Le evidenze sull’utilizzo di Codex mostrano che il cambiamento non riguarda soltanto gli strumenti adottati, ma l’organizzazione stessa delle attività, dei processi e delle responsabilità professionali
Per comprendere la trasformazione prodotta dall’intelligenza artificiale nel lavoro non è più sufficiente osservare quante persone utilizzano un chatbot, quanti messaggi inviano o quanto tempo dichiarano di risparmiare.
Con la diffusione dei sistemi di AI agentica, cambia infatti la natura stessa dell’interazione tra persone e tecnologia. L’utente non si limita più a formulare domande, richiedere informazioni o generare un contenuto: può delegare l’esecuzione di attività articolate, autorizzando il sistema a esaminare documenti, utilizzare strumenti, eseguire comandi, modificare file e produrre risultati concreti.
Il paper The Shift to Agentic AI: Evidence from Codex, elaborato da ricercatori di OpenAI, Columbia Business School, Wharton School e Duke University, analizza su larga scala i dati di utilizzo di Codex per comprendere come questa nuova modalità di interazione stia modificando il lavoro. L’indagine confronta utenti individuali, utenti appartenenti a organizzazioni e lavoratori interni a OpenAI, offrendo una delle prime rappresentazioni empiriche del passaggio dall’AI conversazionale all’AI orientata all’azione.
Il risultato centrale dello studio è particolarmente rilevante per le imprese: l’AI agentica non rappresenta semplicemente una versione più evoluta del chatbot. Essa introduce una diversa architettura del lavoro, fondata sulla delega, sulla supervisione, sull’esecuzione parallela e sulla standardizzazione dei processi.
Dall’AI che risponde all’AI che agisce
La distinzione tra AI conversazionale e AI agentica non è assoluta. Anche i chatbot tradizionali possono utilizzare strumenti esterni, mentre alcune interazioni con gli agenti possono mantenere una natura prevalentemente dialogica. La differenza più significativa riguarda tuttavia la finalità prevalente dell’interazione. Nel modello conversazionale, la persona formula una richiesta e riceve una risposta. Il sistema supporta l’utente nell’acquisizione di informazioni, nella comprensione di un problema o nella produzione di una prima elaborazione. Nel modello agentico, invece, il sistema riceve un obiettivo e svolge una sequenza di attività per conseguirlo. Può ricercare informazioni, analizzare il contesto, intervenire su file e applicazioni, verificare il proprio lavoro e produrre un artefatto finale. L’unità di analisi non è più quindi la singola conversazione, ma il workflow delegato. Questo passaggio modifica anche il significato dell’adozione tecnologica. Non è più sufficiente chiedersi se un lavoratore utilizzi l’AI. Diventa necessario comprendere:
- quali attività vengono delegate;
- quanto è complesso il lavoro assegnato;
- per quanto tempo il sistema opera autonomamente;
- quanti processi vengono gestiti contemporaneamente;
- in quale misura le procedure vengono codificate e rese ripetibili;
- quali controlli umani vengono esercitati sui risultati.
Il cambiamento non riguarda soltanto la potenza del modello, ma il modo in cui il lavoro viene scomposto, assegnato, controllato e ricomposto.
