Salsomaggiore Terme (Tutorial) -
04/08/2026 - Come usare ChatGPT Work con GPT 5 6 per trasformare file e ricerche in report
ChatGPT Work porta l’intelligenza artificiale oltre la classica domanda seguita da una risposta. La nuova modalità di OpenAI è stata progettata per ricevere un incarico, analizzare il materiale disponibile, coordinare più passaggi e consegnare un risultato concreto. Nel video di Antonio Guadagno vediamo come questo approccio possa cambiare molte attività quotidiane svolte in ufficio, dalla ricerca alla preparazione di documenti, fogli di calcolo, presentazioni e siti interattivi.
Il titolo del video sostiene che l’agente possa spazzare via il 95% del lavoro da ufficio. La percentuale va interpretata come una provocazione promozionale e non come un dato statistico dimostrato. Il punto più interessante è la possibilità di affidare all’AI una parte crescente delle operazioni ripetitive, lasciando alle persone la definizione degli obiettivi, la verifica dei dati, le decisioni e la responsabilità finale.
ChatGPT Work non è quindi un semplice generatore di testo. Può partire da file, fonti, istruzioni e applicazioni autorizzate per costruire una prima versione utilizzabile di un elaborato. Durante il lavoro possiamo seguirne l’avanzamento, aggiungere informazioni, correggere la direzione e approvare le azioni più importanti. Il risultato dipende però dalla qualità del contesto fornito e dai controlli effettuati prima della consegna.
In questa guida vediamo che cos’è ChatGPT Work, come si differenzia dalla chat tradizionale, quali attività può automatizzare, come assegnargli un incarico efficace e quale ruolo hanno i modelli GPT-5.6 Sol, Terra e Luna. Approfondiamo inoltre ChatGPT Sites, i rischi legati a dati e permessi e il motivo per cui il controllo umano rimane indispensabile anche davanti a un agente molto capace.
ChatGPT Work è la modalità di ChatGPT pensata per lavori lunghi, articolati e composti da più fasi. La chat tradizionale rimane utile quando vogliamo una risposta veloce, un chiarimento o un breve confronto di idee. Work entra in gioco quando il risultato richiede la raccolta di materiali, l’analisi delle informazioni, la creazione di un elaborato e una o più revisioni.
La differenza non dipende soltanto dalla lunghezza della risposta. Un agente AI lavora per obiettivi. Se gli chiediamo di preparare un rapporto sulle vendite, non deve limitarsi a scrivere alcune considerazioni generiche. Può analizzare il foglio con i dati, confrontare i periodi, trovare le variazioni più importanti, creare grafici e organizzare le conclusioni in un documento destinato a un pubblico preciso.
Per completare l’incarico deve coordinare diversi passaggi. Prima comprende i materiali e i vincoli, poi definisce un percorso, realizza una prima versione e verifica se mancano informazioni. Nel corso dell’attività possiamo controllare l’avanzamento, rispondere alle domande, cambiare le priorità e approvare le operazioni che producono conseguenze reali.
Work può creare documenti, fogli di calcolo, presentazioni, report e siti. Nell’app desktop, quando il piano e le regole del workspace lo permettono, può inoltre lavorare con file locali e applicazioni autorizzate. Sul web e sui dispositivi mobili opera invece nel cloud e non può accedere direttamente ai file presenti nel computer.
Il prompt assume quindi la forma di un vero incarico. Non chiediamo soltanto una risposta, ma descriviamo un risultato da raggiungere. Per questo dobbiamo spiegare l’obiettivo, mettere a disposizione fonti attendibili e indicare come valuteremo il lavoro. L’agente può occuparsi della produzione operativa, ma siamo noi a decidere se l’elaborato è corretto, completo e adatto al contesto nel quale verrà utilizzato.
Un altro aspetto importante è la continuità del lavoro. In una conversazione tradizionale ogni richiesta tende a produrre un risultato isolato, mentre Work può mantenere insieme materiali, istruzioni e revisioni legati allo stesso progetto. Se durante l’analisi emerge una nuova esigenza, possiamo aggiungerla senza ricostruire ogni volta tutto il contesto. Questo rende più naturale affrontare incarichi che evolvono nel tempo.
La distinzione tra Work e Codex aiuta inoltre a scegliere lo strumento corretto. Work è orientato a ricerca, analisi e creazione di elaborati professionali. Codex rimane dedicato allo sviluppo del software, al controllo del codice e al lavoro con repository e strumenti tecnici. Le due esperienze condividono un’impostazione agentica, ma rispondono a esigenze differenti.
Possiamo considerare ChatGPT Work come uno spazio di collaborazione nel quale l’AI esegue, documenta e sottopone il risultato alla nostra attenzione. Il suo valore aumenta quando l’incarico ha un traguardo osservabile. Una consegna definita permette infatti di capire se il lavoro è terminato e se rispetta davvero i criteri stabiliti all’inizio.
Gli esempi mostrati nel video riguardano molte attività che assorbono tempo durante la giornata di impiegati, professionisti e piccoli team. ChatGPT Work può partire da appunti, documenti PDF, tabelle, messaggi e altre fonti per produrre una prima versione concreta del lavoro. Il vantaggio non consiste solamente nella velocità, ma nella capacità di collegare passaggi che normalmente richiederebbero strumenti e momenti diversi.
Nel lavoro sui documenti l’agente può raccogliere informazioni sparse, organizzarle in sezioni, confrontare più testi e preparare un rapporto da revisionare. Può trasformare appunti di una riunione in un verbale ordinato, estrarre decisioni e scadenze oppure convertire una ricerca in una guida destinata a clienti o colleghi.
Con i fogli di calcolo può aiutare a pulire e ristrutturare i dati, individuare tendenze, proporre formule e costruire grafici. In una presentazione può distribuire i contenuti nelle slide, creare una progressione narrativa e adattare il linguaggio al pubblico. Le cifre, le formule e le conclusioni devono comunque essere controllate da una persona competente.
