Dots, l’AI che lavora anche quando non la stai usando: cosa cambia per le aziende

Per anni abbiamo usato l’intelligenza artificiale soprattutto attraverso una conversazione: si scrive una richiesta, si riceve una risposta e si decide cosa fare dopo. Il passo successivo è diverso. Un agente AI può ricevere un obiettivo, suddividerlo in attività, usare strumenti digitali e proseguire il lavoro mentre la persona si occupa d’altro.

È questa la direzione scelta da OpenAI con Dots, presentato il 29 settembre 2026. L’azienda descrive Dots come agenti sempre attivi, basati su GPT-6 Astra, dotati di un proprio computer nel cloud e capaci di lavorare sugli obiettivi nel tempo. OpenAI dichiara inoltre che possono collegarsi a oltre 4.000 applicazioni tramite il proprio ecosistema di plugin. Sono caratteristiche annunciate dal fornitore: l’efficacia concreta va verificata sui processi e sugli strumenti di ogni organizzazione.

Che cosa sono i Dots e come funzionano

Un chatbot tradizionale tende a concludere il proprio compito con una risposta. Un agente come Dots è pensato per mantenere il contesto di un progetto e proseguirlo tra un’interazione e l’altra. Può ricevere indicazioni, usare un ambiente di lavoro nel cloud, controllare gli avanzamenti e chiedere un intervento umano quando una decisione lo richiede.

Secondo OpenAI, i Dots possono essere raggiunti tramite ChatGPT e, per i flussi supportati, Slack e Microsoft Teams. Possono anche imparare dai feedback forniti nel tempo, adattando il lavoro a preferenze, obiettivi e criteri condivisi. L’idea non è soltanto ottenere una risposta più veloce, ma delegare una parte del processo.

La distinzione è importante: un agente non è semplicemente un modello linguistico con un’interfaccia diversa. Il risultato dipende anche dagli strumenti a cui ha accesso, dalle autorizzazioni, dal contesto disponibile e dalle regole che stabiliscono quando può agire da solo e quando deve chiedere conferma.

Dove potrebbero essere utili in azienda

Gli agenti autonomi sono particolarmente interessanti quando un’attività richiede continuità, coordinamento tra strumenti e aggiornamenti ripetuti. OpenAI presenta diversi esempi d’uso e riferisce di avere avviato test interni in aree come acquisti, elaborazione delle fatture, email marketing, assistenza clienti e contrattualistica commerciale.

Tra gli scenari da valutare ci sono:

• Assistenza clienti: individuare richieste ricorrenti, preparare risposte o proposte di correzione e segnalare i casi che richiedono una persona.
• Sviluppo software: analizzare segnalazioni, preparare modifiche circoscritte, eseguire test e proporre le modifiche per una revisione.
• Amministrazione: raccogliere documenti, predisporre pratiche o fatture e avviare un flusso di approvazione.
• Marketing e contenuti: trasformare materiali di partenza in bozze coordinate, mantenendo uno stile condiviso e applicando il feedback del team.
• Vendite e gestione progetti: aggiornare analisi e proposte quando cambiano requisiti, dati o scadenze, mettendo in evidenza i punti ancora da risolvere.

Questi esempi non significano che ogni attività possa essere automatizzata senza supervisione. Un conto è preparare una bozza, classificare una richiesta o segnalare una scadenza; un altro è inviare una comunicazione vincolante, modificare dati critici o assumere un impegno verso un cliente. La scelta va fatta caso per caso.

Il vero cambiamento: delegare un obiettivo, non una singola richiesta

Il potenziale degli agenti sta nella continuità. Un collaboratore umano non aspetta necessariamente che gli venga impartita ogni micro-istruzione: tiene presente il risultato atteso, nota quando qualcosa cambia e segnala ciò che blocca il lavoro. Gli agenti cercano di avvicinarsi a questo modello, anche se con capacità e limiti diversi da quelli di una persona.

Per un’azienda, la domanda diventa quindi meno tecnologica e più organizzativa: quale risultato è possibile delegare in modo chiaro? Un obiettivo vago come “migliora il servizio clienti” è difficile da verificare. Un incarico delimitato — analizzare ogni settimana le richieste ricorrenti, proporre tre interventi e preparare una bozza da sottoporre al responsabile — è più facile da controllare.

Per ottenere risultati utili servono obiettivi espliciti, fonti affidabili, strumenti ben integrati e criteri di successo misurabili. È altrettanto importante definire cosa l’agente non può fare.

