Recensione di ‘Come le persone utilizzano ChatGPT’

Sono Ilya Romanov e sto lavorando a un prodotto AI in modalità stealth. Nel mio ultimo articolo, ho parlato di un rapporto MIT (non proprio?) rivoluzionario su AI e ricavi. Un altro rapporto interessante è uscito – “Come le persone utilizzano ChatGPT”. La sua audace introduzione “In generale, scopriamo che ChatGPT fornisce valore economico attraverso il supporto alle decisioni, che è particolarmente importante nei lavori ad alta intensità di conoscenza” mi ha fatto pensare se, finalmente, ci sia una prova concreta del fatto che l’AI aggiunga tangibilmente a un processo di lavoro e ai ricavi. Andiamo a esplorare!

Il rapporto e il team

‘Come le persone utilizzano ChatGPT’ è stato preparato da ricercatori di OpenAI e dall’economista di Harvard David Deming. La loro combinata esperienza in ingegneria AI, analisi dei dati con protezione della privacy e politica economica ha reso possibile la creazione di questo ampio studio empirico su larga scala di ChatGPT.

Lo studio si basa su un’impressionante raccolta di 1,5 milioni di conversazioni con ChatGPT. Il team ha utilizzato il sistema di protezione della privacy per anonimizzare gli utenti mentre ancora capiva l’intento dietro i messaggi. In sostanza, ogni conversazione di ChatGPT è stata fatta passare attraverso un filtro automatico che ha rimosso eventuali nomi o dettagli personali prima che i ricercatori li vedessero. Questi etichetti generati dalla macchina (come argomento o intento) sono stati analizzati. Per collegare le informazioni di base demografiche, come l’istruzione o la professione, il team ha lavorato in un ambiente di “clean room” sicuro dove potevano solo estrarre dati aggregati su gruppi di almeno 100 utenti, in modo che nessun individuo o messaggio potesse essere identificato o riconosciuto.

Risultati

La dichiarazione audace nell’ ‘Abstract’ è una delle principali scoperte su come l’AI fornisce valore nell’economia moderna. A differenza delle innumerevoli soluzioni “automatizza-tutto” che stanno spuntando ultimamente, ChatGPT è utilizzato principalmente come strumento di supporto alle decisioni piuttosto che come piattaforma di automazione dei compiti. Il rapporto introduce due tipi di compiti che gli utenti assegnano a ChatGPT: ‘Chiedere’ e ‘Fare’. Il primo si riferisce a lavori come la ricerca di informazioni, il consiglio o la guida per migliori decisioni ( ‘Qual è la differenza tra correlazione e causalità?’). Il secondo è in realtà l’esecuzione di compiti specifici come la stesura di email, la scrittura di rapporti e persino la creazione di codice (‘Scrivi un’email al mio capo dicendo che non sono riuscito a raggiungere le Vendite, anche se ho chiamato più volte.’).

Interessantemente, il rapporto distingue tra conversazioni di lavoro e non di lavoro. Tutte le conversazioni non di lavoro rappresentano fino al 70% nel 2025, mostrando un aumento significativo rispetto al 53% del 2024. Le interazioni personali si concentrano in gran parte su compiti quotidiani (consigli ‘come fare’ e tutoraggio) e assistenza alla scrittura (editing o traduzione). Questo aumento e il contesto di utilizzo posizionano ChatGPT come compagno quotidiano – il nuovo Google, per così dire – per l’esplorazione, il lavoro creativo e la presa di decisioni al di fuori del luogo di lavoro.

Il rapporto rivela che il 49% di tutti i messaggi sono ‘Chiedere’ rispetto al 40% di prompt ‘Fare’. La cosa interessante è che i messaggi ‘Chiedere’ stanno crescendo più velocemente e ricevono valutazioni di soddisfazione più elevate dagli utenti di ChatGPT. A luglio 2024 ‘Chiedere’ e ‘Fare’ erano quasi uguali, rappresentando il 46% di tutti i messaggi di ChatGPT. A giugno 2025, ‘Chiedere’ era salito al 51,6%, con un aumento assoluto di 5,6 punti percentuali che si traduce in un guadagno relativo del 12%, mentre ‘Fare’ era sceso al 34,6%, con una diminuzione relativa del 25%.

