Quattro anni fa, quando ChatGPT è diventato pubblico, molte aziende italiane hanno immaginato una trasformazione rapida e indolore. Non è andata così. Quello che ho visto, lavorando con team che lo usano davvero, è più complesso. ChatGPT produce valore solo in contesti ben precisi. Fuori da quelli, è un costo.
Primo: chatbot per supporto clienti con testi di routina. Qui funziona. Risposte a domande frequenti, riepilogo di policy, richieste di informazioni semplici. Il modello che funziona è questo: ChatGPT genera una risposta di base, un umano controlla e modifica prima di inviarla. Non è automazione vera. È velocizzazione del lavoro umano. Un'agenzia di viaggio con cento mail al giorno di clienti che chiedono gli stessi dettagli può dimezzare il tempo di risposta così.
Secondo: bozze di documenti interni. Email da formale a informale, riassunti di meeting lunghi, outline di proposte commerciali. Anche qui il modello richiede supervisione. Un manager non manda una bozza di ChatGPT direttamente al cliente. La legge in Italia non lo consente per molti documenti contrattuali e amministrativi. Ma risparmiare tre ore di stesura iniziale di una presentazione? Sì, succede.
Terzo: analisi di testi. Estrazione di dati da documenti non strutturati, categorizzazione di feedback clienti, sintesi di lunghe relazioni. Qui il valore è alto se hai volumi grandi. Una banca con migliaia di reclami scritti deve leggerli tutti: ChatGPT può classificarli per tema e urgenza, gli umani verificano i casi limite. Senza ChatGPT, due persone ogni anno riuscivano a leggerne metà.
Quarto: brainstorming e generazione di alternative. Non per idee di prodotto, che richiedono contesto di mercato real-time. Ma per naming, per keyword di una campagna, per riformulazioni di un messaggio. Il modello è questo: tu dai il vincolo, ChatGPT genera venti opzioni, scegli le tre migliori, raffini con la tua creatività. Più veloce che partire da zero.
Dove non funziona e perché
Quasi tutto il resto. Decisioni strategiche? ChatGPT legge dati generici, non conosce il tuo bilancio, il tuo mercato, i tuoi concorrenti in dettaglio. Analisi competitive affidabili? No. ChatGPT è addestrato su dati pubblici fermi a una certa data. Inventa numeri con disinvoltura. Una azienda di consulenza ha provato a fargli fare una analisi di competitor e ha ricevuto percentuali di mercato completamente false. Ha dovuto scartare tutto e ricominciare con ricerca umana.
Generazione di codice critico? Dipende dal codice. Snippet per automatizzare file Excel va bene. Architettura di un sistema che gestisce dati sensibili di clienti? Pericoloso affidarlo a ChatGPT senza review tecnica severa da uno sviluppatore senior. Una startup ha usato ChatGPT per scrivere parte di un sistema di pagamenti e ha dovuto riscrivere tutto quando ha scoperto vulnerabilità di sicurezza.
Creazione di contenuti per il web senza verifica? Sconsigliato. ChatGPT genera testo fluido che suona autorevole. Non è detto che sia vero. Se pubblichi una guida sul tuo sito e affermi che X è un sintomo di Y, e un lettore si fa male affidandosi a quella informazione falsa, la responsabilità è tua.
Il modello che funziona davvero ha caratteristiche precise
Primo: il task è ben definito. Non è "dammi strategie di marketing", è "genera cinque subject line per una newsletter su X tema". Più stretto il perimetro, più utile la risposta.
Secondo: c'è sempre un umano nel ciclo. ChatGPT non decide, propone. Un collega verifica prima della consegna. Questo aumenta i tempi, ma riduce i rischi di errore grave.
Terzo: il lavoro ha volume. Non vale la pena spendere tempo a configurare ChatGPT per una task unica. Vale per cento task al mese della stessa natura.
Quarto: il costo di errore è basso. Se genera una risposta sbagliata a un cliente, cosa succede? Perde la mail come spesso accade comunque. Se genera un dato finanziario falso che finisce in un bilancio, è un problema serio.
Il modello a cui non credere
C'è un mito che gira ancora: ChatGPT farà il lavoro e noi avremo il tempo libero. Non è quello che accade. Quello che accade è che il lavoro cambia forma. Invece di scrivere una email da zero, la scrivi a metà e finisci. Invece di leggere cento documenti, ne leggi dieci e ne fai leggere riassunti da ChatGPT ai colleghi, poi verifica i cinque critici. È un'ottimizzazione, non una automazione.
Le aziende che traggono valore da ChatGPT sono quelle che lo vedono così: uno strumento che accelera passaggi noiosi e ripetitivi di processi che rimangono umani. Non come una nuova dipendente che finalmente arriva e fa tutto quello che facevi male tu.
Se cerchi quel modello, continuerai a deluderti.
