In breve. ChatGPT è entrato nel lavoro quotidiano e non viene usato soltanto dagli informatici. Ma una licenza non trasforma un’azienda. Il nuovo studio di OpenAI mostra quanto si sta diffondendo lo strumento; non quanto valore stia producendo.
Il software si installa in un pomeriggio. Un’organizzazione no. Questa è la conclusione più utile di How Organizations Use AI: Evidence from ChatGPT, working paper aggiornato l’11 agosto 2026. Gli autori hanno collegato i dati di utilizzo di ChatGPT Enterprise alle mansioni dei dipendenti, alle attività svolte e, per alcune società quotate statunitensi, ai dati finanziari di Compustat.
Per una volta non abbiamo un sondaggio in cui qualcuno cerca di ricordare quante volte ha aperto ChatGPT il mese scorso. Abbiamo dati d’uso: 1.764 organizzazioni e 17,4 milioni di messaggi nel campione dedicato ai lavoratori. Un sottoinsieme di 973 organizzazioni e 8,7 milioni di messaggi serve a classificare le attività. L’analisi finanziaria copre 417 società quotate americane collegate a un account Enterprise.
È un osservatorio formidabile, ma si trova dentro la casa del venditore. I dati sono di OpenAI e riguardano il prodotto di OpenAI. Tutti gli autori dichiarano un’affiliazione con l’azienda; due degli accademici coinvolti hanno lavorato come consulenti retribuiti. La ricerca resta valida. Ne va ricordato il punto di osservazione.
Sette volte più token non sono sette volte più lavoro
Tra giugno 2025 e marzo 2026, i token prodotti da ChatGPT e, in misura molto minore, da Codex negli account Enterprise sono aumentati di circa sette volte. Non dipende soltanto dai nuovi clienti. Nelle aziende che avevano adottato il servizio entro giugno 2025, il volume è quasi quadruplicato. Circa metà della crescita complessiva arriva quindi da organizzazioni che già pagavano il prodotto e hanno continuato a usarlo sempre di più. Fin qui, il segnale è chiaro: non si tratta soltanto di licenze vendute e poi dimenticate.
Il problema nasce quando si confonde l’uso con il risultato. Un token è un pezzo di testo, non un’unità di valore. Più output può voler dire più lavoro svolto, ma anche risposte più lunghe, tentativi falliti, correzioni o un modello diventato più verboso. La ricerca non misura ore risparmiate, qualità, errori evitati, ricavi o costi. Il contatore gira. La produttività, non lo sappiamo.
I primi arrivati erano già avanti
Il dato più interessante non è quanto venga usato ChatGPT. È chi lo adotta per primo. Nel campione, le società quotate che hanno scelto ChatGPT Enterprise mostrano ricavi mediani di 2,28 miliardi di dollari, contro 210 milioni tra le non adottanti. Il numero mediano di dipendenti è 2.934 contro 424. Il valore di mercato sfiora i 5 miliardi contro 316 milioni; la spesa mediana in ricerca e sviluppo è 113 milioni contro meno di 10.
Non sono imprese medie un po’ più innovative. Giocano in un altro campionato. Le aziende nel 25 per cento più alto della distribuzione dei ricavi hanno una probabilità di adozione superiore di 6,9 punti percentuali. Nel 5 per cento più grande il vantaggio sale a 9,8 punti. Anche confrontando imprese dello stesso settore, i divari restano: 7,2 e 11,3 punti.
La scala, però, aiuta a entrare e non necessariamente a diffondere lo strumento. Dopo l’adozione, le imprese più grandi registrano meno utenti attivi, messaggi e token per dipendente. Comprare per migliaia di persone è facile. Far cambiare davvero il modo in cui lavorano lo è molto meno.
L’adozione è legata anche agli investimenti accumulati negli anni precedenti in ricerca, software, organizzazione e amministrazione. Gli autori li chiamano “complementi organizzativi”: competenze, processi, infrastrutture e capacità manageriali che permettono di inserire una tecnologia nel lavoro quotidiano.
È una lettura convincente, non una prova causale. Le grandi aziende hanno più denaro, sistemi di sicurezza, uffici legali, gestione delle identità e potere d’acquisto. Sono anche il bersaglio naturale di un prodotto che si chiama, con scarsa ambiguità, Enterprise. I dati mostrano una correlazione tra certe caratteristiche e l’adozione; non dimostrano che ChatGPT abbia prodotto i risultati finanziari osservati.
Resta un punto scomodo. L’accesso all’intelligenza può diventare economico, ma la capacità di assorbirla resta costosa. L’IA non cancella il debito organizzativo. Lo mette in luce. Non è una legge scritta a favore dei giganti. Un working paper di Harvard Business School sulle imprese “AI-native” trova startup più piccole e gerarchie più piatte rispetto alle loro pari. Ma costruire un’azienda attorno all’IA fin dal primo giorno è diverso dall’innestarla nei processi di un’organizzazione nata decenni prima.
I junior premono “Invio” più dei capi
L’uso non è confinato ai reparti tecnici. Sei mesi dopo l’adozione, nell’impresa media gli ingegneri e i tecnici rappresentano circa l’11 per cento degli utenti attivi settimanali. Dirigenti, fondatori e partner sono il 9 per cento; finanza e contabilità il 5; marketing e comunicazione un altro 5.
