AI Literacy: un framework per la formazione e le competenze specifiche
L’articolo 4 dell’AI Act richiede ai fornitori e agli utilizzatori di sistemi di AI di garantire un livello sufficiente di AI literacy al proprio personale e a chiunque usi i sistemi per loro conto. A questo proposito, la Commissione Europea ha pubblicato sul proprio sito ufficiale una repository di best practice e case study per supportare l’implementazione efficace di programmi formativi in materia di AI literacy.
La repository è disponibile a questo link: https://digital-strategy.ec.europa.eu/en/library/living-repository-foster-learning-and-exchange-ai-literacy (link esterno).
Questa spinta normativa si inserisce in un trend più ampio, evidenziato anche dal DataCamp Report 2025 (link esterno): il 70% dei leader aziendali considera oggi la padronanza dell’AI non solo un vantaggio competitivo, ma una necessità strategica per i propri team. Tuttavia, il percorso verso una vera cultura dell’intelligenza artificiale è tutt’altro che lineare. Nonostante l’aumento degli investimenti in upskilling e reskilling, il 60% dei decision-maker ammette che il progresso nel colmare il divario di competenze in ambito AI è ancora troppo lento.
Che cos’è l’AI Literacy?
Il termine literacy, dal latino littera (lettera), indicava originariamente la capacità di leggere e scrivere lettere. Storicamente, questo concetto era strettamente legato alla language literacy, considerata fondamentale per l’istruzione e per garantire l’uguaglianza di opportunità nella partecipazione sociale e alla vita pubblica.
Con l’evoluzione delle tecnologie digitali, il concetto di literacy si è progressivamente ampliato, fino ad arrivare ai giorni nostri, in cui l’intelligenza artificiale entra sempre più in profondità nella vita quotidiana. Emerge quindi la necessità di una nuova forma di alfabetizzazione: l’AI literacy.
L’AI literacy rappresenta l’insieme di competenze necessarie per comprendere, valutare criticamente e utilizzare consapevolmente le tecnologie basate su AI. In una visione più ampia, è anche la capacità di riconoscere quando, come e perché viene utilizzata l’intelligenza artificiale nei diversi contesti della vita quotidiana e professionale.
Secondo una delle definizioni più accreditate, promuovere l’AI literacy significa sviluppare quattro dimensioni fondamentali:
- Conoscere e comprendere i concetti alla base dell’AI;
- Usare e applicare strumenti e sistemi AI in modo appropriato;
- Valutare e creare soluzioni basate su AI;
- Riflettere sulle implicazioni etiche, sociali e legali dell’intelligenza artificiale.
Gli obiettivi dell’IA Literacy:
L’AI Literacy ha obiettivi fondamentali a tre livelli:
- A livello individuale, mira a fornire a ciascuno le competenze per comprendere le capacità, i limiti e le implicazioni etiche dell’AI, contribuendo a decisioni informate e a ridurre il divario digitale.
- A livello organizzativo, l’AI literacy è riconosciuta come una leva strategica per aumentare la produttività, stimolare l’innovazione e mitigare i rischi legati a un uso inconsapevole o improprio delle tecnologie AI. Per questo motivo, la formazione continua e l’upskilling dei dipendenti diventano elementi chiave per garantire un vantaggio competitivo sostenibile.
- A livello sociale, rappresenta uno strumento fondamentale per preparare la collettività a un futuro in cui l’intelligenza artificiale sarà sempre più pervasiva. Promuovere l’AI literacy su larga scala significa affrontare con consapevolezza le sfide etiche, i rischi dell’automazione, e la crescente diffusione della disinformazione, favorendo un approccio critico e responsabile all’uso della tecnologia.
> Scopri il corso di alfabetizzazione IA per il personale aziendale
Framework di AI Literacy
Le competenze raccolte in questo framework forniscono una visione strutturata e graduale dell’AI Literacy, partendo da una semplice consapevolezza di ciò che l’AI è, fino a competenze specialistiche e strategiche. Ciascuna delle cinque dimensioni individua campi di azione e livelli di padronanza.
