Meta accelera sui chip AI, OpenAI lancia la super app

La competizione mondiale sull'intelligenza artificiale sta entrando in una nuova fase, nella quale non basta più sviluppare modelli capaci di generare testi, immagini o software. Le grandi società tecnologiche vogliono controllare anche i processori, i centri dati, le reti e le interfacce attraverso cui persone e aziende utilizzano quotidianamente questi sistemi.Meta prevede di avviare nel settembre 2026 la produzione di Iris, un nuovo chip proprietario per l'AI, inserito nel programma Meta Training and Inference Accelerator. Il processore dovrà affiancare le grandi quantità di GPU acquistate da Nvidia e AMD, riducendo costi, tempi di integrazione e dipendenza da fornitori esterni.OpenAI si muove sull'altro estremo della catena tecnologica. Il gruppo ha trasformato il progetto di una piattaforma unificata in un primo prodotto concreto, presentando ChatGPT Work: un ambiente nel quale conversazione, programmazione, ricerca, creazione di documenti e automazione delle attività vengono riunite in un'unica esperienza.Le due iniziative descrivono strategie differenti ma complementari. Meta cerca una maggiore autonomia nell'infrastruttura fisica dell'intelligenza artificiale; OpenAI vuole rendere l'AI il punto di accesso principale al lavoro digitale, sostituendo la frammentazione tra applicazioni con un agente capace di coordinare strumenti, file e procedure.

Il nuovo chip Iris entra nella fase produttiva

Il progetto più immediato di Meta riguarda Iris, nome in codice di un acceleratore destinato ai centri dati del gruppo. La produzione dovrebbe iniziare a settembre, dopo una fase di collaudo completata in circa sei settimane senza l'individuazione di problemi rilevanti.L'avvio della fabbricazione rappresenta un passaggio importante perché lo sviluppo di chip personalizzati non termina con il progetto teorico. Il processore deve essere prodotto, inserito nei server, collegato alle memorie e alle reti, supportato dal software e verificato su carichi di lavoro reali prima di poter essere distribuito su larga scala.Meta ha progettato il chip in funzione delle proprie esigenze, collaborando con Broadcom per lo sviluppo e affidandosi a Taiwan Semiconductor Manufacturing Company per la fabbricazione. La società taiwanese produce materialmente i semiconduttori sulla base dei progetti elaborati insieme dai partner.Iris non sarà venduto come un normale prodotto destinato al mercato. Il suo valore dipenderà dalla capacità di eseguire in modo efficiente i sistemi utilizzati all'interno di Facebook, Instagram, WhatsApp, Threads e Meta AI, dove anche un piccolo miglioramento nel costo di ogni operazione può produrre risparmi significativi su miliardi di richieste.

Un progetto che arriva dopo anni difficili

Meta lavora sui propri acceleratori da oltre mezzo decennio, ma il percorso non è stato lineare. Le prime generazioni erano rivolte soprattutto ai sistemi di raccomandazione e classificazione dei contenuti, indispensabili per stabilire quali post, video o pubblicità mostrare a ogni utente.Lo sviluppo dell'intelligenza artificiale generativa ha modificato rapidamente i requisiti. Addestrare e utilizzare modelli linguistici richiede quantità molto maggiori di potenza di calcolo, memoria ad alta velocità e capacità di trasferire dati tra migliaia di processori.Alcuni progetti precedenti di Meta non avevano raggiunto gli obiettivi attesi oppure erano arrivati quando i carichi di lavoro erano già cambiati. La società ha quindi adottato una strategia più rapida, fondata su generazioni successive di chip sviluppate a intervalli di circa sei mesi.Il completamento dei test di Iris in un periodo relativamente breve viene interpretato come un segnale di maturazione. Non dimostra ancora che il processore offrirà prestazioni competitive nell'impiego reale, ma riduce uno dei principali rischi della progettazione hardware: scoprire difetti gravi dopo l'avvio della produzione.

La famiglia MTIA da 300 a 500

I nuovi processori appartengono alla famiglia Meta Training and Inference Accelerator, abbreviata in MTIA. La tabella di sviluppo comprende quattro generazioni indicate come MTIA 300, 400, 450 e 500, previste tra il 2026 e il 2027.MTIA 300 è già impiegato nella produzione per l'addestramento dei sistemi di ranking e raccomandazione. Questi algoritmi analizzano enormi quantità di informazioni per ordinare post, video brevi, annunci e suggerimenti all'interno delle piattaforme.MTIA 400 estende la stessa architettura ai carichi di intelligenza artificiale generativa. Meta ha completato i test di laboratorio e sta preparando l'impiego nei propri centri dati, con un sistema capace di collegare decine di acceleratori all'interno della stessa struttura.Le generazioni MTIA 450 e 500 saranno maggiormente concentrate sull'inferenza, cioè sulla fase nella quale un modello già addestrato risponde alle richieste degli utenti. Il primo dovrebbe entrare nella distribuzione di massa all'inizio del 2027, mentre il secondo è previsto successivamente nello stesso anno.

