apprendimento sul posto di lavoro

Traduzione automatica della pagina in inglese, non ancora rivista da una persona di madrelingua.

L'apprendimento sul posto di lavoro (workplace learning) — l'uso dell'IA per lo sviluppo della forza lavoro, la formazione aziendale e l'acquisizione di competenze professionali. La formazione professionale estende l'IA nell'istruzione oltre la scuola formale, nei contesti del lavoro e dell'apprendimento permanente.

Domande da considerare

• Pensi a una competenza che ha imparato sul lavoro anziché in aula. Che cosa ha reso efficace quell'apprendimento sul posto di lavoro, e in che modo un coach basato sull'IA potrebbe replicarlo o migliorarlo?
• Il framework dei livelli Workforce Readiness proposto dalla pagina suggerisce che gli stadi di competenza più elevati sono "condizionati dall'esperienza radicata nel settore piuttosto che dai corsi". Che cosa implica questo per il modo in cui dovremmo formare le persone — e per i limiti della simulazione basata sull'IA?
• I pazienti virtuali e i simulatori di addestramento consentono ai professionisti di esercitarsi in sicurezza. Quali tipi di giudizio e di competenze interpersonali potrebbero sfuggire a un simulatore, per quanto realistico?
• Il "Problema del doppio treno" è la tensione tra competenze legate all'IA in rapida evoluzione e il ritmo più lento delle politiche e del curricolo. Se potesse scegliere competenze durevoli da privilegiare oggi per gli studenti, quali sarebbero?
• Gli studenti adulti conciliano lavoro e studio, spesso attraverso uno schermo. In che modo la formazione professionale basata sull'IA può al tempo stesso abilitare e complicare quel bilanciamento — in particolare per quanto riguarda dati, fiducia e tempo?

Introduzione

L'IA nella formazione professionale

• Simulazione e pratica: l'addestramento con pazienti virtuali e i simulatori di addestramento ATCO creano ambienti di pratica professionale basati sull'IA. Nella formazione degli insegnanti, la simulazione di role-play con l'IA estende questo approccio all'insegnamento basato sulla pratica: Student GPT simulava uno studente di matematica della scuola media portatore di un concetto erroneo, così che gli insegnanti in formazione potessero esercitarsi a diagnosticare e correggere gli errori degli studenti, in linea con le "approssimazioni della pratica" dell'apprendimento professionale dell'insegnante basato sulla pratica, come complemento economico a piattaforme costose come TeachLivE.

Wang et al. (2026) aggiungono una lezione sulle politiche di coaching: la riduzione graduale dell'assistenza in base alla competenza stimata dello studente ha ridotto del 27,9% il tempo sul giro del simulatore (p = 0,005) e i guasti di 3,52 per giro, mentre una riduzione graduale basata su regole e su un calendario fisso non ha prodotto alcuna variazione affidabile del tempo sul giro.

• Integrazione con l'apprendimento permanente: la Apprendimento permanente e la ricerca sull'Adulti che apprendono collegano la formazione professionale all'educazione continua.

• Settore pubblico: l'adozione dell'IA nel settore pubblico esamina la formazione nei contesti governativi.

• Framework di preparazione alla forza lavoro: Smith et al. propongono un framework Workforce Readiness Level (WRL) che adatta la scala Technology Readiness Level in nove stadi di competenza valutati su quattro pilastri (alfabetizzazione sull'IA e digitale, fluidità cyber-fisica, collaborazione uomo-macchina, processo decisionale basato sui dati), secondo una regola del "pilastro non sottile". Le evidenze dei capstone sulla manifattura intelligente mostrano che gli stadi di preparazione più elevati sono condizionati dall'esperienza radicata nel settore piuttosto che dai corsi — il che indica l'apprendimento integrato nel lavoro come essenziale per la formazione professionale all'IA.

• Le priorità di docenti e datori di lavoro divergono. Un'indagine su 500 docenti statunitensi e un panel di datori di lavoro ha concordato sull'importanza di una sola delle 26 competenze legate all'IA — fissare aspettative realistiche sul lavoro potenziato dall'IA — e solo tre delle 26 erano insegnate dalla metà o più dei docenti (Fried (2026)).