Work può essere utile anche per la ricerca. L’agente può confrontare fonti, sintetizzare i punti principali e costruire un dossier nel quale sia più semplice risalire alle informazioni originali. Un altro utilizzo riguarda la pianificazione: note e discussioni possono diventare un elenco di attività, responsabilità, scadenze e prossimi passi.
Alcuni lavori possono essere eseguiti una volta, ripetuti secondo una pianificazione oppure avviati quando si verifica un evento, se le funzioni disponibili per l’account lo consentono. Questa possibilità rende interessanti i rapporti periodici, i riepiloghi e il monitoraggio di informazioni che cambiano nel tempo.
La parte davvero importante è il passaggio da materiali grezzi a una prima versione pronta per il controllo. L’automazione riduce il tempo dedicato a copiare, ordinare e impaginare, ma non elimina il giudizio necessario per capire se il risultato risponde alla domanda iniziale.
Pensiamo alla preparazione di una riunione. L’agente può raccogliere gli aggiornamenti del progetto, riassumere i problemi ancora aperti, confrontare le scadenze e creare un ordine del giorno. Dopo l’incontro può riorganizzare gli appunti, distinguere le decisioni dalle semplici proposte e preparare un elenco di attività. La persona responsabile deve però confermare che nomi, impegni e date siano corretti.
Un meccanismo simile può essere applicato al rapporto mensile di un reparto. Work può partire dai dati aggiornati e dal modello usato nei mesi precedenti, mantenere la struttura richiesta e segnalare le variazioni. In questo caso il risparmio non deriva da una singola funzione spettacolare, ma dalla combinazione di molti piccoli passaggi che prima venivano eseguiti manualmente.
Non tutte le attività sono però adatte all’automazione completa. Le comunicazioni delicate, le valutazioni sulle persone e le decisioni con conseguenze economiche o legali richiedono un controllo diretto. L’agente è più affidabile quando il compito ha fonti identificabili, regole chiare e un risultato che può essere verificato.
Una richiesta vaga come ’fammi un report’ costringe l’agente a prendere troppe decisioni senza conoscere il contesto. Per ottenere un risultato utile conviene descrivere l’attività come faremmo con un collaboratore che non ha ancora partecipato al progetto. Dobbiamo indicare il risultato finale, il destinatario, le fonti disponibili e i vincoli da rispettare.
Il primo elemento è l’obiettivo. Bisogna chiarire che cosa deve essere consegnato e in quale formato. Un documento di due pagine richiede scelte diverse rispetto a una presentazione di dieci slide o a un foglio con formule e grafici. Subito dopo va indicato il pubblico, perché tono, livello di dettaglio e spiegazioni cambiano se il materiale è destinato alla direzione, a un cliente o a un gruppo tecnico.
Le fonti rappresentano il terzo elemento. È utile fornire soltanto i file e i collegamenti necessari, spiegando quali hanno la precedenza in caso di contraddizioni. Se un dato non deve essere modificato o se una fonte è soltanto un esempio di stile, dobbiamo dirlo chiaramente. In questo modo riduciamo il rischio che l’agente mescoli informazioni con funzioni differenti.
I vincoli comprendono lunghezza, struttura, tono, scadenza e regole aziendali. Possiamo inoltre indicare quali controlli devono essere eseguiti prima della consegna. Per esempio, si può chiedere di citare l’intervallo di celle utilizzato in ogni grafico, segnalare i dati mancanti e non modificare il file originale.
Una richiesta completa potrebbe essere: ’Analizza le vendite degli ultimi sei mesi, confronta i risultati per prodotto e area geografica, segnala le tre anomalie principali e prepara una presentazione di dieci slide per il responsabile commerciale. Non modificare il foglio originale e indica la fonte di ogni grafico’.
Quando il contesto è incompleto, è preferibile chiedere a Work di elencare i dubbi prima di procedere. Una pausa per ottenere un chiarimento è più utile di un documento perfettamente impaginato ma costruito su supposizioni sbagliate.
Possiamo migliorare ulteriormente la richiesta indicando una sequenza di controllo. Prima l’agente dovrebbe analizzare i materiali e proporre un piano breve. Dopo la nostra conferma può creare l’elaborato, eseguire una verifica finale e segnalare gli elementi sui quali non ha sufficiente certezza. Questa struttura permette di correggere un errore di impostazione prima che venga ripetuto in tutto il documento.
È utile anche distinguere ciò che l’agente può decidere in autonomia da ciò che deve sottoporci. Possiamo autorizzarlo a scegliere la disposizione delle sezioni, ma chiedere conferma prima di eliminare dati, inviare messaggi o pubblicare contenuti. I confini chiari rendono il lavoro più sicuro e riducono le interruzioni inutili.
Infine dobbiamo spiegare che cosa significa per noi un buon risultato. Esempi precedenti, modelli aziendali e liste di controllo sono spesso più efficaci di indicazioni astratte come ’professionale’ o ’ben fatto’. Se forniamo un riferimento, dobbiamo specificare quali aspetti copiare e quali informazioni aggiornare, evitando che vecchi dati finiscano nella nuova consegna.
Il video presenta la famiglia GPT-5.6, composta da tre modelli con un diverso equilibrio tra capacità, rapidità e costo. Sol è il modello di punta ed è destinato ai compiti complessi e alle attività agentiche più impegnative. Terra offre un compromesso per il lavoro quotidiano. Luna privilegia velocità ed efficienza economica.
La scelta deve partire dall’incarico e non dall’idea che il modello più potente sia sempre migliore. Per estrazioni semplici, classificazioni o numerose bozze simili può essere sufficiente il modello più rapido. Per una ricerca con molte fonti, un’analisi delicata o un documento destinato a decisioni importanti può avere senso utilizzare Sol e un livello di ragionamento più elevato.
