Il 5 marzo 2026, OpenAI ha presentato GPT-5.4, un modello orientato all’ambito professionale con capacità native di computer use, gestione avanzata degli strumenti e una finestra di contesto fino a 1 milione di token. Il sistema introduce miglioramenti specifici nella creazione e modifica di documenti, fogli di calcolo e presentazioni. Durante la presentazione, l’azienda ha inoltre riportato notevoli progressi nelle valutazioni su compiti economici reali e una significativa riduzione degli errori fattuali rispetto alle generazioni precedenti.
Questo quadro si ricollega direttamente al lancio di ChatGPT Agent, introdotto nel luglio 2025 come sistema capace di utilizzare un computer virtuale per navigare, analizzare informazioni ed eseguire processi complessi a più passaggi, pur mantenendo la possibilità di intervento e conferma da parte dell’utente. Sul fronte commerciale, Reuters ha riferito il 5 febbraio 2026 l’avvio di “Frontier”, un servizio dedicato alle imprese per la costruzione e gestione di agenti AI.
In un’analisi del 5 marzo, Morgan Stanley parla di miglioramenti “non lineari” dei modelli linguistici di grandi dimensioni, ipotizzando un ulteriore salto di capacità tra aprile e giugno 2026. La stessa Reuters, osserva che nei comparti più esposti all’automazione stanno già emergendo perdite di posti di lavoro legate al riorientamento degli investimenti verso l’intelligenza artificiale. Lo scenario conferma una direzione industriale concreta, pur non autorizzando, al momento, letture deterministiche su tempi ed effetti finali.
Il punto fondamentale della questione, infatti, non risiede solamente nell’aumento di potenza dei modelli, ma nel loro spostamento verso funzioni operative capaci di incidere sulla produttività, sui software enterprise e sull’organizzazione dei processi. Come già spiegato in precedenza, un agente in grado di ricercare e compilare materiali, interagire con le interfacce e coordinare molteplici strumenti evolve verso una funzione di esecuzione, superando la dimensione della semplice assistenza conversazionale.
Questo apre opportunità industriali, ma anche problemi di affidabilità, governance e sicurezza. OpenAI stessa segnala un profilo di rischio più elevato per gli agenti che agiscono sul web e riconosce che tali sistemi sono ancora in fase iniziale e possono commettere errori. In questo contesto quindi, nonostante le apparenze, la formula giornalistica circolata negli ultimi giorni — secondo la quale “gran parte del mondo non è pronta” — non risulta del tutto errata, quanto piuttosto discrezionalmente prematura.
Takeaway
Un sistema agentico è un modello di AI che non si limita a generare testo, ma pianifica ed esegue azioni attraverso strumenti, browser o software esterni, mantenendo il contesto lungo più passaggi. La differenza rispetto a un chatbot classico sta nella capacità di operare su compiti digitali complessi, non solo di commentarli.
Glossario
Computer use. Capacità di un sistema AI di interagire direttamente con un computer: muovere il cursore, cliccare, digitare, aprire applicazioni e navigare interfacce grafiche, esattamente come farebbe un utente umano.
Large language model (LLM). Modello di intelligenza artificiale addestrato su grandi quantità di testo, in grado di comprendere e generare linguaggio naturale. È la tecnologia alla base di sistemi come GPT-5.4 e ChatGPT.
Contesto (context window). Quantità massima di testo che un modello AI può “tenere a mente” in una singola sessione. Un contesto da 1 milione di token corrisponde a circa 750.000 parole: consente di lavorare su documenti molto lunghi senza perdere coerenza.
Token. Unità minima con cui i modelli AI elaborano il testo. Non coincide esattamente con una parola: può essere una parola intera, una sua parte o un segno di punteggiatura. È l’unità di misura standard per la lunghezza dei testi in input e output.
Mercato enterprise. Segmento di mercato che comprende le grandi organizzazioni — aziende, istituzioni, enti — che adottano software e servizi tecnologici su scala e con requisiti di affidabilità, integrazione e sicurezza più elevati rispetto all’utenza consumer.
Output operativo. Risultato concreto e direttamente utilizzabile prodotto da un sistema AI: un documento compilato, un foglio di calcolo aggiornato, un’azione eseguita su un’interfaccia. Si contrappone a una semplice risposta testuale.
Valutazioni su compiti economici reali (economic task benchmarks). Test standardizzati che misurano quanto un modello AI sia in grado di svolgere attività con valore economico diretto — analisi, sintesi, redazione di documenti, gestione di dati — in condizioni simili a quelle lavorative reali.
Fonti
Fonti ufficiali
- Introducing GPT-5.4
- Introducing ChatGPT agent: bridging research and action
- Measuring the performance of our models on real-world tasks
- Introducing ChatGPT for Excel and new financial data integrations
Agenzie/stampa
- OpenAI unveils AI agent service as part of push to attract businesses
- Companies cutting jobs as investments shift toward AI
Approfondimenti economici
