Tuo figlio incolla la domanda di storia in una chat, riceve una risposta in tre secondi, la copia sul quaderno. Sembra perfetta: scorrevole, sicura, con tanto di data e nome dello studioso. Peccato che la data sia sbagliata di un secolo e lo studioso non esista. Questo è il momento in cui scopri che quando l'AI sbaglia un compito non lo fa balbettando o ammettendo dubbi: lo fa con la stessa identica sicurezza con cui ti dà la risposta giusta. È il fenomeno che i ricercatori chiamano "allucinazione", e secondo il vocabolario Treccani indica un'informazione errata prodotta da un sistema di intelligenza artificiale, non corrispondente alla realtà.
La domanda che ti poni come genitore non è "vieto questi strumenti?" — il divieto raramente funziona — ma "come insegno a mio figlio a non fidarsi ciecamente?". La buona notizia è che la verifica è una competenza che si allena, ed è esattamente la stessa che serve per studiare bene anche senza AI. In questo articolo vediamo perché l'AI sbaglia, come riconoscere gli errori più insidiosi e come trasformare il controllo critico in un'abitudine di studio.
Perché l'AI sbaglia: non è un bug, è come funziona
Un modello linguistico come ChatGPT non "sa" le cose nel senso in cui le sa un insegnante: prevede la parola statisticamente più probabile dopo quelle precedenti. Quando manca un'informazione affidabile, il modello non si ferma — la inventa, perché generare un testo plausibile è il suo compito. Uno studio di OpenAI del 2025, "Why Language Models Hallucinate" di Kalai, Nachum, Vempala e Zhang, sostiene una tesi controintuitiva: i modelli allucinano in parte perché vengono addestrati e valutati premiando la risposta sicura più che l'onestà del "non lo so".
In altre parole, un modello che tira a indovinare ottiene punteggi migliori di uno che ammette incertezza. La versione peer-reviewed dello studio è stata pubblicata su Nature nel 2026. La conseguenza pratica per tuo figlio è netta: l'errore dell'AI non arriva mai con un punto interrogativo. Arriva travestito da fatto.
L'errore più pericoloso è quello che sembra giusto
Non tutti gli errori sono uguali. Quello che fa sbagliare un'intera versione di latino — una desinenza confusa — di solito si nota perché il senso non torna. Il vero pericolo sono gli errori fattuali: una data storica, una formula chimica, una citazione attribuita a chi non l'ha mai detta. Sono pericolosi perché sembrano corretti e perché tuo figlio non ha modo di accorgersene se non conosce già la risposta.
Il caso più documentato è quello delle fonti inventate: il modello cita un libro con titolo, autore e anno che non esistono. Per uno studente che deve preparare una ricerca, è una trappola perfetta. La regola da trasmettere è semplice e citabile: ogni fatto specifico — numero, data, nome, citazione — prodotto da un'AI va considerato un'ipotesi da verificare, non una conclusione. Il MIT Sloan, in una guida per docenti su allucinazioni e bias, invita a trattare gli output AI come un primo abbozzo da controllare, mai come una fonte primaria.
La matematica: dove l'errore si propaga in silenzio
C'è un equivoco diffuso tra i genitori: "almeno con i conti l'AI non sbaglia". Non è vero. I modelli linguistici non eseguono calcoli come una calcolatrice: prevedono il risultato più probabile, e su numeri grandi o problemi articolati questo li tradisce. Uno studio del 2025 di Shrestha, Kim e Ross, "Mathematical Reasoning in Large Language Models", ha misurato un aumento del tasso di errore logico fino a 14 punti percentuali al crescere della complessità numerica.
Lo stesso lavoro segnala un dettaglio decisivo per chi studia: i modelli vanno bene su un calcolo isolato, ma peggiorano nettamente quando lo stesso calcolo è inserito in un problema con parole. E in matematica un errore al secondo passaggio rende sbagliato tutto ciò che segue, anche se i passaggi successivi sono impeccabili. Per questo non basta che tuo figlio controlli la risposta finale: deve imparare a leggere il ragionamento passo per passo, esattamente come si fa con la tecnica di Feynman, spiegando a voce ogni passaggio per scoprire dove si rompe.
Verificare non rallenta: è la parte che fa imparare
Ecco il punto che ribalta la prospettiva. Chiedere a tuo figlio di verificare ciò che l'AI produce sembra una perdita di tempo. In realtà è il momento in cui avviene l'apprendimento vero. Quando recuperi un'informazione dalla memoria, la confronti, la metti in dubbio, stai facendo richiamo attivo: il meccanismo cognitivo più potente che conosciamo per fissare le conoscenze, mentre rileggere passivamente una risposta già pronta non lascia quasi traccia.
Lo psicologo Henry Roediger e il collega Jeffrey Karpicke lo hanno dimostrato nel 2006: gli studenti che si auto-interrogavano ricordavano molto più di quelli che si limitavano a rileggere lo stesso materiale per lo stesso tempo. "Il recupero di una conoscenza dalla memoria, e non semplicemente la sua riesposizione, è ciò che la rende duratura" — è la sintesi del loro lavoro, oggi noto come "testing effect".
Verificare un output AI è una forma di recupero attivo: per controllare se una data è giusta, tuo figlio deve richiamare ciò che sa, confrontarlo, cercare conferme. Non sta correggendo una macchina, sta studiando. È la differenza tra subire una risposta e interrogarla. Lo abbiamo raccontato nell'articolo su perché copiare con ChatGPT peggiora lo studio: la differenza non è lo strumento, è cosa ci fai. Un foglio di soluzioni copiato non lascia traccia; lo stesso foglio messo in discussione diventa una sessione di ripasso.
