OpenAI ha compreso un elemento importante e raro

OpenAI ha capito qualcosa di speciale e raro, nascosto in bella vista. Ovvero che, come disse Peter Drucker mezzo secolo fa, lo scopo di un'azienda è creare un cliente.

OpenAI non vincerà perché ha i modelli migliori, o i chip più avanzati, o la migliore curva costi-prestazioni, o persino il prodotto migliore, anche se pensiamo che tutte queste cose le abbia davvero. Crediamo piuttosto che OpenAI vincerà perché è incredibilmente brava a creare nuovi tipi di clienti e perché possiede la strategia di distribuzione più solida nel tempo.

Mentre scriviamo questo articolo, nel settembre 2026, le classifiche dei prodotti di intelligence-as-a-service non sono più la questione centrale. L'intelligenza è ovunque. Chiunque può fare praticamente qualsiasi cosa; ma la maggior parte delle persone non lo sta ancora facendo. Ciò che conta davvero è: riesci a risvegliare questi nuovi comportamenti? E riesci a vincere sul fronte della distribuzione?

Il caso OpenAI si riduce alla seguente argomentazione. Per costruire un business duraturo su scala AI frontier, ci sono quattro leve che puoi tirare:

1. Creare nuovi tipi di comportamento
2. Distribuire a moltissimi utenti
3. Prezzare il prodotto in modo da catturare valore
4. Avere costi di switching elevati

La leva 4 è sostanzialmente fuori gioco. L'AI Frontier è una corsa della Regina Rossa, almeno a livello di modello. Passare da un modello all'altro è facilissimo, fino allo switch task per task, e tutti migliorano continuamente.

La leva 3 è ciò che tutti sperano di raggiungere. Ma, di nuovo, là fuori c'è un mondo estremamente competitivo e OpenAI (insieme ad altri) è determinata a guidare la frontiera costo-computazione, perseguendola attraverso economie di scala, integrazione verticale e altre strategie per abbattere il costo dei token. Chi finirà per dominare il rapporto qualità-prezzo sarà comunque chi sta già vincendo sulla scala.

Il che significa che tutto si gioca sulle leve 1 e 2. Pensiamo che OpenAI sia nettamente la migliore sulla numero 1:

• Ha uno storico consolidato nell'AI nello scovare quelle svolte semplici e ovvie col senno di poi che sbloccano nuovi tipi di comportamenti di consumo

Ed è la migliore anche sulla numero 2:

• Oggi ogni laboratorio AI sta cercando di fare uno speedrun della distribuzione, andando oltre i propri prodotti first-party. E ci sono due modi per farlo: come piattaforma o tramite partnership. Farlo come vera piattaforma è preferibile nel lungo termine: i ricavi arrivano un po' più lentamente, ma quando arrivano sono molto più solidi e preziosi.

C'è una ragione di fondo per cui OpenAI sta prevalendo sui punti 1 e 2: possiede una delle intelligenze generali più ampie e complete, non solo nei suoi modelli, ma anche nella sua azienda e nella sua base clienti. È esposta alla base utenti più vasta (tra consumer, prosumer ed enterprise), ha lo stack tecnologico auto-migliorante più profondo (fino ai suoi chip proprietari), ed è per questo che trova costantemente i nuovi pattern e le nuove primitive che funzionano. Sta adottando una visione a lungo termine su come costruire la piattaforma AI vincente, e sta funzionando.

OpenAI è bravissima a scoprire la prossima grande novità

OpenAI non era nata per essere un'azienda consumer. Ci è capitata quasi per caso, con il lancio di ChatGPT. Ed è stato un colpo di fortuna, perché quel momento rappresenta uno dei punti di svolta della storia tecnologica. Se non l'avessero fatto, il mondo sarebbe molto diverso. L'AI probabilmente sarebbe ancora custodita gelosamente nelle mani dei laboratori e di pochi clienti selezionati, non starebbe migliorando nemmeno lontanamente al ritmo attuale, e ci troveremmo in una timeline "chiusa di default", anziché in quella infinitamente più ricca che viviamo oggi.