Terra può rappresentare la scelta equilibrata per la produzione quotidiana. È adatto alle attività nelle quali servono buone capacità generali senza dedicare a ogni richiesta il tempo e il costo previsti per i casi più difficili. Luna può essere utile quando contano soprattutto rapidità e volume, purché l’attività sia ben definita e il risultato semplice da verificare.
Possiamo valutare i modelli partendo da un compito che conosciamo bene. In questo modo sappiamo quale dovrebbe essere il risultato e possiamo confrontare qualità, velocità e quantità di correzioni necessarie. Se il modello più economico richiede molte revisioni, il risparmio iniziale potrebbe non tradursi in un vero vantaggio.
Anche la quantità di ragionamento va proporzionata al problema. Un’attività breve e meccanica non ha bisogno dello stesso livello di elaborazione di una decisione strategica. Al contrario, una consegna importante non dovrebbe essere affidata alla configurazione più rapida soltanto per guadagnare qualche minuto.
Nessun modello elimina infine la necessità di controllare fonti, calcoli e affermazioni. La capacità dell’AI può ridurre gli errori e migliorare la qualità della prima bozza, ma la validazione rimane una parte essenziale del lavoro.
Un metodo pratico consiste nel preparare un piccolo insieme di prove rappresentative. Possiamo assegnare lo stesso tipo di incarico ai tre modelli e confrontare accuratezza, tempo di esecuzione e interventi necessari. Non basta valutare quale risposta sembri più elegante: bisogna controllare se le informazioni sono complete, se le istruzioni sono state rispettate e se l’elaborato è davvero pronto per essere utilizzato.
Il modello ideale può cambiare anche all’interno dello stesso flusso. Un’attività veloce e ripetitiva potrebbe essere gestita da Luna, mentre una verifica complessa potrebbe richiedere Terra o Sol. Questa distribuzione permette di riservare maggiore capacità ai passaggi nei quali produce un vantaggio concreto.
Disponibilità, limiti e costi possono cambiare in base al piano e al periodo di rilascio. Prima di progettare un processo stabile conviene quindi controllare le opzioni mostrate nel proprio account. La scelta corretta non è una regola universale, ma il risultato di prove svolte sui materiali e sugli obiettivi reali dell’organizzazione.
Una delle funzioni più immediate mostrate nel video è ChatGPT Sites. Partendo da una descrizione e dai materiali forniti, l’agente può realizzare una pagina web o una piccola applicazione, mostrarne un’anteprima e modificarla seguendo le indicazioni dell’utente. Non è necessario iniziare dal codice: possiamo descrivere ciò che il sito deve fare, i contenuti da utilizzare e lo stile desiderato.
Gli esempi possibili comprendono dashboard, tracker di progetto, calendari di lancio, prototipi, portali interni e rapporti interattivi. Un insieme di dati può diventare una pagina navigabile, mentre un processo seguito con un foglio condiviso può essere trasformato in uno strumento più semplice da consultare.
La velocità di creazione permette di verificare un’idea prima di investire tempo nello sviluppo completo. Un team può costruire un prototipo, mostrarlo alle persone coinvolte e raccogliere osservazioni su funzioni, contenuti e organizzazione. Le modifiche possono essere richieste nella conversazione e controllate nell’anteprima.
Un sito generato dall’AI non è automaticamente pronto per la pubblicazione. Dobbiamo verificare testi, collegamenti, comportamento su dispositivi diversi, accessibilità, moduli, permessi e dati visibili. Se sono presenti aree riservate o informazioni aziendali, occorre controllare con particolare attenzione chi può accedere al risultato.
La disponibilità di Sites dipende dal piano, dal workspace e dalla regione. La funzione è stata presentata come beta pubblica e può quindi cambiare nel corso del tempo. Al lancio non risulta disponibile nello Spazio Economico Europeo, in Svizzera e nel Regno Unito. Chi non la vede nel proprio account dovrebbe verificare il piano, le impostazioni del workspace e lo stato del rilascio nella propria area.
Sites dimostra come Work possa andare oltre i documenti tradizionali. Il risultato di un incarico può diventare un’esperienza interattiva, ma la pubblicazione richiede gli stessi controlli che applicheremmo a qualsiasi altro contenuto destinato al web.
Per ottenere un prototipo utile dobbiamo descrivere anche il comportamento atteso. Non basta chiedere una dashboard gradevole: bisogna indicare quali dati mostrare, quali filtri servono, quali azioni può eseguire il visitatore e come deve reagire la pagina quando mancano informazioni. Più il flusso è preciso, più semplice sarà valutare il risultato.
È consigliabile provare ogni funzione con casi normali e situazioni anomale. Un modulo deve gestire campi vuoti e valori errati, una tabella deve rimanere leggibile con molti dati e un collegamento deve portare alla destinazione corretta. Se il sito viene condiviso, conviene controllarlo anche dall’esperienza di un visitatore che non dispone degli stessi permessi del proprietario.
ChatGPT Sites è particolarmente interessante per la fase esplorativa, ma non sostituisce automaticamente infrastrutture, controlli di sicurezza o requisiti tecnici complessi. Quando il progetto gestisce dati sensibili, pagamenti, servizi interni o grandi volumi di traffico, è necessario verificare se la piattaforma sia adatta oppure se il prototipo debba essere trasferito in un ambiente dedicato.
Un agente AI può rendere il lavoro più veloce, ma può anche interpretare male un dato, utilizzare una fonte superata o produrre una conclusione plausibile ma sbagliata. La forma convincente di un documento non garantisce che il contenuto sia corretto. Per questo la revisione non deve essere considerata un passaggio facoltativo.
