Quello che un’esperienza lascia nella persona
Una persona esperta vede cose che all’inizio del proprio percorso non vedeva.
Riconosce un’anomalia, distingue un caso ordinario da uno che richiede attenzione, sa quali informazioni cercare e quali possono essere trascurate. Molte di queste capacità sono cresciute lavorando: attraverso casi affrontati, errori, correzioni, confronto con colleghi più esperti, responsabilità progressivamente maggiori.
Per molto tempo abbiamo osservato quelle attività soprattutto per ciò che producevano.
Una ricerca serviva a trovare un’informazione. Un controllo a verificare un risultato. Una prima analisi a preparare il lavoro successivo. Una bozza a mettere in forma qualcosa che qualcun altro avrebbe poi rivisto.
L’intelligenza artificiale rende oggi possibile ottenere una parte di questi risultati in modo diverso e spesso molto più rapidamente.
Da qui è cominciata questa ricerca.
I primi pioli
Nell’estate del 2026 stavo lavorando su una domanda che riguardava l’ingresso dei giovani nel lavoro.
Se alcune attività tipicamente assegnate a chi entra possono essere automatizzate, cambia anzitutto il modo in cui il lavoro viene organizzato. In alcuni contesti possono ridursi le occasioni di ingresso; in altri le mansioni iniziali possono essere ricomposte.
Seguendo questo problema, però, emergeva anche un secondo effetto.
Quelle attività erano spesso i primi passaggi attraverso cui una persona imparava il mestiere.
Cercare informazioni, preparare una prima analisi, controllare un dato, affrontare casi relativamente semplici significava anche imparare dove guardare, ricevere una correzione, incontrare un’eccezione, confrontare la propria soluzione con quella di qualcuno più esperto.
Ho cominciato a rappresentare questo processo come una scala dell’expertise.
I primi pioli possono contenere attività semplici. Salendo aumentano varietà dei casi, autonomia, responsabilità e giudizio. In cima si trovano capacità che spesso sembrano immediate proprio perché incorporano anni di esperienza precedente.
La scala può essere accorciata, migliorata e costruita diversamente. Per farlo occorre comprendere che cosa producevano i suoi passaggi oltre al risultato immediato.
Un’attività può lasciare qualcosa
Da quel momento la ricerca si è progressivamente spostata dall’attività all’esperienza.
Due persone possono produrre lo stesso risultato e attraversare esperienze molto diverse.
Una può applicare una procedura già definita. L’altra deve formulare un’ipotesi, confrontarla con un caso reale, ricevere un feedback, correggersi e provare di nuovo. A parità di prodotto, ciò che rimane nella persona può essere differente.
L’esperienza, vista da questa prospettiva, coincide sempre meno con il semplice tempo trascorso in un ruolo.
Un anno di lavoro può essere fatto di dodici mesi quasi identici. Lo stesso anno può contenere problemi progressivamente più complessi, osservazione di persone esperte, feedback, tentativi, decisioni e crescente autonomia.
La durata è uguale. La trasformazione prodotta può esserlo molto meno.
È in questo senso che nei lavori successivi ho iniziato a usare l’espressione valore generativo dell’esperienza: la parte di un’esperienza che aumenta ciò che una persona sarà capace di affrontare in seguito.
Questa formulazione è ancora un’elaborazione di ricerca. Il suo valore dipenderà dalla capacità di tradurla in dimensioni osservabili e di verificarla empiricamente.
Esperienze che possiamo progettare
Quando le attività iniziali cambiano, diventa rilevante anche la qualità delle esperienze attraverso cui una persona entra in una professione.
Da qui nasce una seconda linea di lavoro.
Garantire l’accesso a un lavoro, a un tirocinio o a un percorso formativo dice ancora poco su ciò che quella esperienza consentirà di apprendere. Due opportunità formalmente simili possono offrire possibilità molto diverse di esercitare capacità, ricevere feedback e assumere responsabilità.
L’ipotesi dell’Experience Guarantee nasce da questo problema.
L’idea è spostare gradualmente l’attenzione dall’accesso a un’esperienza alla sua capacità di produrre sviluppo. Nei lavori ancora in corso sono comparsi concetti come Experience Unit, Experience Quality, Experience Capital ed Experience Gap, pensati per rendere osservabili qualità, varietà, progressione e trasferibilità delle esperienze.
Sono strumenti esplorativi. Prima di diventare metriche utilizzabili richiedono definizioni operative, protocolli di misurazione e validazione.
La direzione, tuttavia, è già riconoscibile: una politica delle transizioni può interessarsi anche a ciò che le persone hanno realmente avuto occasione di attraversare.
Quando l’AI entra nell’esperienza
Una seconda diramazione della ricerca riguarda direttamente l’interazione con l’intelligenza artificiale.
Delegare un’attività può significare modificare anche l’esperienza attraverso cui impariamo.
Questo non rende preziosa ogni difficoltà.