Sam Altman ha raccontato di recente un aneddoto sulle settimane successive al lancio di ChatGPT, quando in OpenAI l'atteggiamento generale era: "Ok, è stato divertente, ma forse dovremmo passare a costruire dei prodotti veri. Un chatbot non può essere la risposta definitiva, giusto?". Fu proprio Peter Thiel a consigliare Sam: no, è esattamente questa la risposta. Hai creato un nuovo tipo di cliente. Niente è più importante di questo.

E non si tratta solo di ChatGPT: va dato merito a OpenAI di essere generalmente brava a trovare i pattern e le primitive rivoluzionarie che contano davvero, risvegliando nuovi comportamenti negli utenti. Ben Hylak lo ha spiegato bene in un suo recente articolo: "OpenAI è il re (quasi) imbattuto nello scovare la 'prossima grande novità'. È sempre molto più semplice di quanto pensi e assolutamente ovvia col senno di poi." L'interfaccia chat dei GPT, il reasoning, il tool calling e il Computer Use sono state tutte grandi svolte che hanno semplificato e focalizzato la direzione della tecnologia, rendendola utilizzabile. L'unica grande eccezione in cui OpenAI non è stata pioniera è stata la programmazione, ma ha recuperato terreno senza problemi.

Perché sono così bravi in questo? Forse nei primi anni avevano semplicemente quella formula magica; nessuno riesce a spiegare con precisione l'energia e la magia delle origini che danno vita a qualcosa del genere. Ma col tempo, questa è chiaramente diventata un'abilità coltivata con cura. Qui entrano in gioco tre fattori cruciali:

• Pensano e agiscono come un'azienda che vuole essere una piattaforma. "Piattaforma" è un termine denso di significati e lo approfondiremo tra poco, ma parliamo di un'azienda che crede davvero che i suoi utenti siano intelligenti e capaci di fare le proprie scelte, all'interno di vincoli progettati con cura.
• Stanno raddoppiando gli sforzi sulla profondità tecnica, ovvero cercano di possedere o controllare ogni singolo strato del loro stack, affinando continuamente le primitive della piattaforma di cui gli utenti hanno bisogno come mattoncini da costruzione.
• Ma soprattutto, hanno un'incredibile ampiezza consumer. Restano i leader assoluti per varietà di tipologie di consumatori e casi d'uso, sia nella vita personale che in quella lavorativa delle persone.

L'ampiezza delle persone che li utilizzano è il fattore più sottovalutato in tutto questo. Come dice semplicemente Hylak: "Il computer use" [ad esempio] è una cosa molto generica e aspecifica. Per migliorarlo, devi aumentare la tua intelligenza in senso generale. Attraverso molti domini, attraverso molti flussi di lavoro." Le persone sottovalutano costantemente quanto sia difficile passare da una soluzione specifica a una soluzione generale. Ma di solito scopri cosa è semplice e ovvio (col senno di poi), pur essendo generico e aspecifico (come problema da affrontare), solo puntando a quella soluzione generale.

Perché non sono di più le aziende a puntare alle "soluzioni generali"? Perché farlo ha un costo notevole e va contro gran parte delle best practice per gestire un'organizzazione di prodotto focalizzata. Devi raccogliere input da una gamma enorme di clienti, comportamenti e azioni, permettendo loro di fare essenzialmente tutto ciò che vogliono, per ottenere progressi generali su un dominio, invece di progressi specifici su un singolo prodotto.

Questo significa che la capacità di integrare "conoscenza generale" nel tuo prodotto dipende in realtà dalla tua strategia di distribuzione. Non è scontato, ma è fondamentale, e OpenAI lo ha capito.

Come fai a offrire "esattamente ciò che voglio" (che può essere una cosa estremamente personalizzata, specifica e capricciosa) su scala massiva, a chiunque?

