# I ricercatori di OpenAI affidano più compiti agli agenti, ma il successo dipende dal tipo di lavoro

https://jsonscraper.com/it/blog/ricercatori-openai-delegano-compiti-agenti-successo

Author: Michael Johnson

Published: 2026-11-19T07:34:57+00:00

Updated: 2026-11-19T07:34:57+00:00

Nel rapporto del 18 novembre, i tassi di completamento autonomo variano molto da un’attività all’altra. Capire queste differenze aiuta a decidere cosa delegare a un agente e dove verificare il risultato con particolare attenzione.

Si può affidare a un agente di coding un’attività di ricerca aspettandosi un risultato pronto? La risposta dipende dal compito specifico: nei dati OpenAI dal 1º agosto al 18 ottobre 2026, gli agenti senza intervento umano hanno ottenuto i risultati migliori nel monitoraggio delle sessioni di addestramento, mentre sono andati sensibilmente peggio con il codice per l’inferenza e il serving dei modelli.

 

Nel [rapporto del 18 novembre](https://openai.com/index/research-acceleration-jagged-frontier/), l’azienda ha confrontato i compiti affidati dagli addetti alla ricerca agli agenti e ha descritto come sia cambiato l’uso di questi strumenti all’interno di OpenAI. La principale conclusione pratica è considerare il «lavoro dell’agente» come un insieme di compiti diversi, con criteri di accettazione diversi. Una media basata sulle ore o l’impressione che un modello «scriva bene il codice» non sostituiscono la verifica del risultato specifico.

 

## Che cosa è cambiato nella valutazione

 

Il precedente rapporto di OpenAI sull’accelerazione della ricerca era uscito a settembre. La nuova versione amplia il quadro: l’azienda ha aggiunto dati sull’uso degli agenti, sondaggi tra il personale, flussi di lavoro e distribuzione dei risultati positivi per tipo di compito. I risultati riportati descrivono però l’organizzazione di ricerca interna di OpenAI, non una valutazione universale di tutti i modelli o di tutte le aziende.

 

Uno dei confronti più chiari riguarda la quota di compiti completati dall’agente senza intervento umano. Per le attività che, secondo la valutazione, avrebbero richiesto a una persona da due a quattro ore, il tasso è salito dal 23% di marzo al 46% di ottobre. Per la fascia da quattro a otto ore è passato dal 13% al 35%. Queste categorie indicano la capacità di portare a termine singoli incarichi senza intervento, non la quota dell’intero lavoro di ricerca che si può delegare a un modello.

 

C’è anche un’importante precisazione metodologica: insieme alle capacità degli agenti è cambiata la selezione dei compiti assegnati loro. OpenAI osserva esplicitamente che l’aumento dei risultati positivi nelle diverse fasce di durata può riflettere sia il miglioramento dei modelli sia un cambiamento nella composizione dei compiti delegati. Il confronto basato sul tempo è quindi utile per osservare una tendenza interna, ma da solo non permette di distinguere il contributo del modello dalla decisione dei ricercatori su quali compiti affidargli.

 

## Perché il tipo di compito conta più della sua durata

 

Nel riepilogo dei singoli tipi di attività, OpenAI riporta un tasso di successo senza intervento umano del 79% per il monitoraggio delle sessioni di addestramento, del 35% per l’avvio di quelle sessioni e del 25% per la scrittura del codice di inferenza e dello stack di serving. Persino due operazioni consecutive nell’addestramento di un modello hanno dato risultati molto diversi.



![Articolo: I ricercatori di OpenAI affidano più compiti agli agenti, ma il successo dipende dal tipo di lavoro
Riepilogo: OpenAI ha valutato gli agenti di coding all’interno della propria organizzazione di ricerca: gli agenti svolgono con successo molte attività di monitoraggio e analisi, ma hanno risultati sensibilmente peggiori nell’avvio dell’addestramento e nella scrittura del codice per l’inferenza. La lezione pratica è scegliere i compiti in base a risultati verificabili, non alla denominazione generale del ruolo.
Ruolo dell’immagine: illustrazione di supporto 2 — un altro aspetto specifico
Sezione: Perché il tipo di compito conta più](https://jsonscraper.com/assets/uploads/journal/2026/11/337740e5161a3da7a225d537ed1341d3.png.hero.webp)

Quota di compiti completati dagli agenti senza intervento umano, per tre tipi di attività nei dati OpenAI da agosto a ottobre 2026.© jsonscraper · illustrazione generata dall’IA



![Articolo: I ricercatori di OpenAI affidano più compiti agli agenti, ma il successo dipende dal tipo di lavoro
Riepilogo: OpenAI ha valutato gli agenti di coding all’interno della propria organizzazione di ricerca: gli agenti svolgono con successo molte attività di monitoraggio e analisi, ma hanno risultati sensibilmente peggiori nell’avvio dell’addestramento e nella scrittura del codice per l’inferenza. La lezione pratica è scegliere i compiti in base a risultati verificabili, non alla denominazione generale del ruolo.
Ruolo dell’immagine: copertina — l’idea centrale
Sezione: Perché il tipo di compito conta più](https://jsonscraper.com/assets/uploads/journal/2026/11/1f09dcf8fd66631a53ec4e915205b6da.png.hero.webp)

Quota di compiti completati dagli agenti senza intervento umano, per tre tipi di attività nei dati OpenAI da agosto a ottobre 2026.© jsonscraper · creato con l’IA

 

Questo spiega perché una categoria generale come «aiutare nella ricerca» sia poco adatta alla pianificazione. Monitorare una sessione per rilevare un problema è un compito di osservazione e segnalazione. Avviare l’addestramento significa preparare correttamente le operazioni e le condizioni di esecuzione. Il codice per l’inferenza e il serving appartiene a un altro ambito tecnico. Se si raggruppano queste attività in un unico indicatore, scompaiono differenze importanti per il flusso di lavoro effettivo.

