OpenAI dots: l’AI smette di aspettarti e comincia a lavorare da sola

Per quasi quattro anni abbiamo usato l’intelligenza artificiale nello stesso modo: apri una finestra, scrivi una richiesta, aspetti una risposta. Anche quando il modello diventava più intelligente, il rituale restava identico. L’AI era potente, ma passiva. Esisteva soprattutto nel momento in cui la chiamavi. Con dots, presentati da OpenAI il 29 settembre 2026, questa grammatica comincia a rompersi.

Un dot non è soltanto un assistente che risponde meglio. È un agente sempre attivo, alimentato da GPT-6 Astra, con un proprio computer nel cloud, un browser, strumenti connessi e la capacità di portare avanti un obiettivo nel tempo. Può lavorare attraverso Slack, Teams, email e altri servizi, aggiornare un progetto quando cambiano le condizioni, delegare sotto-attività ad altri agenti e tornare dall’utente quando serve davvero una decisione. OpenAI lo descrive come un sistema capace di assumersi una responsabilità continuativa, non come una semplice conversazione.

È il passaggio che FuturVibe osserva da tempo quando racconta gli agenti AI che iniziano a lavorare da soli, la nascita degli AI employees e la trasformazione di ChatGPT, Codex e browser in una superapp operativa. Ma qui c’è qualcosa di più preciso: il software non aspetta più necessariamente che tu torni. Continua.

Il vero salto di dots è il tempo

La caratteristica più importante non è il modello sottostante, né il fatto che un agente possa aprire un browser. Queste capacità esistevano già in forme diverse. Il salto è temporale. Un dot può ricevere un obiettivo oggi, lavorarci mentre il contesto cambia, controllare nuovi eventi, aggiornare il proprio piano e ripresentarsi quando ha qualcosa da mostrare o quando gli serve una scelta umana.

Finora abbiamo trattato l’AI come un utensile ad altissima velocità. Con i sistemi agentici persistenti cominciamo invece a trattarla come una funzione organizzativa. La differenza sembra linguistica, ma è strutturale. Un utensile produce quando viene azionato. Una funzione organizzativa mantiene uno stato, conserva il contesto, osserva condizioni esterne, esegue attività e gestisce eccezioni.

Questo spiega perché il tema non si riduce alla solita domanda “quanti lavori sostituirà l’AI?”. Il cambiamento più vicino potrebbe essere un altro: quanti pezzi di lavoro smetteranno di appartenere a una singola sessione umana. Abbiamo già visto che il vero gelo occupazionale dell’AI appare spesso prima nelle nuove assunzioni che nei licenziamenti spettacolari. Gli agenti sempre attivi possono rafforzare proprio questa dinamica, perché permettono a team piccoli di assorbire più attività senza creare un nuovo ruolo per ogni funzione.

Da “fammi questo” a “occupati di questo”

C’è una frase che riassume il cambiamento meglio di qualunque benchmark: non “fammi questo”, ma “occupati di questo”. Nel primo caso il compito deve essere definito abbastanza bene da essere eseguito ora. Nel secondo l’AI deve interpretare una responsabilità che vive nel tempo.

Immaginiamo un responsabile commerciale che oggi chiede a un modello di riscrivere una proposta. Domani il cliente cambia una specifica, dopodomani arriva un nuovo listino, venerdì il reparto tecnico modifica una demo. Con un agente persistente il lavoro non è più una catena di prompt separati. Il sistema può mantenere il progetto, leggere gli aggiornamenti consentiti, capire che la proposta deve cambiare, preparare una nuova versione e segnalare soltanto ciò che richiede approvazione.

È la stessa traiettoria che avevamo descritto parlando di uso dell’AI come sistema e non come generatore di singole risposte. Ma dots porta quel principio più vicino a un prodotto di massa: memoria di contesto, strumenti, computer cloud e canali di comunicazione diventano parti dello stesso ambiente operativo.

Il risultato è che il confine fra software e collega digitale diventa meno netto. Non perché l’agente sia umano, e nemmeno perché possieda intenzioni proprie, ma perché inizia ad avere continuità operativa. È una distinzione importante. Parlare di “persona artificiale” sarebbe oggi un eccesso. Parlare di “unità di lavoro persistente” è già molto più realistico.

Il computer personale dell’AI

Uno degli elementi più sottovalutati è il computer cloud assegnato all’agente. Per decenni il computer è stato lo strumento dell’utente. Adesso compare una categoria diversa: un ambiente di calcolo che appartiene operativamente all’agente durante il lavoro. Questo consente di mantenere sessioni, aprire applicazioni, utilizzare browser, eseguire codice e orchestrare flussi senza occupare il dispositivo locale dell’utente.

