L’uso delle AI Generative Testuali da parte degli Utenti Non-tecnico-scientifici

Analisi dei Pattern di Utilizzo nel 2025

Visualizzazione della distribuzione dell’uso delle AI generative tra diverse tipologie di utenti

Le intelligenze artificiali generative testuali, come ChatGPT, Gemini e Claude, hanno rivoluzionato il modo in cui le persone interagiscono con la tecnologia. Mentre inizialmente questi strumenti sembravano destinati principalmente agli utenti con background tecnico-scientifico (STEM), l’evoluzione del 2025 mostra una democratizzazione significativa dell’utilizzo, con gli utenti non-STEM che rappresentano una quota sempre più rilevante dell’user base complessiva.

Il Panorama Attuale degli Utenti Non-STEM

Demografia e Penetrazione

In Italia, il panorama dell’utilizzo delle AI generative testuali nel 2025 presenta caratteristiche distintive e una crescita esplosiva. Circa 9 milioni di persone (un quinto degli adulti italiani) hanno utilizzato ChatGPT almeno una volta al mese, con una particolare concentrazione tra giovani e studenti provenienti da indirizzi umanistici come licei classici e linguistici. Questo rappresenta un aumento drammatico: la percentuale di studenti che utilizzano strumenti di AI è cresciuta dal 66% al 92% nell’ultimo anno.

Tuttavia, emerge una disparità significativa nell’intensità d’uso: mentre il 46% degli utenti con background STEM utilizza le AI generative nel contesto lavorativo, questa percentuale scende al 40% per settori business/comunicazione e precipita al 22% per humanities/liberal arts.

Il Divario di Genere nell’Adozione

Un aspetto particolarmente rilevante emerso dai dati è la disparità di genere: gli studenti maschi STEM risultano essere gli utilizzatori più frequenti delle AI generative, mentre le studentesse non-STEM mostrano tassi di utilizzo significativamente inferiori. Tra gli studenti universitari, gli utenti non-STEM rappresentano l’88.7% del campione, ma utilizzano le AI generative con frequenza minore (media 2.20 su scala di frequenza vs. 2.77 per STEM).

FFFFFF?text=STEM+46%25+vs+Non-STEM+22-40%25

Confronto dell’utilizzo lavorativo delle AI generative tra utenti STEM e non-STEM

Modalità di Utilizzo Prevalenti

L’utilizzo da parte degli utenti non-STEM rimane caratteristicamente “funzionale, intermittente e legato a esigenze pratiche più che a un’integrazione stabile nella quotidianità”. Questa modalità d’approccio si traduce in pattern di utilizzo specifici che riflettono un approccio ancora esplorativo e non specialistico.

Un dato significativo è che il 73% delle query totali su ChatGPT nel 2025 è di natura non-lavorativa, spesso proveniente da utenti non-STEM per informazioni personali, creatività e apprendimento. Questo indica una democratizzazione dell’uso che va oltre i contesti professionali tradizionali.

Tipologie di Utilizzo: La Tripartizione Base-Deep-Lab

Distribuzione Dettagliata per Categoria

Le AI generative testuali moderne offrono diverse modalità di interazione che corrispondono a livelli crescenti di complessità e sofisticazione. La categorizzazione “Base-Deep-Lab” riflette non solo la complessità tecnica, ma anche l’investimento di tempo e risorse cognitive richieste.

FFFFFF?text=Breakdown+Dettagliato%3A+Base+75-85%25+%7C+Deep+12-20%25+%7C+Lab+1-5%25

Distribuzione dettagliata delle tipologie di utilizzo con range di variabilità

Utilizzo Base (75-85% degli utenti non-STEM)

La categoria “Base” rappresenta il cuore dell’utilizzo delle AI generative da parte degli utenti non-tecnici, caratterizzata da:

• Generazione di testo semplice: Rappresenta il 29% delle categorizzazioni complessive di ChatGPT come “Practical Guidance”
• Supporto nella scrittura: Il 24% delle query globali è dedicato al “Writing”, prevalentemente di natura basic
• Ricerca di informazioni: Un ulteriore 24% delle query è classificato come “Seeking Information”
• Traduzioni e chiarimenti immediati
• Supporto didattico episodico per test creativi e spunti

Il 50% degli studenti non-STEM cita “immediate support/ease of use” come motivazione principale per le query di tipo basic. Questo segmento rappresenta circa il 50-60% delle query totali globali, con gli utenti non-STEM che contribuiscono al 60-70% di queste interazioni.