Addestramento e inferenza richiedono chip differenti

L'addestramento di un modello AI consiste nell'elaborazione di enormi quantità di dati per regolare miliardi di parametri. È un processo estremamente intensivo, che può coinvolgere migliaia di acceleratori per settimane o mesi.L'inferenza avviene invece ogni volta che il sistema viene utilizzato. Quando un utente chiede a un assistente di scrivere una risposta, generare un'immagine o tradurre un testo, il modello esegue una nuova serie di calcoli per produrre il risultato.Il singolo processo di inferenza può richiedere meno risorse rispetto all'addestramento, ma deve essere ripetuto miliardi di volte. Per un gruppo delle dimensioni di Meta, il costo cumulativo delle risposte generate può superare quello di molte fasi di addestramento.Le GPU generaliste vengono progettate per gestire una vasta gamma di operazioni. Un chip personalizzato può invece eliminare funzioni poco utilizzate, ottimizzare la memoria e dedicare più spazio alle operazioni realmente richieste dai modelli di Meta.

Perché Meta continua ad acquistare GPU esterne

La produzione di Iris non determina la fine dei rapporti con Nvidia e AMD. Meta ha sottoscritto accordi di fornitura di grande valore con entrambe le società e continuerà ad acquistare enormi quantità di acceleratori commerciali.I chip interni devono essere considerati una componente aggiuntiva. Possono occuparsi di carichi prevedibili e ripetitivi, mentre le GPU più flessibili rimangono essenziali per la ricerca, l'addestramento dei modelli più avanzati e le applicazioni che cambiano rapidamente.Sostituire completamente l'ecosistema Nvidia sarebbe particolarmente difficile. Il vantaggio dell'azienda non dipende soltanto dai processori, ma anche dal software, dalle librerie, dagli strumenti di sviluppo e dalle competenze accumulate da ricercatori e ingegneri.Meta cerca quindi di diversificare. Una parte dei carichi verrà eseguita sui sistemi MTIA, una parte sui processori Nvidia e AMD, mentre altri componenti potranno essere acquistati da fornitori differenti in base a prezzo, disponibilità ed efficienza.

L'obiettivo non è soltanto risparmiare

La riduzione dei costi rappresenta una motivazione importante, ma non è l'unica. Progettare il proprio hardware per l'intelligenza artificiale permette a Meta di coordinare processori, memoria, rete, sistemi di raffreddamento e software.Quando un'azienda acquista una GPU commerciale deve adattare i propri modelli alle caratteristiche decise dal produttore. Con un chip interno può invece modificare contemporaneamente l'architettura del modello e quella del processore.Questa integrazione consente di rimuovere colli di bottiglia specifici. Se un nuovo sistema richiede soprattutto memoria, Meta può aumentare la larghezza di banda; se utilizza formati numerici a precisione ridotta, può aggiungere unità progettate per quelle operazioni.Il vero vantaggio è quindi il controllo congiunto dell'intera infrastruttura. Il processore non viene valutato come prodotto isolato, ma come parte di un sistema costruito intorno alle esigenze del gruppo.

Memoria ad alta velocità e inferenza generativa

I modelli generativi devono trasferire continuamente grandi quantità di dati tra memoria e unità di calcolo. Per questo la larghezza di banda della memoria HBM è diventata uno dei parametri più importanti degli acceleratori moderni.MTIA 450 dovrebbe raddoppiare la banda disponibile rispetto alla generazione precedente. MTIA 500 prevede un ulteriore incremento del 50% e una maggiore capacità complessiva, con l'obiettivo di ospitare modelli più grandi e servire più richieste contemporaneamente.Meta sta inoltre sviluppando formati numerici a bassa precisione. Ridurre il numero di bit utilizzato per rappresentare i valori permette di effettuare più operazioni nello stesso tempo e utilizzare meno memoria, purché la qualità delle risposte rimanga accettabile.L'ottimizzazione è particolarmente utile durante la generazione progressiva delle parole, fase nella quale il sistema deve leggere ripetutamente i parametri del modello e produrre un elemento dopo l'altro.

Il ritmo di un nuovo chip ogni sei mesi

La progettazione tradizionale di un processore può richiedere diversi anni. Meta punta invece a introdurre una nuova generazione MTIA ogni sei mesi, utilizzando componenti modulari e infrastrutture compatibili.Il sistema è basato su chiplet, piccoli blocchi specializzati che possono essere combinati nello stesso processore. Un componente può occuparsi del calcolo, un altro della rete, un altro ancora della comunicazione con il server.Questa architettura permette di aggiornare soltanto alcune parti senza riprogettare l'intero prodotto. Le nuove generazioni possono inoltre utilizzare gli stessi chassis, rack e sistemi di connessione, riducendo il tempo necessario per passare dal laboratorio al centro dati.Il ritmo annunciato resta estremamente ambizioso. Ogni acceleratore deve essere accompagnato da compilatori, firmware, strumenti diagnostici e procedure operative. La velocità di progettazione deve quindi essere sostenuta da un'analoga maturità del software che controlla l'hardware.

PyTorch come ponte tra GPU e processori Meta

Meta può contare su un vantaggio specifico: PyTorch, uno dei framework più utilizzati nello sviluppo dell'intelligenza artificiale, è nato all'interno del gruppo.I processori MTIA vengono progettati per funzionare in modo nativo con PyTorch, Triton e vLLM, riducendo la necessità di riscrivere completamente i modelli quando vengono trasferiti dalle GPU commerciali ai chip interni.Un modello può essere preparato attraverso strumenti già conosciuti dagli sviluppatori, mentre i compilatori traducono le operazioni nel codice specifico richiesto da MTIA. Questo passaggio è essenziale perché un processore potente ma difficile da programmare rischierebbe di rimanere inutilizzato.La compatibilità consente inoltre di distribuire lo stesso sistema su hardware differenti. Meta potrà scegliere in base al carico se utilizzare una GPU o un acceleratore proprietario, mantenendo una parte significativa del software comune.

