Per anni abbiamo usato ChatGPT come una casella di testo molto capace: si scriveva una domanda, si aspettava una risposta, poi il lavoro vero continuava altrove. Copiare il testo in un documento, sistemare un foglio, cercare i file giusti, preparare una presentazione, caricare tutto nel posto corretto. Con ChatGPT Work cambia soprattutto questo passaggio. Non perché l’intelligenza artificiale abbia improvvisamente imparato a “fare tutto”, formula che di solito anticipa una delusione, ma perché può restare dentro un’attività più lunga e portarla verso un risultato utilizzabile.
OpenAI lo presenta come un modo per delegare lavoro reale: brief, analisi, documenti, presentazioni, fogli di calcolo, siti e attività ricorrenti. La differenza sembra sottile finché non la si prova. In Chat chiediamo una risposta. In Work descriviamo un risultato, forniamo contesto e criteri di revisione, poi osserviamo il percorso e interveniamo quando serve.
Dalla risposta alla consegna
Una chat tradizionale è ottima quando il risultato coincide con la risposta: spiegare un concetto, correggere una mail, trovare alcune idee, riassumere un testo. Il problema nasce quando la richiesta contiene venti passaggi che noi, spesso, non abbiamo nemmeno elencato.
“Analizza i dati delle campagne e prepara una presentazione per il cliente” sembra una richiesta sola. In realtà bisogna aprire i file, capire quali colonne contano, ripulire i dati, confrontare periodi diversi, controllare che i totali tornino, scegliere cosa mostrare e infine costruire le slide. Se manca un dato, va cercato o segnalato. Se il grafico racconta una storia diversa dal commento, qualcuno deve accorgersene.
Work affronta il compito come un percorso. Può raccogliere informazioni, dividere il lavoro in parti, usare gli strumenti disponibili e produrre materiali finiti da rivedere. OpenAI indica che può continuare su progetti complessi anche per ore. Questo non rende ogni consegna automaticamente buona; rende possibile affidare all’AI una porzione di lavoro più ampia del singolo testo.
È una distinzione che, nel marketing, pesa parecchio. Avevamo già visto qualcosa di simile parlando di agenti AI e automazione nel marketing: il valore non sta nella frase brillante generata in pochi secondi, ma nella capacità di seguire una sequenza con strumenti, dati e regole.
Contesto, file e strumenti collegati
Work può partire dai file caricati, dalle istruzioni di un progetto e dalle app collegate. Può anche lavorare su una cartella locale quando viene usato dall’app desktop, secondo la documentazione ufficiale. In pratica, invece di raccontare ogni volta a ChatGPT dove si trovano le informazioni, gli si può dare accesso al contesto pertinente.
Qui serve una precisazione poco spettacolare ma utile: più contesto non significa automaticamente più precisione. Una cartella con versioni duplicate, fogli nominati “finale_vero_3” e documenti contraddittori resta confusa, anche per un agente. A volte l’AI riesce a ricostruire il filo meglio di noi. A volte sceglie il file sbagliato con grande sicurezza. È successo anche a me nei test con materiali molto simili, e la soluzione non era scrivere un prompt più creativo. Era mettere ordine nelle fonti e indicare quale documento avesse precedenza.
Una buona consegna a Work contiene almeno quattro cose: il risultato atteso, i materiali da usare, i vincoli da rispettare e il modo in cui verificare che il lavoro sia corretto.
Le app collegate ampliano molto il campo. Un’attività può partire da informazioni sparse tra documenti, messaggi, calendario o altri strumenti aziendali. Ma ogni collegamento va pensato in base ai permessi. L’AI dovrebbe vedere ciò che serve per quel lavoro, non tutto ciò che esiste perché “potrebbe tornare utile”. È lo stesso problema organizzativo che emerge quando si inserisce un CRM dentro un processo commerciale ancora confuso: il software non corregge da solo ruoli, responsabilità e dati messi male.
Cosa può cambiare nel lavoro di un’agenzia
Il caso più ovvio è la produzione di materiali. Da una ricerca possono nascere un report, una tabella di confronto, una bozza di presentazione e un documento di sintesi. Prima avremmo chiesto quattro output separati, trasferendo ogni volta contesto e correzioni. Work può trattarli come parti della stessa consegna.
Il vantaggio, però, non è produrre più cose. Anche questo rischia di diventare rumore. Il vantaggio è ridurre i passaggi meccanici tra un ragionamento e il suo formato finale.