La prudenza diventa ancora più importante quando Work può accedere a file locali o applicazioni. È buona pratica concedere soltanto i permessi necessari per l’incarico e separare i dati riservati da quelli utili al compito. Un agente non dovrebbe ricevere accesso a un’intera cartella se deve lavorare su due soli documenti.
Le azioni che inviano, pubblicano, cancellano o modificano informazioni richiedono un controllo particolare. Prima di approvarle dobbiamo sapere quale contenuto verrà trasmesso, a chi sarà destinato e quali conseguenze produrrà. Questo vale per una mail, un documento condiviso, una modifica a un archivio o la pubblicazione di un sito.
In un contesto professionale conviene definire regole semplici. Non si dovrebbero inserire dati personali, finanziari o confidenziali senza conoscere le condizioni del piano e del workspace. Formule, importi, date, nomi e citazioni devono essere verificati. Una persona deve mantenere la responsabilità dell’approvazione finale e le modifiche importanti dovrebbero rimanere tracciabili.
È utile iniziare con un’attività conosciuta e non critica. Possiamo confrontare il risultato dell’agente con il metodo tradizionale, misurare il tempo risparmiato e osservare quali errori richiedono correzione. Solo dopo questa prova ha senso estendere l’automazione a processi più delicati.
Il controllo umano non rappresenta un limite temporaneo destinato a scomparire. È il meccanismo che collega la capacità tecnica dell’agente alla conoscenza del contesto, alle responsabilità dell’organizzazione e alle conseguenze reali del lavoro.
Anche la provenienza delle informazioni deve rimanere chiara. Se il risultato combina file interni e fonti online, dobbiamo poter distinguere ciò che è stato fornito dall’azienda da ciò che è stato recuperato durante la ricerca. Questa distinzione aiuta a controllare aggiornamento, autorizzazioni e attendibilità.
La revisione dovrebbe essere proporzionata al rischio. Per una bozza interna può bastare un controllo rapido, mentre un documento destinato al pubblico richiede la verifica di fatti, tono, privacy e diritti sui contenuti. Un’analisi che influenza un contratto, una decisione finanziaria o la salute delle persone non può essere approvata soltanto perché il testo appare coerente.
È importante considerare anche gli errori silenziosi. Un agente può completare un’attività senza mostrare dubbi, pur avendo interpretato male una colonna o ignorato una fonte. Chiedere un riepilogo dei controlli svolti e degli elementi incerti rende la revisione più efficace, ma non trasferisce all’AI la responsabilità della decisione finale.
ChatGPT Work non dimostra che il 95% dei lavori di ufficio possa scomparire. Mostra però che una parte crescente delle singole attività può essere accelerata o automatizzata. Raccogliere informazioni, preparare una bozza, organizzare dati, impaginare un documento e trasformare materiali grezzi in un risultato da revisionare sono operazioni che l’agente può svolgere con una autonomia sempre maggiore.
Questo cambiamento non coincide necessariamente con la sostituzione di una professione. Un lavoro è composto da attività differenti: alcune sono ripetitive e facilmente verificabili, altre richiedono esperienza, responsabilità, negoziazione e conoscenza delle persone coinvolte. L’AI può ridurre il tempo dedicato alla prima categoria e aumentare il peso della seconda.
Chi utilizza Work deve quindi sviluppare competenze nuove. Diventa importante definire bene gli obiettivi, fornire il contesto corretto, scegliere fonti affidabili e valutare la qualità dell’elaborato. Saper delegare a un agente non significa accettare tutto ciò che produce, ma capire quali parti può gestire e dove è necessario intervenire.
Per le aziende la trasformazione riguarda anche l’organizzazione. Servono regole su accessi, dati, approvazioni e responsabilità. Un processo automatizzato senza controlli può moltiplicare un errore più velocemente di un processo manuale. Al contrario, un flusso progettato con attenzione può liberare tempo e rendere più coerenti le attività ripetitive.
Il video offre una panoramica efficace di questo passaggio. L’AI non è più soltanto una casella nella quale scrivere una domanda, ma un ambiente nel quale coordinare lavori complessi. Il vantaggio reale non consiste nel lasciare tutto all’automazione. Consiste nel delegare bene ciò che può essere delegato e nel dedicare più attenzione alle decisioni, alla creatività e alle relazioni che richiedono una persona.
ChatGPT Work può quindi diventare un collaboratore operativo molto utile, a condizione che gli vengano assegnati compiti chiari e che il risultato venga controllato. La promessa più credibile non è la scomparsa del lavoro di ufficio, ma la riduzione delle operazioni meccaniche e la possibilità di concentrarsi sulle parti nelle quali il giudizio umano crea davvero valore.
L’effetto potrà essere diverso da settore a settore. Nei ruoli basati su grandi quantità di documenti e procedure ripetitive il cambiamento sarà probabilmente più rapido. Nei lavori fondati sulla relazione, sulla responsabilità personale o sull’intervento nel mondo fisico, l’agente agirà soprattutto come supporto. In entrambi i casi cambierà il modo di distribuire il tempo tra produzione, controllo e decisione.
Anche le competenze richieste si trasformeranno. Diventerà meno importante conoscere ogni passaggio meccanico di uno strumento e più importante saper descrivere un problema, riconoscere un risultato debole e chiedere una correzione mirata. La conoscenza professionale non perde valore: serve proprio per capire quando l’agente ha lavorato bene e quando sta proponendo una soluzione soltanto plausibile.
La domanda utile non è se ChatGPT Work farà scomparire tutti gli uffici, ma quali attività possiamo affidargli oggi senza perdere qualità e controllo. Partire da compiti circoscritti, misurare i risultati e ampliare gradualmente il perimetro è il modo più concreto per scoprire dove l’automazione crea un vantaggio reale.