Un’adozione rapida, ma ancora profondamente disomogenea
Tra gennaio e giugno 2026, il numero degli utenti settimanali attivi di Codex è aumentato di oltre cinque volte. La crescita più rapida si è verificata al di fuori del pubblico originario degli sviluppatori, segnalando una progressiva diffusione dell’AI agentica anche nelle attività di conoscenza non strettamente informatiche. L’adozione rimane tuttavia molto diversa nei tre gruppi analizzati. Tra gli utenti individuali, meno dell’1% delle persone attive su ChatGPT o Codex aveva utilizzato Codex nei ventotto giorni precedenti la rilevazione. Coloro che lo adottano tendono però a utilizzarlo in modo particolarmente intenso: Codex rappresentava infatti il 16,5% dei token complessivamente generati dal gruppo. Nelle organizzazioni esterne a OpenAI, il 17,3% degli utenti attivi aveva utilizzato Codex e lo strumento generava il 63,3% dei token prodotti attraverso ChatGPT e Codex. All’interno di OpenAI, dove le barriere all’adozione sono molto ridotte, Codex era invece utilizzato dalla quasi totalità dei lavoratori e rappresentava il 99,8% dei token generati attraverso le due piattaforme. Il grafico riportato nella Figura 1 del paper, a pagina 7, evidenzia con chiarezza questa differenza tra ampiezza dell’adozione e intensità dell’utilizzo. Una parte ancora limitata degli utenti esterni adotta strumenti agentici, ma chi compie il passaggio tende a spostare verso di essi una quota rilevante del proprio lavoro. Il caso OpenAI non può essere considerato rappresentativo dell’impresa media. Il personale possiede una maggiore familiarità con i modelli, non incontra significative limitazioni quantitative, beneficia di formazione, condivisione interna delle competenze e forte sostegno organizzativo. Proprio per questo, tuttavia, costituisce un’interessante rappresentazione di ciò che potrebbe accadere quando le principali frizioni all’adozione vengono rimosse.
Dal chiedere al fare: l’AI entra nella produzione
Una delle evidenze più importanti del paper riguarda la natura delle attività assegnate a Codex. Gli utenti non si limitano a chiedere spiegazioni o suggerimenti. Delegano attività concrete: implementazione e revisione del codice, configurazione di applicazioni, validazione delle modifiche, analisi di dati, redazione di documenti, organizzazione delle informazioni e coordinamento delle comunicazioni. Gli autori descrivono questo passaggio come uno spostamento dalla consultazione alla produzione delegata. Lo sviluppo software rimane il principale ambito applicativo, perché presenta caratteristiche particolarmente favorevoli all’automazione agentica. Il lavoro è digitale, può essere scomposto in attività modulari e produce risultati relativamente verificabili. L’impiego osservato, tuttavia, non si limita alla generazione di codice. Gli agenti vengono utilizzati lungo l’intero ciclo produttivo: comprensione dei sistemi esistenti, debugging, configurazione degli ambienti, documentazione, gestione delle applicazioni e verifica delle modifiche. Nei contesti in cui l’adozione è più avanzata, il perimetro si estende ulteriormente. All’interno di OpenAI, Codex viene impiegato anche nella ricerca, nella pianificazione, nella comunicazione, nel recruiting, nelle vendite, nella gestione del prodotto e nell’analisi dei dati. Il software appare quindi come il punto di ingresso dell’AI agentica, non necessariamente come il suo confine definitivo.
Cresce la complessità delle attività delegate
Il paper prova a stimare anche la complessità delle richieste, valutando il tempo che un professionista esperto impiegherebbe per completare l’attività senza il supporto dell’intelligenza artificiale. Nel dicembre 2025, il 35,4% degli utenti individuali attivi aveva assegnato almeno un’attività che avrebbe richiesto a una persona più di un’ora. Nel maggio 2026, questa percentuale era salita al 70,2%. Ancora più significativo è l’aumento delle attività stimate oltre le otto ore di lavoro umano. La quota degli utenti che aveva formulato almeno una richiesta di questo livello è passata dal 2,1% al 25,6%. La Figura 6, a pagina 14, mostra inoltre che le richieste più complesse tendono a essere formulate all’inizio della sessione. L’utente assegna inizialmente un obiettivo ampio, mentre le interazioni successive vengono utilizzate per correggere, integrare o restringere il lavoro. Questo modello è molto diverso dalla semplice sequenza domanda-risposta. La persona definisce il risultato atteso, affida una parte significativa dell’esecuzione al sistema e interviene successivamente attraverso verifiche e revisioni. La competenza rilevante non consiste quindi soltanto nel formulare un buon prompt. Diventano centrali la capacità di:
- definire correttamente il problema;
- delimitare il perimetro della delega;
- fornire il contesto necessario;
- stabilire criteri di qualità;
- riconoscere errori e incoerenze;
- integrare il risultato nel processo aziendale.