Broadcom e TSMC restano indispensabili

Definire Iris un chip "prodotto da Meta" non significa che il gruppo realizzi autonomamente ogni fase. Broadcom collabora alla progettazione e mette a disposizione competenze, proprietà intellettuale e tecnologie per gli acceleratori personalizzati.La fabbricazione viene affidata a TSMC, che dispone degli impianti necessari per produrre semiconduttori avanzati. Costruire una fabbrica capace di lavorare ai nodi più recenti richiederebbe investimenti enormi, personale specializzato e anni di preparazione.Meta sta quindi aumentando il controllo sulla progettazione senza diventare un produttore completamente integrato. La società continua a dipendere da una catena industriale che comprende fonderie, memoria, packaging, macchinari e materiali.L'autonomia ottenuta riguarda soprattutto la possibilità di decidere quale chip costruire e come ottimizzarlo, non l'eliminazione di ogni fornitore esterno.

La partnership con Broadcom si estende fino al 2029

Meta e Broadcom hanno ampliato la collaborazione attraverso un accordo pluriennale e multigenerazionale destinato a proseguire almeno fino al 2029.L'impegno iniziale riguarda una capacità superiore a un gigawatt di calcolo, primo passo di un programma più ampio. Le due società lavoreranno insieme non soltanto sui processori, ma anche sulle reti Ethernet necessarie per collegare migliaia di acceleratori.Un singolo chip può elaborare soltanto una parte del modello. I grandi sistemi AI distribuiscono il lavoro tra interi cluster, nei quali la velocità della comunicazione diventa importante quanto quella delle unità di calcolo.Se i dati non vengono trasferiti rapidamente, i processori restano inattivi in attesa delle informazioni necessarie. Meta sta quindi trattando rete, memoria e acceleratori come componenti di un unico sistema.

Sette gigawatt nel 2026, quattordici nel 2027

L'ambizione di Meta emerge soprattutto dai numeri relativi all'infrastruttura. Il gruppo prevede di raggiungere circa sette gigawatt di capacità di calcolo nel 2026 e di raddoppiare il totale fino a quattordici gigawatt nel 2027.Il gigawatt misura la potenza, non la quantità esatta di operazioni svolte. Due centri dati con lo stesso assorbimento possono offrire prestazioni differenti in base a chip, raffreddamento, utilizzo e configurazione.Il dato permette comunque di comprendere le dimensioni dell'espansione. Una capacità di quattordici gigawatt comporta un fabbisogno energetico paragonabile a quello di diversi milioni di abitazioni, anche se l'equivalenza varia secondo consumi e aree geografiche.Il progetto richiede nuove centrali, linee elettriche, trasformatori, impianti di raffreddamento e accordi di lungo periodo. La corsa all'AI sta diventando anche una competizione per l'energia e le infrastrutture fisiche.

Fino a 145 miliardi di dollari per l'infrastruttura

Meta potrebbe destinare nel 2026 fino a 145 miliardi di dollari all'infrastruttura AI. La cifra comprende centri dati, server, acceleratori, reti, memoria, sistemi energetici e altre apparecchiature necessarie.Una spesa di queste dimensioni espone il gruppo a una pressione crescente da parte degli investitori. I ricavi generati dall'intelligenza artificiale dovranno giustificare investimenti che riducono nel breve periodo la disponibilità di cassa.Meta può ottenere benefici anche senza vendere direttamente un abbonamento AI. Migliori sistemi di raccomandazione possono aumentare il tempo trascorso sulle piattaforme, mentre modelli pubblicitari più efficaci possono rendere gli annunci più remunerativi.La società sta però esplorando anche servizi rivolti alle imprese, API e una possibile attività cloud. Il controllo dei chip può contribuire a ridurre il costo per ogni richiesta elaborata, rendendo sostenibili prodotti che altrimenti consumerebbero risorse eccessive.

Accordi di fornitura per evitare i colli di bottiglia

La potenza di calcolo non dipende soltanto dagli acceleratori. Meta ha sottoscritto accordi pluriennali con Samsung per la memoria, con Sandisk per l'archiviazione flash e con Sumitomo Electric per componenti legati alle fibre ottiche.I modelli AI richiedono memorie veloci e grandi quantità di spazio. La scarsità di un solo componente può ritardare l'installazione di interi server, anche quando i processori sono già disponibili.Le fibre ottiche collegano rack, edifici e centri dati, consentendo ai sistemi distribuiti di scambiarsi informazioni. Con l'aumento del numero di chip, anche il traffico interno cresce rapidamente.Gli accordi a lungo termine servono a garantire forniture in un mercato nel quale numerosi gruppi tecnologici competono per gli stessi materiali. La scarsità di memoria e componenti avanzati ha già contribuito all'aumento dei prezzi, creando una forma di inflazione legata ai semiconduttori.