Cinque mosse per allenare il controllo critico
Trasformare il sospetto sano in metodo richiede gesti concreti e ripetibili. Ecco cinque criteri da insegnare a tuo figlio, validi per qualsiasi materia.
Chiedi sempre la fonte. Dopo ogni risposta, fagli scrivere "su quale fonte ti basi?" e poi verificare che quella fonte esista davvero, cercandola su un motore di ricerca o in biblioteca. Se non si trova, l'informazione cade.
Controlla i fatti specifici, non l'impressione. Date, numeri, nomi propri e citazioni sono i punti dove l'AI inventa di più. Sono anche quelli più facili da verificare in trenta secondi.
Ripeti la domanda in modo diverso. Se chiedi la stessa cosa con parole diverse e ottieni due risposte incoerenti, almeno una è inventata. La coerenza interna è un test di affidabilità immediato.
Rifai i conti a mano. In matematica e fisica, il risultato dell'AI è un'ipotesi: il quaderno e la calcolatrice restano i giudici.
Confronta con il libro di testo. Il manuale scolastico, allineato al programma MIUR, resta la fonte di riferimento. L'AI può spiegare, ma il libro decide.
I limiti di questo discorso (per non cadere nell'eccesso opposto)
Sarebbe disonesto trasformare un mito in un altro. No, l'AI non "sbaglia sempre": sui compiti più comuni le risposte sono spesso corrette, e i modelli recenti dotati di ricerca web e ragionamento allucinano meno di quelli di due anni fa. Il punto non è demonizzare lo strumento, ma calibrare la fiducia.
Va anche detto che lo studio di OpenAI è in parte teorico: dimostra che una certa quota di errori è strutturale dato il modo in cui i modelli sono addestrati, non che ogni risposta sia inaffidabile. E i tassi di allucinazione variano molto a seconda del modello, della disponibilità di ricerca web e del tipo di domanda, per cui qualsiasi numero secco circolato online va preso con cautela: molte percentuali che vedi citate non sono confrontabili tra loro perché misurano compiti diversi.
C'è poi un'asimmetria utile da spiegare a tuo figlio: l'AI è più affidabile su concetti generali e ben documentati ("spiegami la fotosintesi") che su fatti puntuali e poco frequenti ("in che anno esatto è stato pubblicato questo articolo"). La lezione ragionevole è una sola: l'AI è un ottimo punto di partenza e un pessimo punto di arrivo. La verifica resta un compito umano — e, per fortuna, è anche il compito che fa crescere.
Come Metod·IA affronta il problema alla radice
Un assistente che dà la risposta pronta allena l'errore opposto: la passività. Metod·IA è progettato per fare il contrario. I 23 tutor lavorano con metodo socratico: invece di consegnare la soluzione, guidano tuo figlio con domande perché arrivi a verificarla da solo. Quando emerge un'affermazione fattuale, il sistema è costruito per ancorarla al curricolo MIUR e ai contenuti verificati, non a un testo generato a caso.
C'è poi un Supervisore AI che controlla il lavoro dei tutor, e un sistema di verifica simbolica che usa strumenti matematici dedicati per i calcoli, proprio perché un modello linguistico da solo sbaglia i conti. La filosofia è semplice: l'AI non deve sostituire il pensiero critico di tuo figlio, deve allenarlo. Verificare diventa parte del metodo, non un'eccezione.
In sintesi: sì, un'AI può sbagliare un compito
La risposta alla domanda iniziale è sì, e la cosa più importante è il modo in cui sbaglia: con sicurezza, senza avvisare, soprattutto su fatti e numeri. Ma questo non è un motivo per vietare lo strumento a tuo figlio. È un'occasione per insegnargli la competenza più preziosa del nostro tempo: distinguere ciò che è plausibile da ciò che è vero. Chi sa verificare non solo studia meglio — sta imparando a pensare.
Domande frequenti
L'AI sbaglia davvero i compiti di matematica?
Sì. I modelli linguistici non calcolano come una calcolatrice ma prevedono il risultato più probabile, e su numeri grandi o problemi complessi il tasso di errore aumenta sensibilmente. Un errore in un passaggio iniziale rende sbagliato tutto il ragionamento successivo, anche se appare ben scritto.
Come faccio a capire se un'AI ha inventato una fonte?
Cerca direttamente quel titolo, autore e anno su un motore di ricerca o nel catalogo di una biblioteca. Le fonti inventate sono uno degli errori più frequenti: se la citazione non esiste da nessuna parte, è un'allucinazione e l'intera informazione collegata va scartata.
Devo vietare ChatGPT a mio figlio per i compiti?
Vietarlo raramente funziona ed è difficile da far rispettare. È più efficace insegnare a usarlo come punto di partenza da verificare sempre: chiedere le fonti, controllare i fatti specifici e confrontare con il libro di testo. La verifica trasforma uno strumento rischioso in un esercizio di studio.
Insegnare a verificare è esattamente ciò per cui abbiamo progettato il nostro sistema. Scopri come funziona Metod·IA e perché un tutor che fa domande vale più di uno che dà risposte.
Fonti: Kalai, Nachum, Vempala, Zhang, "Why Language Models Hallucinate" (2025), versione peer-reviewed su Nature (2026); Shrestha, Kim, Ross, "Mathematical Reasoning in Large Language Models" (2025); MIT Sloan, "Addressing AI Hallucinations and Bias"; definizione da Treccani.