OpenAI porta in ChatGPT un'interfaccia di shopping visuale e guidata dal feedback

Cosa ha lanciato davvero OpenAI

Il 24 novembre 2025 OpenAI ha iniziato a distribuire shopping research agli utenti loggati di ChatGPT sui piani Free, Go, Plus e Pro, sia da mobile che da web. È pensata per decisioni d'acquisto più complesse—confronti, vincoli, compromessi—piuttosto che ricerche veloci come controllare un prezzo.

Il flusso è specifico. Descrivi cosa vuoi, ChatGPT fa domande di chiarimento su budget, destinatario o funzionalità, poi effettua una ricerca sul web e restituisce una guida all'acquisto con i prodotti migliori, le differenze principali e i dettagli aggiornati. Secondo l'azienda il processo richiede pochi minuti e funziona meglio nelle categorie ricche di dettagli: elettronica, bellezza, casa e giardino, cucina ed elettrodomestici, sport e outdoor.

Per favorire l'adozione durante le festività, OpenAI rende l'utilizzo quasi illimitato su tutti i piani per tutta la stagione—una scelta che rivela come questa funzione sia pensata per diventare un punto d'accesso abituale, non una novità occasionale.

L'interfaccia è il prodotto, non solo il modello

La scelta ingegneristica più rilevante riguarda il front end. Invece di un singolo scambio domanda-risposta, OpenAI apre un'interfaccia visuale in cui la ricerca si aggiorna mentre procede. I prodotti compaiono durante il processo, e gli utenti possono segnare gli articoli come "Non mi interessa" o "Altri simili" per guidare i risultati in tempo reale.

Sullo sfondo, il sistema cerca in tutto il web informazioni aggiornate come prezzo, disponibilità, recensioni, specifiche e immagini, mostrandoti le opzioni man mano che procede.Montana Labs

Si tratta di un modello di interazione decisamente diverso dalla chat tradizionale. Tratta la ricerca come una sessione con stato che incorpora nuovi vincoli man mano che arrivano, invece di richiedere all'utente di ripetere tutto in un messaggio successivo. Per i team applicativi, è un esempio concreto di come intrecciare il recupero di informazioni guidato da strumenti con il feedback live dell'utente all'interno di un unico task.

Un modello piccolo addestrato per un solo compito

Shopping research è alimentata da una versione di GPT-5 mini—precisamente GPT-5-Thinking-mini—sottoposta a post-training con reinforcement learning per compiti di shopping. OpenAI dichiara di aver addestrato il modello a leggere siti affidabili, citare fonti attendibili e sintetizzare informazioni da molte pagine, oltre ad aver costruito una nuova valutazione basata su query di prodotto complesse e piene di vincoli.

La loro metrica di accuratezza è concreta: la percentuale di prodotti in una risposta che soddisfano effettivamente i requisiti indicati—prezzo, colore, materiale, specifiche. Questo approccio è importante perché misura se gli articoli restituiti soddisfano i vincoli, non se il testo suona autorevole. OpenAI ammette apertamente che il modello commette ancora errori su dettagli come prezzo e disponibilità, e indirizza gli utenti ai siti dei rivenditori per la conferma.

L'infrastruttura commerciale sotto la superficie

Due dettagli indicano dove sta andando tutto questo. Oggi gli utenti cliccano per essere reindirizzati ai siti dei rivenditori per acquistare; in futuro, secondo OpenAI, gli acquisti avverranno direttamente in ChatGPT per i merchant che aderiscono a Instant Checkout. I merchant che vogliono apparire nei risultati possono seguire un processo di allowlisting.

OpenAI afferma inoltre che i risultati sono organici, basati su pagine retail pubblicamente disponibili, che le chat non vengono mai condivise con i rivenditori e che i siti di scarsa qualità o spam vengono esclusi. Shopping research viene inoltre proposta proattivamente tramite ChatGPT Pulse per gli utenti Pro, che può suggerire guide all'acquisto basate sulle conversazioni passate—per esempio, accessori per e-bike dopo discussioni sulle e-bike.

Cosa implica una superficie di shopping nativa al feedback

L'implicazione specifica di questo lancio è che OpenAI sta costruendo un livello di discovery retail che si posiziona tra acquirenti e rivenditori, combinando un modello piccolo addestrato per lo scopo, un'interfaccia di feedback in tempo reale, personalizzazione basata sulla memoria e un percorso emergente verso il checkout e l'allowlisting dei merchant.

Per i team che costruiscono esperienze di product discovery, la lezione non è che un modello frontier può fare shopping, ma che OpenAI ha scelto un modello mini calibrato per il compito, l'ha inserito in un'interfaccia visuale con stato, e ha definito il successo come accuratezza nel soddisfare i vincoli. La differenziazione sta nel design dell'interazione e nelle relazioni con i rivenditori, non nella scala grezza del modello.