L'AI ci atrofizza? Non è la domanda giusta

In queste settimane, sui blog seri e sui thread meno seri, leggo sempre la stessa frase: l'AI ci sta atrofizzando. La fatica è formativa, ce la stiamo togliendo, ne pagheremo il conto sul cervello, sulla scrittura, sul codice. La cornice è ovunque. Carr, MIT Media Lab, qualche editoriale che cita Platone a casaccio. La conclusione implicita è sempre la stessa: se delegate, vi spegnete.

Ne ho parlato con ChatGPT. Sì, proprio con quella macchina che secondo l'argomento mi starebbe atrofizzando mentre la uso. Stesso modello dichiarato del pezzo sull'enciclica: coautorato esplicito, non "l'AI mi ha scritto il pezzo", ma "ho pensato con l'AI e qui mostro come si è affilato il pensiero". ChatGPT mi ha servito la versione classica del discorso, manuale alla mano. Io ho obiettato. È uscita una versione più matura. La racconto come è andata, perché è il punto.

L'argomento standard, come me l'ha messo ChatGPT

Glielo chiedo netto: ci stiamo atrofizzando con l'AI? La prima risposta è quella che ti aspetti, e ha pure dei riferimenti seri. Platone nel Fedro, Socrate contro la scrittura. I tassisti londinesi col cervello potenziato. Lo studio di McGill sul GPS che ci ha rovinato l'orientamento. La calcolatrice in classe. Ogni tecnologia ha tolto qualcosa, ogni delega è un muscolo che si atrofizza, la fatica è il prezzo dell'apprendimento profondo. ChatGPT chiude con una frase che suona bene: senza attrito non c'è formazione.

È un argomento elegante. Cita classici, ha studi, ha la struttura della saggezza antica che torna. E ha un problema, che è il problema della maggior parte degli argomenti eleganti: mette tutta la fatica nella stessa scatola.

La mia obiezione: non tutta la fatica è formativa

Glielo dico in modo diretto. Non sono d'accordo. Stai facendo passare per uguali due cose diverse. Catalogare a mano dataset, ricordare la sintassi di una API, formattare il margine destro — non sono fatiche che formano. Sono fatiche che consumano. Lo scienziato che simula un miliardo di ipotesi invece di cento non sta perdendo carattere: sta scoprendo di più.

C'è una distinzione che esiste già in letteratura e che ChatGPT, stranamente, non aveva tirato fuori. Robert Bjork, UCLA, anni '90: desirable difficulties. Bjork distingue le difficoltà che producono apprendimento da quelle che semplicemente ostacolano. La parola desirable è il filtro. Non tutta la fatica è desiderabile. Lo dice il fondatore stesso del concetto che molti citano per giustificare l'argomento opposto.

Si aggancia bene a Csikszentmihalyi e al flow: l'apprendimento si genera quando la sfida è leggermente sopra la skill attuale. Sotto, noia. Sopra, ansia. La fatica produttiva è una fascia stretta, non un valore in sé. Da qui la mia domanda operativa, che è la spina dorsale del pezzo:

Quale attrito vale la pena conservare perché è quello che ci forma davvero, e quale va eliminato senza rimorso perché è solo spreco?

ChatGPT cede sul punto. Non per cortesia — perché la distinzione regge. La risposta successiva, riformulata, è quella che mi interessava: l'AI sposta il valore umano dalla risoluzione alla formulazione, dalla risposta alla domanda. Bene, ci siamo. Adesso possiamo costruire.

Il parallelo storico vero (non quello melenso)

Il riferimento a Platone, però, vale la pena prenderlo sul serio invece che usarlo come decorazione. Fedro, 274e-275a, mito di Theuth. Socrate racconta che Theuth presenta al re d'Egitto la scrittura come farmaco per la memoria. Il re ribatte:

"Questa scoperta produrrà dimenticanza nelle anime di chi la impara, perché non eserciteranno la memoria; fidandosi della scrittura, richiameranno le cose dall'esterno mediante segni estranei, non dall'interno, da sé stessi. Non hai trovato un farmaco per la memoria, ma per il richiamare. E ai discepoli procuri una parvenza di sapienza, non la sapienza vera."

Leggetelo due volte. Parvenza di sapienza, non la sapienza vera. È lo stesso identico schema retorico che oggi viene usato contro l'AI. Vi darà l'apparenza di sapere, vi atrofizzerà la mente, perderete la facoltà. Duemilaquattrocento anni dopo, copincollato uguale su un altro oggetto.