Molte operazioni ripetitive, ricerche meccaniche e passaggi a basso valore formativo possono essere affidati alla tecnologia, liberando tempo e attenzione. In altri casi, invece, la parte assorbita dal sistema coincide proprio con l’operazione cognitiva che la persona avrebbe bisogno di esercitare.
La questione diventa allora progettuale.
Chi formula l’ipotesi? Chi genera la prima soluzione? Chi controlla? Chi decide quando il risultato è sufficiente? Chi riconosce l’errore? Chi prova a trasferire ciò che ha appreso a una situazione nuova?
In La fatica che ci rende capaci l’unità di osservazione diventa così l’interazione.
L’attenzione si sposta sulla distribuzione di generazione, controllo e responsabilità durante il lavoro con l’AI.
La fatica perde valore come principio astratto. Diventa una variabile da progettare: alcune operazioni meritano di essere esercitate perché partecipano direttamente alla capacità che vogliamo sviluppare; altre possono essere ridotte o affidate alla macchina.
Quello che sappiamo fare dopo
Un risultato ottenuto con l’aiuto dell’AI può essere eccellente.
Da solo, però, descrive il prodotto. Dice molto meno su ciò che è accaduto alla persona mentre lo produceva.
Da questa distinzione nasce il sottotitolo di La fatica che ci rende capaci:
Dal prodotto alla capacità che rimane.
Nei lavori più recenti sto cercando di distinguere la prestazione assistita da ciò che rimane disponibile quando l’assistenza diminuisce o cambia.
Da qui derivano concetti come capacità bersaglio, nucleo e contorno dell’attività, capacità stabile, capacità di riserva e fading dell’assistenza.
La letteratura su cognitive load, desirable difficulties, retrieval, transfer, cognitive offloading, expertise e self-regulated learning offre basi importanti per questa ricerca. La loro ricomposizione nel rapporto con l’AI e alcune formulazioni introdotte nei lavori — fra queste il debito di capacità — restano invece proposte da sviluppare e sottoporre a verifica.
Per debito di capacità intendo la distanza che può crescere fra ciò che una persona o un’organizzazione riescono a produrre oggi con l’assistenza di un sistema e ciò che saranno ancora in grado di comprendere, controllare o fare autonomamente domani.
È una possibilità da osservare, non una conseguenza inevitabile dell’automazione.
Due direzioni che continuano a incontrarsi
Da questo percorso sono emerse due scale di lavoro.
Una riguarda scuole, imprese, servizi per il lavoro e politiche pubbliche. Qui la domanda riguarda la qualità delle esperienze disponibili, la loro progressione e la possibilità di costruire percorsi attraverso cui una persona possa crescere.
L’altra riguarda il modo in cui progettiamo una singola attività con l’AI: che cosa esercita la persona, quale feedback riceve, quali passaggi vengono delegati, quando l’aiuto si riduce e che cosa riesce poi a trasferire altrove.
Le due direzioni hanno strumenti differenti, ma osservano lo stesso fenomeno a distanze diverse.
Un lavoro, un laboratorio, un problema affrontato con un collega o un’interazione con l’AI producono qualcosa che serve nel presente. Alcune di queste esperienze modificano anche ciò che saremo capaci di fare in seguito.
È questa seconda traccia che questa ricerca prova a rendere visibile.
Opere e ricerche
Se l’AI fa il lavoro dei principianti, come nasceranno gli esperti?
2026 · Articolo di ricerca e divulgazione
Un lavoro sull’automazione delle attività entry-level e sui possibili effetti che la trasformazione dei primi compiti professionali può produrre sui percorsi attraverso cui si forma l’expertise.
Esperienza e competenza
2026 · Programma di ricerca in sviluppo
Una linea di lavoro sulla qualità generativa delle esperienze e sulle condizioni attraverso cui attività e percorsi professionali possono produrre apprendimento, autonomia e capacità progressivamente più complesse.
Experience Guarantee
Dal 2026 · Ipotesi di ricerca e di policy
Una proposta ancora esplorativa per osservare e progettare la qualità delle esperienze offerte nelle transizioni tra formazione e lavoro, oltre alla loro sola disponibilità.
La fatica che ci rende capaci
2026 · Guida evidence-informed
Una ricerca sulla progettazione intenzionale dello sforzo cognitivo nell’era dell’AI e sulle condizioni attraverso cui l’assistenza può migliorare la prestazione senza impoverire la capacità che rimane nella persona.
Nota editoriale
Questa pagina ricostruisce una linea di ricerca ancora in sviluppo. La letteratura sull’apprendimento, sull’expertise, sul trasferimento, sull’autoregolazione e sul cognitive offloading offre una base scientifica consolidata per diversi passaggi. Espressioni come valore generativo dell’esperienza, Experience Guarantee e debito di capacità, insieme agli strumenti di misurazione collegati, appartengono invece al lavoro di elaborazione in corso e richiedono ulteriore definizione e verifica empirica.
