OpenAI ha nascosto un dettaglio scomodo nel suo agente

Un quarto dei problemi richiede ancora un intervento umano, ma senza trasparenza sugli errori

Settantacinque per cento. È il numero con cui OpenAI ha presentato Presence, il suo nuovo sistema di supporto clienti basato su intelligenza artificiale: nel giro di poche settimane, sostiene l’azienda, il sistema «ha eguagliato o superato i parametri che usiamo per valutare la qualità del supporto umano in prima linea» e ora risolve tre quarti dei problemi in entrata senza che un operatore in carne e ossa debba intervenire. Un dato da vetrina, presentato come la prova che l’assistenza clienti automatizzata ha finalmente raggiunto una maturità operativa. Ma i numeri da vetrina, si sa, servono a mostrare quello che conviene mostrare.

Il 75% che abbaglia (e il 25% che inquieta)

Fermiamoci un attimo su quel 75%. È una cifra impressionante, certo: tre richieste su quattro gestite senza alcun essere umano coinvolto. Ma capovolgiamola. Significa anche che un problema su quattro, ancora oggi, richiede l’intervento di una persona — magari perché il caso è troppo complesso, magari perché l’AI ha semplicemente sbagliato. OpenAI non fornisce un dettaglio su cosa componga quel 25%: quante sono escalation gestite in modo fluido e quante sono, invece, fallimenti dell’agente che qualcuno ha dovuto ripulire? La differenza non è di poco conto, soprattutto quando si parla di banche, compagnie aeree o servizi finanziari, settori dove un errore di gestione può tradursi in un danno concreto per un cliente. Il comunicato celebra la velocità del miglioramento, non la natura degli errori residui. Ed è proprio in questo silenzio che si annida la domanda più scomoda: come si è passati, in così poco tempo, da semplici chatbot che rispondevano a domande frequenti a sistemi che si autodefiniscono «agenti» quasi autonomi? E soprattutto: chi sta già pagando il conto di questa corsa, in termini di posti di lavoro, controllo di qualità e responsabilità in caso di errore?

La guerra degli agenti: numeri, concorrenza e affari

Dietro l’annuncio di Presence c’è una strategia enterprise che OpenAI ha avviato mesi fa, e che ora svela tutto il suo potenziale — e i suoi rischi. Già a febbraio 2026 l’azienda aveva lanciato Frontier, una piattaforma pensata proprio per costruire e gestire agenti AI a livello aziendale. Non un esperimento isolato, dunque, ma un tassello di un disegno più ampio: entro aprile 2026 il settore enterprise rappresentava già il 40% dei ricavi complessivi di OpenAI, e secondo l’azienda è sulla buona strada per eguagliare i ricavi consumer entro la fine dell’anno. Tradotto: il business delle aziende, non quello dei privati che chattano con ChatGPT la sera, è diventato la vera priorità finanziaria. E Presence si inserisce esattamente in quel solco, con clienti che si affrettano a farsi citare come casi d’uso da manuale. Secondo quanto riferisce BBVA, la banca sta esplorando un supporto vocale basato su intelligenza artificiale per le esigenze bancarie quotidiane in Messico. SoftBank, sempre secondo quanto dichiarato dall’azienda giapponese, sta testando conversazioni naturali in lingua giapponese con i propri clienti. IAG, il gruppo aeroportuale, racconta di stare valutando un supporto tempestivo durante eventi di forte domanda come il maltempo severo — il momento, cioè, in cui più persone chiamano contemporaneamente e in cui un errore dell’AI avrebbe conseguenze immediate su viaggiatori bloccati o voli cancellati. Sono tutti settori dove la posta in gioco — soldi, dati sensibili, sicurezza dei passeggeri — è alta. Eppure nessuna di queste aziende fornisce cifre di rendimento indipendenti: sono citazioni raccolte e diffuse dalla stessa OpenAI.

Ma la partita si gioca anche altrove, tra i giganti del cloud. Google non è rimasta a guardare: già ad aprile 2026 ha lanciato la Gemini Enterprise Agent Platform, che secondo quanto dichiarato dall’azienda «compete direttamente con Presence e Frontier di OpenAI». È una dichiarazione di guerra commerciale scritta nero su bianco, non un’inferenza giornalistica. Le due aziende si contendono lo stesso terreno: le grandi aziende che vogliono sostituire (o almeno ridimensionare) i propri call center con agenti automatizzati. E in questa corsa, ogni punto percentuale di autonomia dichiarata diventa un argomento di vendita, un modo per convincere un consiglio d’amministrazione a firmare un contratto pluriennale. Eppure, mentre i giganti si contendono il mercato a colpi di percentuali e benchmark, un dettaglio tecnico — apparentemente minore — potrebbe rivelarsi il vero tallone d’Achille di tutto il sistema: il modo stesso in cui questi agenti imparano a migliorarsi.

Il formatore invisibile: quando l’AI impara da te e ti sostituisce

Il ciclo di miglioramento di Presence promette di affinare l’AI in tempo reale, riducendo i passaggi umani di 15 punti percentuali in soli dieci giorni: lavorando con il team di lancio, il sistema — alimentato da Codex, lo strumento di OpenAI per la generazione automatica di codice — ha ridotto le escalation verso operatori umani di quella cifra in un tempo brevissimo. Non è la prima volta che questo meccanismo viene messo alla prova: già in precedenza OpenAI aveva raccontato di un agente fiscale per studi contabili che usava tracce di produzione e lo stesso ciclo basato su Codex per trovare e correggere autonomamente i propri fallimenti. Il principio è semplice, quasi elegante: ogni volta che un umano interviene per risolvere un caso che l’AI non sapeva gestire, quell’intervento diventa materiale di addestramento. L’errore di oggi è la correzione di domani. Il paradosso, però, è servito: più un operatore umano lavora bene, più insegna al sistema come renderlo superfluo. Ogni intervento è un passo verso la propria sostituzione, misurato in punti percentuali e comunicato con soddisfazione ai clienti enterprise. È efficienza, certo. Ma è anche, senza troppi giri di parole, un ciclo che monetizza la propria stessa obsolescenza del lavoro umano — senza che nessun regolatore, per ora, abbia chiesto conto di come vengano trattati i dati delle conversazioni usate per addestrare il modello, né di quali garanzie esistano per i lavoratori i cui compiti vengono via via assorbiti.

Quando quel 25% di fallimenti sarà sceso ancora, magari al 10, magari al 5 per cento, resterà da chiedersi chi controllerà davvero cosa succede in quella quota residua. E chi garantirà che l’intelligenza artificiale non stia semplicemente imparando a dire «mi dispiace» più in fretta, prima di passare al cliente successivo.