DNP ha messo ChatGPT Enterprise davanti a dieci dipartimenti e ha trattato la finestra di chat come interfaccia

La finestra di chat come unica interfaccia che i dipendenti hanno dovuto imparare a usare

Dai Nippon Printing, fondata nel 1876 e con più di 37.000 dipendenti, ha deciso di adottare l'IA a livello aziendale nell'aprile 2023, ha costruito un ambiente sicuro entro maggio e ha lanciato ChatGPT Enterprise in dieci dipartimenti principali nel febbraio 2025. Ciò che emerge dai risultati riportati è quanta parte del lavoro passi ora attraverso un'unica superficie conversazionale invece che attraverso applicazioni costruite su misura

L'azienda ha fissato obiettivi comportamentali concreti: ogni dipendente doveva usare ChatGPT almeno 100 volte a settimana, e i team dovevano raggiungere oltre il 50% di automazione del tempo dedicato alle attività. Entro tre mesi DNP riporta un tasso di utilizzo settimanale attivo del 100% e afferma che il 90% dei casi d'uso ha mostrato risultati misurabili. Qualunque fosse il compito sottostante, il frontend con cui le persone interagivano era sempre lo stesso riquadro di testo

Quando l'interfaccia è conversazionale, anche chi non programma può scrivere codice

L'esempio più chiaro arriva dalla divisione di ricerca sulla tecnologia di produzione di DNP, dove dipendenti senza alcuna esperienza precedente in Python hanno generato ed eseguito codice tramite ChatGPT Enterprise per far funzionare apparecchiature sperimentali, effettuare misurazioni e analizzare dati di valutazione dei materiali. DNP afferma che un lavoro che tradizionalmente richiedeva più di un anno è stato realizzato in pochi giorni, e che strutturare le informazioni provenienti da brevetti in inglese e principi di funzionamento delle apparecchiature è passato da diversi mesi a tre giorni

Questo è il significato concreto di un frontend conversazionale: l'interfaccia assorbe il gap di competenze. Invece di distribuire uno strumento di analisi dati con una propria interfaccia, DNP ha lasciato che i ricercatori descrivessero le proprie intenzioni in linguaggio naturale, ottenendo in cambio codice eseguibile. La barriera che di solito separa la competenza di settore dallo sviluppo software — saper scrivere codice — si è spostata dentro lo scambio in chat stesso

I GPT personalizzati come frontend condiviso per la conoscenza istituzionale

DNP riporta un tasso di riutilizzo della conoscenza del 70% grazie ai GPT personalizzati, e un progetto di preservazione della conoscenza guidato da Isaku Osawa che integra manuali cartacei e registri storici di qualità in una base di conoscenza interna accessibile tramite quei GPT personalizzati. Il tempo necessario per definire l'architettura dei dati si è ridotto del 90%, e il team ha raddoppiato il numero di articoli tecnici che riesce a esaminare

Il nostro obiettivo è trasformare la conoscenza tramandata tra generazioni in lavoro digitaleMontana Labs

La scelta progettuale qui è che il frontend di recupero delle informazioni e il frontend di chat generico sono lo stesso prodotto. La conoscenza istituzionale non ha un portale dedicato: diventa un altro GPT che si affianca a quelli che i dipendenti già usano ogni giorno. Quel tasso di riutilizzo suggerisce che il valore si accumula sulla superficie condivisa, non sul singolo prompt

Il lavoro su proprietà intellettuale e conformità mostra che l'interfaccia si ferma sempre davanti a una persona

Nella divisione R&D ICT, il team di Yohei Ishida ha automatizzato la ricerca, la sintesi e la classificazione dei brevetti, riducendo il tempo di ricerca del 95% ed espandendo la copertura di dieci volte, mentre le prime bozze delle analisi competitive hanno ridotto il tempo di preparazione dell'80%. Ishida osserva che le pratiche dipendevano una volta dal giudizio individuale, con standard che variavano da persona a persona; l'interfaccia condivisa ha reso le decisioni più oggettive

Sul fronte della governance IT, il team di Masahiro Kobayashi ha ridotto il confronto degli audit da 30 a 5 minuti, la selezione delle suite crittografiche da 3 ore a 1, e un controllo iniziale di circa 100 voci del CIS Benchmark da due giornate lavorative a 10 minuti. Kobayashi è chiaro sul fatto che il frontend fornisce bozze, non decisioni

La verifica e i controlli finali restano responsabilità delle personeMontana Labs

La lezione specifica: standardizzare la superficie, non il flusso di lavoro

L'implementazione di DNP è degna di nota perché non ha costruito dieci strumenti specifici per dipartimento. Ha dato a dieci dipartimenti un unico frontend conversazionale e ha lasciato che ogni team costruisse sopra di esso GPT personalizzati e casi d'uso condivisi. Hiroyuki Otake descrive il meccanismo in modo semplice: l'utilizzo è stato rendicontato in modo visibile, i team hanno sperimentato, condiviso quanto imparato e iterato — ed è così che un'unica interfaccia ha generato, partendo dallo stesso punto di partenza, flussi di lavoro sui brevetti, analisi in Python e digitalizzazione della conoscenza

Per i team che stanno valutando come implementare l'IA generativa internamente, l'insegnamento di DNP è concreto: la leva è arrivata dalla standardizzazione del punto di accesso e dal lasciare che i flussi di lavoro si formassero sopra di esso, invece che dal commissionare frontend su misura per ogni caso d'uso. La superficie di chat era uniforme; il valore stava in ciò che i dipendenti, incluse le persone senza competenze di programmazione, riuscivano a costruirci sopra