Il titolo del video sostiene che l’agente possa spazzare via il 95% del lavoro da ufficio. La percentuale va interpretata come una provocazione promozionale e non come un dato statistico dimostrato. Il punto più interessante è la possibilità di affidare all’AI una parte crescente delle operazioni ripetitive, lasciando alle persone la definizione degli obiettivi, la verifica dei dati, le decisioni e la responsabilità finale.
ChatGPT Work non è quindi un semplice generatore di testo. Può partire da file, fonti, istruzioni e applicazioni autorizzate per costruire una prima versione utilizzabile di un elaborato. Durante il lavoro possiamo seguirne l’avanzamento, aggiungere informazioni, correggere la direzione e approvare le azioni più importanti. Il risultato dipende però dalla qualità del contesto fornito e dai controlli effettuati prima della consegna.
In questa guida vediamo che cos’è ChatGPT Work, come si differenzia dalla chat tradizionale, quali attività può automatizzare, come assegnargli un incarico efficace e quale ruolo hanno i modelli GPT-5.6 Sol, Terra e Luna. Approfondiamo inoltre ChatGPT Sites, i rischi legati a dati e permessi e il motivo per cui il controllo umano rimane indispensabile anche davanti a un agente molto capace.
Indice
- Che cos’è ChatGPT Work e come opera un agente AI
- Quali attività di ufficio può automatizzare
- Come assegnare un incarico efficace a ChatGPT Work
- GPT-5.6 Sol, Terra e Luna quale scegliere
- ChatGPT Sites per creare siti e strumenti interattivi
- Limiti, privacy e controllo umano
- ChatGPT Work sostituirà davvero il lavoro di ufficio
Tutorial video
Che cos’è ChatGPT Work e come opera un agente AI
ChatGPT Work è la modalità di ChatGPT pensata per lavori lunghi, articolati e composti da più fasi. La chat tradizionale rimane utile quando vogliamo una risposta veloce, un chiarimento o un breve confronto di idee. Work entra in gioco quando il risultato richiede la raccolta di materiali, l’analisi delle informazioni, la creazione di un elaborato e una o più revisioni.
La differenza non dipende soltanto dalla lunghezza della risposta. Un agente AI lavora per obiettivi. Se gli chiediamo di preparare un rapporto sulle vendite, non deve limitarsi a scrivere alcune considerazioni generiche. Può analizzare il foglio con i dati, confrontare i periodi, trovare le variazioni più importanti, creare grafici e organizzare le conclusioni in un documento destinato a un pubblico preciso.
Per completare l’incarico deve coordinare diversi passaggi. Prima comprende i materiali e i vincoli, poi definisce un percorso, realizza una prima versione e verifica se mancano informazioni. Nel corso dell’attività possiamo controllare l’avanzamento, rispondere alle domande, cambiare le priorità e approvare le operazioni che producono conseguenze reali.
Work può creare documenti, fogli di calcolo, presentazioni, report e siti. Nell’app desktop, quando il piano e le regole del workspace lo permettono, può inoltre lavorare con file locali e applicazioni autorizzate. Sul web e sui dispositivi mobili opera invece nel cloud e non può accedere direttamente ai file presenti nel computer.
Il prompt assume quindi la forma di un vero incarico. Non chiediamo soltanto una risposta, ma descriviamo un risultato da raggiungere. Per questo dobbiamo spiegare l’obiettivo, mettere a disposizione fonti attendibili e indicare come valuteremo il lavoro. L’agente può occuparsi della produzione operativa, ma siamo noi a decidere se l’elaborato è corretto, completo e adatto al contesto nel quale verrà utilizzato.
Un altro aspetto importante è la continuità del lavoro. In una conversazione tradizionale ogni richiesta tende a produrre un risultato isolato, mentre Work può mantenere insieme materiali, istruzioni e revisioni legati allo stesso progetto. Se durante l’analisi emerge una nuova esigenza, possiamo aggiungerla senza ricostruire ogni volta tutto il contesto. Questo rende più naturale affrontare incarichi che evolvono nel tempo.
La distinzione tra Work e Codex aiuta inoltre a scegliere lo strumento corretto. Work è orientato a ricerca, analisi e creazione di elaborati professionali. Codex rimane dedicato allo sviluppo del software, al controllo del codice e al lavoro con repository e strumenti tecnici. Le due esperienze condividono un’impostazione agentica, ma rispondono a esigenze differenti.
Possiamo considerare ChatGPT Work come uno spazio di collaborazione nel quale l’AI esegue, documenta e sottopone il risultato alla nostra attenzione. Il suo valore aumenta quando l’incarico ha un traguardo osservabile. Una consegna definita permette infatti di capire se il lavoro è terminato e se rispetta davvero i criteri stabiliti all’inizio.
Quali attività di ufficio può automatizzare
Gli esempi mostrati nel video riguardano molte attività che assorbono tempo durante la giornata di impiegati, professionisti e piccoli team. ChatGPT Work può partire da appunti, documenti PDF, tabelle, messaggi e altre fonti per produrre una prima versione concreta del lavoro. Il vantaggio non consiste solamente nella velocità, ma nella capacità di collegare passaggi che normalmente richiederebbero strumenti e momenti diversi.
Nel lavoro sui documenti l’agente può raccogliere informazioni sparse, organizzarle in sezioni, confrontare più testi e preparare un rapporto da revisionare. Può trasformare appunti di una riunione in un verbale ordinato, estrarre decisioni e scadenze oppure convertire una ricerca in una guida destinata a clienti o colleghi.
Con i fogli di calcolo può aiutare a pulire e ristrutturare i dati, individuare tendenze, proporre formule e costruire grafici. In una presentazione può distribuire i contenuti nelle slide, creare una progressione narrativa e adattare il linguaggio al pubblico. Le cifre, le formule e le conclusioni devono comunque essere controllate da una persona competente.
