ENEOS Materials ha creato oltre 1.000 GPT personalizzati e messo ChatGPT Enterprise a disposizione di ogni dipendente

L'interfaccia è l'adozione: prompt in giapponese al posto degli strumenti tecnici

L'aspetto più rilevante di questo annuncio è organizzativo, non tecnico. ENEOS Materials riporta che oltre il 90% dei dipendenti usa ChatGPT Enterprise almeno una volta a settimana, con più di 1.000 GPT personalizzati creati in tutta l'azienda. Un volume simile si raggiunge solo quando il modo di interagire col sistema coincide con quello con cui si lavora già — in questo caso, descrivere un compito in giapponese e ottenere un risultato.

Taku Ichibayashi del reparto R&D descrive l'adozione come vincolata da due preoccupazioni legate all'interfaccia, non alle capacità pure del modello: la sicurezza delle informazioni proprietarie e l'accuratezza dei risultati. L'approccio dichiarato dal team — 'prima impariamo noi stessi a padroneggiare la tecnologia, poi ne esploriamo il potenziale' — descrive un'interfaccia appresa manualmente reparto per reparto prima di essere scalata, non un mandato calato dall'alto.

Il vero segnale è una persona senza esperienza di programmazione che realizza uno strumento

L'esempio delle risorse umane è la prova concreta che l'interfaccia conta. Marie Takeda ha costruito uno strumento interno di aggregazione dati nonostante, a sua detta, non avesse alcuna esperienza precedente di programmazione, e riporta circa il 90% di tempo risparmiato sull'aggregazione. Un altro GPT personalizzato per le risorse umane riduce l'analisi della formazione da una o due ore di lavoro manuale a circa 20 secondi.

Era la prima volta che provavo a programmare, ma con ChatGPT sono riuscita a creare lo strumento da sola, senza alcuna conoscenza di programmazione.Montana Labs

Per i team applicativi, questa è la storia del frontend in miniatura: chi capisce il problema del feedback sulla formazione costruisce direttamente la soluzione, senza passare per una coda di ingegneria. L'interfaccia in linguaggio naturale annulla la distanza tra chi ha un problema e chi può risolverlo costruendo qualcosa.

Deep research e GPT personalizzati come interfacce specifiche per dominio

Gli altri casi d'uso mostrano lo stesso schema applicato a lavori specializzati. Nello stabilimento in Ungheria, il team di Kenichi Sakemi usa deep research per consultare fonti in lingua ungherese e restituire risultati precisi in giapponese, riducendo indagini che prima richiedevano mesi a decine di minuti, e calcoli di ingegneria chimica da mezza giornata a pochi minuti. Qui l'interfaccia funziona anche come livello di traduzione e ricerca su materiali locali che il team non avrebbe altrimenti potuto elaborare rapidamente.

Il GPT personalizzato per la progettazione impianti del reparto Engineering prende in input dati strutturati — tipo di fluido, portata, diametro della tubazione, perdita di pressione, requisiti dei materiali — e restituisce specifiche ottimizzate secondo gli standard aziendali, con controlli sulla corrosione dei materiali che, secondo Sakemi, ora richiedono pochi secondi. Ogni GPT personalizzato è di fatto un'interfaccia costruita su misura che racchiude gli standard interni dell'azienda, e il numero di oltre 1.000 suggerisce che i dipendenti costruiscono queste interfacce da sé, senza aspettare l'IT centrale.

L'implicazione: l'adozione si è diffusa perché la barriera era la lingua, non le competenze

Quello che dimostra ENEOS Materials è che, in una forza lavoro manifatturiera alle prese con la carenza di personale, il vincolo sul valore dell'IA non è mai stato l'intelligenza del modello, ma chi poteva utilizzare lo strumento. Trasformando l'istruzione operativa in 'descrivi ciò di cui hai bisogno in giapponese', l'azienda ha reso esperti di dominio nelle risorse umane, nell'ingegneria di processo e nella progettazione degli impianti dei veri costruttori, senza doverli riqualificare come programmatori.

L'ambizione dichiarata di Sakura — controllare le attrezzature di produzione 'in linguaggio quotidiano, guidando e ottimizzando la produzione con la stessa facilità con cui interagiamo con ChatGPT' — estende la stessa logica dal lavoro d'ufficio ai macchinari. La scommessa è che l'interfaccia conversazionale, non un pannello di controllo specializzato, diventi il modo predefinito di interagire con sistemi complessi. I 1.000 GPT personalizzati sono la prima prova che, quando l'interfaccia corrisponde a come le persone già comunicano, l'adozione si autoalimenta invece di dover essere imposta con un rollout.