La crescita degli utenti di OpenAI ChatGPT raggiunge 1,2 miliardi, ma la corsa all'enterprise è ancora aperta
OpenAI ha dichiarato che ChatGPT ha raggiunto oltre 1,2 miliardi di utenti attivi settimanali, segnando un altro forte aumento nella crescita degli utenti di OpenAI ChatGPT. Al DevDay 2026, l'azienda ha anche affermato che ChatGPT Work e Codex servono ora oltre 35 milioni di persone ogni settimana. Questi numeri collocano la portata di OpenAI in una categoria a sé stante. Non risolvono però la competizione per l'IA enterprise.
La comunicazione è arrivata meno di tre mesi dopo che OpenAI aveva dichiarato che ChatGPT aveva superato un miliardo di utenti settimanali. Segue inoltre un anno in cui Anthropic è diventata una rivale formidabile tra clienti aziendali e sviluppatori software. OpenAI sta quindi presentando due storie collegate: la distribuzione consumer continua a crescere e i suoi prodotti per il lavoro stanno iniziando a trasformare quella portata in un utilizzo professionale stabile.
La seconda storia conta più del numero in prima pagina. Un vasto pubblico per un chatbot offre a OpenAI un punto d'ingresso nelle aziende, ma l'adozione enterprise dipende da sicurezza, affidabilità, governance e risultati misurabili. Il dato di 35 milioni suggerisce che la transizione dalla conversazione al lavoro delegato stia avanzando. Non rivela però quanto profondamente questi utenti dipendano dai prodotti.
Cosa ha effettivamente annunciato OpenAI al DevDay
Il cambiamento importante non è semplicemente che ChatGPT ha aggiunto utenti. OpenAI sostiene ora che gli agenti professionali abbiano raggiunto una scala di mercato di massa.
OpenAI ha divulgato i dati durante il DevDay 2026, il 29 settembre a San Francisco. Il programma DevDay dell'azienda ha inquadrato l'evento attorno a sviluppatori tecnici, nuove API e prodotti in grado di svolgere lavoro oltre le normali conversazioni con chatbot.
Il dato principale era di oltre 1,2 miliardi di utenti attivi settimanali di ChatGPT. Rappresenta un incremento di almeno 200 milioni rispetto al traguardo di un miliardo di cui OpenAI aveva parlato durante l'estate. Estende inoltre la crescita riportata al DevDay 2025, quando l'azienda aveva indicato oltre 800 milioni di utenti settimanali.
OpenAI ha dichiarato separatamente che oltre 35 milioni di persone usano ChatGPT Work e Codex ogni settimana. ChatGPT Work è un agente per completare attività più lunghe tra app, file, browser e ambienti desktop. Codex è nato come agente di programmazione, ma si è esteso alla ricerca, all'analisi dei dati, alla produzione di documenti e all'automazione dei flussi di lavoro.
La formulazione relativa al dato di 35 milioni merita cautela. Sembra descrivere il pubblico settimanale combinato di ChatGPT Work e Codex, non due gruppi indipendenti di 35 milioni di utenti. OpenAI non ha fornito pubblicamente dettagli sufficienti per calcolare la sovrapposizione tra questi prodotti.
Una persona che utilizza entrambi i servizi può essere rappresentata una sola volta in una misura combinata o conteggiata nei totali separati dei prodotti. L'azienda non ha inoltre pubblicato una ripartizione geografica, una curva di fidelizzazione o una suddivisione tra account personali e organizzativi. Questi dettagli mancanti limitano i confronti con concorrenti che riportano metriche di adozione diverse.
Ciononostante, il nuovo totale mostra un rapido avanzamento rispetto al precedente riferimento di OpenAI. A giugno, l'azienda aveva dichiarato che il solo Codex contava oltre cinque milioni di utenti attivi settimanali. I suoi dati sull'adozione di Codex descrivevano un incremento di sei volte dopo il lancio dell'applicazione desktop a febbraio.
Quando ChatGPT Work è arrivato a luglio, OpenAI ha nuovamente citato oltre cinque milioni di utenti settimanali di Codex. L'azienda ha presentato Work come un agente più ampio, capace di preparare presentazioni, analizzare budget, ricercare clienti e operare attraverso software per il lavoro. Codex ha fornito parte delle basi tecniche.
