AI Assistant e neurodivergenza: come ripensare il digital learning nelle grandi organizzazioni

Può essere una parte importante della risposta, ma non se viene inteso come un semplice chatbot.

Uno dei rischi più diffusi è pensare che basti inserire un Large Language Model dentro una piattaforma formativa per ottenere automaticamente personalizzazione e accessibilità. In realtà, nel caso della neurodivergenza, questo approccio può essere insufficiente o persino controproducente.

Le persone neurodivergenti non rappresentano un gruppo omogeneo. Cambiano il tipo di bisogno, l’intensità della difficoltà, la presenza di eventuali comorbilità, le preferenze cognitive, il livello di autonomia, la relazione con il tempo, con il testo, con l’errore, con la frustrazione. Un’interazione aperta, prompt-driven, lasciata completamente alla libera conversazione, può risultare difficile da governare.

Per questo un AI Learning Assistant deve essere progettato come un ambiente guidato, non come una chat generica.

La critica principale riguarda il fatto che i modelli linguistici non sono normalmente addestrati “by design” per la neurodivergenza.

Gli LLM sono molto potenti nel generare testi, rispondere, sintetizzare e riformulare, ma non possiedono automaticamente una conoscenza pedagogica strutturata delle esigenze neurodivergenti. Senza una progettazione specifica rischiano di produrre risposte apparentemente corrette, ma poco adatte al profilo della persona.

Per esempio, possono generare spiegazioni troppo lunghe, troppo astratte, troppo verbali, oppure non segmentare adeguatamente il compito. Possono non cogliere il bisogno di feedback passo-passo, di una sequenza più prevedibile, di una riduzione del carico cognitivo o di formati alternativi al testo.

Il punto non è dire che l’IA non funziona. Il punto è dire che va progettata dentro un sistema formativo robusto, con regole, contenuti validati, strategie didattiche e supervisione umana.

Le applicazioni sono molte, soprattutto nei contesti in cui la formazione è estesa, ricorrente e spesso obbligatoria.

Penso all’onboarding, dove le persone devono orientarsi rapidamente tra procedure, cultura aziendale, ruoli e strumenti. Penso alla formazione compliance, che spesso ha contenuti normativi complessi e un linguaggio poco accessibile. Penso alla formazione tecnica, dove procedure e conoscenze operative devono essere comprese con precisione. Penso anche alla formazione manageriale, dove le competenze relazionali e organizzative richiedono esempi, simulazioni e adattamenti continui.

In tutti questi casi, l’AI Assistant può aiutare la persona a non trovarsi sola davanti a un contenuto standard. Può segmentare il percorso, proporre riepiloghi, generare esempi concreti, alternare testo, audio, immagini o task pratici, offrire feedback progressivi e aiutare a consolidare l’apprendimento.

Questo è un punto molto importante, soprattutto nelle grandi organizzazioni.

Personalizzare non significa necessariamente ridurre il contenuto o consentire a ciascuno di saltare ciò che preferisce. In alcuni contesti, come la formazione obbligatoria, compliance, sicurezza o regolamentata, il percorso deve restare integro. Tutti devono accedere agli stessi nuclei di conoscenza. Mentre in altri percorsi si deve puntare alla personalizzazione del percorso.

Nei casi di fruizione integrale del corso, è opportuno ricordare che la personalizzazione riguarda piuttosto il modo in cui si apprende: il tempo di permanenza su un argomento, la forma dell’output, la segmentazione dei compiti, la presenza di checklist, la sequenzialità, il feedback, il canale comunicativo.

In altre parole: non si abbassa l’asticella. Si cambia il modo in cui la persona viene accompagnata a raggiungerla.

La prima difficoltà è culturale. Molte aziende parlano di inclusione, ma poi continuano a progettare la formazione per un utente medio, astratto, standard. La neurodivergenza costringe invece a riconoscere che l’utente medio non esiste.