Cosa è successo nei due millenni e mezzo successivi? La scrittura ha espanso la conoscenza umana, non l'ha distrutta. Ha spostato il valore: dal memorizzare al comporre, citare, criticare, sintetizzare. La memoria orale come la praticavano i bardi ha perso muscolo. Quello che abbiamo guadagnato è incommensurabilmente più grande di quello che abbiamo perso. Però — e qui sta l'onestà — qualcosa si è perso davvero. Il punto non è negarlo. È capire che il bilancio non si fa al netto di quello che si è perso, ma al lordo di quello che si è guadagnato.

L'onestà sui casi reali di atrofia da delega

Detto questo, non liquido i critici. Ci sono casi documentati in cui la delega ha prodotto deskilling vero, misurabile, e va riconosciuto.

I tassisti di Londra che superano The Knowledge — 25.000 strade memorizzate in un raggio di 10 km da Charing Cross, 3-4 anni di studio, tasso di promozione attorno al 50% — sviluppano un ippocampo posteriore più grande rispetto ai controlli, inclusi gli autisti di autobus londinesi che guidano molto ma su rotte fisse. Studio di Eleanor Maguire, UCL, ripetuto e confermato. Esempio reale, documentato, di fatica formativa: la palestra mentale produce ipertrofia osservabile.

Veronique Bohbot, McGill, 2020: Habitual use of GPS negatively impacts spatial memory during self-guided navigation. L'uso abituale del GPS correla con peggiore memoria spaziale quando si naviga senza GPS. L'ippocampo perde grigio se non viene esercitato. Esempio reale di atrofia da delega.

Quindi: l'argomento del lato critico non è fumo. Ci sono casi in cui delegare ha tolto qualcosa che valeva la pena tenere. La risposta non è "torna alla mappa di carta", ma nemmeno "tanto non importa". È più sottile: l'attrito da conservare è selettivo, e va scelto. Orientarsi attivamente in una città nuova è una palestra che vale la pena tenere, anche se Maps è lì. Memorizzare la sintassi di un'API che si cerca in tre secondi non lo è.

Il pezzo che cambia tutto: AI come amplificatore scientifico

Adesso giriamo dalla parte opposta, e prendiamo l'esempio che secondo me chiude metà del dibattito. Perché la versione di ChatGPT — quella matura, dopo la mia obiezione — qui regge benissimo.

AlphaFold (DeepMind, Nature luglio 2021): previsione accurata della struttura tridimensionale di circa 200 milioni di proteine. Citazioni vicino alle 43.000 nel novembre 2025. Nobel per la Chimica 2024 a Hassabis, Jumper, Baker. Un "leap che non era atteso per un altro decennio", per parole della comunità.

Insilico Medicine — Rentosertib, primo farmaco AI-discovered arrivato in Phase IIa con risultati pubblicati su Nature Medicine (2025). Inibitore TNIK per fibrosi polmonare idiopatica. A 12 settimane sul braccio 60 mg: +98,4 mL FVC vs -20,3 mL del placebo. Nella IPF i farmaci tipicamente rallentano il declino, non lo invertono. Qui sembra invertirlo.

GNoME (DeepMind, 2023): 2,2 milioni di cristalli previsti come stabili, 380.000 candidati promettenti per la sintesi sperimentale. Per contesto: nei dieci anni precedenti, l'intera comunità di Materials Project aveva scoperto circa 28.000 nuovi materiali. Oltre 736 materiali GNoME erano già stati verificati sperimentalmente al momento della pubblicazione.

Adesso applichiamo la distinzione attrito necessario / attrito inutile a questi casi. La fatica di catalogare 200 milioni di strutture proteiche non era formativa. Era spreco di vite. Toglierla non rende i biologi meno saggi: gli permette di fare le domande che prima non si potevano nemmeno porre. Lo scienziato non perde carattere ad avere un miliardo di ipotesi disponibili invece di cento — guadagna lo spazio per decidere quali delle cento contano davvero. Il valore umano si sposta dalla raccolta dati al disegno della domanda, dalla simulazione singola alla valutazione critica delle 380.000 candidate.

Questo è il punto che il discorso "ci atrofizziamo" non riesce a inquadrare. Non perché sia falso che qualcosa si perda. Perché confonde l'atrofia con la riallocazione.

I due lati onesti sull'effetto cognitivo

Andiamo sui dati seri, quelli che vanno presi entrambi senza scegliere il proprio comodo.