L'ultimo dato di 35 milioni copre quindi una categoria più ampia rispetto ai precedenti traguardi di Codex. Rappresenta il tentativo di OpenAI di trasformare l'esecuzione agentica in una superficie di lavoro generalista. Per esecuzione agentica si intende un software che persegue un obiettivo in più passaggi usando strumenti, file e applicazioni, anziché restituire una sola risposta.
OpenAI afferma inoltre che i suoi prodotti raggiungono ora 2,5 milioni di aziende. Questo conteggio include organizzazioni che usano diverse offerte di OpenAI e non stabilisce quante abbiano implementato ampiamente Work o Codex. Anche così, offre al dato sugli utenti professionali un contesto organizzativo significativo.
L'annuncio crea la tensione centrale dell'articolo. OpenAI dispone di una distribuzione consumer senza pari e di un pubblico di agenti in rapida crescita. Eppure il mercato enterprise premia profondità, prestazioni prevedibili e spesa dei clienti più dei meri totali di account.
Perché la crescita degli utenti di OpenAI ChatGPT crea un vantaggio di distribuzione
OpenAI può introdurre agenti per il lavoro a un pubblico che comprende già ChatGPT, riducendo una delle barriere di adozione più difficili nel software enterprise.
La maggior parte delle applicazioni per il lavoro deve prima convincere i dipendenti a creare account, imparare un'interfaccia e cambiare abitudini consolidate. ChatGPT entra in questo processo con un'ampia notorietà e una grande base di utenti esistenti. I dipendenti spesso lo incontrano personalmente prima che un datore di lavoro lo approvi ufficialmente.
Questa familiarità dal basso può accelerare le sperimentazioni organizzative. Un lavoratore che usa già ChatGPT per scrivere bozze o fare ricerca necessita di meno formazione prima di testare un flusso di lavoro delegato. Un manager può partire da un comportamento esistente invece di lanciare una categoria software sconosciuta.
Il recente design dei prodotti di OpenAI sostiene questa strategia. ChatGPT Work opera nell'ambiente ChatGPT più ampio, estendendolo però a file, app e incarichi più lunghi. Analogamente, Codex collega istruzioni conversazionali a un'esecuzione concreta, inclusi modifica del codice, esecuzione di test, analisi delle informazioni e generazione di risultati finali.
Questa progressione trasforma la distribuzione in un funnel di prodotto. Un utente inizia con una domanda, passa alla creazione di documenti e infine delega un processo in più passaggi. OpenAI può esporre ogni nuova capacità senza chiedere a quell'utente di adottare un'interfaccia completamente separata.
La ricerca della stessa azienda indica che questo cambiamento è già in corso per alcuni utenti. Nel suo studio sull'uso degli agenti, OpenAI ha riportato che l'adozione di Codex da parte dei non sviluppatori cresceva più rapidamente di quella degli sviluppatori. Ha inoltre rilevato che gli utenti assegnavano sempre più spesso compiti più lunghi all'agente.
Questi risultati restano generati dall'azienda e non dovrebbero essere trattati come prova indipendente della produttività. La ricerca ha stimato il tempo di lavoro umano tramite modelli, mentre parti dell'analisi hanno utilizzato utenti campionati che avevano autorizzato l'uso dei dati. Illustra tuttavia il modo in cui OpenAI definisce l'opportunità.
L'azienda non misura più il successo soltanto attraverso domande ricevute o messaggi inviati. Vuole che gli utenti assegnino risultati completi, come preparare un report o analizzare un dataset. Questo cambiamento aumenta sia il valore potenziale sia le conseguenze di un fallimento.
La distribuzione aiuta OpenAI a tentare questa transizione a una velocità insolita. Una nuova funzionalità può diventare visibile a centinaia di milioni di persone attraverso un prodotto esistente. Anche un basso tasso di conversione può produrre un grande pubblico professionale.
L'affermazione di 35 milioni di utenti settimanali offre una prova di questo meccanismo. Equivale soltanto a una frazione del pubblico complessivo di ChatGPT, ma rappresenterebbe comunque una popolazione consistente che usa prodotti orientati agli agenti. Il numero è particolarmente degno di nota perché ChatGPT Work è stato lanciato soltanto a luglio.
OpenAI può anche sfruttare la familiarità consumer durante gli acquisti enterprise. I dipendenti potrebbero richiedere l'accesso perché conoscono già il brand e l'interfaccia. I responsabili tecnologici potrebbero riscontrare minori attriti formativi rispetto a un prodotto che i lavoratori non hanno mai usato.