Il peso ambientale della crescita

L'espansione fino a quattordici gigawatt pone interrogativi sull'impatto ambientale dei centri dati. Il consumo elettrico può essere alimentato da fonti differenti, con conseguenze molto diverse sulle emissioni.Anche il raffreddamento richiede risorse. Alcuni impianti utilizzano acqua, altri sistemi ad aria o circuiti chiusi, mentre i rack più potenti richiedono sempre più frequentemente il raffreddamento a liquido.I chip personalizzati possono migliorare l'efficienza e ridurre l'energia necessaria per ogni operazione. Questo beneficio può però essere superato dall'aumento complessivo dell'utilizzo: se il costo della generazione diminuisce, le piattaforme possono offrire molte più funzioni e produrre un consumo totale superiore.La valutazione non può quindi fermarsi all'efficienza del singolo acceleratore. Occorre considerare il consumo complessivo dell'intero sistema AI, compresi addestramento, inferenza, archiviazione, rete e costruzione degli impianti.

OpenAI passa dal progetto alla prima super app

Mentre Meta investe nell'hardware, OpenAI ha compiuto un passo decisivo nell'unificazione dei propri prodotti. Il 9 luglio ha presentato ChatGPT Work, descritto come un agente capace di gestire attività lunghe e articolate.Il servizio integra la normale interfaccia di ChatGPT con Codex, lo strumento nato per la programmazione, e con funzioni di ricerca, navigazione, analisi dei file e produzione di contenuti professionali.La precedente strategia prevedeva applicazioni separate per conversazione, programmazione e navigazione. Questa frammentazione rallentava lo sviluppo, costringeva gli utenti a spostarsi tra ambienti differenti e rendeva più difficile trasferire il contesto da uno strumento all'altro.La nuova piattaforma rappresenta il primo risultato operativo della strategia di super app unificata. Non tutte le integrazioni future sono necessariamente già complete, ma OpenAI è passata dalla semplice pianificazione a un prodotto in distribuzione.

Che cosa significa davvero "super app"

L'espressione super app viene normalmente associata a piattaforme capaci di riunire messaggistica, pagamenti, acquisti, trasporti e numerosi servizi di terze parti.Nel caso di OpenAI il significato è differente. L'obiettivo non è ancora riprodurre integralmente modelli come WeChat, ma creare un ambiente nel quale l'intelligenza artificiale possa comprendere una richiesta e utilizzare diversi strumenti per completarla.L'utente non dovrebbe essere costretto a scegliere preventivamente tra chatbot, agente di programmazione, browser o generatore di documenti. Dovrebbe descrivere il risultato desiderato e lasciare al sistema il compito di coordinare le funzioni necessarie.La super app di OpenAI è quindi soprattutto un sistema operativo conversazionale per il lavoro, costruito intorno ad agenti in grado di pianificare, eseguire e verificare sequenze di attività.

ChatGPT Work unisce conversazione e programmazione

Codex era nato come strumento rivolto soprattutto agli sviluppatori, capace di leggere repository, modificare file, eseguire codice e correggere errori.ChatGPT Work utilizza la stessa capacità operativa per attività che non richiedono necessariamente competenze informatiche. Il sistema può sfruttare il codice come strumento invisibile per analizzare dati, costruire presentazioni, generare siti o organizzare informazioni.Un professionista può chiedere una relazione completa invece di scrivere direttamente uno script. L'agente decide se utilizzare un foglio di calcolo, interrogare documenti, creare grafici o costruire una pagina interattiva.La programmazione diventa così una capacità interna dell'assistente, non un'attività necessariamente visibile all'utente. OpenAI cerca di trasformare le funzioni più potenti dei sistemi di coding in strumenti accessibili anche ai non programmatori.

Documenti, presentazioni, fogli di calcolo e siti

ChatGPT Work può elaborare informazioni provenienti da file e applicazioni collegate, trasformandole in documenti, presentazioni, analisi, fogli di calcolo, rapporti e siti web.La differenza rispetto alla semplice generazione di testo consiste nella capacità di produrre un risultato strutturato e modificabile. Un rapporto può includere tabelle e riferimenti; una presentazione può seguire il modello grafico di un'azienda; un sito può diventare interattivo.La funzione denominata Sites consente di creare pagine e applicazioni web condivisibili, come dashboard, calendari, prototipi, rapporti o strumenti di monitoraggio.OpenAI vuole ridurre la distanza tra la risposta del chatbot e il prodotto finale pronto per essere utilizzato. L'assistente non dovrebbe limitarsi a suggerire cosa fare, ma contribuire direttamente alla realizzazione.

Applicazioni e file collegati

La piattaforma può accedere, quando autorizzata, a file e strumenti utilizzati dall'organizzazione. L'obiettivo è fornire al modello il contesto necessario per lavorare con dati reali invece di basarsi soltanto sulle informazioni contenute nel prompt.OpenAI indica la disponibilità di oltre 1.400 integrazioni e plugin, attraverso i quali ChatGPT può interagire con applicazioni aziendali, archivi e procedure.La connessione permette, per esempio, di analizzare documenti archiviati, confrontare feedback, aggiornare un progetto o preparare un rapporto basato su informazioni distribuite tra più sistemi.Questa capacità aumenta l'utilità, ma anche il rischio. Un agente dotato di accesso a numerose fonti potrebbe recuperare informazioni non pertinenti, interpretare male le autorizzazioni o propagare un errore da un'applicazione all'altra.

