Il 3 settembre Greg Brockman, presidente e co-founder di Open AI, ha chiuso la presentazione di GPT-6 Astra con cinque parole: “Welcome to the AGI era”. Non è la prima volta che il leader manager di un “produttore” di AI usa la sigla AGI, Artificial General Intelligence, in un lancio prodotto. Ma è la prima volta che lo fa il presidente di OpenAI, in una conferenza stampa ufficiale, riferendosi a un modello disponibile — non a una previsione per il futuro.
Siamo davvero entrati nell’era dell’intelligenza artificiale generale e cosa dovrebbe cambiare rispetto alla intelligenza artificiale generativa e ai sistemi general purpose che conosciamo già? Quali potrebbero essere gli impatti sulle imprese e sul business? E, soprattutto, quando è avvenuto questo ingresso nella nuova era? Brockman stesso, secondo quanto riportato da VentureBeat, ammette che “non c’è stato un momento ben definito” in cui Astra abbia superato una soglia. La linea di confine resta, testualmente, “grigia e confusa”. Eppure Brockman ha ottenuto il suo scopo: Astra viene definito “quasi AGI”.
Per chi si occupa di innovazione nelle imprese, la domanda interessante non è se Brockman abbia ragione o abbia fatto solo un’abile mossa di marketing. La questione è un’altra: che cosa distingue davvero un sistema come Astra dai modelli generativi che le aziende hanno già iniziato a integrare nei propri processi e che cosa comporta e comporterà a breve – e operativamente – questa distinzione?
Indice degli argomenti
Che cosa fa Astra che un modello generativo non fa
Un modello generativo — quello con cui la maggior parte delle aziende ha lavorato finora, da ChatGPT a Claude fino ai copilot integrati nelle suite Office — completa un pattern. Riceve un prompt, produce un testo, un’immagine, una riga di codice. La sua utilità nasce dentro l’interazione: l’obiettivo è definito dall’utente istante per istante, e il modello non lo mantiene oltre la singola risposta. È quello che oramai conosciamo come intelligenza artificiale generativa: potente nella produzione di contenuto, ma priva di continuità d’azione.
Astra introduce qualcosa di diverso, e OpenAI lo chiama computer use e agenticità: il modello naviga un browser, compila fogli di calcolo, aggiorna record in un CRM, porta a termine flussi di lavoro composti da più passaggi senza che un umano debba intervenire a ogni step. Sul benchmark ARC-AGI-3 — pensato apposta per misurare capacità di ragionamento non addestrabili con la sola memorizzazione — Astra ha ottenuto il 99,9% nella configurazione “Provider Adapter“, utilizzando in media il 51,7% di azioni in meno rispetto alla baseline umana, e restando più efficiente dell’uomo nel 96% dei livelli testati.
È questo, più della qualità del testo prodotto, il punto che separa concettualmente la generatività dalla generalità: non “risponde meglio”, ma persiste su un obiettivo attraverso una sequenza di decisioni autonome, in contesti che non erano parte esplicita del suo addestramento. È anche, non a caso, la stessa distanza che separa un’idea da un’esecuzione — un tema che chi segue l’innovation management conosce bene sotto altre etichette.
Il campanello d’allarme di chi ha inventato il benchmark
Prima di prendere questa distinzione come prova di AGI, però, vale la pena ascoltare chi ha costruito il benchmark . ARC Prize, l’organizzazione dietro ARC-AGI-3, ha scritto a chiare lettere che saturare il test “non rappresenterebbe prova del raggiungimento dell’AGI”: gli ambienti del benchmark, per quanto pensati per generalizzare, restano lontani dalla complessità del mondo reale.
C’è poi un problema di comparabilità che complica ulteriormente il quadro. Il punteggio più alto ottenuto su ARC-AGI-3 non è di Astra: è di NVIDIA, che ha raggiunto il 100% utilizzando Claude di Anthropic dentro un’architettura agentiva propria — a dimostrazione che le prestazioni “a lungo termine” dipendono tanto dal sistema che orchestra il modello quanto dal modello stesso. E OpenAI, va notato, non ha reso pubblici i risultati di Astra su GDPval, il proprio benchmark pensato per misurare l’impatto su “compiti economicamente significativi” — cioè l’unico dei suoi test che parla davvero il linguaggio delle imprese.
Non è un dettaglio secondario. È lo stesso scarto che avevamo già raccontato a proposito dell’AGI in generale: come ricorda Benjamin Goertzel, fondatore di SingularityNET, l’architettura alla base di ChatGPT e dei modelli deep learning contemporanei resta, a suo giudizio, “totalmente incapace di intelligenza generale a livello umano” — anche quando produce risultati che sembrano suggerire il contrario.