Tuttavia, la familiarità non equivale alla prontezza organizzativa. Le aziende richiedono controlli degli accessi, verificabilità, gestione delle identità, politiche sui dati e supporto prevedibile. Hanno inoltre bisogno che gli agenti rispettino le autorizzazioni in ogni sistema connesso.
OpenAI ha aggiunto questi controlli mentre presentava dashboard di utilizzo per ChatGPT Work e Codex. I suoi segnali enterprise affermano che l'attività degli agenti rappresentava il 64 percento dei token di output combinati di ChatGPT e Codex tra i clienti enterprise a giugno. Questa metrica suggerisce carichi di lavoro più profondi, pur non misurando il valore aziendale completato.
La distinzione è importante per gli acquirenti. I token di output possono mostrare attività, ma non possono dimostrare che un report fosse accurato o che un flusso di lavoro abbia fatto risparmiare denaro. Le organizzazioni necessitano in ultima analisi di prove legate a tempi di ciclo, tassi di errore, progetti completati o risultati per i clienti.
È qui che il vantaggio distributivo di OpenAI incontra il suo primo limite. L'azienda può mettere rapidamente un agente davanti agli utenti. Deve ancora convincere i datori di lavoro che quegli agenti meritino accesso a sistemi sensibili e attività con conseguenze rilevanti.
Per i knowledge worker, il cambiamento aumenta anche l'importanza di organizzare un contesto affidabile. Un agente opera meglio quando può recuperare documenti aggiornati, decisioni e cronologia dei progetti. Una base di conoscenza IA mantenuta può aiutare gli utenti a distinguere il contesto durevole dall'output conversazionale frammentato.
La distribuzione offre a OpenAI l'opportunità di definire come le persone delegano il lavoro. Fiducia, contesto e risultati completati determineranno quanta parte di quell'opportunità diventerà adozione duratura.
Anthropic resta il banco di prova dell'adozione enterprise di OpenAI
La competizione principale non è OpenAI contro ogni laboratorio di IA. È la strategia guidata dalla distribuzione di OpenAI contro il posizionamento enterprise-first di Anthropic.
Anthropic ha costruito la propria reputazione attorno a Claude, Claude Code e implementazioni aziendali che coinvolgono lavoro conoscitivo complesso. I suoi prodotti hanno guadagnato terreno tra sviluppatori e organizzazioni che apprezzano attività a contesto lungo, prestazioni nella programmazione e un focus più ristretto sul luogo di lavoro.
All'inizio del 2026, questa posizione ha esercitato una pressione visibile su OpenAI. Ad aprile, l'Associated Press ha riportato che OpenAI stava aumentando la propria attenzione sul lavoro professionale mentre affrontava una concorrenza più forte da Anthropic. OpenAI aveva allora oltre 900 milioni di utenti settimanali di ChatGPT, ma la maggior parte non pagava per il servizio.
Questo contrasto ha esposto una debolezza strategica. OpenAI poteva dominare l'attenzione consumer senza guidare i carichi di lavoro enterprise di maggior valore. Un vasto pubblico gratuito crea portata, ma comporta anche costi di erogazione sostanziali e una conversione incerta.
Anthropic ha affrontato il mercato dalla direzione opposta. Si è concentrata fortemente su sviluppatori, API e clienti organizzativi. Ciò ha reso Claude Code un benchmark particolarmente importante per Codex, anche se i prodotti continuano a espandersi oltre lo sviluppo software.
Dati di spesa di terze parti hanno riflesso una competizione serrata e instabile. Un'analisi di agosto basata sulle transazioni dei clienti Ramp ha rilevato Anthropic al 41 percento e OpenAI al 39 percento tra i clienti aziendali misurati. I dati sull'adozione aziendale suggerivano inoltre che OpenAI avesse ridotto il precedente vantaggio di Anthropic.
Quel dataset copre le aziende visibili attraverso Ramp, anziché l'intero mercato enterprise. Misura relazioni a pagamento, non soddisfazione degli utenti o profondità dei carichi di lavoro. Offre comunque un segnale indipendente che la spinta enterprise di OpenAI si sta traducendo in acquisti.