È un passaggio coerente con la trasformazione dell’AI

Per questo gli sviluppi sugli agenti sono direttamente collegati all’idea di AI factory e alla corsa per costruire capacità computazionale come se fosse una nuova rete industriale. Più l’AI lavora nel tempo, più consuma risorse nel tempo. La domanda non sarà soltanto “quanto costa una risposta?”, ma “quanto costa mantenere una popolazione di processi cognitivi operativi ventiquattr’ore su ventiquattro?”.

È anche qui che tornano i colli di bottiglia fisici raccontati da FuturVibe: packaging avanzato, stack di chip, data center, energia e memoria. Il software autonomo ha un corpo industriale, anche quando noi vediamo soltanto un’icona sullo schermo.

La novità più grande potrebbe essere organizzativa, non tecnologica

Un’azienda costruita intorno a esseri umani presume che le attività abbiano orari, passaggi di consegne, riunioni, code e tempi di attesa. Un’azienda costruita intorno a umani più agenti persistenti può ridisegnare molte di queste attese. Un dossier può continuare a essere aggiornato di notte. Un agente può controllare continuamente dati autorizzati. Un altro può verificare modifiche al software. Un terzo può preparare un riepilogo soltanto quando emerge una deviazione importante.

Questo non significa che l’organizzazione umana scompaia. Significa che una parte della coordinazione può diventare software. La trasformazione ricorda ciò che sta avvenendo nelle fabbriche, dove la simulazione AI aggiunge un nuovo strato operativo e la physical AI collega decisione digitale e azione fisica. Dots porta una dinamica simile nel lavoro cognitivo: il processo non è più solo rappresentato dal software, ma in parte gestito dal software.

Il punto importante è che l’automazione diventa meno visibile. Un robot che sposta una scatola è evidente. Un agente che controlla documenti, aggiorna fogli, segue una trattativa, prepara una demo e avvisa solo quando serve una firma può scomparire dentro il flusso. Per questo la diffusione potrebbe essere più rapida della nostra percezione.

Ma il 29 settembre ha mostrato anche il limite

Durante la presentazione di DevDay, alcune dimostrazioni vocali di dots non hanno funzionato come previsto. Reuters ha riportato che gli agenti non riuscivano a consegnare correttamente alcuni aggiornamenti vocali durante la demo. È un dettaglio prezioso perché impedisce di trasformare il lancio in una favola di autonomia perfetta.

I sistemi persistenti amplificano sia le capacità sia gli errori. Se un chatbot sbaglia una risposta, il danno spesso finisce lì. Se un agente interpreta male un obiettivo, modifica una risorsa, invia un messaggio o continua a operare per ore, l’errore può propagarsi. Per questo OpenAI ha introdotto regole personalizzabili e richieste di consenso esplicito per attività sensibili come modifiche alle password o cancellazioni permanenti.

La questione della sicurezza non è teorica. L’aumento di autonomia è lo stesso motivo per cui la cybersecurity è diventata uno dei fronti più delicati dei modelli avanzati, come mostra anche la crescita di capacità descritta nel dibattito sui rischi di uso duale. Quando il software sa pianificare, usare strumenti e perseverare, la supervisione non può essere un semplice pulsante “annulla”. Deve diventare architettura.

Il vero prodotto non è l’agente: è il confine dell’agente

Nei prossimi anni una parte decisiva della competizione potrebbe spostarsi dalla pura intelligenza del modello alla qualità dei confini. Che cosa può fare da solo? Che cosa richiede conferma? Quali dati può leggere? Quali azioni può eseguire? Quanto è facile ricostruire ciò che ha fatto? Quanto bene distingue un’istruzione legittima da un contenuto malevolo incontrato sul web?

Queste domande sembrano burocratiche, ma sono il cuore del prodotto. Più un agente è potente, meno possiamo permetterci di concedergli un accesso indistinto. La nuova interfaccia dell’AI potrebbe quindi essere fatta di autorizzazioni, policy e livelli di autonomia tanto quanto di chat.

È un’evoluzione simile a quella che abbiamo già visto quando l’AI ha iniziato a uscire dal puro software e a entrare nel mondo fisico: la capacità grezza non basta. Servono affidabilità, percezione del contesto, controlli e responsabilità. Un robot industriale deve capire il caos di una fabbrica; un agente cognitivo deve capire il caos delle organizzazioni.

