Perché con l’Ia studiare le lingue conta più di prima

C’è un equivoco da dissolvere subito. Quando diciamo «intelligenza artificiale» usiamo un termine che genera una simmetria fuorviante con l’intelligenza umana. La parola intelligentia deriva dal latino inter-legere: leggere dentro, cogliere le connessioni profonde tra le cose. L’AI, per quanto potente, non legge dentro nulla: riconosce pattern statistici, produce risposte probabilistiche, eccelle in compiti ripetibili e ben definiti. Ma inciampa sull’ironia, sull’ambiguità, sulle doppie negazioni – su tutto ciò che rende una conversazione umana qualcosa di irriducibilmente complesso. Intelligenza, nel senso pieno del termine, è altra cosa: è la capacità di cogliere il senso di un contesto, di leggere le relazioni tra le cose, di agire con giudizio nell’incertezza. Come ha osservato Padre Paolo Benanti i greci distinguevano già tra metis – l’intelligenza pratica, quella che trova soluzioni ai problemi – e nous, l’intelligenza capace di cogliere il senso del tutto. L’AI eccelle nella prima. La seconda resta umana, plurale, capace di andare in più direzioni. Quindi, l’intelligenza artificiale è davvero intelligenza? La domanda non è oziosa, soprattutto per chi si occupa di lingue.

Il luogo comune vuole che la traduzione sia tra le attività più esposte all’automazione e dunque più facilmente sostituibili dall’AI. Questa semplificazione confonde la trasposizione lessicale con la comprensione linguistica. Tradurre significa abitare il contesto di una conversazione, decifrare codici culturali, leggere il non detto nel linguaggio non verbale, calibrare il registro in funzione dell’interlocutore. Nessun modello probabilistico, per quanto sofisticato, può sostituire questa forma di intelligenza relazionale. Può affiancarla. Non sostituirla.

La vera partita non si gioca sulla sostituzione ma sul potenziamento. Allo Stanford Institute for Human-Centered Artificial Intelligence (HAI) si è affermata una visione che ribalta la prospettiva: non Artificial Intelligence contrapposta all’uomo, bensì Augmented Intelligence al suo servizio. L’obiettivo non è automatizzare le capacità umane, ma aumentarle. Non efficienza di costo, ma creazione di valore. Come si ripete nel dibattito tecnologico contemporaneo: l’AI non sostituirà i lavoratori, ma alcuni compiti automatizzabili, liberando tempo e risorse per quelli a più alto valore aggiunto. Non verranno sostituiti i professionisti delle lingue, ma i professionisti delle lingue che usano l’AI sostituiranno quelli che non la usano.

È qui che emerge la centralità delle metacompetenze: pensiero critico, adattabilità, capacità di apprendere ad apprendere, intelligenza emotiva. Sono le competenze che governano tutte le altre, che permettono di navigare la complessità e di integrare le hard skill tecniche – dove l’AI è un alleato formidabile – con le soft skill propriamente umane: empatia, negoziazione, leadership, sensibilità culturale. La posta in gioco, allora, non è difendere le lingue dall’AI. È formare persone capaci di usare entrambe – la macchina e il linguaggio – con la consapevolezza che la responsabilità delle decisioni, la costruzione delle relazioni e il senso di una conversazione restano umani. Perché, come ci ricorda l’approccio Human Centered, i sistemi devono servire le persone, non il contrario.

Proprio per questo, chi insegna le lingue oggi svolge un ruolo più strategico di quanto si pensi. Non trasmette vocaboli e grammatiche: allena la capacità di muoversi tra sistemi linguistici e culturali diversi, di riconoscere l’alterità, di negoziare significati in contesti imprevedibili. Competenze che una macchina non può sviluppare al posto nostro, perché presuppongono un’esperienza incarnata del linguaggio – cognitiva, emotiva, relazionale.