L'annuncio dei 35 milioni aggiunge un tipo diverso di evidenza. Misura le persone che usano Work e Codex settimanalmente, secondo OpenAI, anziché le aziende che effettuano pagamenti. Insieme, i dati suggeriscono che OpenAI stia competendo sia sull'acquisizione organizzativa sia sull'attivazione degli utenti finali.
Si tratta di risultati correlati ma distinti. Un’azienda può acquistare licenze che i dipendenti usano raramente. I lavoratori possono anche utilizzare intensamente un prodotto individuale senza un accordo aziendale. Un’adozione aziendale duratura richiede acquisto, utilizzo attivo, fidelizzazione e distribuzione ampliata.
La diffusione di OpenAI tra i consumatori favorisce l’attivazione. L’orientamento enterprise di Anthropic può favorire implementazioni concentrate e la fidelizzazione degli sviluppatori. Nessuno dei due vantaggi garantisce il risultato finale.
Anche i prodotti stanno convergendo. Codex si sta spingendo oltre la programmazione, mentre le capacità di Claude per il luogo di lavoro si estendono oltre la creazione di software. ChatGPT Work offre a OpenAI un livello di agenti generalisti, mentre Anthropic ha continuato a sviluppare strumenti per le attività professionali.
Questa convergenza rende più difficili i confronti sulle prestazioni. Un punteggio di benchmark non può cogliere ogni flusso di lavoro e gli acquirenti spesso combinano più fornitori di modelli. Un’organizzazione può usare OpenAI per l’assistenza generale, Anthropic per la programmazione e un altro fornitore per carichi di lavoro specializzati.
L’adozione multi-modello indebolisce l’idea che una sola azienda possiederà ogni attività enterprise. Aumenta anche la pressione a cambiare fornitore. Se interfacce e integrazioni si standardizzano, gli acquirenti possono reindirizzare i carichi di lavoro verso il fornitore che offre maggiore affidabilità o migliori condizioni economiche.
La risposta di OpenAI consiste nel collegare il suo prodotto per i consumatori, l’agente di lavoro, l’agente di programmazione e la piattaforma per sviluppatori. L’azienda vuole che gli utenti restino in un ambiente comune man mano che le loro attività diventano più complesse. Questo può migliorare la continuità, ma solleva preoccupazioni relative a concentrazione e dipendenza.
Anthropic mette sotto pressione questa strategia offrendo un’alternativa credibile nel momento in cui l’IA diventa operativa. Se Claude resta interessante per le attività professionali difficili, OpenAI non può fare affidamento soltanto sulla familiarità con ChatGPT. Deve dimostrare che la distribuzione porta a migliori risultati di implementazione.
Ecco perché la crescita degli utenti di OpenAI ChatGPT è importante senza però decidere la gara. La cifra di 1,2 miliardi rende difficile estromettere OpenAI dal livello consumer. Quella di 35 milioni mostra un ponte in crescita verso il lavoro. Anthropic resta il banco di prova per capire se quel ponte può sostenere carichi di lavoro enterprise di valore.
La cifra di 35 milioni cambia la narrazione, ma non la risolve
Il ribaltamento per OpenAI è che la debolezza enterprise non appare più inevitabile, anche se i numeri divulgati lasciano ancora senza risposta questioni cruciali.
All’inizio del 2026, la narrazione competitiva più semplice divideva il mercato in due punti di forza. OpenAI dominava l’attenzione dei consumatori, mentre Anthropic intercettava sempre più la seria domanda enterprise e di programmazione. Gli ultimi dati complicano questa divisione.
Trentacinque milioni di utenti settimanali di Work e Codex costituirebbero un pubblico professionale significativo secondo qualsiasi confronto ragionevole. Ciò suggerisce che OpenAI sia andata oltre gli esperimenti occasionali di una piccola comunità di sviluppatori. Indica inoltre che i knowledge worker generalisti stanno entrando nei flussi di lavoro con agenti.
OpenAI ha descritto diversi di questi flussi di lavoro nei materiali di prodotto. Tra questi figurano la raccolta di informazioni tra applicazioni, la creazione di fogli di calcolo, la preparazione di presentazioni, la ricerca sui clienti e la produzione di strumenti interni. L’azienda afferma che Work può rimanere su un progetto per ore e suddividerlo in attività più piccole.