La seconda difficoltà è progettuale. Rendere accessibile un corso non significa aggiungere sottotitoli o semplificare qualche testo. Significa ripensare la struttura dell’esperienza: carico cognitivo, sequenza, interazioni, tempi, feedback, formati, metriche.

La terza è tecnologica. Un AI Assistant per la neurodivergenza non può essere un’interfaccia improvvisata. Deve poggiare su contenuti ben strutturati, rappresentazioni strutturate di conoscenza, regole didattiche, sistemi di profilazione responsabili e processi di controllo.

La quarta è organizzativa. Le grandi imprese hanno LMS, LXP, piattaforme HR, policy privacy, comitati D&I, funzioni legal, vincoli di cybersecurity. L’innovazione deve integrarsi in questo ecosistema, non restare un progetto pilota isolato.

Un ruolo centrale. L’IA non deve sostituire il formatore, il progettista didattico o l’esperto di contenuto. Deve potenziarne la capacità di creare esperienze più accessibili.

Nel modello che proponiamo, il contenuto viene trasformato in una mappa di conoscenza, ma questa mappa deve essere validata e arricchita da esperti umani. È il principio dello human-in-the-loop: la macchina accelera, struttura, propone; l’umano verifica, orienta, corregge e garantisce il senso.

Questo è ancora più importante quando lavoriamo con persone neurodivergenti, perché non possiamo delegare completamente all’algoritmo la responsabilità educativa. L’inclusione richiede cura, ascolto, competenza e supervisione.

Deve avere alcune caratteristiche irrinunciabili.

Segmentare i contenuti in piccoli task, ridurre il carico cognitivo, fornire feedback passo-passo,

sostenere la pianificazione, prevedere interazioni guidate, ma soprattutto:

Deve permettere la multimodalità: testo, immagini, audio, video, esempi, schemi.

E deve aiutare a gestire la frustrazione, offrendo rinforzi, chiusure chiare dell’attività e momenti di consolidamento.

Perché progettare per la neurodiversità migliora la qualità dell’apprendimento per tutti.

Un contenuto più chiaro, segmentato, multimodale e guidato è utile anche a chi ha poco tempo, a chi studia in mobilità, a chi deve apprendere in un contesto di lavoro complesso, a chi non conosce bene la lingua aziendale o a chi rientra in formazione dopo molto tempo.

L’accessibilità non è una nicchia. È un principio di qualità progettuale.

Quando una grande organizzazione progetta percorsi più inclusivi, non sta creando un canale separato per pochi. Sta aumentando l’efficacia del proprio sistema formativo complessivo.

Il messaggio è che l’AI nel digital learning non va adottata per moda, ma per risolvere problemi reali.

Le grandi organizzazioni hanno oggi tre bisogni convergenti: formare molte persone, farlo in modo misurabile e garantire equità di accesso. L’IA generativa può aiutare a tenere insieme queste tre esigenze, ma solo se viene inserita in una visione pedagogica e organizzativa.

Bisogna passare da una logica di catalogo a una logica di esperienza. Non chiedersi solo “quanti corsi abbiamo erogato”, ma “quante persone sono state realmente messe nelle condizioni di apprendere”.

Questa è la vera sfida del digital learning contemporaneo.

Vedo un futuro in cui l’AI Assistant diventerà sempre meno un chatbot e sempre più un ambiente di apprendimento intelligente, capace di dialogare con i contenuti, con i dati, con i bisogni individuali e con gli obiettivi dell’organizzazione.

Per le persone neurodivergenti può rappresentare un supporto decisivo: non perché “risolve” la neurodivergenza, ma perché adatta l’esperienza formativa a modi diversi di apprendere.

Per le grandi organizzazioni può diventare una leva concreta per trasformare la Diversity & Inclusion da dichiarazione di principio a infrastruttura operativa.

La formazione del futuro non sarà semplicemente più digitale. Sarà più personalizzata, più accessibile, più responsabile. E soprattutto più capace di riconoscere che l’apprendimento non avviene nello stesso modo per tutti.