Microsoft Research + Carnegie Mellon, CHI 2025 (Lee et al., n=319 knowledge workers, 936 esempi reali di uso GenAI). Risultato netto: maggior fiducia nell'AI correla con MINORE pensiero critico esercitato; maggior self-confidence personale correla con maggior pensiero critico. Lo shift misurato: il critical thinking si sposta verso verifica, integrazione, supervisione — task stewardship. Se ti adagi, perdi muscolo. Se ti tratti come supervisore di un junior brillante e sbadato, lo allenati.

MIT Media Lab — Kos'myna et al. 2025, arXiv:2506.08872. Studio EEG su tre gruppi (LLM, motore di ricerca, solo cervello) durante essay writing. Il gruppo "solo cervello" mostra reti di connettività più forti e distribuite, l'LLM più deboli. Concetto proposto: cognitive debt, debito cognitivo accumulato dall'offloading.

ASSUMPTION da segnalare: n=54, task molto specifico, EEG va sempre letto con cautela. È uno studio pilota con campione limitato, non la parola finale. Lo cito come segnale, non come fatto chiuso.

Sull'altro versante:

BCG / HBS — Dell'Acqua, Mollick et al. (2023): 758 consulenti BCG, esperimento pre-registered con GPT-4. +12,2% task completati, -25,1% tempo, +40% qualità valutata. Effetto più forte sui consulenti che partivano peggio: livellamento verso l'alto. Dentro la frontiera dove l'AI funziona, il vantaggio è netto.

E poi il dato che mi piace di più, perché ribalta tutti gli altri ed è già stato uno dei perni di un altro pezzo del blog. METR 2025 (arXiv 2507.09089): 16 dev OSS senior, 246 task su repo maturi. Risultato sorprendente: con l'AI, i task hanno richiesto +19% di tempo. I dev credevano di essere stati il 20% più veloci. Quaranta punti di gap fra percepito e misurato. Ne ho scritto in paradosso velocity AI, e qui torna utile: il bias di percezione sul nostro stesso speedup è gigantesco. Crediamo di volare quando rallentiamo, crediamo di essere più svegli quando spegniamo il critical thinking. È un problema cognitivo serio — più serio della presunta atrofia.

I tre lati non si annullano. Dicono tre cose distinte:

Microsoft/CMU + MIT: se ti adagi e ti fidi alla cieca, perdi muscolo cognitivo.
BCG/Mollick: dentro la frontiera giusta, l'output migliora in modo misurabile.
METR: il vantaggio dipende molto dal contesto, e percepiamo malissimo il nostro stesso ritmo.

La sintesi onesta è quella che ChatGPT, nella versione matura, ha messo bene: l'AI sposta il lavoro cognitivo, non lo elimina. Lo sposti su task che valgono di più — formulazione, valutazione, design — e cresci. Lo sposti su nulla, e ti atrofizzi davvero.

Carr, e perché va tenuto vivo

C'è una posizione che merita di non essere liquidata in due righe, ed è quella di Nicholas Carr. The Shallows: What the Internet Is Doing to Our Brains (2010, finalista Pulitzer). Tesi: Internet incoraggia campionamento rapido e distratto; il libro stampato favoriva attenzione profonda. La neuroplasticità implica che il cervello si riprogrammi su ciò che esercita. Se esercitiamo multitasking distratto, perdiamo capacità di concentrazione profonda.

Carr aveva un punto serio sulla profondità di lettura, ed è un punto che con l'AI vale ancora più in acuto. Perché l'AI non distrae soltanto: fa il lavoro. Il dev junior che accetta ogni suggerimento di Claude senza capire il diff non sta sviluppando modelli mentali del codice. Lo studente che fa fare i temi a ChatGPT non sta sviluppando pensiero strutturato in forma scritta. Lo scrittore che chiede all'LLM ogni paragrafo non sviluppa una voce — la voce è un muscolo, e si forma anche scrivendo male per anni.

Questi sono casi di deskilling reale, e Bjork qui è dalla loro parte: la desirable difficulty della scrittura, della lettura critica di codice, della costruzione di un proprio modello mentale, è proprio quella che non va aggirata. Carr ha ragione su questo, e va detto.

Il problema del discorso "ci atrofizziamo" non è che sia tutto sbagliato. È che usa il caso vero (deskilling per chi delega anche l'attrito necessario) per concludere il caso falso (qualunque delega è atrofia). Bjork era il primo a distinguere. Onorare Bjork significa fare la distinzione, non saltarla.

Cosa rimane di umano

Arrivo al cuore, e cerco di tenerlo asciutto perché qui è facile scivolare in filosofia da bar.

