I B2B Signals di OpenAI ridefiniscono la maturità dell'IA in base alla profondità d'uso, non al numero di licenze

Cosa misura davvero B2B Signals

OpenAI ha lanciato B2B Signals, un report periodico costruito su dati aggregati e de-identificati sull'uso enterprise dei suoi prodotti. L'obiettivo dichiarato è tracciare come l'IA si diffonde all'interno delle aziende: quanto viene usata in profondità, quali strumenti si associano a un'adozione più avanzata e dove i casi d'uso si stanno ampliando tra settori e funzioni.

La metrica principale è insolita. Invece di contare le licenze o la frequenza dei messaggi, il report usa i token generati come indicatore dell'"intelligenza richiesta". OpenAI dichiara esplicitamente che i token non misurano direttamente il valore per il business, ma li considera un segnale di quanto lavoro i dipendenti chiedono al modello a ogni interazione.

Questa scelta conta perché ridefinisce la domanda sull'adozione. La prima fase dell'IA enterprise riguardava l'accesso: chi aveva gli strumenti attivati. La tesi di OpenAI è che l'accesso non è più il fattore distintivo, e la nuova metrica è pensata per catturare ciò che, secondo l'azienda, lo è ora.

La tesi della profondità e il dato del 36%

OpenAI riporta che le aziende nel 95° percentile di utilizzo — la sua definizione di "frontier" — richiedono oggi 3,5 volte l'intelligenza per dipendente rispetto alle aziende tipiche, in aumento rispetto al 2x di aprile 2025. L'azienda presenta questo allargamento come prova che il vantaggio delle aziende all'avanguardia "inizia a diventare cumulativo".

La statistica più significativa è più piccola e specifica: il volume dei messaggi spiega solo il 36% di quel divario. Se accurato, la maggior parte della differenza tra aziende leader e aziende tipiche non deriva dall'inviare più messaggi, ma dal fatto che ogni messaggio fa di più — più contesto in ingresso, output più sostanziale in uscita.

È la distinzione che OpenAI traccia tra usare l'IA per rispondere a domande e usarla per eseguire lavoro complesso. Va notato che l'intera impostazione si basa sui token come proxy della complessità, un indicatore che lo stesso report segnala come imperfetto.

Codex e lo spostamento verso la delega

Il divario più netto emerge negli strumenti agentici e avanzati. Le aziende all'avanguardia inviano 16 volte più messaggi Codex per dipendente rispetto alle aziende tipiche — la disparità singola più ampia del report. ChatGPT Agent, Apps in ChatGPT, Deep Research e i GPT mostrano schemi direzionali simili.

OpenAI cita Cisco come esempio di produzione con Codex: tempi di build più rapidi di circa il 20%, oltre 1.500 ore di ingegneria risparmiate al mese e un aumento di 10-15 volte nella capacità di risoluzione dei difetti. Il report attribuisce i guadagni maggiori al trattare Codex, come dice Cisco, come "parte del team".

Le aziende che si muovono prime stanno costruendo la capacità operativa per usare l'IA non solo come interfaccia più rapida, ma come modo per ridisegnare il lavoro dalle fondamenta.Montana Labs

Sul fronte della produzione, l'AI Claim Assistant di Travelers Insurance guida i clienti nella prima notifica di sinistro e crea i sinistri all'interno dei sistemi di Travelers; OpenAI dichiara di aspettarsi che l'assistente gestisca circa 100.000 di queste chiamate nel suo primo anno. Questi sono i due casi concreti citati a supporto della tesi sulla delega.

Leggere con attenzione i dati d'uso di un fornitore su se stesso

B2B Signals è un prodotto di misurazione costruito dal fornitore stesso il cui consumo misura, e la sua unità centrale — i token — è anche l'unità di fatturazione di OpenAI. La narrazione secondo cui la profondità conta più dell'accesso, e che l'adozione di Codex segna la maturità, si allinea perfettamente con l'acquisto di più strumenti avanzati di OpenAI.

Questo non rende le conclusioni sbagliate, ma definisce i termini con cui i team dovrebbero leggerle. Le affermazioni utili e verificabili qui sono ristrette e specifiche: che la profondità per interazione, non il numero di messaggi, guida la maggior parte del divario osservato, e che gli strumenti agentici mostrano la differenza più ampia tra aziende leader e aziende tipiche.

L'implicazione concreta per i responsabili di ingegneria è una questione di misurazione. Se la profondità è il fattore distintivo che OpenAI descrive, allora monitorare licenze e numero di messaggi sottostimerà — o sovrastimerà — sistematicamente dove un team si trova realmente. Il lavoro più difficile è capire quali flussi di lavoro sono passati dall'assistenza in chat all'esecuzione delegata basata su strumenti, e verificare che un uso intensivo di token corrisponda a risultati di business reali e non solo a fatture più alte.