L’AI agentica non elimina la necessità di competenze professionali. Al contrario, ne sposta progressivamente l’utilizzo dall’esecuzione diretta alla progettazione, alla verifica e al coordinamento.
Il lavoro diventa parallelo
Una delle caratteristiche più innovative degli agenti è la possibilità di avviare più processi contemporaneamente. Con un sistema conversazionale tradizionale, l’utente tende a procedere in modo sequenziale: formula una richiesta, attende la risposta e decide come proseguire. Con gli agenti può invece assegnare attività differenti a più thread, monitorarne l’avanzamento e intervenire soltanto quando è necessario fornire chiarimenti o valutare i risultati. Tra gli utenti individuali e organizzativi, questa modalità è ancora relativamente poco diffusa. Circa il 63,9% degli utenti individuali e il 67,4% di quelli organizzativi non aveva gestito processi concorrenti nella settimana analizzata. Tra coloro che lo avevano fatto, la maggioranza si era limitata a due attività simultanee. All’interno di OpenAI, il quadro è molto diverso. Soltanto il 10,7% degli utenti aveva mantenuto un unico processo alla volta, mentre il 28,6% aveva gestito almeno cinque agenti contemporaneamente. La Figura 9, a pagina 17, restituisce l’immagine di un lavoratore che non esegue più direttamente tutte le attività, ma coordina una pluralità di flussi autonomi. Il paragone più immediato non è più quello con un assistente digitale, ma con un responsabile che assegna attività a un gruppo di collaboratori, ne controlla l’avanzamento, interviene sulle eccezioni e integra i risultati in un prodotto finale.
Dall’utilizzo occasionale alla sistematizzazione dei processi
La trasformazione diventa ancora più rilevante quando le modalità operative non rimangono confinate alla singola interazione, ma vengono codificate e riutilizzate. Codex consente di utilizzare skills e plugin che combinano istruzioni, software e collegamenti a strumenti esterni. Le organizzazioni possono così incorporare nei sistemi agentici procedure, standard redazionali, criteri di analisi, modalità di rappresentazione dei dati e regole proprie del contesto aziendale. Tra il 1° marzo e l’11 giugno 2026, la quota degli utenti settimanali di Codex che aveva utilizzato almeno una skill è aumentata dal 5,4% al 26,6%. Nella settimana conclusa l’11 giugno, aveva utilizzato almeno una skill il 25,7% degli utenti individuali, il 30,4% degli utenti organizzativi e il 96,2% degli utenti interni a OpenAI. La Figura 11, a pagina 20, mostra che l’adozione è particolarmente elevata nei contesti organizzativi caratterizzati da procedure ricorrenti, convenzioni condivise e standard interni. Questo fenomeno rappresenta il passaggio dall’AI utilizzata in modo occasionale a una vera e propria infrastruttura operativa. Ogni volta che un’organizzazione codifica un processo, riduce la necessità di ricostruire da zero il contesto e le istruzioni. La conoscenza procedurale diventa trasferibile, ripetibile e utilizzabile da persone differenti. Il valore non risiede quindi esclusivamente nella capacità generale del modello. Dipende dalla qualità del contesto organizzativo che l’impresa riesce a incorporare nel sistema.
La tecnologia non basta: servono complementarità organizzative
Uno degli aspetti più importanti dello studio emerge dal confronto tra utenti individuali, organizzativi e interni a OpenAI. Se il valore dell’AI agentica dipendesse unicamente dalla qualità del modello, l’utilizzo dovrebbe essere relativamente simile nei diversi contesti. Le differenze osservate dimostrano invece che l’adozione è influenzata da numerosi fattori complementari:
l’accesso ai dati e ai documenti aziendali, le autorizzazioni, l’integrazione con i sistemi informativi, la formazione, le aspettative del management, la disponibilità di processi di revisione e la capacità dell’organizzazione di modificare le proprie modalità operative.