FFFFFF?text=Base+75-80%25+%7C+Deep+12-20%25+%7C+Lab+1-5%25

Distribuzione percentuale delle tipologie di utilizzo tra utenti non-STEM

Utilizzo Deep (12-20% degli utenti non-STEM)

La categoria “Deep” include un utilizzo più sofisticato che richiede competenze intermedie:

• Prompt complessi e ragionamenti multi-step: Include l’utilizzo di funzionalità come “deep research” introdotta da ChatGPT nel febbraio 2025
• Analisi approfondite e workflow strutturati: Particolarmente utilizzato da professionisti in settori business/comunicazione
• Automazioni e catene di prompt: Limitato dalle quote degli abbonamenti Plus/Team (max 10 query deep research al mese)
• Ricerca specializzata nelle discipline umanistiche e sociali

Questo segmento contribuisce a meno del 5% delle query totali globali, ma mostra il 50% di contenuti writing-related tra i professionisti non-STEM, indicando un utilizzo più strategico e orientato ai risultati. La crescita è evidente ma limitata dalle barriere tecniche ed economiche.

Utilizzo Lab (1-5% degli utenti non-STEM)

Il livello “Lab” rappresenta l’utilizzo più avanzato e sperimentale, equivalente all’utilizzo di funzionalità come “Advanced Data Analysis” o code interpreter:

• Personalizzazione avanzata e testing sistematico: Utilizzato per brainstorming avanzato e ricerca metodologica (20-30% delle motivazioni)
• Scripting e prompt chaining complesso: Sviluppo di workflow automatizzati
• Customizzazione di agenti e modelli: Creazione di assistenti specializzati
• Ricerca computazionale nelle discipline umanistiche: Analisi di dati qualitativi e quantitativi
• Sviluppo metodologico innovativo: Creazione di nuovi approcci interdisciplinari

Questo segmento contribuisce al 2-5% delle query totali, con gli utenti non-STEM che rappresentano il 20-30% di questo utilizzo avanzato. È ad appannaggio quasi esclusivo di una nicchia altamente specializzata: insegnanti innovatori, creatori di contenuti digitali avanzati, comunicatori sperimentali e sviluppatori autodidatti con background umanistico.

FFFFFF?text=Profilo+Utenti+Lab%3A+Nicchia+Altamente+Specializzata

Profilo degli utenti Lab: una nicchia in espansione ma ancora limitata

Analisi Comparativa: Italia vs Panorama Globale

Tendenze Internazionali e Specificità Regionali

A livello globale, le tendenze rispecchiano quelle italiane con alcune variazioni significative che meritano approfondimento:

• Utilizzo non-lavorativo dominante: Il 73% delle query totali su ChatGPT è di natura non-lavorativa, un dato che evidenzia come l’AI sia diventata uno strumento di uso quotidiano e personale
• Crescita nei paesi emergenti: L’utilizzo da parte di utenti non-STEM mostra una crescita particolarmente marcata nei paesi in via di sviluppo, dove rappresenta il 52% globale dell’utilizzo totale
• Focus sull’apprendimento: Il 55% dei prompt globali è orientato all’apprendimento, indicando un ruolo educativo crescente delle AI

Pattern di Query Specifici per Categoria

L’analisi delle categorizzazioni di ChatGPT rivela pattern interessanti:

• 29% Practical Guidance (prevalentemente Basic)
• 24% Seeking Information (mix Basic-Deep)
• 24% Writing (prevalentemente Basic)
• 11% Expressing (creatività personale, tipico non-STEM)
• 5% Technical Help (mix Deep-Lab)