Le attività programmate rendono l'agente continuativo

ChatGPT Work può avviare attività singole, ripetute secondo un calendario o attivate da un cambiamento. La funzione sposta l'AI da un modello puramente reattivo a un assistente capace di operare nel tempo.Un sistema può preparare rapporti periodici, controllare aggiornamenti, monitorare un progetto o verificare se determinate condizioni siano cambiate.L'utente può seguire l'avanzamento, rispondere alle domande, modificare la direzione e approvare le azioni più importanti. La supervisione rimane necessaria soprattutto quando l'agente interviene su documenti, comunicazioni o procedure aziendali.La vera trasformazione non consiste nel programmare un semplice promemoria. Consiste nell'affidare a un modello una sequenza di operazioni che può includere ricerca, valutazione, produzione e aggiornamento di materiali.

GPT-5.6 alimenta la nuova piattaforma

ChatGPT Work utilizza la famiglia GPT-5.6, presentata insieme al servizio. Il modello è stato ottimizzato per attività professionali complesse, navigazione, uso del computer, programmazione e produzione di materiali.La famiglia comprende versioni di dimensioni differenti, pensate per bilanciare qualità, velocità e costo. I modelli più piccoli possono gestire numerose attività senza richiedere le risorse necessarie alla versione più potente.Questa diversificazione è indispensabile per un prodotto destinato all'uso quotidiano. Impiegare sempre il modello più costoso renderebbe difficilmente sostenibili operazioni ripetitive come la classificazione di documenti o l'aggiornamento di dati.Il sistema può quindi selezionare una quantità di calcolo proporzionata alla difficoltà, riducendo il costo economico ed energetico di ogni attività.

La distribuzione parte dagli utenti professionali

Il lancio è iniziato per gli utenti Pro, Enterprise ed Education, con un'estensione prevista alle offerte Plus e Business.La priorità assegnata alle organizzazioni riflette il valore economico del mercato aziendale. Un'impresa può acquistare licenze per centinaia o migliaia di dipendenti e integrare l'agente nei propri processi.L'ambiente professionale offre inoltre casi d'uso più facilmente misurabili: riduzione del tempo necessario per preparare una presentazione, analizzare un contratto, scrivere codice o consolidare dati.OpenAI deve però dimostrare che il servizio produce risultati affidabili e che i guadagni di produttività superano i costi di controllo, correzione e gestione della sicurezza aziendale.

La nuova applicazione desktop

OpenAI ha presentato anche una nuova applicazione desktop di ChatGPT, elemento centrale della strategia di unificazione.Un'app installata sul computer può lavorare più direttamente con file locali, finestre, applicazioni e attività eseguite dall'utente. Può diventare il punto dal quale avviare ricerche, modificare documenti e coordinare flussi di lavoro.Questa posizione avvicina ChatGPT alle funzioni tradizionalmente svolte dal sistema operativo e dalle suite di produttività. L'assistente non rimane confinato in una scheda del browser, ma accompagna l'attività svolta sull'intero dispositivo.La maggiore integrazione richiede controlli precisi. Un agente con accesso al computer deve rispettare permessi, confini tra applicazioni e approvazioni dell'utente, evitando operazioni irreversibili o non richieste.

La concorrenza con Anthropic

ChatGPT Work è una risposta diretta a Claude Cowork, l'agente professionale con cui Anthropic ha anticipato parte della strategia di unificazione tra conversazione e attività operative.Gli strumenti di coding si sono dimostrati più capaci dei normali chatbot nel gestire procedure lunghe, perché possono pianificare, modificare file, eseguire comandi e controllare i risultati.Anthropic ha esteso queste capacità ai lavoratori non tecnici, spingendo OpenAI a riunire più rapidamente ChatGPT e Codex.La competizione non riguarda soltanto quale modello risponda meglio a una domanda. Riguarda quale società riuscirà a diventare il punto centrale delle attività digitali aziendali, collegandosi ai dati e agli strumenti già utilizzati dalle organizzazioni.

Microsoft resta contemporaneamente partner e concorrente

La strategia di OpenAI si sovrappone inevitabilmente a quella di Microsoft, che integra modelli avanzati in Word, Excel, PowerPoint e nelle proprie piattaforme aziendali.Microsoft è uno dei principali partner infrastrutturali e commerciali di OpenAI, ma offre anche Copilot e agenti per il lavoro che competono con ChatGPT Work.OpenAI cerca di costruire un ambiente indipendente, capace di operare attraverso applicazioni di produttori differenti. Microsoft possiede invece un vantaggio nella distribuzione: milioni di aziende utilizzano già Microsoft 365, Windows, Teams e Azure.La relazione può continuare a produrre collaborazioni tecniche, ma aumenta la sovrapposizione commerciale. Entrambi vogliono controllare l'interfaccia attraverso cui il lavoratore assegna compiti all'intelligenza artificiale aziendale.

Google può integrare AI e produttività nello stesso ecosistema

Anche Google dispone di una posizione privilegiata grazie a Gmail, Drive, Documenti, Fogli, Chrome, Android e Google Cloud.L'integrazione di Gemini nei servizi esistenti permette al gruppo di utilizzare dati e autorizzazioni già organizzati all'interno dello stesso ecosistema.OpenAI deve invece convincere utenti e imprese a collegare applicazioni esterne. La super app può diventare più aperta e trasversale, ma deve gestire una complessità superiore in termini di compatibilità, sicurezza e governance dei dati.Il confronto sarà quindi determinato non soltanto dalla qualità dei modelli, ma dalla capacità di offrire un'esperienza coerente senza costringere le organizzazioni a ricostruire interamente i propri processi.

