Lo studio di OpenAI su 1,5 milioni di conversazioni rivela che la maggior parte delle persone usa ChatGPT per fare domande, non per farsi eseguire compiti

Cosa ha misurato davvero lo studio

OpenAI, in collaborazione con l'economista di Harvard David Deming, ha pubblicato un working paper del NBER che analizza 1,5 milioni di conversazioni di ChatGPT su una base di 700 milioni di utenti attivi settimanali. L'azienda lo definisce lo studio più completo mai realizzato sull'uso reale dell'IA da parte dei consumatori.

Due dati demografici sono al centro del paper. Tra gli utenti con nomi classificabili come maschili o femminili, la quota di nomi tipicamente femminili è passata dal 37% di gennaio 2024 al 52% di luglio 2025. E a maggio 2025, la crescita dell'adozione nei paesi a reddito più basso procedeva a un ritmo oltre 4 volte superiore rispetto ai paesi a reddito più alto.

La nota metodologica è importante per capire quanto peso dare alle categorie che seguono: i ricercatori non hanno letto i messaggi. Strumenti automatici hanno classificato i pattern di utilizzo senza revisione umana dei contenuti.

Chiedere batte Fare — e va in controtendenza rispetto al trend degli agenti

Lo studio suddivide i messaggi in tre categorie: Chiedere (49%), Fare (40%) ed Esprimersi (11%). OpenAI descrive Chiedere come la categoria in più rapida crescita e con le valutazioni più alte, definendo le persone che la usano come utenti che 'apprezzano ChatGPT soprattutto come consulente, non solo per completare task.'

È un segnale rilevante per il frontend. Buona parte dell'energia attuale nel prodotto — agenti, tool-calling, workflow autonomi — rientra proprio nella categoria Fare: scrivere bozze, pianificare, programmare. Ma la fetta più ampia del traffico reale dei consumatori è fatta di persone che chiedono indicazioni e informazioni.

Per chiunque costruisca un'interfaccia di chat, questo suggerisce che l'interazione più frequente si avvicina più a una consulenza che a un comando. Un'interfaccia ottimizzata solo per eseguire task potrebbe essere calibrata sulla modalità meno diffusa tra le due dominanti.

Scrivere è il lavoro di base; coding e autoespressione sono la coda

Il paper riporta che tre quarti delle conversazioni si concentrano su indicazioni pratiche, ricerca di informazioni e scrittura. La scrittura viene indicata come il task lavorativo più comune, mentre coding e autoespressione 'restano attività di nicchia.'

Questo ordine merita attenzione, perché le narrazioni pensate per gli sviluppatori tendono a mettere il coding in primo piano. In questo dataset di consumatori, invece, è un'attività minoritaria. La maggior parte del valore emerge da aiuti quotidiani e testuali — il tipo di interazione che una semplice casella di input e una buona risposta gestiscono bene.

La suddivisione lavoro/non lavoro rafforza il punto: circa il 30% dell'utilizzo è legato al lavoro e il 70% no, ed entrambi sono in crescita. L'interfaccia serve uno strumento di uso quotidiano generico, non principalmente un banco di lavoro professionale.

L'implicazione: progettare l'interfaccia predefinita per i consigli, non per l'automazione

OpenAI descrive l'accesso all'IA come qualcosa che 'dovrebbe essere trattato come un diritto fondamentale,' e lo studio si allinea a questa visione, sottolineando la riduzione dei divari e un valore che il PIL 'non riesce a cogliere.'

Circa metà dei messaggi (49%) rientra in 'Chiedere,' una categoria in crescita e con valutazioni molto alte, che mostra come le persone apprezzino ChatGPT soprattutto come consulente, non solo per completare task.Montana Labs

Per i team applicativi, la conclusione concreta riguarda le priorità. Se metà dell'utilizzo reale consiste in supporto decisionale e ricerca di consigli, allora la porta d'ingresso di un prodotto dovrebbe rendere il chiedere semplice, chiaro e affidabile — risposte chiare, follow-up facili, ragionamento visibile — prima di investire nella macchina più pesante degli agenti che automatizzano la categoria Fare.

Il limite riguarda l'ambito: si tratta di piani consumer e classificazioni automatiche, non di workflow enterprise o trascrizioni lette da persone. Ma come lettura di come il grande pubblico si rivolge davvero a un'interfaccia di chat, lo studio indica a chi costruisce prodotti che il pattern da consulente dovrebbe essere il comportamento predefinito, con l'esecuzione dei task come caso specializzato e non il contrario.