• Le evidenze di sviluppo professionale specifico per ambito sono esigue. Una revisione sistematica degli insegnanti di lingue (Li et al. 2026) ha rilevato che solo tre studi su 23 riportavano uno sviluppo professionale strutturato, eppure quelli che lo prevedevano convergevano su guadagni in termini di conoscenza, fiducia e identità — evidenza che una formazione strutturata e specifica per ambito (che abbini la competenza tecnica alla saggezza pratica) è al tempo stesso scarsa ed efficace, e che lo sviluppo professionale dovrebbe passare dalla sensibilizzazione e dall'etica alla padronanza pratica degli strumenti, fino alla co-progettazione di lezioni potenziate dall'IA.

• Lo sviluppo professionale dei formatori di insegnanti come costruzione di un modello: Eyal (2025) ha condotto un corso annuale di 180 ore in cui 22 formatori di insegnanti dell'istruzione superiore hanno co-progettato il Modello di alfabetizzazione adattiva sull'intelligenza artificiale, sostituendo le scale di competenza fisse con tre assi interrelati (adeguatezza al contesto, esigenze professionali, sviluppo dinamico) e un questionario di autovalutazione riflessiva di 20 item. La premessa progettuale è che l'alfabetizzazione sull'IA è situazionale: un insegnante in formazione in un contesto a risorse limitate, un insegnante di materia e un dirigente scolastico hanno bisogno di competenze diverse, per cui lo sviluppo professionale dovrebbe puntare al giudizio specifico per ruolo anziché a una rubrica standardizzata.

• Su che cosa dovrebbe puntare la formazione: la base di misurazione del campo è in ritardo rispetto alla tecnologia che descrive. In una revisione sistematica di 33 strumenti di misurazione dell'alfabetizzazione sull'IA degli insegnanti, Zainal, Mohd Matore e Maat (2026) hanno rilevato che 29 (87,9%) erano rivolti a concetti generali sull'IA, mentre solo quattro (12,1%), tutti pubblicati nel 2025, riguardavano l'IA generativa. Se gli strumenti tracciano ciò che la formazione intende costruire, quella distribuzione indica la competenza in IA generativa nell'insegnamento come il bersaglio meno misurato e più urgente per lo sviluppo professionale.

• Previsione sulla forza lavoro: Fletcher et al. esaminano la letteratura grigia statunitense sull'IA e sulla forza lavoro dell'ingegneria e dell'informatica, inquadrando il "Problema del doppio treno" (cambiamento rapido vs. urgenza delle politiche) e raccomandando che l'istruzione superiore dia priorità a competenze durevoli in ambito IA, all'etica e alla governance, e a credenziali basate sulle competenze allineate ai ruoli emergenti (ad esempio Prompt engineering, audit dell'IA, politiche sull'IA) per sostenere un lavoro centrato sull'essere umano in un'economia automatizzata.

• Le progettazioni che preservano le competenze soccombono sotto metriche di produttività. de Jong (2026) sostiene che l'interazione riflessiva contraddice la promessa di decisioni più rapide e di maggiore produttività che guida l'adozione dell'IA nel lavoro professionale: uno studio controllato può assorbire quell'attrito, un ambiente che misura la performance in termini di velocità o di quantità no, e laddove i concorrenti offrono un supporto equivalente senza attrito, le progettazioni che preservano le competenze diventano uno svantaggio competitivo — un problema che, secondo l'autore, potrebbe appartenere alla politica organizzativa o al governo piuttosto che alla progettazione dell'interazione.

• Valutazione orale per la capacità professionale. Uno studio progettuale sulla formazione tecnica e professionale (TVET) affronta un disallineamento storico tra una valutazione dominata dal testo e le capacità verbali e situazionali che le qualifiche professionali certificano, usando un Grandi modelli di linguaggio (LLM) a supporto di una valutazione orale interattiva. Su quattro coorti, il formato vocale è stato giudicato realistico da 21 studenti su 33, senza risposte dissenzienti sul suo vantaggio rispetto a un portfolio scritto, e il sistema girava completamente offline su un singolo portatile per un massimo di 12 studenti simultanei, cancellando le registrazioni dopo 90 giorni e lasciando la valutazione ai valutatori (Designing AI-Supported Oral Assessment in TVET). È un esempio concreto di IA che amplia la gamma di competenze valutabili nella formazione professionale, anziché limitarsi ad automatizzare i formati scritti esistenti. Le sue coorti, però, erano classi di automazione e ingegneria di Livello 3, per cui le evidenze si collocano nell'offerta formativa professionale iniziale anziché nell'aggiornamento professionale sul posto di lavoro di cui si occupa questa pagina.

