OpenAI B2B Signals

Oggi presentiamo B2B Signals, un’estensione per le aziende di OpenAI Signals⁠ che misura come l’IA si stia diffondendo nelle organizzazioni. Il primo segnale è chiaro: le aziende di frontiera stanno prendendo il largo non solo perché hanno accesso all’IA, ma perché la utilizzano più a fondo in tutte le attività lavorative.

B2B Signals è un insieme periodico di metriche basato su un’analisi su larga scala e rispettosa della privacy dell’utilizzo dell’IA in ambito aziendale. Monitora i comportamenti e i modelli che possono aiutare le organizzazioni a capire come trasformare l’intelligenza in valore aziendale.

Le aziende di frontiera, quelle che operano al 95° percentile di utilizzo dell’IA, utilizzano più intelligenza per lavoratore, adottano strumenti avanzati in modo più intensivo e integrano l’IA più profondamente nei flussi di lavoro. Per alcune aziende, il divario sta iniziando ad ampliarsi in modo cumulativo, e la differenza deriva sempre più dalla profondità d’uso.

Punti chiave

• Il vantaggio delle aziende di frontiera sta iniziando a crescere esponenzialmente: le aziende di frontiera ora richiedono 3,5 volte più intelligenza per lavoratore rispetto alle aziende tipiche, rispetto alle 2 volte registrate un anno fa. 
• Le aziende di frontiera usano l'IA in modo più profondo, non solo più spesso: il volume dei messaggi spiega solo il 36% del divario tra le aziende di frontiera e quelle tipiche. La maggior parte del vantaggio di frontiera deriva da un uso più profondo. 
• I workflow agentici stanno diventando un indicatore dell'adozione di frontiera: il divario è massimo negli strumenti agentici avanzati, con le aziende di frontiera che inviano 16 volte più messaggi Codex rispetto alle aziende tipiche. 
• Le aziende possono colmare il divario di frontiera attraverso il cambiamento organizzativo: per recuperare terreno, le aziende devono misurare la profondità d'uso, dare priorità alla governance, investire nell'abilitazione, scalare ciò che funziona e passare dall'assistenza basata su chat al lavoro delegato con agenti.

Il vantaggio di frontiera sta iniziando ad amplificarsi e le aziende che utilizzano l’IA in modo più approfondito stanno ampliando il proprio vantaggio

L’assegnazione delle licenze è solo il punto di partenza per le aziende. Il segnale più rilevante è se i dipendenti utilizzano l’IA per attività più profonde e complesse. Questo grafico confronta i token generati per lavoratore nelle aziende più avanzate (95° percentile) con quelli delle aziende tipiche (50° percentile).

I token sono una misura imperfetta del valore aziendale. Una risposta breve può avere grande valore, mentre una lunga può averne poco. Tuttavia, il volume di token aiuta a stimare quanto lavoro i dipendenti demandano all’IA, fungendo da indicatore della profondità d’uso e del livello di capacità richiesto.

Le aziende di frontiera utilizzano 3,5 volte più “intelligenza” per lavoratore rispetto alle aziende tipiche. Questo divario è aumentato rispetto al valore di 2x registrato ad aprile 2025, indicando che le aziende che utilizzano l’IA in modo più approfondito stanno ampliando il proprio vantaggio e sono meglio posizionate per trasformare le nuove capacità dell’IA in attività più complesse e ad alto valore.

La maggior parte del vantaggio di frontiera deriva da un utilizzo più approfondito, anziché da un volume di messaggi più elevato

L'azienda di frontiera richiede una quantità di intelligenza per lavoratore sostanzialmente maggiore rispetto all'azienda tipica, ma la maggior parte del divario non è spiegata dal solo volume dei messaggi. Questo grafico scompone il vantaggio di 3,5x delle aziende di frontiera e mostra che, se l’azienda tipica inviasse messaggi allo stesso ritmo delle aziende di frontiera, colmerebbe solo il 36% del divario di 3,5x.

Il divario residuo è associato a un utilizzo più profondo. I lavoratori di frontiera chiedono all'IA di occuparsi di attività più complesse, forniscono ai modelli un contesto più ricco e generano output più sostanziali.