La differenza emerge nel ritmo d’uso. Tra chi è attivo, i lavoratori all’inizio della carriera e i tirocinanti inviano ogni settimana da otto a nove messaggi in più rispetto alla media della stessa azienda. Manager, direttori ed executive ne inviano meno.
Il risultato ricorda quanto osservato in Generative AI at Work: l’assistenza dell’IA aumentava del 15 per cento la produttività media di 5.172 operatori di customer service, con benefici maggiori per i meno esperti. Quel lavoro, però, misurava problemi risolti, velocità e qualità. Qui si contano messaggi. Non è la stessa cosa.
Manca un denominatore decisivo: gli autori non conoscono la composizione completa della forza lavoro per ruolo. Non possono dire se i junior adottino ChatGPT più spesso; soltanto che i junior già attivi lo usano di più. Nella figura sulle mansioni, circa il 40 per cento degli utenti finisce nella categoria “altro o sconosciuto”. La fotografia è grande. Una parte resta fuori fuoco.
La domanda vera è un’altra. Se un giovane usa l’IA per scrivere, analizzare e programmare, sta imparando più in fretta o sta saltando la gavetta che costruisce il giudizio professionale? La ricerca non lo dice. Per ora, non lo sappiamo neppure noi.
La killer application, per ora, è ancora il testo
Le attività osservate sono molto meno fantascientifiche delle presentazioni sugli agenti autonomi. In una settimana tipo, il 56,3 per cento degli utenti attivi impiega ChatGPT per documentazione o scrittura tecnica. Il 49,6 per cento lo usa per attività digitali e tecniche, il 41,1 per cento per messaggi interpersonali e il 38,9 per cento per farsi spiegare un argomento.
Guardando al volume, documentazione e scrittura tecnica valgono il 18,3 per cento dei messaggi; le attività digitali il 12,7; la redazione di messaggi l’11,9. Il 27,3 per cento si disperde in una lunga coda di altre categorie.
Anche le attività legali, fiscali e finanziarie raggiungono molti utenti, ma generano pochi messaggi rispetto al totale. ChatGPT viene provato un po’ ovunque. Non è ancora il motore centrale di un processo aziendale.
La killer application dell’IA in ufficio, almeno nel periodo osservato, non è un esercito di agenti che gestisce l’azienda mentre dormiamo. È scrivere, sintetizzare, cercare informazioni, preparare una risposta, risolvere un problema tecnico.
Meno spettacolare. Molto più credibile.
Cosa sappiamo. E cosa no
Lo studio mostra una crescita rapida dopo l’adozione, un uso distribuito tra funzioni e livelli gerarchici e una notevole varietà di attività. Suggerisce anche che le aziende con più capacità organizzative partano avvantaggiate.
Non dimostra un aumento della produttività. Non calcola il ritorno sull’investimento. Non misura la qualità dei risultati, gli effetti sull’occupazione o i cambiamenti nei processi. Soprattutto, non distingue il lavoro utile dall’esplorazione e dal semplice traffico.
Anche il gruppo dei “non adottanti” va letto con cautela. Può includere aziende che usano Claude, Gemini, Copilot, strumenti interni, API OpenAI o account personali. Il confronto non è tra imprese con e senza IA, ma tra chi risulta cliente di ChatGPT Enterprise e chi non risulta tale.
Le attività vengono classificate automaticamente. È una scelta ragionevole per proteggere la riservatezza: nessun ricercatore ha letto a mano i messaggi. Il documento, però, non pubblica metriche dettagliate sull’accuratezza del classificatore. E la tassonomia include categorie personali, dalla cucina alle relazioni, dentro un’analisi presentata come studio del lavoro.
È un working paper: utile, ricco di dati e ancora soggetto a correzioni. Alcuni valori mediani riportati nel testo non coincidono perfettamente con quelli della Figura 2. La direzione del risultato non cambia. La prudenza sì.
Cosa fare lunedì mattina
La risposta non è comprare altre licenze.
- Contare i risultati, non le conversazioni. Tempo di ciclo, errori, qualità, costo per pratica, conversioni e soddisfazione del cliente valgono più di token e utenti attivi.
- Partire da processi reali. Tre flussi di lavoro osservabili valgono più di cinquanta “casi d’uso” parcheggiati in una presentazione.
- Non svuotare la gavetta. L’IA può accorciare la curva di apprendimento, purché revisione, spiegazione e responsabilità restino nel lavoro.
- Fare il lavoro noioso. Dati accessibili, permessi, integrazioni, formazione, valutazioni e responsabilità chiare decidono il risultato. Non faranno una bella demo, ma fanno un’azienda.
ChatGPT è entrato nel lavoro. La trasformazione è ancora da dimostrare.
La licenza si compra. La capacità no.
Fonti e metodo
Ho letto integralmente il working paper OpenAI How Organizations Use AI: Evidence from ChatGPT, comprese tabelle, figure e appendici. Ho separato i risultati osservati dalle interpretazioni degli autori e li ho confrontati con The Productivity J-Curve, Generative AI at Work e AI-Native Firms.
Nota di lettura: il testo e la Figura 2 del paper riportano valori leggermente diversi per alcune mediane delle società adottanti e non adottanti. Nell’articolo ho usato i valori indicati nel corpo del testo; la discrepanza non cambia la direzione dei risultati, ma conferma la natura ancora provvisoria del documento.