Cosa significa questa divergenza? Il beneficio economico, sostiene il rapporto, è nella presa di decisioni più veloce e più informata nei lavori ad alta intensità di conoscenza, che amplifica la produttività. Nei lavori ad alta intensità di conoscenza, dove gli esiti aziendali sono direttamente influenzati dalla qualità e dalla velocità delle decisioni, avere accesso a informazioni meglio elaborate, prospettive alternative e un eccellente supporto analitico può significativamente aumentare le prestazioni dei lavoratori.

La base per la conclusione sono i risultati. Da un lato, gli utenti con laurea sono circa 2 punti percentuali più propensi a utilizzare ChatGPT per ‘Chiedere’ e 1,6 punti percentuali meno propensi a inviare messaggi ‘Fare’ rispetto agli utenti meno istruiti. Allo stesso modo, gli utenti in occupazioni scientifiche e tecniche ben pagate sono più propensi a utilizzare l’AI per ‘Chiedere’ – il 47% dei messaggi di lavoro sono ‘Chiedere’ nei lavori legati ai computer.

Il beneficio non visto delle capacità di presa di decisioni che superano di gran lunga il cervello umano può essere riflesso in denaro – non in termini di ricavi di OpenAI (un impressionante 13 miliardi di dollari di ricavi annuali ricorrenti, al principio di agosto di quest’anno) ma nel surplus del consumatore. In semplici parole, il surplus del consumatore è il divario tra il massimo importo che una persona sarebbe disposta a pagare per un servizio e il prezzo effettivo che paga. Ad esempio, sono disposto a pagare 100 dollari per un abbonamento mensile a ChatGPT, ma pago 20 dollari, quindi il surplus del consumatore è di 80 dollari.

A livello di scala, come ha scoperto la ricerca di Collis e Brynjolfsson (2025), il surplus del consumatore è di almeno 97 miliardi di dollari solo negli Stati Uniti. E sembra che, secondo la loro ricerca, le persone debbano essere pagate 98 dollari in media per smettere di utilizzare l’AI generativa per un mese. Il valore che ChatGPT ha per gli utenti sia nel contesto lavorativo che in quello non lavorativo è immenso, e si può dire che, in un contesto aziendale, ci sia un guadagno finanziario ancora maggiore.

Perché Chiedere?

Mentre ricercavo il team dietro questo rapporto e (sorpresa!) invitavo Perplexity a pensare con me a questo rapporto, non potevo fare a meno di chiedermi perché le persone CHIEDONO piuttosto che FARE con ChatGPT.

Per esprimere questo in termini più scientifici, mi piacerebbe fare riferimento a una ricerca citata nel rapporto. Ide e Talamas (2025) hanno presentato due ruoli che l’AI svolge nel luogo di lavoro: Collega di lavoro che produce deliverable, cioè fa lavori, e Co-pilota che migliora la risoluzione dei problemi senza alcun output finale. I dati da ‘Come le persone utilizzano ChatGPT’ supportano il paradigma del co-pilota: di nuovo, le persone chiedono piuttosto che facciano con ChatGPT (49% vs 40%) e chiedere è in aumento e ‘Prendere decisioni e risolvere problemi’ figura tra le principali attività di lavoro in ogni gruppo di occupazione esaminato. In poche parole, ChatGPT fornisce consiglio piuttosto che lavoro nella maggior parte dei casi.

Quindi, l’AI è un Co-pilota (ha forse saputo qualcosa Microsoft quando ha nominato il suo strumento AI… se cogli il mio accenno) nella maggior parte dei casi. Ma perché? Scorrere i post su Linkedin e si vedono ‘Automatizza questo’ e ‘Automatizza quello’.