Gli autori richiamano il precedente storico dell’elettrificazione industriale. Nella prima fase, molte imprese sostituirono il motore a vapore con quello elettrico senza modificare la disposizione degli impianti e l’organizzazione della produzione. I maggiori incrementi di produttività arrivarono soltanto quando le fabbriche furono riprogettate intorno alle specifiche possibilità offerte dall’elettricità. La stessa dinamica potrebbe interessare l’AI agentica. Inserire un agente all’interno di un processo esistente può produrre un miglioramento locale. Il valore più rilevante potrebbe però emergere soltanto quando l’impresa riprogetta l’intero flusso di lavoro, ridefinendo responsabilità, sequenze operative, punti di controllo e modalità di collaborazione tra persone e sistemi. La vera trasformazione non consiste quindi nell’aggiungere un nuovo strumento. Consiste nel ridisegnare la produzione intorno alla capacità di delegare lavoro alle macchine.
Cambiano le competenze e il ruolo delle persone
Con l’aumento della capacità di esecuzione degli agenti, alcune attività operative e ripetitive possono perdere centralità. Parallelamente, aumentano il valore e la responsabilità delle funzioni di giudizio, supervisione, coordinamento e verifica. Il lavoratore non scompare dal processo. Cambia il punto in cui interviene. Nei workflow più avanzati, la persona:
- definisce gli obiettivi;
- distribuisce il lavoro;
- controlla le fonti e il contesto;
- valuta gli output;
- corregge gli errori;
- gestisce le eccezioni;
- coordina processi concorrenti;
- assume la responsabilità del risultato finale.
L’adozione non riguarda soltanto i profili junior o le attività esecutive. Il paper rileva la diffusione di Codex lungo tutti i livelli di seniority. Manager e dirigenti utilizzano gli strumenti agentici anche per attività di pianificazione, revisione, collaborazione e produzione di documentazione. Questo aspetto contraddice una lettura semplicistica secondo cui l’AI automatizzerebbe prevalentemente il lavoro dei livelli professionali inferiori. La tecnologia può modificare contemporaneamente attività operative, manageriali e specialistiche, pur incidendo su ciascuna in modo differente. Le conseguenze possono estendersi alla composizione dei team, ai criteri di assunzione, ai percorsi di carriera e alla distribuzione delle responsabilità tra i diversi livelli organizzativi.
Più output non significa automaticamente più valore
La Figura 12, a pagina 23, mostra un aumento molto significativo del volume dei token generati dai lavoratori di OpenAI tra novembre 2025 e giugno 2026. Il valore mediano è cresciuto di almeno dieci volte in tutte le funzioni aziendali. Nel dettaglio, l’incremento raggiunge circa 56 volte nella ricerca, 32 volte nel customer support, 27 volte nell’ingegneria e 13 volte nelle funzioni legali. Si tratta di un’indicazione rilevante della crescita del lavoro mediato dall’intelligenza artificiale. Non deve però essere interpretata automaticamente come una misura equivalente di produttività o di valore economico.
Un aumento dell’output può riflettere una maggiore capacità produttiva, ma può anche generare più materiale da controllare, più alternative da valutare e maggiori esigenze di coordinamento. La quantità di testo, codice o documenti prodotti non coincide necessariamente con la qualità del risultato, con il tempo effettivamente risparmiato o con il miglioramento della performance aziendale. Per le imprese, il problema della misurazione diventa quindi decisivo. Gli indicatori tradizionali di adozione — numero di utenti, accessi, prompt o token — descrivono l’utilizzo dello strumento, ma non dimostrano il valore generato. Occorre collegare l’impiego degli agenti a risultati concretamente osservabili: riduzione dei tempi di processo, qualità delle decisioni, diminuzione degli errori, maggiore capacità di servizio, miglioramento della marginalità, rapidità di sviluppo e soddisfazione del cliente.