In sostanza, ci sono tre modi. Puoi offrirlo tramite un prodotto standalone, puoi distribuirlo attraverso partnership, oppure puoi fornirlo come piattaforma.

• I Prodotti Standalone hanno un vincolo vantaggioso: il tuo prodotto deve, per sua natura, permettere all'utente di "fare quello che vuole" (cioè chiedere qualsiasi cosa a ChatGPT), quindi stai creando genuinamente l'esperienza del cliente, dal momento in cui glielo metti in mano fino a quando lo vedi usarlo ogni giorno.
• La distribuzione tramite partnership ha il vantaggio che i partner ti garantiscono rapidamente un'enorme portata su tantissimi casi d'uso. Ma alla fine è il partner a possedere e indirizzare l'istinto del cliente di voler fare "qualsiasi cosa io voglia". Di conseguenza, nel lungo periodo, non solo è probabile che si accaparrino i margini economici più interessanti, ma controlleranno anche ciò che l'utente potrà effettivamente fare e ciò che verrà appreso. Inoltre, i tuoi clienti potrebbero non sapere nemmeno che sei tu ad alimentare il servizio, quindi non guadagni alcuna fiducia o simpatia da parte loro.
• Distribuire come piattaforma significa che le persone costruiscono ciò che vogliono sopra di te. È un processo lento, perché devi creare da zero tutti i nuovi prodotti che supportano il "qualsiasi cosa io voglia". Ma una volta consolidata, è una dinamica potentissima: anche se i ricavi arrivano più lentamente o con take rate inferiori, hai stabilito un ciclo di apprendimento sul mondo davvero potente, man mano che gli utenti impiegano le tue primitive e i tuoi pattern, insegnandoti come funziona il mondo e cosa le persone vogliono da te. Non nel senso di "addestramento sui dati dei clienti", ma nel senso che "le primitive diventano una mappa migliore del territorio".

https://x.com/GavinSBaker/status/2100240010695827959

Su un orizzonte temporale abbastanza lungo, i prodotti nascono e muoiono, le dinamiche delle partnership cambiano e i loro ritorni economici possono deludere rispetto alle aspettative. Ma OpenAI continua a tornare alla carica, spinta dall'ambizione di costruire la piattaforma definitiva. E ciò che stanno facendo funziona.

Le vere piattaforme sono rare, ma ne vale la pena

Le piattaforme sono difficili da costruire e difficili da analizzare razionalmente. Sono persino difficili da definire!

In generale abbiamo un concetto ampio e sfocato di piattaforma, del tipo: "le piattaforme permettono alle persone di costruire ciò che serve per il loro bisogno specifico".

Nel software, ci sono diversi modi per farlo. Diciannove anni fa, Marc scrisse un saggio intitolato "Three kinds of platforms you meet on the internet" che resta utilissimo ancora oggi. La definizione di Marc è: "Una 'piattaforma' è un sistema che può essere programmato e quindi personalizzato da sviluppatori esterni — gli utenti — e in questo modo adattato a innumerevoli bisogni e nicchie che gli sviluppatori originali della piattaforma non avrebbero mai potuto immaginare, né tantomeno avuto il tempo di soddisfare."

I "tre tipi" corrispondono a tre modi diversi di organizzare i computer affinché un utente ottenga il risultato personalizzato che desidera. Sono progressivamente più difficili da costruire (salendo dal tipo 1 al 3), ma sempre più magici in termini di comportamenti e possibilità di sviluppo che sbloccano.