Le competenze di base (livello 1) riguardano la comprensione e consapevolezza dell’AI e dei suoi rischi, quelle intermedie (livello 2) la messa in pratica e il miglioramento dell’utilizzo dell’AI, mentre quelle avanzate (livello 3), dove presenti, enfatizzano la leadership, la responsabilità sociale e la capacità di plasmare l’ecosistema AI del futuro.
Dimensione 1: comprendere le basi dell’Intelligenza Artificiale
Questa dimensione si focalizza sull’apprendimento dei concetti fondamentali riguardanti l’Intelligenza Artificiale e i dati e fornisce le basi per comprendere come l’AI viene creata, addestrata e utilizzata.
Livello 1: consapevolezza di AI e dati
- Saper definire, a grandi linee, che cos’è l’AI (machine learning, deep learning, large language models).
- Distinguere i casi in cui si interagisce con sistemi AI (assistenti virtuali, chatbot, raccomandazioni online).
- Capire i concetti elementari di “dato” (dati strutturati/non strutturati, etichette, dataset).
- Riconoscere la differenza tra AI generale e AI specializzata.
Livello 2: AI e dati in azione
- Comprendere come vengono raccolti, gestiti e analizzati i dati per addestrare gli algoritmi di AI.
- Avere una conoscenza di base delle tecniche di apprendimento (supervisionato, non supervisionato, rinforzo).
- Interfacciarsi con strumenti che utilizzano l’AI, sapendo come inserire dati o informazioni per avere output significativi.
Livello 3: ottimizzazione AI e dati
- Padroneggiare i concetti chiave di valutazione e miglioramento di modelli AI (accuratezza, precisione, recall, ecc.)
- Comprendere le best practice per la raccolta e la pulizia dei dati, compreso il concetto di “data governance”.
- Saper valutare diverse architetture di AI e scegliere quella più appropriata a seconda del tipo di dato e di problema.
Dimensione 2: Pensiero Critico e Valutazione dell’Output AI
Questa dimensione si concentra sulla capacità di esaminare criticamente i risultati prodotti dall’AI, valutando la qualità, l’affidabilità e i limiti dell’output.
Livello 1: mettere in discussione l’Output AI
- Prendere coscienza che gli output di un sistema AI non sono automaticamente “verità”.
- Riconoscere possibili errori o distorsioni (bias) nel contenuto generato.
- Mettere in dubbio attivamente i risultati AI, confrontandoli con fonti alternative.
Livello 2: analisi approfondita dell’output dell’AI
- Approfondire le possibili ragioni per cui un output è impreciso (set di dati incompleti, errori di addestramento, confusione di modelli).
- Saper interpretare metriche di performance (accuratezza, error rate, F1-score) e capire come influiscono sugli output.
- Effettuare un fact-checking o una verifica incrociata dei risultati AI, specialmente in contesti critici (sanità, finanza, educazione).
> Leggi anche: “AI Literacy per professionisti non tech: le competenze fondamentali”
Dimensione 3: uso etico e responsabile dell’AI
Questa dimensione approfondisce la consapevolezza riguardo ai rischi e alle opportunità dell’AI, nonché la responsabilità individuale e collettiva nell’utilizzo di tali tecnologie.
Livello 1: comprensione dei rischi di base
- Conoscere i rischi più comuni dell’AI (privacy, disinformazione, bias).
- Comprendere l’importanza di un uso responsabile, anche in ambito quotidiano (social media, app di intrattenimento, e-commerce).
- Riconoscere che un impiego improprio dell’AI può avere conseguenze reali sulle persone e sulla società.
> Leggi anche: Princìpi e sfide dell’etica applicata all’Intelligenza Artificiale
Livello 2: applicazione di pratiche responsabili
- Adottare misure per proteggere i propri dati e la privacy, ad esempio limitando l’accesso a certe informazioni.
- Riconoscere e segnalare fenomeni di disinformazione generati da sistemi AI.
- Sapere impostare parametri etici negli strumenti AI utilizzati (filtri di sicurezza, moderazione dei contenuti).
Dimensione 4: collaborare e comunicare con l’intelligenza artificiale
Questa dimensione riguarda la capacità di interagire con l’AI in modo umano-centrico, valorizzando l’intelligenza emotiva e la creatività per sfruttare al meglio la collaborazione uomo-macchina.