Immaginiamo un audit. L’agente raccoglie pagine del sito, dati pubblicitari e documenti commerciali; organizza le evidenze; segnala le informazioni mancanti; prepara una prima lettura e costruisce una presentazione. Il professionista non sparisce. Può dedicare più tempo a controllare le conclusioni, capire le cause e decidere cosa proporre. Nel nostro modo di lavorare, è coerente con ciò che facciamo quando prepariamo un audit di marketing prima di toccare campagne e strumenti.
Ci sono poi le attività ricorrenti. Work può essere usato insieme alle attività pianificate per eseguire un lavoro una volta, ripeterlo secondo un calendario o controllare se qualcosa cambia. Un report settimanale, per esempio, non deve per forza ricominciare ogni lunedì con qualcuno che scarica gli stessi file. Può partire da una procedura stabile e arrivare alla persona incaricata per la revisione.
La parte interessante è che la procedura diventa visibile. Se per ottenere un report servono tre credenziali personali, un foglio che conosce solo una persona e due correzioni fatte “a memoria”, Work non nasconde il problema. Lo fa emergere. E forse è qui che alcune aziende sentiranno più attrito: delegare a un agente richiede spiegare il lavoro abbastanza bene da renderlo ripetibile.
L’autonomia non elimina il controllo
OpenAI specifica che l’utente può seguire l’avanzamento, rispondere alle domande, cambiare direzione e approvare azioni importanti. Questo è il punto da tenere fermo, soprattutto quando Work usa app, file aziendali o siti autenticati.
Un agente può compiere passaggi che una normale risposta non compie. Quindi può anche amplificare un errore. Una formula sbagliata in una singola chat è fastidiosa; la stessa formula dentro un foglio, poi riutilizzata in una presentazione e inviata a un cliente, diventa un problema concreto.
Il controllo va messo nei punti in cui l’errore costa di più. Prima di inviare una mail. Prima di pubblicare. Prima di modificare dati condivisi. Prima di considerare approvato un numero che guida una decisione di budget. Non serve bloccare ogni clic, altrimenti l’automazione perde senso. Serve decidere quali passaggi richiedono una persona.
Vale anche per la privacy. Collegare uno strumento non autorizza implicitamente qualunque uso dei dati contenuti. Bisogna definire quali fonti sono pertinenti, chi può avviare il lavoro e dove finiscono gli output. Su questi aspetti, le regole interne contano quanto la tecnologia; il tema si incrocia con quello affrontato nel nostro articolo su AI Act e uso dell’intelligenza artificiale nelle agenzie di marketing.
Come iniziare senza complicarsi la vita
Io partirei da un lavoro abbastanza noioso da valere il tempo risparmiato, ma non così delicato da creare danni al primo errore. La preparazione di un report interno è un buon candidato. Anche la raccolta di materiali per una riunione, la trasformazione di appunti in un documento ordinato o la verifica periodica di alcune informazioni.
La prima istruzione non deve descrivere ogni clic. Deve chiarire l’esito: “Prepara un report settimanale sulle campagne, confronta gli ultimi sette giorni con i sette precedenti, segnala variazioni superiori al 15%, non attribuire cause senza evidenze e consegna un foglio con i dati più una sintesi di una pagina”. È già molto più utile di “analizza le campagne”.
Poi si osserva dove Work si ferma, cosa interpreta male e quali controlli mancano. La procedura migliora lavorandoci, non scrivendo una volta sola il prompt perfetto. Quello, temo, continua a non esistere.
ChatGPT Work funziona meglio quando il lavoro ha un risultato riconoscibile. Se noi non sappiamo spiegare come capire se la consegna è buona, l’agente avrà lo stesso problema.
La novità non è un’AI che risponde in modo più lungo. È un ambiente in cui ricerca, strumenti, file e produzione del risultato possono stare dentro lo stesso incarico. Per molte aziende il salto sarà meno tecnico di quanto sembri: prima di delegare all’AI, dovranno finalmente descrivere come lavorano.
Vuoi capire dove ChatGPT Work può essere utile nella tua azienda?
Possiamo partire da un’attività reale, ricostruire dati, passaggi e controlli, quindi valutare se conviene automatizzarla o lasciarla alle persone.
Si occupa di Meta Ads, automazioni, CRM e integrazioni AI.
