Il report di OpenAI sul 'capability overhang' ridefinisce l'adozione dell'IA come un problema di utilizzo, non di accesso

La metrica alla base dell'argomentazione: le 'capacità di ragionamento' per persona

La tesi centrale del report si basa su un'unità di misura specifica: la quantità di 'capacità avanzate di ragionamento' che una persona utilizza — cioè l'IA applicata a lavori complessi e articolati, non a prompt isolati. OpenAI riporta che un utente avanzato tipico si affida a circa sette volte più di queste capacità rispetto a un utente medio.

Osborne estende poi la stessa metrica oltre i confini nazionali. Tra più di 70 paesi con il maggiore utilizzo di ChatGPT, alcuni usano fino a tre volte più capacità di ragionamento per persona rispetto ad altri. Questo è l''overhang' — non una carenza di account o di accesso ai modelli, ma un divario in quanto a fondo gli strumenti vengano effettivamente usati.

Si tratta di una riformulazione deliberata. I dibattiti sull'adozione di solito si concentrano su disponibilità e costi; OpenAI sostiene invece che il vincolo si sia spostato più a valle, sulla profondità d'uso. Questa distinzione conta per chiunque costruisca automazione, perché separa 'abbiamo il modello' da 'ci facciamo passare davvero il lavoro reale'.

I dati per paese contraddicono la narrazione basata sul reddito

Il dato più concreto è che il divario 'non è determinato solo dal reddito'. Stati Uniti e India guidano per numero totale di utenti, mentre paesi più piccoli e ad alto reddito come Singapore e Paesi Bassi si distinguono per penetrazione sulla popolazione. Ma la classifica dell'uso agentico racconta una storia diversa.

Osborne cita Vietnam e Pakistan tra i maggiori utilizzatori mondiali di strumenti agentici, con un uso pro capite oltre 2 volte superiore di attività avanzate come analisi dati, Connectors e Codex. È un esempio significativo: due paesi a reddito più basso superano paesi più ricchi esattamente nell'uso intensivo di automazione che OpenAI sta misurando.

L'implicazione che OpenAI trae è che sono il comportamento e la dimestichezza, non il PIL, a determinare chi si appropria dei guadagni di produttività. Se questa metrica pro capite tenga su basi utenti ridotte è un punto da verificare con attenzione — ma la direzione della tesi è che la profondità di adozione si può imparare, il che è esattamente ciò che la rende un obiettivo di policy.

La risposta è istituzionale, e parte dalle scuole

OpenAI for Countries, lanciato l'anno scorso, verrà ampliato nel 2026 con iniziative che coprono istruzione, sanità, formazione e certificazioni sulle competenze IA, gestione delle emergenze, cybersecurity e acceleratori per start-up. L'impostazione è quella di un menu, non di un prodotto unico — partnership 'definite tramite discussioni continue' piuttosto che un'offerta fissa.

L'iniziativa di punta è Education for Countries, con un primo gruppo composto da Estonia, Emirati Arabi Uniti, Grecia, Giordania, Slovacchia, Kazakistan, Trinidad & Tobago e la CRUI italiana. Il programma combina un accesso più ampio agli strumenti, ricerca sull'effetto dell'IA sull'apprendimento e certificazioni sia per studenti che per docenti, operando tramite ministeri e università.

Con sempre più luoghi di lavoro che adottano l'IA e sempre più datori di lavoro in cerca di competenze in questo campo, i governi trattano sempre più questa tecnologia come infrastruttura educativa essenziale.Montana Labs

Una frase merita attenzione per quello che rivela sugli incentivi: il programma educativo è pensato 'per lavorare a stretto contatto con i governi al fine di migliorare i nostri modelli e strumenti didattici'. Le partnership sono un canale sia per la distribuzione che per la raccolta dati.

Cosa mette davvero in moto questo annuncio

Letto con attenzione, questo posiziona i governi nazionali — non le singole aziende — come l'unità che chiude il divario dell'automazione, secondo OpenAI. Misurando il divario nell'uso agentico e offrendo poi ai ministeri un percorso strutturato per colmarlo, l'azienda lega la propria crescita commerciale a una narrazione di policy pubblica su chi resta indietro.

Per i team che costruiscono IA applicata, la lezione utile è la metrica, non la missione. Se un programma su scala nazionale tratta la profondità dell'uso agentico come la variabile da ottimizzare, la stessa logica vale dentro qualsiasi organizzazione: il vero divario di valore è tra chi concatena l'IA su lavori complessi e articolati e chi si ferma a prompt semplici. Colmare questo divario è un problema di adozione e dimestichezza, e ora OpenAI ha messo un numero a quanto grande possa diventare.