Dalla chat all'agente operativo

La prima generazione di chatbot attendeva una domanda e restituiva una risposta. I nuovi agenti AI ricevono invece un obiettivo, elaborano un piano, utilizzano strumenti e producono diversi risultati intermedi.Questa evoluzione aumenta l'utilità, ma moltiplica i punti nei quali può verificarsi un errore. Un'informazione sbagliata può essere inserita in un foglio, trasformata in una presentazione e successivamente utilizzata per prendere una decisione.L'agente deve quindi mostrare quali passaggi ha compiuto, quali fonti ha utilizzato e quali azioni richiedono conferma. L'autonomia non può significare invisibilità completa del processo.La qualità verrà misurata attraverso la capacità di concludere il compito, ma anche attraverso tracciabilità, reversibilità e controllo umano.

Il rischio delle allucinazioni nei prodotti finiti

Un errore in una normale conversazione può essere riconosciuto e corretto prima di produrre conseguenze. Un errore inserito automaticamente in un documento destinato a clienti o dirigenti può risultare più difficile da individuare.ChatGPT Work deve quindi affrontare il problema delle allucinazioni dell'intelligenza artificiale, cioè informazioni plausibili ma false generate dal modello.La presentazione professionale di un risultato può aumentare il rischio, perché grafica ordinata e linguaggio sicuro trasmettono una sensazione di affidabilità superiore a quella realmente disponibile.Le organizzazioni dovranno stabilire quali materiali richiedano una revisione obbligatoria, quali attività possano essere automatizzate e quali dati debbano essere verificati attraverso sistemi deterministici.

Permessi e accesso ai dati aziendali

Un agente unificato può ottenere accesso a messaggi, documenti, calendari, archivi e applicazioni. Il principio fondamentale deve essere quello del minimo privilegio: ogni attività dovrebbe utilizzare soltanto le informazioni strettamente necessarie.L'autorizzazione non deve diventare permanente per semplice comodità. Un accesso concesso per preparare un rapporto non dovrebbe automaticamente permettere al sistema di consultare ogni file futuro dell'organizzazione.Le imprese dovranno controllare quali plugin siano disponibili, chi possa installarli, quali dati vengano trasferiti e come vengano registrate le azioni.La centralizzazione aumenta l'efficienza, ma crea anche un punto particolarmente sensibile. Una vulnerabilità o un errore nella super app potrebbe coinvolgere contemporaneamente più applicazioni e archivi aziendali.

Il pericolo delle istruzioni nascoste nei documenti

Gli agenti che leggono pagine web, email e file possono incontrare prompt injection, istruzioni inserite all'interno dei contenuti per cercare di modificare il comportamento del sistema.Un documento apparentemente normale potrebbe contenere un comando che invita l'agente a ignorare la richiesta dell'utente, recuperare dati riservati o eseguire un'azione non autorizzata.Per una normale chat il rischio può limitarsi a una risposta errata. Per un agente collegato a strumenti reali può tradursi in invio di informazioni, modifica di file o accesso a risorse.La sicurezza deve separare i contenuti analizzati dalle istruzioni autorizzate, richiedere conferme per le operazioni sensibili e limitare la capacità dell'agente di utilizzare dati provenienti da contesti differenti.

La supervisione non può essere soltanto simbolica

OpenAI permette all'utente di seguire il lavoro, cambiare direzione e approvare azioni importanti. L'efficacia dipende però dal modo in cui queste richieste vengono presentate.Se il sistema domanda continuamente conferme tecniche e difficili da comprendere, l'utente può abituarsi ad approvare ogni passaggio senza leggerlo. Il fenomeno è simile alla stanchezza da autorizzazione osservata nelle notifiche di sicurezza.Le richieste devono spiegare chiaramente cosa accadrà, quali dati saranno utilizzati e se l'operazione potrà essere annullata.La supervisione deve concentrarsi sui momenti realmente significativi: invio di comunicazioni, pubblicazione, pagamento, cancellazione, modifica di dati condivisi o accesso a informazioni sensibili.

Il nodo della responsabilità professionale

Quando un agente prepara un contratto, un'analisi finanziaria o un documento sanitario, la responsabilità non passa automaticamente al produttore del modello.Il professionista e l'organizzazione che utilizzano ChatGPT Work devono verificare che il risultato sia conforme alle norme, alle procedure interne e agli standard della propria attività.La piattaforma può accelerare la produzione, ma non possiede una responsabilità professionale equivalente a quella di un medico, avvocato, commercialista o ingegnere.L'assistenza dell'AI deve essere registrata e governata in base al rischio. Più il risultato influenza diritti, salute o denaro, maggiore deve essere il livello di controllo umano qualificato.

Il costo diventa un elemento competitivo

Gli agenti possono richiedere molte più operazioni rispetto a una semplice risposta. Devono leggere file, navigare, usare applicazioni, eseguire codice e verificare i risultati.Il costo della singola attività dipende quindi dalla quantità di calcolo, dalla durata e dal numero di strumenti utilizzati. OpenAI ha presentato più versioni di GPT-5.6 per offrire diversi rapporti tra prestazioni e prezzo.I modelli più piccoli possono rendere economicamente sostenibili operazioni frequenti, mentre quelli più potenti vengono riservati alle attività che richiedono ragionamento complesso.Proprio qui le strategie di OpenAI e Meta tornano a incontrarsi: la qualità del prodotto finale dipende dalla disponibilità di chip efficienti e di grandi quantità di infrastruttura.