Le implicazioni per le imprese
Il paper suggerisce che la frontiera dell’adozione si stia spostando dall’uso individuale dell’AI alla progettazione di veri e propri sistemi di lavoro agentici. Per le imprese, il primo passo non dovrebbe essere la distribuzione generalizzata di nuovi strumenti, ma l’individuazione dei processi nei quali la delega può produrre un beneficio reale. Sono particolarmente adatte le attività digitali, ripetibili, modulari, verificabili e caratterizzate dalla disponibilità di dati e criteri di controllo. Il secondo passaggio riguarda la codificazione della conoscenza aziendale. Procedure, standard, modelli, checklist e criteri di qualità devono essere resi espliciti affinché possano essere trasferiti agli agenti. Un’organizzazione che non ha formalizzato i propri processi difficilmente riuscirà ad automatizzarli in modo affidabile. Il terzo elemento è la governance. L’AI agentica amplia la capacità di esecuzione, ma aumenta anche la necessità di stabilire autorizzazioni, responsabilità, sistemi di controllo, tracciabilità delle operazioni e modalità di gestione degli errori. Infine, è necessario ripensare le competenze. La capacità di dirigere e verificare il lavoro degli agenti non può essere separata dalla conoscenza del dominio professionale. Per valutare correttamente un documento legale, un’analisi economica, un modello finanziario o un processo tecnico occorre possedere competenze sufficienti per riconoscere incompletezze, incongruenze e rischi. L’esperienza professionale non perde valore. Diventa la condizione necessaria per trasformare la capacità esecutiva dell’AI in risultati affidabili.
Dall’adozione tecnologica alla trasformazione organizzativa
La conclusione più importante del paper è che l’AI agentica non modifica soltanto il rapporto tra la persona e lo strumento. Modifica progressivamente il rapporto tra attività, ruoli e processi. Gli utilizzatori più avanzati non si limitano a interagire più frequentemente con l’intelligenza artificiale. Delegano attività più ampie, eseguono più processi contemporaneamente, riutilizzano workflow codificati e concentrano il proprio lavoro sulla supervisione e sull’integrazione dei risultati. La frontiera dell’adozione si sta quindi spostando:
dal chiedere risposte a sistemi intelligenti al gestire sistemi intelligenti che agiscono.
Per le imprese, il vantaggio competitivo non dipenderà soltanto dall’accesso ai modelli più avanzati. Dipenderà dalla capacità di costruire un’architettura organizzativa nella quale persone, conoscenza, dati e agenti possano operare in modo coordinato. L’AI agentica non è dunque soltanto una tecnologia di automazione. È una tecnologia di riprogettazione del lavoro. La questione strategica non è più semplicemente stabilire quali attività possano essere svolte dall’intelligenza artificiale, ma comprendere come l’intera organizzazione debba evolvere quando una parte crescente del lavoro può essere delegata, eseguita in parallelo e incorporata in workflow persistenti.
La fonte
The Shift to Agentic AI: Evidence from Codex è un paper di ricerca elaborato da Drew Johnston, David Holtz, Alex Martin Richmond, Christopher Ong, Prasanna Tambe e Aaron Chatterji, con affiliazioni a OpenAI, Columbia Business School, University of Pennsylvania – Wharton School e Duke University – Fuqua School of Business.
Lo studio analizza i dati di utilizzo di Codex attraverso una procedura automatizzata orientata alla tutela della riservatezza, utilizzando informazioni aggregate e anonimizzate senza la lettura diretta dei messaggi da parte dei ricercatori. Il confronto riguarda utenti individuali, utenti appartenenti a organizzazioni e lavoratori interni a OpenAI.
Il paper non costituisce una misurazione causale dell’incremento di produttività e il contesto interno a OpenAI non può essere considerato rappresentativo dell’impresa media. La ricerca offre tuttavia un’importante osservazione empirica della frontiera dell’adozione, documentando la crescita della delega, della complessità dei compiti, dell’esecuzione parallela e della sistematizzazione dei workflow.