Livello 1: consapevolezza delle interazioni tra uomo e IA
- Comprendere le modalità e i tempo di interazione con l’IA (immagini, testo, audio e video.)
- Riconoscere i limiti dell’AI in quanto “non cosciente” e saper differenziare l’empatia umana dalle risposte automatizzate.
Livello 2: AI come strumento collaborativo
- Imparare a comunicare in modo chiaro ed efficace con i sistemi di AI.
- Saper collaborare con l’AI per co-creare soluzioni, sfruttando capacità come l’elaborazione del linguaggio naturale.
- Utilizzare strumenti di prompt engineering per guidare e modellare le risposte dei sistemi basati su LLM per ottenere output utili e pertinenti.
Dimensione 5: competenza specifiche e leadership strategica
Questa dimensione si riferisce all’uso dell’AI in contesti specifici (professionali, educativi, di ricerca, etc.) e alla capacità di promuovere visioni strategiche.
Livello 1: consapevolezza delle applicazioni di IA nel proprio settore
- Riconoscere i principali casi d’uso dell’AI nel proprio campo (es. AI per la didattica, AI nel marketing, AI nella manifattura).
- Capire quali competenze verticali siano necessarie per applicare correttamente l’AI.
- Conoscere esempi di successo o fallimento legati all’uso dell’AI nel settore di riferimento.
Livello 2: Applicazione Professionale dell’AI
- Saper integrare strumenti AI nel proprio flusso di lavoro, valutando costi, benefici e rischi.
- Elaborare progetti e soluzioni AI-driven per migliorare i processi organizzativi (ad esempio, analisi avanzate di dati, sistemi di raccomandazione personalizzati).
- Collaborare con specialisti IT e data scientist per definire requisiti, obiettivi e metriche di successo.
Livello 3: Visione Strategica e Leadership
- Guidare iniziative di trasformazione digitale che includano la componente AI, definendo linee guida, piani di formazione e strategie di lungo periodo.
- Saper interpretare tendenze, evoluzioni tecnologiche ed elaborare roadmap strategiche per l’innovazione AI nel proprio settore.
- Diventare un punto di riferimento per la promozione di un ecosistema AI etico e sostenibile.
> Leggi anche: Intelligenza Artificiale Sostenibile e Green Algorithm
L’AI Literacy non è più un’opzione, ma una necessità strategica per individui, aziende e società. L’intelligenza artificiale sta trasformando il modo in cui lavoriamo, comunichiamo e prendiamo decisioni. Per affrontare le sfide etiche, colmare i divari di competenze e sfruttare appieno il potenziale dell’AI, la formazione continua diventa il vero fattore abilitante. Investire in percorsi strutturati di upskilling e reskilling non significa solo aumentare la produttività o l’efficienza operativa, ma anche garantire inclusione, consapevolezza e responsabilità nell’uso di tecnologie che stanno ridisegnando il nostro futuro.
Fonti:
Digital Education Council AI Literacy Framework. (2025). Digitaleducationcouncil.com. https://www.digitaleducationcouncil.com/post/digital-education-council-ai-literacy-framework
Knoth, N., Tolzin, A., Janson, A., & Leimeister, J. M. (2024). AI literacy and its implications for prompt engineering strategies. Computers and Education: Artificial Intelligence, 6, 100225.
Long, D., & Magerko, B. (2020, April). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1-16).
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
Pinski, M., & Benlian, A. (2024). AI literacy for users–A comprehensive review and future research directions of learning methods, components, and effects. Computers in Human Behavior: Artificial Humans, 100062.
Stolpe, K., & Hallström, J. (2024). Artificial intelligence literacy for technology education. Computers and Education Open, 6, 100159.
The DataCamp Data & AI Literacy Report 2025 – Disponibile su: https://www.datacamp.com/report/data-ai-literacy-report-2025 (ultimo accesso 14/04/2025)
Yi, Y. (2021). Establishing the concept of AI literacy. Jahr–European Journal of Bioethics, 12(2), 353-368.