Entro 2–3 anni: l’AI diventa un livello persistente del lavoro

Lo scenario più plausibile fra il 2028 e il 2029 non è un ufficio vuoto governato da un’unica superintelligenza. È più concreto: molte persone avranno uno o più agenti persistenti collegati alle attività quotidiane. Alcuni saranno personali, altri appartenenenti all’azienda, altri

Un project manager potrebbe avere un agente che segue scadenze e dipendenze. Un programmatore un agente che mantiene test e documentazione. Un commerciale un agente che prepara materiali e segnala cambiamenti nei clienti. Un ricercatore un agente che monitora letteratura e dati. Un piccolo imprenditore un agente che aggiorna cataloghi, controlla richieste e prepara risposte.

La condizione perché questo scenario si realizzi è che affidabilità e controllo crescano più rapidamente della complessità delle attività delegate. Se gli utenti devono controllare ogni singolo passo, il vantaggio si riduce. Se invece il sistema sa quando agire e quando fermarsi, il guadagno di tempo diventa enorme.

Il segnale che smentirebbe questa traiettoria sarebbe un plateau dell’affidabilità: agenti capaci nelle demo ma troppo imprevedibili nei processi reali, con costi di supervisione simili o superiori al lavoro risparmiato. Per ora il mercato sta scommettendo sull’opposto, e la rapida crescita di strumenti agentici suggerisce che la domanda esiste.

Questa evoluzione si intreccia con la tesi di FuturVibe secondo cui l’AI sta iniziando a comprimere il tempo della ricerca. Se un agente può seguire un progetto per giorni anziché rispondere a un singolo prompt, la stessa logica vale per esperimenti, analisi, revisioni e iterazioni. Il fattore rivoluzionario non è solo fare meglio. È accorciare i cicli.

Tra dieci anni: il software potrebbe essere organizzato per obiettivi

Guardando verso il 2036, la parte più interessante non è immaginare un dot molto più intelligente di quello di oggi. È immaginare che l’intero software cambi forma. Oggi apriamo applicazioni: email, foglio di calcolo, CRM, browser, editor, calendario. In futuro potremmo esprimere obiettivi, mentre una rete di agenti decide quali strumenti usare, in quale ordine e con quali verifiche.

Il software diventerebbe meno simile a un insieme di stanze e più simile a una infrastruttura invisibile. L’utente potrebbe non sapere quale programma ha eseguito un passaggio, così come oggi non sa quale server ha instradato una richiesta web. Vedrebbe il risultato, le decisioni che richiedono il suo giudizio e la traccia delle azioni compiute.

Qui entra in gioco anche il percorso dei world model: per gestire obiettivi complessi non basta produrre testo plausibile, serve rappresentare stati, conseguenze, vincoli e cambiamenti nel mondo. Gli agenti persistenti diventano quindi uno dei laboratori in cui l’AI impara a vivere dentro processi dinamici anziché dentro singole richieste.

Se questa traiettoria continua, la distinzione fra “uso l’AI” e “lavoro con software” potrebbe perdere senso. L’AI diventerebbe un livello trasversale dell’ambiente digitale, proprio come Internet ha smesso di essere un’applicazione separata ed è diventato il tessuto connettivo di quasi tutto.

Il paradosso: più autonomia richiede più chiarezza umana

Più il sistema sa agire, più diventa costoso dargli un obiettivo vago. Questa è forse la conseguenza meno intuitiva. L’autonomia non elimina la necessità di pensare; sposta il pensiero verso la definizione delle intenzioni, dei vincoli e dei criteri di successo.

Un agente che esegue bene l’obiettivo sbagliato può essere più pericoloso di un assistente mediocre. Per questo le competenze umane che acquistano valore non sono soltanto tecniche. Diventano centrali la capacità di formulare priorità, riconoscere eccezioni, giudicare un risultato e decidere dove non automatizzare.

È anche il motivo per cui l’idea che “l’AI farà tutto” è una descrizione povera. Più realisticamente, l’AI prenderà in carico porzioni crescenti della continuità operativa, mentre gli umani dovranno definire scopi e responsabilità con maggiore precisione. Chi non sa cosa vuole ottenere non sarà automaticamente salvato da un agente più potente.

Il mercato degli agenti si sposta dalla capacità alla fiducia

Questa trasformazione cambia anche il modo in cui si compete nel settore. Quando quasi tutti i grandi laboratori riescono a produrre modelli capaci di scrivere, programmare, cercare e usare strumenti, il vantaggio non dipende più soltanto dal punteggio in un benchmark. Dipende da quanto profondamente il sistema può entrare nei processi reali senza diventare ingestibile.