Il vantaggio frontier è massimo negli strumenti avanzati e agentici, guidato da un uso di Codex 16 volte superiore

Il vantaggio frontier è maggiore per gli strumenti che supportano flussi di lavoro più avanzati. Codex mostra la differenza più ampia, con la frontiera che invia 16 volte più messaggi per lavoratore. Anche ChatGPT Agent, Apps in ChatGPT, deep research e GPT mostrano divari relativamente ampi, suggerendo che la frontiera è più capace di sfruttare strumenti che aiutano i lavoratori a programmare, delegare attività in più fasi, applicare il contesto aziendale e condurre ricerche più complesse.

Al contrario, strumenti più generali e accessibili come User Upload, Search e Data Analysis mostrano un vantaggio frontier più ridotto. Questi strumenti sono più facili da usare per la maggior parte delle aziende perché estendono flussi di lavoro familiari. Il vantaggio frontier è più pronunciato negli strumenti avanzati e agentici, la cui adozione richiede maggiore competenza, connessioni con conoscenze e strumenti di lavoro e una maggiore propensione a delegare il lavoro all’IA.

Il vantaggio frontier è massimo nell’istruzione e nell’apprendimento

Il vantaggio frontier è maggiore per le attività di istruzione e apprendimento, in cui l’azienda frontier invia 7 volte più messaggi rispetto all’azienda tipica. Alla frontiera, le aziende usano l’IA per aiutare i dipendenti a sviluppare competenze e apprendere nuovi argomenti. Usano inoltre l’IA per migliorare la comprensione dell’IA stessa, incluso cosa può fare, come usarla bene e dove può inserirsi nei flussi di lavoro esistenti. L’entità del divario suggerisce che l’azienda tipica potrebbe sottoutilizzare l’IA come strumento per l’apprendimento e lo sviluppo della forza lavoro.

Anche la programmazione mostra un ampio divario di 4 volte, coerente con il più ampio divario nell’uso di strumenti avanzati e agentici. Le guide pratiche e la scrittura e comunicazione presentano i divari frontier più ridotti, probabilmente perché queste attività sono usi dell’IA più accessibili e familiari.

L’uso dell’IA è più ampio nella scrittura, ma l’uso specifico per funzione è in crescita

La scrittura e comunicazione resta l’uso più comune di ChatGPT. Tuttavia, i modelli di utilizzo variano in modo significativo a seconda della funzione. Il 60% dei messaggi IT & Security si concentra su guide pratiche e procedurali, quasi la metà dei messaggi di Sviluppo software e Data Science & Engineering è legata alla programmazione e un decimo dei messaggi di Finanza è legato ad analisi e calcoli.

Questi modelli sono coerenti con prove più ampie che indicano che i modelli frontier stanno migliorando nelle attività lavorative economicamente preziose. GDPval⁠, una valutazione del lavoro della conoscenza nel mondo reale in 44 professioni, misura le prestazioni in attività che producono output pratici di lavoro come documenti, fogli di calcolo, presentazioni, diagrammi e contenuti multimediali. Man mano che l’IA diventa più capace, l’uso enterprise sembra estendersi verso attività più strettamente legate al lavoro principale di ciascuna funzione.

La leadership di settore non è unidimensionale: i diversi settori guidano su ChatGPT, Codex e API

Non esiste una singola classifica dell’adozione dell’IA. Le classifiche di settore variano a seconda della misura utilizzata. I Servizi professionali, scientifici e tecnici si collocano al primo posto sia nell’adozione di Codex sia nell’intensità API, indicando un uso relativamente avanzato in flussi di lavoro per sviluppatori e integrati nei prodotti. Finanza e assicurazioni guida nell’adozione di ChatGPT grazie a implementazioni su larga scala, mentre i servizi educativi registrano la massima intensità di messaggi, suggerendo un uso più profondo per persona. Il commercio al dettaglio e l’assistenza sanitaria si collocano in alto per intensità API, nonostante posizioni più basse su altre misure.

Queste differenze suggeriscono che la leadership di settore non è unidimensionale. Alcuni settori sembrano adottare l’IA attraverso flussi di lavoro tecnici e per sviluppatori, mentre altri crescono attraverso un’ampia adozione di ChatGPT o un uso finale più intenso.