Quello che rimane davvero umano — quello che l'AI non può, oggi, fare al posto nostro — non è la velocità di esecuzione. Non è la capacità di ricordare a memoria. Non è il calcolo. Sono cose più scomode e meno trasferibili:

Formulare il problema giusto. Cosa stiamo davvero cercando? L'AI risponde benissimo a domande ben poste. La domanda ben posta resta nostra.
Scegliere cosa contare come rilevante. La selezione del segnale dentro il rumore è un atto di giudizio, non di calcolo.
Ragionare su trade-off in cui i valori sono in conflitto. Performance vs leggibilità. Flessibilità vs semplicità. Profitto vs sostenibilità. Nessuna funzione obiettivo risolve il conflitto: lo sceglie qualcuno.
Assumersi la responsabilità. Decidere quale codice entra in main, quale frase pubblichi, quale dato accetti come buono.

Hannah Arendt, sul processo Eichmann, ha lasciato una parola che vale la pena usare con misura: thoughtlessness. Eichmann non era cattivo nel senso melodrammatico — era senza pensiero. Aveva delegato il pensare alla struttura. L'osservazione era che il male grande nasce da lì, dalla rinuncia al giudicare.

Aggancio per noi, sobrio: se deleghiamo all'AI anche il pensare e il giudicare, non solo l'esecuzione, deleghiamo anche la responsabilità. E la responsabilità non è un bug da ottimizzare via — è quello che ci rende imputabili delle nostre azioni. L'AI può togliere il labor cognitivo. Non può prendersi il judging — se non glielo permettiamo noi.

Questa, per come la vedo, è la riformulazione che cercavo. Non ci atrofizziamo o no, ma quale attrito è quello che ci forma davvero, e quale invece era solo spreco che ci faceva sentire impegnati. È lo stesso filo del pezzo sull'uomo al posto giusto: il valore umano non sparisce, si sposta. Si sposta dalla risoluzione alla formulazione, dalla risposta alla domanda, dalla velocità al senso.

Implicazione operativa per chi sviluppa con gli agenti

Tradotto per il lettore di questo blog, che con gli agenti ci lavora.

Delega senza rimorso — è attrito inutile, non ti forma:

boilerplate (config, setup, scaffolding);
lookup di sintassi e API note;
debug di errori di compilazione e tipi;
generazione di test su contratti già chiari;
refactor meccanici (rinomine, estrazioni);
documentazione descrittiva di codice esistente.

Non delegare se vuoi crescere — è attrito necessario, ti forma davvero:

decisioni di design e architettura;
lettura critica del codice altrui, incluso quello dell'agente;
scrittura di test che riflettono il significato del dominio (cosa vuol dire "corretto", qui?);
definizione del problema prima della soluzione;
code review finale prima del merge, con occhio sospettoso;
scelta dei trade-off (perf vs leggibilità, flessibilità vs semplicità).

Il pattern operativo è quello che Mollick chiama co-intelligence e che vale la pena ripetere: tratta l'agente come un collega junior brillante ma sbadato. Ottimo per draft, pessimo per decisione finale. Always-on critical thinking: ogni output va letto come se fosse di un altro umano che potrebbe sbagliarsi. E tieniti una skill list personale di cose che vuoi imparare a mano anche se l'AI le farebbe — quella è la tua palestra deliberata, la tua desirable difficulty scelta apposta.

C'è una postura sotto a tutto questo che ho già provato a dire nel pezzo sull'arroganza umana nel coautorato: non sopra la macchina, non sotto. Accanto. Chi resta arroccato a fare tutto da solo "per non atrofizzarsi" sta in realtà confondendo lo sforzo con l'apprendimento. Chi delega tutto per non perdere tempo sta delegando anche quello che lo formava. Tra le due, c'è una zona stretta — la zona di Bjork, la zona del flow — e quella è l'unico posto in cui valga la pena stare.

Chiusura

La domanda l'AI ci atrofizza? è mal posta. È formulata per produrre una risposta binaria che non esiste. La domanda giusta è un'altra: quale attrito è quello che ci forma davvero, e che vale la pena conservare anche quando la macchina si offre di toglierlo?

A quella domanda la risposta non è uguale per tutti, e non è data una volta per sempre. Cambia con la stagione, con il livello di chi sviluppa, con il dominio. Ma una volta che hai quella domanda in mano, non rispondi più "sì, ci atrofizziamo" o "no, è tutto progresso". Cominci a scegliere, pezzo per pezzo, cosa tieni a mano e cosa lasci alla macchina. E quella scelta — è proprio il caso di dirlo — non si può delegare.