Uno dei primi esempi riguardava l’analisi dei punti di contatto con i clienti nel sistema di gestione clienti e nella posta elettronica di un’azienda. L’agente ha individuato lacune nei follow-up e generato una dashboard dirigenziale. OpenAI ha presentato l’esempio quando ha introdotto ChatGPT Work.
Quell’esempio dimostra il meccanismo previsto, ma non prova che gli utenti tipici raggiungano lo stesso risultato. Le sperimentazioni iniziali ricevono spesso maggiore supporto e riguardano attività selezionate con cura. Gli acquirenti enterprise avranno bisogno di risultati su team ordinari, dati imperfetti e flussi di lavoro in evoluzione.
Codex offre una cronologia di adozione più chiara. OpenAI ha dichiarato che gli utenti settimanali hanno superato i tre milioni all’inizio di aprile e i cinque milioni entro giugno. La categoria più ampia di Work e Codex ha raggiunto oltre 35 milioni entro la fine di settembre, secondo quanto divulgato al DevDay.
Il confronto non è perfettamente equivalente perché la cifra successiva include un altro prodotto. Mostra comunque che OpenAI ha ampliato sia il pubblico sia la definizione di lavoro agentico. L’azienda non presenta più Codex come uno strumento specialistico per ingegneri del software.
Questo ampliamento crea nuove opportunità. Un professionista del marketing può chiedere a un agente di trasformare una ricerca in un brief per una campagna. Un team finanziario può indagare una varianza di budget. Un product manager può combinare feedback dei clienti, note delle riunioni e dati di utilizzo in un aggiornamento settimanale.
Crea anche ulteriori modalità di errore. Un agente di programmazione lavora generalmente all’interno di repository, test e sistemi di revisione con output visibili. Un agente generalista per il lavoro può agire su email, documenti, calendari, browser e applicazioni aziendali.
Questi ambienti contengono istruzioni ambigue e informazioni sensibili. Un errore potrebbe non apparire come un test fallito. Potrebbe emergere come un report errato, una divulgazione non autorizzata o un’azione eseguita con un contesto obsoleto.
Il valore di un agente di lavoro dipende quindi da più della capacità del modello. Richiede permessi chiari, recupero affidabile delle informazioni, azioni reversibili, revisione umana e registrazioni di quanto accaduto. Le organizzazioni devono decidere quali attività gli agenti possano completare autonomamente e quali richiedano approvazione.
La cifra di 35 milioni non mostra quanti utenti superino questa soglia. Alcuni potrebbero usare Work per ricerche occasionali, mentre altri delegano operazioni ricorrenti. Entrambi contano come utenti settimanali, ma creano un valore economico molto diverso.
Anche la frequenza richiede contesto. Un utente attivo una volta nel corso di una settimana soddisfa una comune definizione di utente attivo settimanale. Questa misura non rivela sessioni, incarichi completati, tempo risparmiato o utilizzo continuato nell’arco di diversi mesi.
OpenAI non ha reso noto come i 35 milioni di utenti si suddividano tra Work e Codex. Non ha neppure fornito dati sulla concentrazione organizzativa. Un piccolo gruppo di grandi implementazioni potrebbe avere implicazioni competitive diverse rispetto a un’adozione diffusa in molte aziende.
Anche la cifra di 2,5 milioni di aziende richiede interpretazione. Indica un’ampia presenza organizzativa, ma un’azienda può usare un’API, ChatGPT, Codex, Work o più servizi. Il solo numero di clienti non può mostrare la profondità dell’implementazione.
Nessuna di queste lacune invalida il traguardo. Definiscono ciò che il traguardo può dimostrare. È una prova credibile che i prodotti professionali di OpenAI si siano espansi rapidamente, non la dimostrazione che dominino l’IA enterprise.
Il ribaltamento è quindi misurato ma significativo. La base consumer di OpenAI un tempo sembrava scollegata dalla sua posizione enterprise. Work e Codex offrono ora un percorso di conversione visibile, mentre dati indipendenti sulla spesa mostrano che l’azienda sta riducendo il vantaggio di Anthropic.
La domanda successiva è se questo percorso produca abitudini di lavoro durature. Il software enterprise diventa difendibile quando i team costruiscono attorno ad esso processi, connessioni ai dati e governance. L’attività settimanale è l’inizio di quel processo, non la sua conclusione.