• Sono le condizioni istituzionali, non il contesto nazionale, a spiegare i divari di preparazione. Un'indagine comparativa su 568 docenti universitari di centri di sviluppo della docenza cinesi (n = 340) e kazaki (n = 228) (Bi, Araily, Lyu e Xiu, 2026) ha rilevato che i docenti kazaki erano in vantaggio su tutte le sette dimensioni di preparazione all'IA generativa al basale, con i divari maggiori nel trasferimento disciplinare, nella progettazione di prompt e nella valutazione supportata dall'IA. La regressione gerarchica ha smontato la spiegazione nazionale: la differenza tra paesi è calata drasticamente una volta entrati nel modello l'uso pregresso di IA generativa e la formazione recente, ed è diventata non significativa — con una riduzione dell'80% — dopo l'aggiunta del supporto istituzionale, del permesso percepito a sperimentare, dell'accesso alle risorse multilingui, della chiarezza delle politiche e della sensibilità al rischio. L'esposizione era distribuita in modo diseguale (una netta maggioranza dei docenti kazaki aveva avuto una formazione sull'IA nei sei mesi precedenti, contro circa un quarto dei docenti cinesi), e i docenti cinesi riportavano sia una maggiore chiarezza delle politiche sia una maggiore sensibilità al rischio. La formazione strutturata su compiti di prompt ha superato di larga misura la consueta familiarizzazione con l'IA generativa nella progettazione di prompt al post-test. La preparazione dei docenti, su queste evidenze, è prodotta dall'offerta e dal permesso — ciò che un centro mette a disposizione e ciò che consente — piuttosto che dal sistema nazionale in cui si colloca.

• Una formazione breve sposta i giudizi, non le intenzioni. Un pilota pre-post di tre ore su 100 insegnanti tedeschi (Mesenhöller e Böhme, 2026) ha rilevato che l'utilità percepita (d = 0,32) e la facilità d'uso percepita (d = 0,25) aumentavano in modo significativo dopo una breve sessione pratica sull'IA per la differenziazione, mentre l'intenzione comportamentale non si muoveva da un basale già alto (M = 3,07). Gli autori interpretano questo divario come un segno che l'accettazione dipende da condizioni che una sessione non può fornire, come il tempo, le infrastrutture e regole istituzionali chiare. I formati brevi vale la pena proporli, ma è il loro abbinamento a quelle condizioni a trasformare un giudizio favorevole in uso effettivo.

• Monitoraggio continuativo, non workshop una tantum, per la formazione iniziale. Una revisione sistematica di 11 studi sull'IA nella formazione iniziale degli insegnanti di matematica della scuola primaria (Pinto et al., 2026) ha rilevato che nove interventi consistevano in una sessione unica o in poche sessioni inserite nei corsi esistenti, che gli atteggiamenti venivano di norma campionati una sola volta a posteriori, e che l'etica compariva solo in tre studi. Gli autori sostengono che la competenza in ambito IA debba svilupparsi lungo l'intera sequenza formativa, da una fase preparatoria al tirocinio fino ai primi anni di pratica, con un monitoraggio che segua tale progressione.

• Sono l'esposizione e la ripetizione, non le caratteristiche demografiche, a tracciare le percezioni favorevoli. In uno studio a metodi misti su 302 insegnanti turchi di matematica della scuola primaria (Ciğerci e Uygun, 2026), la formazione pregressa sull'IA (t = 3,661) e la frequenza d'uso dell'IA (F = 41.280) erano le variabili più costantemente associate a visioni positive, mentre la disponibilità (M = 3,98) e gli atteggiamenti (M = 3,82) si collocavano ben al di sopra dell'esperienza personale (M = 3,00). Gli autori trattano la formazione pregressa come la leva più chiara su cui le scuole possono agire, il che indica un uso ripetuto e continuativo anziché una singola introduzione.

• La rotazione dei ruoli come struttura portante. Uno studio basato sul design condotto su 62 psicologi dell'educazione in formazione in Kazakistan (Kenzhebayeva et al., 2026) ha fatto ruotare gli studenti attraverso quattro posizioni professionali nell'arco di otto settimane, con l'IA generativa a fornire idee preliminari. Gli autori sostengono che il valore risiedesse nella rotazione piuttosto che nello strumento, poiché ogni ruolo inquadrava lo stesso caso in modo diverso, e i cicli successivi mostravano più richieste di giustificazione teorica. Riportano il coinvolgimento anziché guadagni misurati, non avendo raccolto misure di competenza pre-post.