Work può essere utile anche per la ricerca. L’agente può confrontare fonti, sintetizzare i punti principali e costruire un dossier nel quale sia più semplice risalire alle informazioni originali. Un altro utilizzo riguarda la pianificazione: note e discussioni possono diventare un elenco di attività, responsabilità, scadenze e prossimi passi.
Alcuni lavori possono essere eseguiti una volta, ripetuti secondo una pianificazione oppure avviati quando si verifica un evento, se le funzioni disponibili per l’account lo consentono. Questa possibilità rende interessanti i rapporti periodici, i riepiloghi e il monitoraggio di informazioni che cambiano nel tempo.
La parte davvero importante è il passaggio da materiali grezzi a una prima versione pronta per il controllo. L’automazione riduce il tempo dedicato a copiare, ordinare e impaginare, ma non elimina il giudizio necessario per capire se il risultato risponde alla domanda iniziale.
Pensiamo alla preparazione di una riunione. L’agente può raccogliere gli aggiornamenti del progetto, riassumere i problemi ancora aperti, confrontare le scadenze e creare un ordine del giorno. Dopo l’incontro può riorganizzare gli appunti, distinguere le decisioni dalle semplici proposte e preparare un elenco di attività. La persona responsabile deve però confermare che nomi, impegni e date siano corretti.
Un meccanismo simile può essere applicato al rapporto mensile di un reparto. Work può partire dai dati aggiornati e dal modello usato nei mesi precedenti, mantenere la struttura richiesta e segnalare le variazioni. In questo caso il risparmio non deriva da una singola funzione spettacolare, ma dalla combinazione di molti piccoli passaggi che prima venivano eseguiti manualmente.
Non tutte le attività sono però adatte all’automazione completa. Le comunicazioni delicate, le valutazioni sulle persone e le decisioni con conseguenze economiche o legali richiedono un controllo diretto. L’agente è più affidabile quando il compito ha fonti identificabili, regole chiare e un risultato che può essere verificato.
Come assegnare un incarico efficace a ChatGPT Work
Una richiesta vaga come ’fammi un report’ costringe l’agente a prendere troppe decisioni senza conoscere il contesto. Per ottenere un risultato utile conviene descrivere l’attività come faremmo con un collaboratore che non ha ancora partecipato al progetto. Dobbiamo indicare il risultato finale, il destinatario, le fonti disponibili e i vincoli da rispettare.
Il primo elemento è l’obiettivo. Bisogna chiarire che cosa deve essere consegnato e in quale formato. Un documento di due pagine richiede scelte diverse rispetto a una presentazione di dieci slide o a un foglio con formule e grafici. Subito dopo va indicato il pubblico, perché tono, livello di dettaglio e spiegazioni cambiano se il materiale è destinato alla direzione, a un cliente o a un gruppo tecnico.
Le fonti rappresentano il terzo elemento. È utile fornire soltanto i file e i collegamenti necessari, spiegando quali hanno la precedenza in caso di contraddizioni. Se un dato non deve essere modificato o se una fonte è soltanto un esempio di stile, dobbiamo dirlo chiaramente. In questo modo riduciamo il rischio che l’agente mescoli informazioni con funzioni differenti.
I vincoli comprendono lunghezza, struttura, tono, scadenza e regole aziendali. Possiamo inoltre indicare quali controlli devono essere eseguiti prima della consegna. Per esempio, si può chiedere di citare l’intervallo di celle utilizzato in ogni grafico, segnalare i dati mancanti e non modificare il file originale.
Una richiesta completa potrebbe essere: ’Analizza le vendite degli ultimi sei mesi, confronta i risultati per prodotto e area geografica, segnala le tre anomalie principali e prepara una presentazione di dieci slide per il responsabile commerciale. Non modificare il foglio originale e indica la fonte di ogni grafico’.
Quando il contesto è incompleto, è preferibile chiedere a Work di elencare i dubbi prima di procedere. Una pausa per ottenere un chiarimento è più utile di un documento perfettamente impaginato ma costruito su supposizioni sbagliate.
Possiamo migliorare ulteriormente la richiesta indicando una sequenza di controllo. Prima l’agente dovrebbe analizzare i materiali e proporre un piano breve. Dopo la nostra conferma può creare l’elaborato, eseguire una verifica finale e segnalare gli elementi sui quali non ha sufficiente certezza. Questa struttura permette di correggere un errore di impostazione prima che venga ripetuto in tutto il documento.
È utile anche distinguere ciò che l’agente può decidere in autonomia da ciò che deve sottoporci. Possiamo autorizzarlo a scegliere la disposizione delle sezioni, ma chiedere conferma prima di eliminare dati, inviare messaggi o pubblicare contenuti. I confini chiari rendono il lavoro più sicuro e riducono le interruzioni inutili.
Infine dobbiamo spiegare che cosa significa per noi un buon risultato. Esempi precedenti, modelli aziendali e liste di controllo sono spesso più efficaci di indicazioni astratte come ’professionale’ o ’ben fatto’. Se forniamo un riferimento, dobbiamo specificare quali aspetti copiare e quali informazioni aggiornare, evitando che vecchi dati finiscano nella nuova consegna.
GPT-5.6 Sol, Terra e Luna quale scegliere
Il video presenta la famiglia GPT-5.6, composta da tre modelli con un diverso equilibrio tra capacità, rapidità e costo. Sol è il modello di punta ed è destinato ai compiti complessi e alle attività agentiche più impegnative. Terra offre un compromesso per il lavoro quotidiano. Luna privilegia velocità ed efficienza economica.
La scelta deve partire dall’incarico e non dall’idea che il modello più potente sia sempre migliore. Per estrazioni semplici, classificazioni o numerose bozze simili può essere sufficiente il modello più rapido. Per una ricerca con molte fonti, un’analisi delicata o un documento destinato a decisioni importanti può avere senso utilizzare Sol e un livello di ragionamento più elevato.