Ci ho pensato anch’io, mentre leggevo il rapporto e centinaia di post su Linkedin da entusiasti dell’AI che hanno trovato QUELLO script per far finalmente funzionare l’AI. La mia ipotesi è che questa predominanza di tipologia Chiedere rispetto a Fare con ChatGPT possa essere solo una riflessione delle limitazioni attuali (o passate) del modello piuttosto che una preferenza fondamentale del pubblico per l’AI come co-pilota. È probabile che, una volta che ci sia una soluzione AI veramente potente e agente, gli utenti adotteranno sempre più l’AI come vero collega di lavoro piuttosto che come consigliere. In poche parole, le persone vogliono utilizzare l’AI come collega di lavoro, ma ci sono ancora limitazioni.

Da la mia esperienza e da quello che ho sentito durante le interviste di sviluppo del prodotto, suppongo che ci sia un grave svantaggio che l’AI non è ancora in grado di superare. Uno, le manca il contesto. Due, non ogni pezzo di lavoro può essere suddiviso in un semplice prompt (o forse non sono solo abbastanza paziente).

Per spiegare meglio questi due punti. Poiché l’AI manca di contesto, non può essere lasciata libera quando si tratta di creazione di contenuti. Ha bisogno di essere monitorata e il prompt potrebbe dover essere rivisto per un risultato diverso e migliore. IBM ha spiegato l’idea in termini scientifici. Gli esseri umani accumulano una ricca comprensione situazionale grazie alla percezione continua, alla memoria e all’esperienza nel mondo reale, mentre gli assistenti AI operano esclusivamente prevedendo il prossimo token (~parola) in base a una finestra di contesto fissa di input recenti. L’AI ha una memoria a breve termine e le informazioni precedenti vengono perse una volta che la capacità di memoria è piena.

I grandi modelli linguistici lottano con compiti complessi a più fasi. Le prestazioni e la coerenza peggiorano man mano che i compiti si combinano, Prompt Drive spiega. C’è un approccio per superare la limitazione – il cosiddetto approccio ‘dividi e conquista’. Tuttavia, riconosce che nessun singolo prompt può catturare tutte le sfumature, quindi l’AI rimane un eccellente co-pilota mentre rimane un collega di lavoro limitato.

Ora, ho pensato nel contesto di ChatGPT. Questo rapporto (49% vs 40%) si ripete con altri strumenti AI?

• Il 60% dei messaggi inviati a Perplexity AI sono richieste di ricerca piuttosto che generazione di contenuti puri, secondo App Labx.
• DeepSeek R1 ottiene un punteggio alto come collega di lavoro avanzato per compiti logici e co-pilota per l’assistenza alla catena di pensieri, secondo il suo rapporto interno.
• GitHub Co-pilot (l’indizio è nel nome, giusto?) è progettato per suggerimenti di editor per il codice, il debug e l’assistenza all’apprendimento. È sicuro supporre che il suo ruolo sia quello di aiutare piuttosto che fare.
• Microsoft Copilot mostra una divisione quasi uguale tra Chiedere e Fare, riflettendo i modelli di utilizzo di ChatGPT.

Quindi, cosa ci lasciano i risultati? Come li vedo, l’AI è un potente booster per il lavoro ad alta intensità di conoscenza che accelera la presa di decisioni e si traduce in risparmi di tempo diretti e guadagni di ricavi indiretti. Resistergli in favore del ‘tocco umano’ o del ‘contenuto unico’ significa perdere nel lungo termine. Le persone utilizzano ChatGPT e altri assistenti AI per avanzare la presa di decisioni, non per sostituire un decisore umano nel suo complesso.

Cambierà il modello? Le persone vedranno la marcita cerebrale di massa a causa della crescente delega del lavoro all’AI? Restate sintonizzati per il mio prossimo articolo su come l’AI influenza il cervello umano e le capacità cognitive.