"Tutor AI" è diventato un termine ombrello, spesso usato per giustificare qualunque chatbot incollato a un corso. La realtà è che gli LLM funzionano bene in alcuni scenari di apprendimento e molto male in altri. Qui cinque casi d'uso che vediamo dare risultati concreti in progetti reali, con i vincoli che li rendono affidabili.

1. Domande sui materiali del corso (RAG sui contenuti)

Lo studente fa una domanda sul contenuto della lezione e il tutor risponde citando il passaggio del materiale ufficiale. La tecnica è la retrieval-augmented generation: il modello non risponde "a memoria", ma cerca prima nei materiali del corso e usa quei frammenti come fonte. Funziona bene perché riduce le allucinazioni e mantiene la coerenza con il programma. Vincolo: serve un buon indicizzatore dei contenuti e una policy chiara su cosa fare quando la risposta non è nei materiali ("non lo so, chiedi al docente").

2. Spiegazione alternativa di un concetto già visto

Lo studente non ha capito un passaggio e chiede "spiegamelo in modo diverso", "fammi un esempio", "usa una metafora". Qui gli LLM eccellono perché il compito è generare varianti linguistiche di un concetto noto, non produrre conoscenza nuova. È un caso d'uso a bassissimo rischio se ancorato al contenuto del modulo.

3. Feedback su esercizi a risposta aperta

Compiti tipo "scrivi una mail al cliente in questa situazione", "riassumi questo testo", "spiega questo concetto con parole tue". Il tutor confronta la risposta con criteri di valutazione predefiniti (rubric) e dà feedback strutturato. Funziona se la rubric è esplicita e se il feedback è formativo (cosa migliorare), non valutativo finale. La valutazione che fa media va lasciata a un umano.

4. Pratica linguistica conversazionale

Per le lingue straniere il tutor diventa un partner di conversazione disponibile 24/7, con cui esercitarsi senza ansia da giudizio. Buoni risultati su livelli A2–B2, con prompt che limitano vocabolario e correzioni soft. Per livelli avanzati e per certificazioni serve ancora un docente umano.

5. Generazione di varianti di esercizi e quiz

Non per lo studente, ma per il progettista: data una domanda di base, il tutor produce 10 varianti che la testano in modi diversi. Riduce drasticamente il tempo di authoring. Le varianti vanno comunque riviste da un esperto prima di pubblicarle — è velocità, non sostituzione del controllo qualità.

Cosa evitare

  • Risposte libere senza fonti: alta probabilità di allucinazioni, specialmente su dati, normative, citazioni.
  • Valutazioni sommative che pesano sulla certificazione: l'AI può supportare, ma la responsabilità deve restare umana.
  • Sostituzione del confronto fra pari: nei contesti dove l'apprendimento avviene anche nel gruppo, un chatbot non copre quel ruolo.

Il filo conduttore è semplice: il tutor AI funziona quando ha confini chiari, materiali su cui appoggiarsi e un compito ben definito. Quando lo si lascia "fare il professore in generale", diventa difficile fidarsi di quello che dice.