Terra può rappresentare la scelta equilibrata per la produzione quotidiana. È adatto alle attività nelle quali servono buone capacità generali senza dedicare a ogni richiesta il tempo e il costo previsti per i casi più difficili. Luna può essere utile quando contano soprattutto rapidità e volume, purché l’attività sia ben definita e il risultato semplice da verificare.
Possiamo valutare i modelli partendo da un compito che conosciamo bene. In questo modo sappiamo quale dovrebbe essere il risultato e possiamo confrontare qualità, velocità e quantità di correzioni necessarie. Se il modello più economico richiede molte revisioni, il risparmio iniziale potrebbe non tradursi in un vero vantaggio.
Anche la quantità di ragionamento va proporzionata al problema. Un’attività breve e meccanica non ha bisogno dello stesso livello di elaborazione di una decisione strategica. Al contrario, una consegna importante non dovrebbe essere affidata alla configurazione più rapida soltanto per guadagnare qualche minuto.
Nessun modello elimina infine la necessità di controllare fonti, calcoli e affermazioni. La capacità dell’AI può ridurre gli errori e migliorare la qualità della prima bozza, ma la validazione rimane una parte essenziale del lavoro.
Un metodo pratico consiste nel preparare un piccolo insieme di prove rappresentative. Possiamo assegnare lo stesso tipo di incarico ai tre modelli e confrontare accuratezza, tempo di esecuzione e interventi necessari. Non basta valutare quale risposta sembri più elegante: bisogna controllare se le informazioni sono complete, se le istruzioni sono state rispettate e se l’elaborato è davvero pronto per essere utilizzato.
Il modello ideale può cambiare anche all’interno dello stesso flusso. Un’attività veloce e ripetitiva potrebbe essere gestita da Luna, mentre una verifica complessa potrebbe richiedere Terra o Sol. Questa distribuzione permette di riservare maggiore capacità ai passaggi nei quali produce un vantaggio concreto.
Disponibilità, limiti e costi possono cambiare in base al piano e al periodo di rilascio. Prima di progettare un processo stabile conviene quindi controllare le opzioni mostrate nel proprio account. La scelta corretta non è una regola universale, ma il risultato di prove svolte sui materiali e sugli obiettivi reali dell’organizzazione.
ChatGPT Sites per creare siti e strumenti interattivi
Una delle funzioni più immediate mostrate nel video è ChatGPT Sites. Partendo da una descrizione e dai materiali forniti, l’agente può realizzare una pagina web o una piccola applicazione, mostrarne un’anteprima e modificarla seguendo le indicazioni dell’utente. Non è necessario iniziare dal codice: possiamo descrivere ciò che il sito deve fare, i contenuti da utilizzare e lo stile desiderato.
Gli esempi possibili comprendono dashboard, tracker di progetto, calendari di lancio, prototipi, portali interni e rapporti interattivi. Un insieme di dati può diventare una pagina navigabile, mentre un processo seguito con un foglio condiviso può essere trasformato in uno strumento più semplice da consultare.
La velocità di creazione permette di verificare un’idea prima di investire tempo nello sviluppo completo. Un team può costruire un prototipo, mostrarlo alle persone coinvolte e raccogliere osservazioni su funzioni, contenuti e organizzazione. Le modifiche possono essere richieste nella conversazione e controllate nell’anteprima.
Un sito generato dall’AI non è automaticamente pronto per la pubblicazione. Dobbiamo verificare testi, collegamenti, comportamento su dispositivi diversi, accessibilità, moduli, permessi e dati visibili. Se sono presenti aree riservate o informazioni aziendali, occorre controllare con particolare attenzione chi può accedere al risultato.
La disponibilità di Sites dipende dal piano, dal workspace e dalla regione. La funzione è stata presentata come beta pubblica e può quindi cambiare nel corso del tempo. Al lancio non risulta disponibile nello Spazio Economico Europeo, in Svizzera e nel Regno Unito. Chi non la vede nel proprio account dovrebbe verificare il piano, le impostazioni del workspace e lo stato del rilascio nella propria area.
Sites dimostra come Work possa andare oltre i documenti tradizionali. Il risultato di un incarico può diventare un’esperienza interattiva, ma la pubblicazione richiede gli stessi controlli che applicheremmo a qualsiasi altro contenuto destinato al web.
Per ottenere un prototipo utile dobbiamo descrivere anche il comportamento atteso. Non basta chiedere una dashboard gradevole: bisogna indicare quali dati mostrare, quali filtri servono, quali azioni può eseguire il visitatore e come deve reagire la pagina quando mancano informazioni. Più il flusso è preciso, più semplice sarà valutare il risultato.
È consigliabile provare ogni funzione con casi normali e situazioni anomale. Un modulo deve gestire campi vuoti e valori errati, una tabella deve rimanere leggibile con molti dati e un collegamento deve portare alla destinazione corretta. Se il sito viene condiviso, conviene controllarlo anche dall’esperienza di un visitatore che non dispone degli stessi permessi del proprietario.
ChatGPT Sites è particolarmente interessante per la fase esplorativa, ma non sostituisce automaticamente infrastrutture, controlli di sicurezza o requisiti tecnici complessi. Quando il progetto gestisce dati sensibili, pagamenti, servizi interni o grandi volumi di traffico, è necessario verificare se la piattaforma sia adatta oppure se il prototipo debba essere trasferito in un ambiente dedicato.
Limiti, privacy e controllo umano
Un agente AI può rendere il lavoro più veloce, ma può anche interpretare male un dato, utilizzare una fonte superata o produrre una conclusione plausibile ma sbagliata. La forma convincente di un documento non garantisce che il contenuto sia corretto. Per questo la revisione non deve essere considerata un passaggio facoltativo.
La prudenza diventa ancora più importante quando Work può accedere a file locali o applicazioni. È buona pratica concedere soltanto i permessi necessari per l’incarico e separare i dati riservati da quelli utili al compito. Un agente non dovrebbe ricevere accesso a un’intera cartella se deve lavorare su due soli documenti.