Cosa non mostrano i numeri degli utenti
Le divulgazioni di OpenAI misurano la portata, mentre gli acquirenti hanno bisogno di prove su fidelizzazione, affidabilità, sicurezza e risultati completati.
La prima incertezza riguarda la misurazione. OpenAI ha indicato oltre 1,2 miliardi di utenti settimanali di ChatGPT e oltre 35 milioni di utenti settimanali di Work e Codex. Non ha pubblicato una metodologia dettagliata per nessuna delle due cifre.
Le società quotate spesso definiscono gli utenti attivi nei documenti ufficiali e mantengono periodi di rendicontazione coerenti. OpenAI è una società privata, quindi le sue metriche operative ricevono una divulgazione meno standardizzata. I lettori devono trattare le cifre come traguardi riportati dall’azienda.
La seconda incertezza è la sovrapposizione. Work esiste nell’ambiente ChatGPT e le capacità di Codex possono supportare le attività di Work. Un utente può interagire con entrambi durante lo stesso progetto, rendendo difficili i confronti a livello di prodotto.
La terza incertezza è l’intensità. L’attività settimanale dice poco sul fatto che gli agenti completino attività di alto valore. Una richiesta sperimentale e un flusso di lavoro operativo ricorrente possono entrambi generare un utente attivo.
La quarta incertezza è la fidelizzazione. Lanci rapidi possono generare prove che svaniscono quando gli utenti incontrano limiti, errori o un valore poco chiaro. OpenAI non ha condiviso dati di fidelizzazione per coorti relative a Work o Codex.
La quinta incertezza riguarda l’economia. Le attività agentiche possono richiedere lunghe esecuzioni del modello, chiamate ripetute agli strumenti e una notevole capacità di calcolo. Un pubblico in rapida crescita è commercialmente interessante solo se OpenAI può servirlo in modo sostenibile.
OpenAI ha inoltre ampliato l’accesso a costo ridotto e la disponibilità supportata dalla pubblicità. Queste strategie possono aumentare la portata, ma complicano il collegamento tra utenti attivi e ricavi. Una piattaforma con un miliardo di utenti può comunque subire pressioni se l’utilizzo professionale resta costoso da erogare.
Per le aziende, la sicurezza pone una domanda più immediata. Un agente che legge documenti e gestisce applicazioni riceve un accesso più ampio rispetto a un chatbot convenzionale. Ogni connessione crea un ulteriore confine che coinvolge credenziali, esposizione dei dati e azioni indesiderate.
Gli amministratori necessitano di controlli delle policy adeguati a tali rischi. Devono sapere a quali fonti ha avuto accesso un agente, quali istruzioni ha seguito e quali azioni ha tentato. Hanno inoltre bisogno di meccanismi per mettere in pausa, annullare e indagare l’attività.
L’accuratezza resta altrettanto importante. Gli agenti a lunga esecuzione possono amplificare un’incomprensione iniziale attraverso diversi passaggi. Un documento finale rifinito può nascondere prove deboli, un recupero incompleto delle informazioni o un’ipotesi errata.
La revisione umana non scompare quando gli agenti migliorano. Si sposta sulla definizione delle attività, sui permessi, sui punti di controllo e sulla valutazione. I team che saltano questi controlli possono produrre più lavoro senza produrre decisioni migliori.
Esiste anche un rischio di concentrazione. Se un’organizzazione collega un singolo fornitore ai propri file, codice, comunicazioni e sistemi aziendali, cambiare diventa più difficile. Gli acquirenti devono bilanciare la convenienza con la dipendenza da una sola famiglia di modelli e interfaccia.
L’approccio integrato di OpenAI rende questo compromesso particolarmente visibile. Un ambiente comune può ridurre l’attrito tra ChatGPT, Work, Codex e API. La stessa integrazione può centralizzare il contesto sensibile presso un unico fornitore.
La concorrenza offre una certa protezione. Anthropic, Google, Microsoft e altri fornitori continuano a sviluppare agenti e controlli enterprise. La loro presenza offre alternative agli acquirenti e scoraggia ogni singola azienda dal considerare la distribuzione sufficiente.
Eppure cambiare è più facile prima che i team progettino i propri flussi di lavoro attorno a funzionalità proprietarie. Le aziende dovrebbero valutare la portabilità mentre l’adozione è ancora in fase di sviluppo. Dovrebbero inoltre conservare documenti sorgente, registri decisionali e logica di automazione al di fuori di ogni singola cronologia conversazionale.
