Trasparenza sull'uso dell'Intelligenza Artificiale

In conformità all'art. 50 del Regolamento (UE) 2024/1689 (AI Act) sugli obblighi di trasparenza per i sistemi di IA destinati a interagire con persone fisiche, questa pagina descrive come Lucrez-IA Scuola utilizza l'intelligenza artificiale.

Cosa fa la piattaforma

Lucrez-IA Scuola offre ai docenti tre assistenti didattici basati su modelli linguistici di grandi dimensioni (LLM), erogati tramite Amazon Bedrock in un'infrastruttura cloud situata nell'Unione Europea:

• Ripasso — supporto al ripasso di un argomento.
• Prepara una lezione — assistenza nella costruzione di materiale didattico, con generazione di un PDF finale.
• Genera una verifica — creazione di verifiche calibrate sul programma ministeriale.

Ogni contenuto generato dagli assistenti è sempre segnalato visivamente all'interno dell'interfaccia (badge e riquadro dedicato "AI") — nessun output del modello viene mai presentato come se fosse stato scritto da una persona.

Cosa NON viene fatto

• I modelli non prendono decisioni automatizzate che producono effetti giuridici sui docenti o sugli studenti.
• Le conversazioni non vengono salvate su database per impostazione predefinita — solo se il docente lo attiva esplicitamente dal proprio profilo.
• I log di utilizzo (necessari per il sistema a crediti) contengono solo metriche (numero di token, modello usato, tempi), mai il testo delle conversazioni.

Modelli utilizzati

La piattaforma consente al docente di scegliere tra più modelli (famiglie Anthropic Claude, Mistral AI, Amazon Nova), tutti erogati tramite Amazon Bedrock in region europea. Il catalogo dei modelli disponibili può evolvere nel tempo in base alla disponibilità di Bedrock.

Stima dell'impatto energetico

Durante ogni conversazione con gli assistenti, l'interfaccia mostra una stima indicativa del consumo energetico associato ai token elaborati dal modello, con alcuni paragoni pratici (es. secondi di una lampadina LED, percentuale di ricarica di uno smartphone, numero equivalente di email inviate). La stima si basa sui range indicati in letteratura accademica per modelli linguistici di grandi dimensioni su hardware datacenter di classe analoga (Luccioni et al., "Power Hungry Processing: Watts Driving the Cost of AI Deployment?", arXiv:2311.16863, ACM FAccT 2024) e non riflette il consumo energetico reale e proprietario dei fornitori cloud, che non è pubblico. Il valore è puramente orientativo, calcolato lato browser, indipendente dal sistema di crediti e non viene salvato né trasmesso al server.

Contatti

Per domande su questa informativa: supporto@meeplesrl.it