Le azioni che inviano, pubblicano, cancellano o modificano informazioni richiedono un controllo particolare. Prima di approvarle dobbiamo sapere quale contenuto verrà trasmesso, a chi sarà destinato e quali conseguenze produrrà. Questo vale per una mail, un documento condiviso, una modifica a un archivio o la pubblicazione di un sito.
In un contesto professionale conviene definire regole semplici. Non si dovrebbero inserire dati personali, finanziari o confidenziali senza conoscere le condizioni del piano e del workspace. Formule, importi, date, nomi e citazioni devono essere verificati. Una persona deve mantenere la responsabilità dell’approvazione finale e le modifiche importanti dovrebbero rimanere tracciabili.
È utile iniziare con un’attività conosciuta e non critica. Possiamo confrontare il risultato dell’agente con il metodo tradizionale, misurare il tempo risparmiato e osservare quali errori richiedono correzione. Solo dopo questa prova ha senso estendere l’automazione a processi più delicati.
Il controllo umano non rappresenta un limite temporaneo destinato a scomparire. È il meccanismo che collega la capacità tecnica dell’agente alla conoscenza del contesto, alle responsabilità dell’organizzazione e alle conseguenze reali del lavoro.
Anche la provenienza delle informazioni deve rimanere chiara. Se il risultato combina file interni e fonti online, dobbiamo poter distinguere ciò che è stato fornito dall’azienda da ciò che è stato recuperato durante la ricerca. Questa distinzione aiuta a controllare aggiornamento, autorizzazioni e attendibilità.
La revisione dovrebbe essere proporzionata al rischio. Per una bozza interna può bastare un controllo rapido, mentre un documento destinato al pubblico richiede la verifica di fatti, tono, privacy e diritti sui contenuti. Un’analisi che influenza un contratto, una decisione finanziaria o la salute delle persone non può essere approvata soltanto perché il testo appare coerente.
È importante considerare anche gli errori silenziosi. Un agente può completare un’attività senza mostrare dubbi, pur avendo interpretato male una colonna o ignorato una fonte. Chiedere un riepilogo dei controlli svolti e degli elementi incerti rende la revisione più efficace, ma non trasferisce all’AI la responsabilità della decisione finale.
ChatGPT Work sostituirà davvero il lavoro di ufficio
ChatGPT Work non dimostra che il 95% dei lavori di ufficio possa scomparire. Mostra però che una parte crescente delle singole attività può essere accelerata o automatizzata. Raccogliere informazioni, preparare una bozza, organizzare dati, impaginare un documento e trasformare materiali grezzi in un risultato da revisionare sono operazioni che l’agente può svolgere con una autonomia sempre maggiore.
Questo cambiamento non coincide necessariamente con la sostituzione di una professione. Un lavoro è composto da attività differenti: alcune sono ripetitive e facilmente verificabili, altre richiedono esperienza, responsabilità, negoziazione e conoscenza delle persone coinvolte. L’AI può ridurre il tempo dedicato alla prima categoria e aumentare il peso della seconda.
Chi utilizza Work deve quindi sviluppare competenze nuove. Diventa importante definire bene gli obiettivi, fornire il contesto corretto, scegliere fonti affidabili e valutare la qualità dell’elaborato. Saper delegare a un agente non significa accettare tutto ciò che produce, ma capire quali parti può gestire e dove è necessario intervenire.
Per le aziende la trasformazione riguarda anche l’organizzazione. Servono regole su accessi, dati, approvazioni e responsabilità. Un processo automatizzato senza controlli può moltiplicare un errore più velocemente di un processo manuale. Al contrario, un flusso progettato con attenzione può liberare tempo e rendere più coerenti le attività ripetitive.
Il video offre una panoramica efficace di questo passaggio. L’AI non è più soltanto una casella nella quale scrivere una domanda, ma un ambiente nel quale coordinare lavori complessi. Il vantaggio reale non consiste nel lasciare tutto all’automazione. Consiste nel delegare bene ciò che può essere delegato e nel dedicare più attenzione alle decisioni, alla creatività e alle relazioni che richiedono una persona.
ChatGPT Work può quindi diventare un collaboratore operativo molto utile, a condizione che gli vengano assegnati compiti chiari e che il risultato venga controllato. La promessa più credibile non è la scomparsa del lavoro di ufficio, ma la riduzione delle operazioni meccaniche e la possibilità di concentrarsi sulle parti nelle quali il giudizio umano crea davvero valore.
L’effetto potrà essere diverso da settore a settore. Nei ruoli basati su grandi quantità di documenti e procedure ripetitive il cambiamento sarà probabilmente più rapido. Nei lavori fondati sulla relazione, sulla responsabilità personale o sull’intervento nel mondo fisico, l’agente agirà soprattutto come supporto. In entrambi i casi cambierà il modo di distribuire il tempo tra produzione, controllo e decisione.
Anche le competenze richieste si trasformeranno. Diventerà meno importante conoscere ogni passaggio meccanico di uno strumento e più importante saper descrivere un problema, riconoscere un risultato debole e chiedere una correzione mirata. La conoscenza professionale non perde valore: serve proprio per capire quando l’agente ha lavorato bene e quando sta proponendo una soluzione soltanto plausibile.
La domanda utile non è se ChatGPT Work farà scomparire tutti gli uffici, ma quali attività possiamo affidargli oggi senza perdere qualità e controllo. Partire da compiti circoscritti, misurare i risultati e ampliare gradualmente il perimetro è il modo più concreto per scoprire dove l’automazione crea un vantaggio reale.
Salsomaggiore Terme (Tutorial) -
04/08/2026 - Come usare ChatGPT Work con GPT 5 6 per trasformare file e ricerche in report -
Written by Mokik