La super app aumenta il fabbisogno di potenza

Un chatbot utilizzato occasionalmente consuma risorse soltanto durante la conversazione. Una piattaforma che lavora su file, applicazioni e compiti programmati genera un carico di inferenza più lungo e continuativo.Ogni agente può eseguire decine o centinaia di passaggi prima di completare il risultato. Se milioni di utenti adottano queste funzioni, la richiesta di calcolo cresce molto più rapidamente del numero delle conversazioni.OpenAI ha quindi bisogno di una rete diversificata di fornitori cloud e processori. La società utilizza infrastrutture di Microsoft, Oracle, AWS, CoreWeave e Google Cloud, oltre a chip prodotti da Nvidia, AMD e altri partner.Sta inoltre sviluppando un proprio processore con Broadcom. L'unificazione del software non riduce la necessità di hardware: rende ancora più urgente il controllo della capacità di calcolo disponibile.

Meta e OpenAI scelgono forme diverse di integrazione verticale

Meta possiede direttamente piattaforme utilizzate da miliardi di persone, grandi attività pubblicitarie e una vasta rete di centri dati. Può quindi progettare chip specifici sapendo in anticipo quali carichi dovranno eseguire.OpenAI controlla i modelli e l'interfaccia ChatGPT, ma dipende maggiormente da partner per infrastrutture, distribuzione aziendale e sistemi operativi.La strategia di Meta parte dal silicio e sale verso le applicazioni. Quella di OpenAI parte dall'esperienza dell'utente e cerca di coordinare modelli, strumenti e servizi sottostanti.Entrambe puntano però allo stesso risultato: ridurre i passaggi controllati da altre società e trattenere una quota maggiore del valore economico generato dall'intelligenza artificiale.

Il controllo dell'interfaccia può valere quanto il chip

Chi controlla il processore può ridurre costi e dipendenza industriale. Chi controlla l'interfaccia decide invece quale modello, applicazione o servizio venga utilizzato dall'utente.Se ChatGPT diventa il punto dal quale una persona crea documenti, consulta dati e avvia operazioni, OpenAI può assumere un ruolo simile a quello esercitato in passato dai sistemi operativi e dai motori di ricerca.L'utente potrebbe non scegliere più direttamente il software. Potrebbe chiedere all'agente di ottenere un risultato e lasciare che sia la piattaforma a selezionare gli strumenti.Questa posizione crea potere commerciale. OpenAI potrebbe stabilire quali integrazioni mostrare, quali fornitori privilegiare e quali condizioni applicare agli sviluppatori che vogliono raggiungere gli utenti.

Il rischio di dipendenza da una sola piattaforma

Riunire numerose funzioni in un'unica applicazione semplifica il lavoro, ma può aumentare il vendor lock-in, cioè la difficoltà di abbandonare un fornitore.Quando documenti, memoria, procedure, agenti e collegamenti aziendali vengono costruiti intorno a ChatGPT, trasferirli su una piattaforma concorrente può richiedere tempo e modifiche.Le imprese dovranno valutare la portabilità dei dati, l'esportazione dei flussi di lavoro e la possibilità di sostituire il modello senza ricostruire ogni integrazione.Standard aperti e architetture modulari possono ridurre la dipendenza, ma le società tecnologiche hanno un incentivo economico a rendere il proprio ecosistema sempre più completo e centrale.

Le opportunità per sviluppatori e fornitori esterni

Una super app può diventare una piattaforma di distribuzione per software e servizi di terze parti. Gli sviluppatori possono creare integrazioni che consentano agli agenti di prenotare, analizzare, comunicare o svolgere operazioni specialistiche.L'opportunità dipende dalle regole di accesso, dai costi e dalla visibilità concessa alle diverse applicazioni. Se l'agente sceglie automaticamente quale servizio utilizzare, il meccanismo di selezione diventa decisivo per la concorrenza.Le imprese potrebbero non competere più soltanto per convincere una persona, ma per essere considerate affidabili e convenienti dall'intelligenza artificiale che prende la decisione operativa.Ciò richiederà API sicure, dati strutturati e sistemi capaci di spiegare chiaramente prezzi, autorizzazioni e conseguenze delle azioni.

L'effetto sui posti di lavoro

ChatGPT Work è progettato per automatizzare compiti svolti da lavoratori della conoscenza: ricerca, analisi, produzione di documenti, programmazione e gestione di progetti.L'effetto non sarà necessariamente una sostituzione immediata di intere professioni. È più probabile una trasformazione dei singoli compiti, con l'automazione delle attività ripetitive e una maggiore richiesta di controllo, decisione e verifica.Alcuni ruoli potrebbero richiedere meno personale, mentre altri potrebbero aumentare la produttività e assumere nuove funzioni. La distribuzione dei benefici dipenderà dalle scelte organizzative e dal modo in cui verranno gestiti formazione e transizione.La piattaforma non elimina la necessità di competenza. Un utente esperto è generalmente più capace di riconoscere errori, definire correttamente l'obiettivo e valutare la qualità del risultato.