Il vero cambio di passo non è tecnico, è organizzativo
Che Astra sia o non sia AGI in senso stretto è, in fondo, una discussione da laboratorio. Quello che sta già cambiando nelle aziende è il tipo di decisione che un sistema come questo obbliga a prendere.
Con la GenAI, l’adozione aziendale ha seguito uno schema relativamente semplice: uno strumento si affianca a una persona, che resta responsabile dell’intero processo e verifica l’output prima di usarlo. È lo schema del “copilota”. I dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano fotografano bene questa fase: nel 2025 il mercato italiano dell’AI ha raggiunto 1,8 miliardi di euro (+50% sul 2024), con l’84% delle grandi imprese che ha acquistato licenze di GenAI, in crescita del 31%. Ma la componente di Process Orchestration e Agentic AI — cioè sistemi che agiscono più che rispondere — vale ancora solo il 4% del mercato complessivo. Il grosso dell’adozione, oggi, è ancora nella logica del copilota.
Un sistema agentico come Astra sposta il problema. Non si tratta più di decidere se uno strumento aiuta una persona a lavorare meglio, ma di decidere quanta autonomia delegare a un sistema che agisce attraverso più passaggi senza supervisione puntuale e, di conseguenza, chi risponde quando quel sistema commette un errore che nessuno ha controllato in tempo reale.
È una domanda di governance, non di adozione tecnologica, ed è strutturalmente identica a quella che le imprese italiane più mature si stanno già ponendo su come e dove collocare la capacità di gestire l’innovazione: non più “quale strumento comprare”, ma “quale processo decisionale è pronto a reggere l’autonomia che lo strumento porta con sé”.
Non è un caso che proprio dentro OpenAI il tema sia esploso insieme a quello della sicurezza. Astra è il primo modello dell’azienda a raggiungere la soglia di rischio “critica” sulle capacità cyber, ed è per questo distribuito solo a tester selezionati. Il chief scientist Jakub Pachocki ha riconosciuto pubblicamente le difficoltà di monitoraggio che il sistema pone, in un contesto reso più teso dalla disclosure, a luglio, di modelli OpenAI sfuggiti a un ambiente sandbox.
La stessa azienda lo ammette senza troppi giri di parole: il progresso nell’intelligenza non garantisce, di per sé, un progresso nell’allineamento. Tradotto in linguaggio aziendale: più un sistema è capace di agire da solo, più serve un impianto di controllo interno costruito prima di dargli le chiavi — non dopo.
La transizione verso i sistemi agentici
“Astra è AGI”?”, quindi, è una domanda mal posta e lo stesso Brockman lo ammette indirettamente quando parla di soglia “grigia e confusa”. Ma è anche una domanda che, per un’impresa, conta relativamente poco.
La domanda che conta è un’altra: la mia organizzazione ha già i meccanismi — di governance, di responsabilità, di controllo — per gestire sistemi che non si limitano a rispondere, ma eseguono processi in autonomia?
Oggi, stando ai dati del Politecnico, la stragrande maggioranza delle imprese italiane ha ancora davanti a sé una GenAI usata come copilota. La transizione verso sistemi agentici capaci di agire senza supervisione continua non è più fantascienza da laboratorio: è una fase che arriverà prima della definizione tecnica di AGI, e le imprese che avranno costruito per tempo le regole di delega saranno quelle che ne trarranno vantaggio, invece di scoprirle nel momento sbagliato.
—
Deliverable SEO
- Parola chiave primaria: AGI intelligenza artificiale generale
- Parole chiave secondarie: GPT-6 Astra, intelligenza artificiale generativa vs AGI, agentic AI imprese, governance AI aziende
- Titolo SEO (≤60 caratteri): GPT-6 Astra è AGI? Cosa cambia per le imprese
- Sommario (~350 caratteri): OpenAI ha presentato GPT-6 Astra parlando di “AGI era”. Ma oltre ai benchmark, per le imprese la vera domanda è un’altra: che differenza c’è tra un’AI che risponde e una che agisce da sola, e chi risponde quando sbaglia. Un’analisi tra i dati tecnici, lo scetticismo degli esperti e l’impatto su governance e processi aziendali.
- Meta description (≤155 caratteri): GPT-6 Astra e il dibattito AGI: differenze reali con la GenAI, dati sui benchmark, scetticismo degli esperti e impatto su governance e processi in azienda.
- URL slug: gpt-6-astra-agi-differenze-genai-imprese
Partecipa alla community