I tutor hanno più tempo per insegnare

L’intelligenza artificiale libera i tutor dalla burocrazia e gli ingegneri dal codice ripetitivo

Immaginate di essere un tutor di spagnolo. Ogni sera passate ore a preparare esercizi, a cercare dialoghi autentici, a correggere compiti a casa. Poi arriva uno strumento che «taglia quel tempo più della metà». Non lo dice un comunicato stampa, ma Michelle Garcia Ramos, una tutor di spagnolo su Preply. «Prima di usare la funzione AI — racconta — passavo ore e ore a preparare lezioni e creare compiti. Ora quel tempo è più che dimezzato».

La sua esperienza è il punto di partenza per un fenomeno che sta ridisegnando il lavoro professionale: l’AI non sostituisce chi fa le cose, li amplifica. E i numeri lo confermano, in tre ambiti molto diversi tra loro.

I tutor tornano a fare i tutor

Cosa cambia per un insegnante che usa l’AI come assistente? A giudicare da quello che sta accadendo su Preply, tutto. Come Preply combina AI e tutor umani per personalizzare l’apprendimento è un caso da manuale: il 75% degli studenti di inglese usa attivamente lo strumento Lesson Insights basato su API OpenAI, e dopo più di un anno la persistenza d’uso dello strumento di personalizzazione resta al 75%. La gente non lo prova e basta: lo adotta nel lungo periodo. Il dato forse più interessante è che la forte domanda per la combinazione AI-tutor umano ha raggiunto un punteggio di product‑market fit del 70%, molto sopra la soglia che di solito indica successo. I tutor, insomma, non vengono rimpiazzati: vengono liberati dalla burocrazia della preparazione e possono concentrarsi su ciò che sanno fare meglio: insegnare.

Gli ingegneri volano sull’architettura

Passiamo allo sviluppo software. «Codex ci aiuta a scrivere codice a una velocità mai vista prima — dice Dmytro Voloshyn, ingegnere di Preply —. I programmatori possono concentrarsi di più sull’architettura del sistema e sulla risoluzione dei problemi dei clienti». Ma non è solo una percezione: i modelli stanno effettivamente migliorando. Cohere ha rilasciato il modello North Mini Code per sviluppatori, che ottiene un punteggio di 33.4 sulla valutazione del Coding Index di Artificial Analysis. Non solo: con un agente specializzato, il tasso di successo al primo tentativo del modello raggiunge il 61% pass@1. Significa che quasi due volte su tre, l’AI azzecca la soluzione giusta al primo colpo. Non è ancora perfetta, ma il ritmo di miglioramento è vertiginoso.

I modelli locali diventano fulmini

C’è però un ostacolo pratico: tutta questa potenza funziona se i modelli girano veloci, possibilmente senza dover chiamare un cloud ogni volta. NVIDIA ha appena fatto un passo avanti significativo. L’accelerazione di DiffusionGemma su hardware locale offre prestazioni fino a 4× superiori rispetto ai modelli autoregressivi tradizionali. E la velocità di generazione di DiffusionGemma su DGX Spark tocca i 150 token al secondo. Numeri che sembrano astratti, ma che tradotti significano una cosa: un modello capace di generare testo, immagini o codice, installato sul tuo computer, che risponde in tempo reale. Senza inviare i tuoi dati a nessun server.

E questo cambia tutto per la privacy e per l’accessibilità.

La domanda, a questo punto, non è più se l’AI ci sostituirà. La domanda è come la useremo per smettere di fare le cose noiose e iniziare a fare quelle importanti. I tutor di Preply insegnano meglio, gli ingegneri di Preply progettano meglio, i modelli locali girano più veloci. Il prossimo passo? Strumenti che non si limitano ad assistere, ma che imparano dai nostri errori e ci suggeriscono come crescere. E allora sì, che sarebbe bello vedere un tutor che non prepara più lezioni, ma che passa il tempo a capire come stimolare uno studente. Un ingegnere che non scrive boilerplate, ma che risolve problemi complessi. Un sistema che gira sul tuo portatile, senza chiedere il permesso a nessuno.