Di Ezequiel Saraceno,
AI Engineer Manager, Learnlight
Prima di riqualificarmi come ingegnere AI, ho trascorso 15 anni come neuroscienziato. Prima nel mio Paese d’origine, all’Università di Buenos Aires, poi al CNRS in Francia, dove ho completato due postdoc.
Imparare una nuova disciplina mentre mi costruivo una vita in una lingua che non era la mia ha plasmato il mio modo di concepire l’apprendimento linguistico più di qualsiasi altra cosa. Così, quando al mio team in Learnlight è stato affidato il compito di sviluppare Fluency Lab, un partner di pratica linguistica basato sull’AI, ci sono arrivato avendo vissuto quell’esperienza in prima persona.
Il problema dell’apprendimento linguistico che volevamo risolvere
La domanda a cui tornavo continuamente era questa: come si fa a rendere l’AI davvero utile per l’apprendimento?
Tutti i principali provider di AI — OpenAI, Anthropic, Google — offrono un’AI conversazionale con cui chi studia può interagire nel giro di pochi secondi. Con ognuno di loro è possibile fare pratica linguistica, a patto di saper formulare le richieste nel modo giusto. Per Learnlight, però, l’asticella era più alta.
Alzare l’asticella significava prendere i nostri contenuti pedagogici, sviluppati da esperti — con obiettivi di apprendimento chiari, framework di vocabolario e una grammatica accuratamente calibrata per livello — e trasformarli in un’esperienza di AI naturale da usare. In pratica, questo richiedeva di rispettare la nostra metodologia esistente, che mantiene le sessioni di apprendimento entro i 10-15 minuti, e di creare qualcosa di accessibile anche per chi non aveva mai parlato con un’AI prima d’ora. Soprattutto, significava mantenere l’AI ancorata alla realtà: niente allucinazioni e niente sessioni che sembrano intense ma alla fine non lasciano nulla.
Come funziona Fluency Lab
Il cuore di Fluency Lab è un ciclo di pratica conversazionale. Chi studia sceglie un argomento, ripassa le schede di vocabolario ed entra in una conversazione con il trainer AI. Il compito dell’AI è guidarlo in modo naturale verso l’uso di quel vocabolario nel contesto, attraverso una conversazione reale che crea occasioni concrete per mettere in pratica la lingua. Al termine della sessione, chi studia riceve un feedback immediato: cosa è andato bene, cosa è andato storto e come potrebbe apparire una versione più efficace di una determinata frase.
Le sfide nello sviluppo di un trainer AI
I large language model (LLM) sono generativi per natura. Vogliono mantenere viva la conversazione, riempire i silenzi, esplorare divagazioni ed essere utili in ogni direzione possibile, tutto in una volta. Per un assistente generalista, questa è una qualità preziosa. Per una sessione di apprendimento linguistico di 12 minuti con un obiettivo pedagogico preciso, rappresenta una vera sfida.
Sviluppare Fluency Lab ha significato, in larga parte, costruire controllo. Ci serviva qualcosa che desse la sensazione di una conversazione reale: calda, naturale, reattiva e al tempo stesso abbastanza disciplinata da servire l’obiettivo di apprendimento. Questo ha richiesto un lavoro consistente di prompt engineering e stress test rigorosi prima che qualsiasi cosa arrivasse a chi studia.
Il mio background nelle neuroscienze si è rivelato più utile di quanto mi aspettassi. Capire come funziona il consolidamento della memoria, come la pratica di richiamo rafforza la ritenzione e come il carico cognitivo incide sull’acquisizione: tutto questo ha guidato precise scelte di progettazione sulla struttura delle sessioni, sui tempi del feedback e su come l’AI gestisce gli errori. Costruire strumenti pensati per potenziare la cognizione umana richiede una conoscenza concreta di come funziona davvero la cognizione. Dovrebbe essere scontato, eppure in questo campo spesso non lo è.
Trasformare l’AI in qualcosa a cui le persone tornano
L’architettura tecnica era un problema risolvibile. Quello che ha occupato di più i miei pensieri era l’adozione.
Ci troviamo in un momento particolare della curva di adozione dell’AI: l’utilizzo cresce rapidamente, ma la tecnologia avanza ancora più velocemente del livello di confidenza che la maggior parte delle persone ha con essa. Ero molto consapevole che, se chi studia avesse provato Fluency Lab una volta, si fosse sentito insicuro o confuso e avesse chiuso la scheda, avremmo potuto perderlo per sempre.
L’esperienza di chi studia doveva quindi fare due cose contemporaneamente: essere efficace dal punto di vista pedagogico e trasmettere un senso di sicurezza. Obiettivi che non sempre vanno d’accordo. Una sessione che mette alla prova chi studia nel modo giusto può anche risultare scomoda. Un’AI che corregge gli errori deve farlo in un modo che tenga la persona coinvolta, anziché bloccarla.
Abbiamo dedicato molto tempo a come l’AI comunica, a come gestisce le risposte inaspettate e a come fa sì che le sessioni restino produttive anche quando chi studia è in difficoltà. Per i team L&D che stanno pensando al rollout, è proprio questo lavoro di progettazione a determinare se uno strumento continuerà a essere usato dopo il primo tentativo. L’adozione è a tutti gli effetti una questione di product design, e va trattata come tale fin dall’inizio.
Perché un approccio che mette al centro le persone fa la differenza
In Learnlight siamo human-first, technology-enabled: mettiamo le persone al primo posto e usiamo la tecnologia per potenziarle. E lo dico da persona che la tecnologia la costruisce.
Alcune aziende del settore adottano un approccio AI-first, e capisco il fascino che esercita. La mia opinione, plasmata dalle mie competenze tecniche e dalla velocità con cui le cose evolvono, è che dobbiamo procedere con cautela. Gli LLM sono strumenti straordinari, ma generano comunque linguaggio sulla base della probabilità: non pensano in autonomia. Ecco perché la presenza umana nel processo è così importante.
Il lancio sul mercato del trainer AI di Fluency Lab
Abbiamo presentato Fluency Lab a una conferenza in Francia a febbraio. Nella sala si percepiva un entusiasmo autentico, e i clienti chiedevano già quanto presto avrebbero potuto mettere lo strumento a disposizione dei loro team.
Quella reazione ci ha detto tutto ciò che avevamo bisogno di sapere: avevamo risolto il problema giusto.
—-
L’autore
Ezequiel Saraceno è AI Engineering Manager in Learnlight, dove guida il team che sviluppa gli strumenti di apprendimento linguistico basati sull’AI di Fluency Lab. Prima di passare all’ingegneria dell’AI, ha trascorso 15 anni come neuroscienziato.