 

L’azienda riporta anche valutazioni più alte per le categorie «comunicazione» (69%) e «analisi» (58%) rispetto a «sviluppo» (43%). Ma anche categorie così ampie nascondono differenze tra i singoli compiti. Per scegliere un incarico adeguato è più utile definire un risultato verificabile, per esempio rilevare nei log di una sessione un guasto specifico già stabilito, e precisare separatamente che cosa debba confermare una persona.

 

## Un uso intenso non equivale a benefici uguali per tutti

 

Il rapporto mostra che gli agenti sono diventati una componente rilevante dei flussi di lavoro interni di OpenAI. Secondo una stima dell’azienda basata sui prezzi delle API, a ottobre il ricercatore mediano utilizzava strumenti agentici per circa 2.400 dollari al giorno; per il 90º percentile, la cifra era di circa 23.000 dollari. In entrambi i casi si tratta di un equivalente calcolato sulle tariffe pubblicate delle API, non di informazioni sul costo effettivo né di una prova del risparmio di budget ottenuto.

 

Un altro indicatore è quello degli «agent-days»: ogni otto ore di utilizzo di un agente contano come una giornata lavorativa. In media, il dato è passato da 0,5 a 5,7 agent-days per ricercatore al giorno. Nei team che si occupano di pre-addestramento e post-addestramento, il lavoro complessivo medio degli agenti equivaleva a circa otto di queste giornate per ricercatore in un giorno di calendario. Poiché possono lavorare più agenti in parallelo, l’indicatore descrive il loro tempo complessivo, non la durata della giornata lavorativa di una singola persona; OpenAI osserva inoltre che il dato considera soprattutto l’uso interattivo e può sottostimare le automazioni.

 

L’aumento dell’uso indica che il personale integra attivamente gli agenti nel proprio lavoro. Per valutare i benefici in un altro team, però, non basta: budget, modelli selezionati, durata delle sessioni agentiche e natura dei compiti possono variare. I dati di OpenAI sono particolarmente utili come esempio dei tipi di indicatori operativi che si possono raccogliere, non come standard già pronto per qualunque unità di ricerca.

 

## Quale lavoro resta alle persone

 

In interviste a dieci ricercatori, OpenAI ha descritto gli aspetti pratici della delega: gli agenti aiutavano a scrivere e correggere il codice, analizzare gli esperimenti e consultare grandi insiemi di dati. Allo stesso tempo, il personale segnalava artefatti di scarsa qualità, presupposti errati nelle analisi e tentativi inefficaci di avviare esperimenti. L’azienda sottolinea inoltre che le idee per le versioni GPT‑6 Astra citate dai dipendenti erano attribuite a loro, mentre i modelli contribuivano alla realizzazione.

 

Un metodo di lavoro descritto da uno dei ricercatori è particolarmente facile da adottare in un team: chiedere all’agente di preparare un esempio, controllarlo e correggerlo, quindi affidargli una serie analoga di compiti. Questo approccio permette di individuare rapidamente un errore nelle istruzioni o nel formato dei dati, prima che si propaghi all’intero insieme. Per le attività costose da verificare, spesso è più utile che aumentare subito la scala dell’incarico.

 

## Come applicare queste conclusioni al proprio team

 

Iniziate da un’attività ripetibile con un risultato osservabile e un criterio di accettazione chiaro. Annotate quante volte è stato necessario intervenire, quali errori sono emersi e quanto tempo ha richiesto la verifica. Queste informazioni aiutano a distinguere un compito che l’agente si assume davvero da uno in cui si limita ad accelerare il lavoro preliminare.

 

Per le operazioni ad alto impatto, definite un limite di autonomia specifico. Per esempio, l’agente può rilevare un’anomalia o preparare il comando di avvio, mentre la conferma e l’esecuzione restano a carico dell’ingegnere responsabile. Non è uno schema di sicurezza universale, ma un modo per collegare il livello di autonomia al rischio specifico e ai criteri di verifica disponibili.

 

Il rapporto di OpenAI suggerisce una distinzione utile: non conviene delegare genericamente «la ricerca» o «lo sviluppo», ma incarichi specifici il cui risultato sia verificabile. Nei dati dell’azienda, il monitoraggio delle sessioni sembrava più adatto all’esecuzione autonoma rispetto all’avvio dell’addestramento o al codice per l’inferenza. Per un team, il passo successivo è misurare le stesse differenze sui propri compiti e ampliare la delega dove i risultati superano la verifica.