Distinta dalla formazione accademica

La formazione professionale differisce dalla formazione accademica per l'attenzione alle competenze applicate, alla rilevanza immediata per il posto di lavoro e alle caratteristiche dello studente adulto. La teoria dell'Adulti che apprendono e i principi dell'Adulti che apprendono informano la progettazione della formazione professionale all'IA. Il suo altro confine è la formazione e istruzione professionale: la VET ammette persone che non ricoprono ancora il mestiere e si conclude con una qualifica artigianale o tecnica, per cui porta con sé la preparazione professionale iniziale e i quadri delle qualifiche che la certificano, mentre la formazione professionale parte da un ruolo esistente — riqualificazione, formazione professionale continua o certificazione del fornitore — e presuppone la competenza che la VET conferisce.

La rigenerazione dell'expertise come questione formativa. Il framework dei beni comuni cognitivi (Lovett 2026) sostiene che lo sviluppo delle risorse umane (HRD) debba andare oltre la riqualificazione organizzativa per arrivare alla tutela a livello di professione: eliminare le posizioni junior di sviluppo nei settori esposti all'IA può impoverire il patrimonio condiviso di expertise da cui tutte le organizzazioni dipendono, con un effetto ritardato nel tempo che si manifesta solo dopo 5–20 anni. Questo ridefinisce la formazione professionale, dallo sviluppo della competenza individuale alla manutenzione di un bene comune collettivo.

Abbinare la produzione con l'IA alla verifica, e cercare misure esterne. Nguyen et al. (2026) inseriscono controlli automatizzati delle allucinazioni e una verifica da parte di esperti di materia (SME) tra la stesura e l'erogazione lungo una pipeline di aggiornamento professionale in cinque fasi, e fanno poggiare le affermazioni più forti del framework su un accreditamento NASBA CPE e su un esame di certificazione del fornitore, piuttosto che su misure di successo autodefinite.

Concetti collegati

• Apprendimento permanente
• Adulti che apprendono
• Istruzione e Formazione Professionale
• Sviluppo educativo professionale
• Alfabetizzazione sull'IA
• Simulazione
• Istruzione superiore
• IA generativa
• Grandi modelli di linguaggio (LLM)
• Apprendimento adattivo
• Apprendimento personalizzato
• Realtà virtuale e aumentata — dove la pratica immersiva è più consolidata

Articoli collegati

• Artificial Intelligence (AI) and the Future of the Engineering and Computing Workforce: A Systematic Review of Gray Literature and Document Analysis of U.S. Reports (2020–2025) — AI and the Future of the Engineering and Computing Workforce
• A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — Workforce Readiness Level framework for smart manufacturing in the AI era
• AI-accelerated End-to-End Framework for Rapid Professional Upskilling
• AI Coaching for Accelerating Human Skill Development with Reinforcement Learning
• The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist
• ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots
• The Main Barrier to AI Adoption in the Public Sector is Lack of Training
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — HiBob AI Skills Framework validated with instructors and employers
• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — The tragedy of the cognitive commons: AI and expertise regeneration
• A Systematic Review of Language Educators' Practices and Development with GenAI — Language educators' practices and development with GenAI
• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching
• Research on the optimization of the training system of university faculty development centers in the context of GenAI: a comparative analysis based on Chinese and Kazakhstani universities — Comparative survey showing institutional conditions, not national context, explain faculty GenAI readiness gaps (Bi et al. 2026)
• Rethinking artificial-intelligence literacy through the lens of teacher educators: The adaptive AI model — Teacher educators co-design an adaptive AI literacy model and a reflective questionnaire (Eyal 2025)
• Assessing teachers' AI literacy: a systematic review of measurement tools — Review showing teacher AI literacy instruments lag generative AI, marking the training target (Zainal et al. 2026)
• Empowering teachers to use AI for differentiation: changes in teachers’ acceptance of AI-based technologies following participation in a short professional development training session — Three-hour PD raised German teachers' perceived usefulness and ease of use, but not intention to use AI for differentiation
• Artificial intelligence in initial teacher training for pre-service primary school teachers in mathematics: a systematic review — Review of AI in initial teacher training for primary mathematics: brief tool-focused training is not enough
• Evaluation of primary school teachers’ use and perceptions of artificial intelligence in primary school mathematics instruction: a mixed-methods study — Survey linking prior AI training and frequency of use to Turkish primary teachers' positive perceptions
• Designing an AI-integrated role-rotation pedagogical model to support competence-related learning in pre-service educational psychologists — Role rotation as the structuring mechanism for AI-supported professional preparation
• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement