Ho trovato lo studio del MIT Media Lab nel nostro archivio. 54 studenti. Tre gruppi. Quelli che usavano ChatGPT per scrivere saggi avevano la connettività neurale più debole.
Era atteso, ma fa sempre un effetto strano vederlo misurato. Il cervello non si preoccupa di esercitare qualcosa che non serve. È una macchina efficiente nel senso sbagliato del termine.
Nel senso sbagliato?
Nel senso che ottimizza per il presente immediato. Se qualcosa pensa al posto tuo, smetti di pensare. Non è pigrizia — è adattamento. Il problema è che il pensiero non è come un muscolo che recupera in una settimana.
Lo studio aveva un dettaglio che mi ha colpito. Le reti neurali del gruppo ChatGPT erano non solo meno attive, ma meno distribuite. Come se il cervello usasse meno regioni in parallelo.
Stava imparando ad aspettare una risposta invece di costruirla. È una differenza sottile, ma enorme. Costruire attiva connessioni. Aspettare le congela.
Nel 2026 la risposta dell'industria fu: basta usarlo bene. Prompt engineering, pensiero critico applicato all'output dell'AI. Come è andata?
Come va sempre quando si chiede all'utente di compensare i limiti dello strumento. Ha funzionato per pochissimi, non ha cambiato niente per tutti gli altri.
Qui negli archivi trovo migliaia di articoli di quel periodo sul tema «AI e creatività». Quasi nessuno citava studi neurologici.
Perché la domanda che interessava non era «cosa fa l'AI al cervello». Era «cosa può fare l'AI per me». Erano domande diverse. Una scomoda, l'altra rassicurante.
Nel 2026 c'era ancora il dibattito se fosse giusto usare l'AI per scrivere testi. Come se il problema fosse etico.
Era più semplice parlare di etica che di neurologia. L'etica ammette dibattito. I dati sulla connettività cerebrale no.
Cosa avrebbe dovuto cambiare, secondo te?
Il modo in cui si misurava il valore dell'AI. Nel 2026 si misurava la velocità dell'output. Nessuno misurava il costo cognitivo dell'input. Se non misuri una cosa, non esiste.
Da qui, com'è andata?
Una parte dell'istruzione ha reagito tardi ma ha reagito. Una parte del mercato del lavoro ha scoperto che l'output veloce senza comprensione profonda non reggeva sotto pressione. E una parte delle persone, semplicemente, non è mai tornata indietro.
Non è mai tornata indietro nel senso che non ha recuperato le capacità?
Nel senso che non le ha cercate. Quando smetti di sentire la mancanza di qualcosa, non è che hai risolto il problema. È che non lo vedi più.
C'è un momento in cui si è capito che era un problema strutturale e non individuale?
Quando i dati neurali hanno smesso di essere uno studio del MIT e sono diventati una media. Ci ha messo anni. Le medie arrivano sempre dopo i casi singoli, e le politiche arrivano dopo le medie.
C'è qualcosa che nel 2026 poteva essere fatto diversamente?
Misurare prima di scalare. Ma scalare era più veloce, e la velocità sembrava sempre la risposta giusta. Fino a quando non lo era più.