FFFFFF?text=Pattern+Globali%3A+Non-STEM+52%25+vs+STEM+48%25

Distribuzione globale dell’utilizzo: il sorpasso degli utenti non-STEM

Le Specificità del Contesto Italiano

L’Italia presenta alcune caratteristiche distintive:

• Forte penetrazione nelle scuole superiori umanistiche
• Utilizzo prevalentemente “episodico” legato a esigenze immediate
• Concentrazione geografica nelle aree urbane del Nord
• Crescita più lenta nelle fasce di età superiori ai 35 anni

La Regola del “3 su 4”: Analisi Quantitativa Precisa

La Distribuzione Fondamentale

I dati convergono verso una regola empirica significativa: tra gli utenti non-STEM, circa tre richieste su quattro sono di tipo base, e solo una su venti raggiunge la sofisticazione da laboratorio. Questa distribuzione 75-5 rappresenta uno degli indicatori più stabili emersi dall’analisi, indipendentemente dalla piattaforma o dal contesto geografico.

Tabella Sinottica Completa

Tipologia Query	% Query Totali (Globale)	% da Non-STEM (su loro Totali)	Contributo Non-STEM al Totale	Note Specifiche
Base	50-60%	75-85%	60-70%	Dominante per info/practical guidance
Deep	10-15%	12-20%	30-40%	Limitato da quote; crescente in business
Lab	2-5%	1-5%	20-30%	Nicchia per analysis/innovation

Variazioni per Contesto d’Uso

La distribuzione varia significativamente in base al contesto:

• Ambito educativo: Base 85%, Deep 12%, Lab 3%
• Ambito professionale: Base 70%, Deep 25%, Lab 5%
• Uso personale: Base 90%, Deep 8%, Lab 2%

FFFFFF?text=Variazioni+per+Contesto%3A+Educativo+vs+Professionale+vs+Personale

Come varia l’utilizzo in base al contesto: educativo, professionale e personale

Fattori che Influenzano l’Adozione

Barriere e Limitazioni Strutturali

Diversi fattori limitano l’espansione dell’utilizzo verso le categorie Deep e Lab, creando quello che potremmo definire un “collo di bottiglia dell’adozione avanzata”:

1. Limitazioni economiche specifiche: Le funzionalità Deep (come “deep research”) sono limitate a 10 query al mese negli abbonamenti Plus/Team
2. Curva di apprendimento ripida: Il passaggio da utilizzo Basic a Deep richiede competenze in prompt engineering
3. Preoccupazioni sull’accuratezza: Particolarmente rilevanti per usi avanzati dove la precisione è critica, specialmente nelle discipline umanistiche
4. Mancanza di modelli di riferimento: Scarsi esempi di best practice per utilizzo avanzato in contesti non-STEM
5. Resistance culturale: Alcune discipline umanistiche mostrano resistenza all’integrazione di strumenti computazionali

Fattori Abilitanti e Acceleratori

Dall’altro lato, alcuni elementi facilitano e accelerano l’adozione:

1. Interfacce sempre più intuitive: Riduzione della barriera tecnica d’ingresso
2. Comunità di pratica emergenti: Crescita di gruppi di utenti non-STEM che condividono strategie
3. Integrazione in strumenti familiari: Embedding delle AI in software già utilizzati
4. Esempi di successo documentati: Case study specifici per discipline umanistiche
5. Supporto istituzionale crescente: Università e scuole che promuovono l’alfabetizzazione AI

Implicazioni e Prospettive Future

Per l’Educazione

L’alta penetrazione tra studenti non-STEM suggerisce la necessità di:

• Sviluppare curricula specifici per l’AI literacy in ambito umanistico
• Creare laboratori di AI umanistica nelle università
• Formare i docenti all’utilizzo pedagogico delle AI generative

Per le Aziende Tecnologiche

I dati evidenziano l’importanza di:

• Progettare interfacce ancora più accessibili per utenti non-tecnici
• Sviluppare template e workflow specifici per discipline umanistiche
• Investire in supporto e formazione dedicata

FFFFFF?text=Tendenze+Future%3A+Crescita+Non-STEM

Proiezione delle tendenze future nell’utilizzo delle AI generative

Per la Società

L’evoluzione dell’utilizzo delle AI generative da parte di utenti non-STEM rappresenta un fenomeno di democratizzazione tecnologica senza precedenti. Tuttavia, è cruciale monitorare:

• L’evoluzione del divario digitale
• L’impatto sulla creatività e sul pensiero critico
• Le implicazioni etiche dell’automazione cognitiva

Verso una Democratizzazione Stratificata

L’analisi dei pattern di utilizzo delle AI generative testuali da parte degli utenti non-STEM nel 2025 rivela un panorama complesso caratterizzato da quella che possiamo definire una “democratizzazione stratificata”. Mentre l’utilizzo Base ha raggiunto una penetrazione del 75-85% tra gli utenti non-STEM, dimostrando una vera democratizzazione dell’accesso, le categorie Deep (12-20%) e Lab (1-5%) rimangono appannaggio di nicchie sempre più specializzate.

La Rivoluzione Silenziosa dell’Utilizzo Base

La vera rivoluzione non sta nei numeri impressionanti dell’utilizzo avanzato, ma nella massificazione dell’utilizzo base. Con 9 milioni di italiani che utilizzano mensilmente ChatGPT e il 73% delle query globali di natura non-lavorativa, assistiamo a una trasformazione antropologica del rapporto tra umanità e intelligenza artificiale. L’AI è diventata uno strumento quotidiano, accessibile e “normale” per milioni di persone senza background tecnico.

Le Tre Velocità dell’Adozione

I dati evidenziano chiaramente tre velocità di adozione:

1. Velocità Base: Crescita esplosiva (66% → 92% in un anno) con piena inclusività
2. Velocità Deep: Crescita moderata ma costante, limitata da barriere economiche e tecniche
3. Velocità Lab: Crescita lenta, confinata a élite creative e innovative

La Sfida dell’Inclusività Digitale

La disparità di genere emersa dai dati (studentesse non-STEM utilizzano meno frequentemente le AI) rappresenta una sfida cruciale per il futuro. Superare questo gap non è solo una questione di equità, ma una necessità per evitare che si creino nuove forme di esclusione digitale in settori chiave come humanities, arte e comunicazione.

Prospettive per il 2026 e Oltre

Guardando al futuro, tre elementi emergeranno come determinanti:

1. L’evoluzione delle interfacce: Il passaggio da prompt testuali a interfacce multimodali potrebbe ridurre drasticamente le barriere d’accesso per gli utilizzi Deep e Lab
2. La formazione mirata: Lo sviluppo di percorsi formativi specifici per discipline non-STEM sarà cruciale per liberare il potenziale inespresso
3. L’integrazione ecosistemica: L’embedding delle AI in strumenti disciplinari specifici (software per humanities, piattaforme creative, etc.) rappresenterà il vero game-changer

La strada verso una vera democratizzazione dell’AI è ancora lunga, ma i dati del 2025 mostrano chiaramente che il processo è irreversibile. Gli utenti non-STEM non sono più adottanti tardivi, ma co-protagonisti di una trasformazione che ridefinirà il panorama della conoscenza, della creatività e della comunicazione umana.

La vera domanda non è più se l’AI sarà democratizzata, ma come garantire che questa democratizzazione sia equa, inclusiva e generatrice di valore per tutta la società.

————————

Visione futura: verso una democratizzazione equa e inclusiva dell’intelligenza artificiale

Questo articolo si basa su dati e analisi aggiornate al settembre 2025, derivanti da studi italiani e internazionali sull’utilizzo delle principali piattaforme di AI generativa testuale, con particolare focus su campioni rappresentativi di oltre 40.000 utenti ChatGPT e 231 studenti universitari.