È una differenza enorme. Un modello leggermente più intelligente ma isolato può avere meno valore di un agente un po’ meno brillante che conosce il contesto del progetto, dispone degli strumenti giusti, sa lavorare per ore e lascia una traccia verificabile. La corsa ai modelli di frontiera resta centrale, come mostra anche la disciplina crescente raccontata nel caso Meta

Per le aziende questo significa che la scelta di una piattaforma AI diventa più simile alla scelta di un’infrastruttura che alla scelta di un’app. Se un agente deve leggere documenti interni, usare software, comunicare con colleghi e intervenire su sistemi reali, il costo di cambiare piattaforma cresce. Le connessioni, le policy e la conoscenza accumulata diventano parte del valore.

È lo stesso motivo per cui la sovranità AI europea non riguarda soltanto avere un modello “nostro”. Riguarda sapere dove vivono i dati, dove gira il calcolo, chi controlla gli accessi e quali dipendenze si creano quando una parte del lavoro quotidiano viene affidata a sistemi persistenti.

In questo senso dots è anche un test economico. Se gli utenti accetteranno di consegnare a un agente porzioni sempre più grandi del proprio flusso operativo, il valore si sposterà verso le piattaforme che possiedono il rapporto continuativo con il lavoro. Non basta più vincere il prompt. Bisogna diventare il luogo in cui il lavoro continua.

Cosa cambia per una persona normale

È facile raccontare gli agenti come strumenti per grandi aziende, ma il cambiamento più radicale potrebbe arrivare quando questa continuità scende nel quotidiano. Una persona potrebbe avere un agente che segue una pratica amministrativa, controlla documenti, prepara materiale per una candidatura, mantiene un progetto personale o verifica periodicamente informazioni che oggi richiedono decine di aperture manuali.

Non significa consegnare all’AI ogni decisione. Al contrario, il modello più utile potrebbe essere quello in cui l’umano conserva le scelte irreversibili mentre l’agente assorbe continuità, ricerca, preparazione e controllo. È una forma di estensione cognitiva diversa dal semplice “scrivimi questo testo”: l’AI diventa memoria operativa e capacità di esecuzione.

Questo si collega anche al tema del tempo psicologico nell’era dell’AI. Se molte micro-attività smettono di occupare continuamente l’attenzione, il beneficio non è soltanto produttività. Può cambiare la sensazione di carico mentale. Ma può accadere anche il contrario: se gli agenti generano più notifiche, più decisioni da approvare e più attività di controllo, rischiano di trasformarsi in moltiplicatori di rumore.

Per questo la qualità di un agente non si misurerà soltanto da quante cose riesce a fare. Si misurerà da quante cose riesce a fare senza disturbare inutilmente. Il software migliore potrebbe essere quello che sa sparire: lavora, mantiene il contesto, documenta ciò che ha fatto e torna davanti all’utente soltanto quando esiste davvero una ragione.

Se questa forma di AI si diffonde, cambierà anche il significato di competenza digitale. Oggi essere competenti significa sapere usare molti strumenti. Domani potrebbe significare soprattutto saper progettare il proprio sistema di agenti: assegnare responsabilità, definire confini, costruire verifiche e capire quali decisioni non delegare. È un passaggio dalla padronanza delle applicazioni alla padronanza delle intenzioni.

Ed è qui che l’AI persistente incontra una delle idee centrali di FuturVibe: la tecnologia più importante non è sempre quella che appare più spettacolare. A volte è quella che cambia in silenzio la struttura del quotidiano, come i robot inseriti nelle infrastrutture già esistenti o i sistemi che imparano a prevedere invece di imitare l’essere umano. Dots potrebbe appartenere alla stessa categoria: meno fantascienza visibile, più trasformazione strutturale.

Dalla finestra alla presenza

Il 29 settembre 2026 potrebbe essere ricordato non perché OpenAI abbia inventato l’agente autonomo, ma perché ha reso esplicita una nuova categoria di prodotto: un’AI che resta attiva abbastanza a lungo da diventare parte della struttura del lavoro.

La strada è ancora piena di problemi. Le demo falliscono, le autorizzazioni sono difficili, la sicurezza è irrisolta, i costi potrebbero essere elevati e l’affidabilità dovrà reggere molto più a lungo di una singola risposta. Ma il vettore è chiaro: chatbot, agenti autonomi, dipendenti artificiali, cloud computer e strumenti connessi stanno convergendo.

Per anni abbiamo aperto l’intelligenza artificiale quando ci serviva. Adesso stiamo costruendo intelligenze software che restano lì quando noi chiudiamo la finestra. Ed è proprio in quelle ore, mentre non le stiamo guardando, che potrebbe iniziare la parte più importante della rivoluzione.