Per i singoli knowledge worker, il rischio pratico è più ordinario. Un agente può produrre un’abbondanza di output rendendo al contempo più difficile la verifica delle fonti. Una creazione più rapida aumenta la necessità di una revisione disciplinata e di un contesto tracciabile.
La conclusione scettica non è che i numeri siano privi di significato. È che la dimensione del pubblico risponde solo alla prima domanda sull’adozione. OpenAI ha dimostrato che le persone stanno arrivando, ma non ancora quanto coerentemente restino o abbiano successo.
Tre segnali mostreranno se OpenAI può trasformare la scala in lavoro
La fase successiva sarà decisa dall’uso enterprise attivo, dalla risposta competitiva e dalle prove che gli agenti completino attività di valore in modo affidabile.
Il primo segnale è una suddivisione più chiara dell’adozione di ChatGPT Work e Codex. OpenAI dovrebbe divulgare totali di utenti separati, sovrapposizione, fidelizzazione e implementazione organizzativa. Queste cifre rivelerebbero se il traguardo di 35 milioni riflette esperimenti diffusi o abitudini durature.
Una crescita che continui dopo il periodo di lancio rafforzerebbe la tesi di OpenAI. Coorti stabili e un utilizzo in aumento nelle aziende già clienti conterebbero più di un altro dato complessivo da prima pagina. Un rallentamento netto suggerirebbe che la curiosità iniziale ha superato il valore ricorrente.
Il secondo segnale è la risposta di Anthropic nei flussi di lavoro di coding e aziendali. OpenAI ha ristretto il quadro competitivo, ma Anthropic conserva una solida credibilità tra gli sviluppatori e una forte presenza nelle organizzazioni. Nuove capacità di Claude, successi con i clienti o controlli di deployment migliorati potrebbero preservare quel vantaggio.
I dati indipendenti sugli acquisti saranno particolarmente utili. Se OpenAI avanzerà su un ampio campione di aziende, la sua strategia guidata dalla distribuzione apparirà più solida. Se Anthropic manterrà la leadership nonostante il pubblico di OpenAI, la portata verso i consumatori sembrerà meno trasferibile del previsto.
Il terzo segnale è costituito dalle prove legate ai risultati aziendali. OpenAI e i suoi clienti devono riportare flussi di lavoro completati, riduzioni dei tempi di ciclo, tassi di errore inferiori e un utilizzo sostenuto. Il volume di token prodotti e il totale degli utenti attivi non possono sostituire queste misure.
Valutazioni indipendenti renderebbero tali affermazioni più credibili. Gli acquirenti dovrebbero cercare studi che confrontino il lavoro assistito da agenti con processi consolidati in team ordinari. I risultati dovrebbero includere fallimenti, tempi di revisione e costi di implementazione, non solo dimostrazioni riuscite.
Questi segnali chiariranno anche cosa significhi per gli utenti quotidiani la crescita degli utenti di OpenAI ChatGPT. Se Work e Codex resteranno affidabili nelle attività comuni, la delega diventerà un livello standard del lavoro basato sulla conoscenza. Se i costi di supervisione rimarranno elevati, gli agenti potrebbero restare strumenti preziosi ma specializzati.
Gli sviluppatori dovrebbero osservare se Codex manterrà la propria identità di ambiente ingegneristico serio mentre si espande verso il lavoro generale. Gli acquirenti aziendali dovrebbero esaminare governance, portabilità e adozione oltre i gruppi pilota. I knowledge worker dovrebbero valutare i risultati completati, anziché il volume di materiale generato.
Il traguardo di 1,2 miliardi stabilisce la straordinaria portata di OpenAI. Il dato di 35 milioni per Work e Codex mostra che una quota significativa di quel pubblico sta sperimentando un rapporto più rilevante con l'AI. La domanda senza risposta è se questi utenti stiano costruendo flussi di lavoro affidabili o semplicemente provando l'interfaccia più recente.
A questa domanda non si può rispondere con un altro evento di lancio. La risposta arriverà attraverso la fidelizzazione, il passaggio ai concorrenti e la qualità del lavoro completato dopo che l'effetto novità sarà svanito. Osservate cosa continuano a usare i team, a quali dati affidano l'accesso agli agenti e quale fornitore si guadagna un posto permanente nei loro sistemi operativi.