Le aziende dovranno riprogettare i processi

Aggiungere un agente a una procedura inefficiente non garantisce automaticamente un miglioramento. Le organizzazioni devono stabilire quali attività possano essere delegate, quali dati siano affidabili e quali decisioni restino umane.Occorre definire responsabilità, soglie di approvazione, registri delle azioni e procedure di emergenza. Un documento generato automaticamente deve avere un proprietario incaricato di verificarlo.Le aziende dovranno inoltre misurare i risultati reali. Ridurre il tempo di preparazione non produce un beneficio se aumenta il numero di errori o richiede una lunga revisione.La promessa della super app verrà valutata attraverso indicatori concreti: qualità, velocità, costo, sicurezza e soddisfazione dei lavoratori.

La concorrenza si sposta sull'intera filiera

La corsa all'AI non è più una competizione isolata tra modelli linguistici. Coinvolge semiconduttori, memoria, energia, cloud, reti, applicazioni e distribuzione.Nvidia domina una parte fondamentale dell'hardware; TSMC controlla la fabbricazione avanzata; i grandi gruppi cloud possiedono i centri dati; Meta dispone di piattaforme sociali globali; OpenAI cerca di controllare l'interfaccia agentica.Ogni società tenta di espandersi nei livelli adiacenti. Meta progetta chip e valuta servizi cloud; OpenAI sviluppa processori e una piattaforma unificata; i produttori di chip investono nei fornitori di modelli.Il risultato è una crescente integrazione tra aziende che restano contemporaneamente clienti, partner e concorrenti.

Iris e ChatGPT Work mostrano la stessa trasformazione

A prima vista, un processore per centri dati e una super app professionale sembrano prodotti lontani. In realtà rappresentano due lati dello stesso cambiamento.L'intelligenza artificiale sta passando da funzione sperimentale a infrastruttura generalizzata. Per sostenerla servono chip specializzati capaci di ridurre i costi e interfacce semplici capaci di portarla all'interno delle attività quotidiane.Meta vuole assicurarsi che le proprie piattaforme possano servire miliardi di richieste senza dipendere esclusivamente dai processori acquistati sul mercato. OpenAI vuole assicurarsi che gli utenti non debbano abbandonare ChatGPT per completare il lavoro iniziato nella conversazione.Il valore economico si sposta quindi verso chi riesce a controllare l'intero percorso, dal calcolo fisico fino al risultato mostrato sullo schermo.

Settembre sarà un test decisivo per Meta

L'inizio della produzione di Iris non garantirà automaticamente il successo. Il chip dovrà raggiungere rese industriali adeguate, essere consegnato nei tempi previsti e dimostrare vantaggi reali rispetto alle GPU disponibili.La società dovrà verificare prestazioni, affidabilità, consumo energetico e facilità di utilizzo su larga scala. Un problema nel software o nella rete potrebbe annullare i benefici dell'hardware.Sarà inoltre necessario osservare quali carichi verranno effettivamente trasferiti su Iris e quale quota della capacità complessiva continuerà a dipendere dai fornitori esterni.Il passaggio dalla sperimentazione alla produzione rappresenta dunque l'inizio della prova più difficile, non il suo completamento.

ChatGPT Work dovrà dimostrare di essere più di un'unione grafica

La sfida di OpenAI consiste nel dimostrare che la piattaforma unificata produca un vantaggio superiore alla semplice presenza di più strumenti nello stesso menu.L'agente dovrà conservare correttamente il contesto, scegliere gli strumenti adatti e completare procedure lunghe senza moltiplicare gli errori.L'esperienza dovrà rimanere comprensibile anche quando il sistema svolge decine di operazioni. Un'interfaccia semplice non deve nascondere la complessità e le conseguenze delle azioni.Il successo dipenderà soprattutto dalla fiducia. Le imprese adotteranno ChatGPT Work soltanto se riterranno sufficienti protezione dei dati, controllo amministrativo, affidabilità e possibilità di verificare ogni risultato.

La nuova battaglia dell'intelligenza artificiale

Meta e OpenAI mostrano che il vantaggio competitivo non dipenderà esclusivamente dal modello più intelligente. Saranno decisivi la disponibilità dei processori, il costo dell'energia, la capacità di integrazione e la presenza nei flussi di lavoro.Il chip Iris può permettere a Meta di eseguire più funzioni AI a un costo inferiore, ma richiede enormi investimenti e una catena industriale complessa. ChatGPT Work può rendere OpenAI il centro operativo del lavoro digitale, ma aumenta i rischi collegati a dati, autorizzazioni ed errori automatizzati.Le due società stanno costruendo forme differenti di integrazione verticale dell'AI. Meta vuole possedere una quota maggiore dell'infrastruttura sulla quale funzionano i propri servizi; OpenAI vuole riunire in un solo ambiente le attività che oggi vengono svolte attraverso molte applicazioni.Il 2026 potrebbe essere ricordato come l'anno in cui la competizione è uscita definitivamente dalla sola corsa ai modelli. Il confronto si estende ormai dal silicio ai centri dati, dagli agenti alle applicazioni e dalla produzione della potenza di calcolo al controllo dell'esperienza dell'utente.E voi quale strategia considerate più decisiva: il controllo dei chip e dell'infrastruttura perseguito da Meta oppure la piattaforma unificata con cui OpenAI vuole trasformare ChatGPT nel centro del lavoro digitale? Lasciate un commento e condividete la vostra opinione.