Le aziende stanno portando l’utilizzo delle API nei flussi di lavoro operativi e nelle applicazioni rivolte ai clienti

Le aziende utilizzano sempre più l’API per integrare i modelli direttamente in prodotti, servizi e sistemi interni. I principali casi d’uso in produzione includono assistenti in-app, strumenti per sviluppatori, assistenza clienti, workflow di ricerca e automazione dei processi.

Queste implementazioni dimostrano come l’IA aziendale stia andando oltre la sperimentazione per consolidarsi in flussi di lavoro ripetibili, con un impatto operativo misurabile. In diversi casi reali, le aziende utilizzano i modelli OpenAI per accelerare il lavoro intellettuale, migliorare la produttività dell’ingegneria e creare esperienze basate sull’IA per clienti e dipendenti.

Cosa possono fare le organizzazioni per raggiungere la frontiera

OpenAI collabora con imprese di vari settori, funzioni e livelli di maturità dell’IA, dandoci visibilità su come l’adozione si sviluppa dalla sperimentazione alla produzione. In queste implementazioni, le aziende che fanno i maggiori progressi tendono a concentrarsi meno sul solo accesso e più sui sistemi organizzativi necessari per usare l’IA in profondità: misurazione, governance, abilitazione, scalabilità dell’impatto e implementazione agentica.

Cinque pratiche emergono come passi concreti che qualsiasi organizzazione può iniziare ad adottare oggi per approfondire l’adozione dell’IA.

1. Misurate la profondità d’uso oltre all’accesso.
   Il segnale rilevante non è solo quanti dipendenti hanno account IA, ma se i team usano l’IA in modo più sostanziale nel tempo. Le organizzazioni dovrebbero monitorare se l’uso dell’IA sta diventando più frequente, più complesso e più strettamente legato a flussi di lavoro di valore.
2. Costruite una governance che abiliti l’uso in produzione.
   Le aziende leader non evitano la governance. La usano per rendere l’IA agentica più implementabile. Le aziende hanno bisogno di regole chiare su dove gli agenti possano operare, quali informazioni possano usare, quando debbano consigliare anziché agire e come gli esseri umani debbano esaminare le decisioni a rischio più elevato. Le aziende frontier stanno definendo questi standard come parte del processo di implementazione, così la governance diventa un modo per ampliare l’adozione in sicurezza anziché rallentarla.
3. Trattate l’abilitazione come infrastruttura di base, non come progetto secondario.
   Con il miglioramento delle capacità dell’IA, sia i lavoratori sia le organizzazioni hanno bisogno di sistemi che li aiutino a tenere il passo. Le aziende frontier non trattano l’abilitazione come una spinta formativa una tantum. Integrano l’apprendimento continuo nell’implementazione attraverso formazione specifica per ruolo, workshop sui casi d’uso, hackathon, reti interne di champion, tempo dedicato alla sperimentazione e repository condivisi di flussi di lavoro, best practice e competenze. 
4. Individuate i vostri team frontier e amplificatene l’impatto.
   In molte organizzazioni, l’uso più avanzato è concentrato in un numero limitato di team. Questi team possono rivelare quali flussi di lavoro, abitudini e modelli operativi funzionano. I leader dovrebbero identificare questi team, comprendere e ampliare le condizioni alla base del loro successo e aiutarli a condividere con il resto dell’azienda insight ed esempi di un uso più profondo dell’IA. 
5. Andate oltre la chat e delegate il lavoro.
   L’IA enterprise si sta spostando dagli assistenti chat a lavoro che può essere delegato agli agenti. L’ingegneria del software illustra questa tendenza, ma il lavoro delegato si sta diffondendo tra le funzioni. Con Codex, gli ingegneri possono affidare un compito definito, dare all’agente il contesto necessario, lasciarlo lavorare su file, codebase e strumenti, quindi rivedere il risultato e perfezionare il flusso di lavoro con il feedback. Le aziende frontier incoraggiano i lavoratori a delegare compiti all’IA invece di usarla semplicemente come assistente statico.

Se desideri esplorare tutti i risultati o capire come introdurre l’IA nella tua organizzazione in modo responsabile, [ci farebbe piacere entrare in contatto⁠].