Autonomia non significa assenza di controllo

Un agente con accesso a strumenti e dati aziendali può essere utile, ma aumenta anche la portata di un eventuale errore. Potrebbe interpretare male un’istruzione, usare informazioni incomplete, produrre un risultato plausibile ma scorretto o essere influenzato da contenuti malevoli presenti nei documenti o nelle pagine che consulta.

OpenAI dichiara che Dots dispone di controlli per limitare le azioni, gestire le autorizzazioni, rilevare comportamenti potenzialmente dannosi e richiedere approvazioni in determinati casi. La documentazione precisa anche che gli agenti possono commettere errori e che i risultati con conseguenze importanti devono essere verificati. Le protezioni riducono alcuni rischi, ma non sostituiscono la governance dell’azienda.

Prima di introdurre un agente, è opportuno stabilire almeno:

• quali dati può consultare e quali applicazioni può usare;
• quali operazioni può svolgere autonomamente;
• quali azioni richiedono un’approvazione umana;
• come registrare attività, modifiche e decisioni;
• chi è responsabile di controllare gli esiti e gestire gli incidenti;
• come revocare gli accessi o interrompere il lavoro in caso di problema.

Anche la privacy merita attenzione. I dati condivisi, le autorizzazioni delle app e le impostazioni relative all’utilizzo delle conversazioni devono essere valutati in base al piano adottato e alle policy aziendali. Non basta che uno strumento sia tecnicamente in grado di accedere a un sistema: deve essere legittimo e necessario concedergli quell’accesso.

Disponibilità e adozione: cosa verificare

Al momento dell’annuncio, OpenAI ha dichiarato di aver iniziato la distribuzione di Dots agli utenti dei piani Pro e Business Premium nei mercati idonei, con una versione beta per gli ambienti Enterprise, Edu e Healthcare quando abilitata dall’amministratore. L’accesso e le funzionalità possono variare in base al piano, al mercato e alla fase di distribuzione: prima di pianificare un progetto è quindi necessario controllare la disponibilità effettiva per la propria organizzazione.

La compatibilità tecnica non è l’unico criterio. Un’impresa dovrebbe confrontare Dots con automazioni tradizionali, integrazioni già presenti e altri agenti disponibili. Se un flusso è stabile e basato su regole precise, un’automazione deterministica può risultare più semplice da verificare e mantenere. Un agente può avere più senso quando il lavoro richiede di interpretare contesti variabili, collegare più strumenti e aggiornare il piano in base a nuove informazioni.

Come testare Dots senza affidargli subito processi critici

Il modo più prudente per iniziare è un progetto pilota circoscritto, con un responsabile umano e un confronto con il processo attuale.

1. Scegli un’attività ripetitiva ma a basso rischio. Per esempio, preparare una sintesi settimanale o raccogliere le richieste da sottoporre a un responsabile.
2. Definisci il risultato atteso. Specifica formato, fonti consentite, scadenze e condizioni in cui l’agente deve fermarsi.
3. Limita gli accessi. Collega solo le applicazioni necessarie e parti da permessi di sola lettura, quando possibile.
4. Mantieni l’approvazione umana. Durante il test, fai revisionare i risultati prima che vengano inviati o trasformati in azioni esterne.
5. Misura il beneficio reale. Registra tempo risparmiato, accuratezza, correzioni necessarie, costi di supervisione e incidenti.
6. Decidi in base ai dati. Estendi l’utilizzo solo se il miglioramento è verificabile e i rischi sono gestibili.

Un buon pilota non serve a dimostrare che l’AI può fare qualcosa, ma a capire se lo fa in modo abbastanza affidabile, conveniente e controllabile da migliorare il lavoro.

La domanda da porsi

Dots segnala un’evoluzione significativa nell’uso dell’intelligenza artificiale: dalla generazione di risposte alla gestione continuativa di attività. Per le aziende, questo può voler dire meno passaggi manuali e più tempo per le decisioni che richiedono esperienza, relazione e responsabilità.

Ma il valore non dipende dal numero di attività che si riescono a delegare. Dipende dalla qualità del processo, dai limiti imposti e dalla capacità di verificare ciò che viene fatto. Un agente autonomo ben configurato può alleggerire il lavoro; uno introdotto senza regole può aggiungere complessità e rischio.

Quale attività della tua azienda potrebbe andare avanti in modo più autonomo, senza perdere controllo su qualità, dati e responsabilità?

Una mappatura dei processi può aiutare a individuare un caso d’uso concreto, confrontare le alternative e progettare un test con obiettivi misurabili prima di estendere l’automazione.