• Il Tipo 1 è ciò che oggi chiameremmo "Headless": dare agli utenti accesso a qualcosa di utile tramite un'API (come Flickr all'epoca, o anche aziende di grande valore come Stripe rientrerebbero in questa categoria).
• Il Tipo 2 usa quelli che chiameremmo "Plugin": come la vecchia piattaforma Facebook, o la maggior parte delle app Shopify o HubSpot di oggi. Hai un servizio core che copre l'80% iniziale dei bisogni degli utenti, e poi app personalizzate che girano su server propri, probabilmente gestite tramite una sorta di app store, che offrono agli utenti le esperienze su misura che desiderano.
• Il Tipo 3 è quello cruciale: è un vero e proprio ambiente di runtime che le persone possono programmare per creare qualsiasi cosa vogliano. Sono difficilissimi da costruire, ma quando funzionano sono pura magia. iOS, AWS, Ethereum e, di recente, Cloudflare ne sono alcuni esempi.

La cosa interessante dell'AI oggi è che tutte le aziende che sviluppano modelli e i provider di inferenza, in un certo senso, possono rivendicare di contribuire a un lavoro da "piattaforma di Tipo 3". (I modelli sono una sorta di runtime, attivati tramite istruzioni personalizzate!) Ma i modelli da soli non sbloccano nuovi comportamenti, né sono poi così difendibili. Come abbiamo visto con la programmazione, dove il framework conta altrettanto, qui ciò che conta davvero è la sovrastruttura di vincoli e primitive. Vi diamo una ragione teorica e una pratica per spiegarlo.

La ragione teorica è che, se vuoi scoprire i pattern e le primitive ovvi col senno di poi che fanno la differenza, devi esporti alla gamma più ampia possibile di utilizzi, conoscenze tacite e tentativi ed errori da parte dei tuoi utenti, così da poter evolvere da un prodotto specifico (una svolta locale) a un prodotto generale (una svolta globale). E il modo più puro per farlo è lasciare che scrivano istruzioni arbitrarie (cioè codice) per ciò che vogliono realizzare. Gestire correttamente la sicurezza, gli accessi, le strutture dati e i vincoli è un'impresa titanica che le aziende "orientate al prodotto" faticano a mettere in cima alle priorità; solo chi è davvero determinato raggiungerà la terra promessa.

La ragione pratica, per l'AI di oggi, è che per essere utili, gli agenti devono scrivere codice. È un aspetto forse non scontato, ma che abbiamo imparato nell'ultimo anno. Considerando quanto i modelli AI siano straordinari nello scrivere codice, sono sorprendentemente scarsi nel chiamare strumenti ed eseguire istruzioni nel normale knowledge work quotidiano - a meno che non si ribalti la prospettiva dicendo: "scrivi un programma che esegua queste attività", e allora diventano bravissimi. Una questione aperta nell'adozione dell'AI in ambito enterprise oggi è: "come faranno le persone e le organizzazioni a supportare tutto questo in modo sicuro?", e probabilmente conviene scommettere su chi ha una mentalità da piattaforma per trovare la risposta giusta.

Una delle grandi questioni aperte in questo momento riguarda il tipo di effetti network, costi di switching e altri moat che emergeranno ai vari livelli dello stack AI. Ad oggi, il layer dei modelli rimane sorprendentemente sostituibile. C'è la sensazione diffusa che la "modalità multiplayer" (ad es. la collaborazione sui progetti, gli agenti fidati dagli agenti degli amici) abbia degli ottimi ingredienti per la difendibilità del modello di business, ma non ha ancora inciso davvero sulla rissa generale attorno al binomio "più utilizzo, meno costi" che osserviamo nella spesa di token. La domanda principale non è "il tuo modello crea dipendenza?", ma "stai creando nuovi comportamenti?". Come ha ben sintetizzato Steve Hou: "L'elasticità che conta non è l'elasticità di sostituzione tra i modelli, ma l'elasticità della domanda aggregata di AI."

Il pattern-matching non è mai perfetto, ma se gli ultimi quattro anni di AI ci insegnano qualcosa, le prossime grandi svolte nell'usabilità multiplayer e difendibile dell'AI da parte delle persone comuni nasceranno da momenti di illuminazione in cui troveremo la stratificazione ottimale di modelli intelligenti, primitive computazionali e pattern comportamentali, facendo emergere qualcosa di semplice e ovvio. Potrebbe arrivare dalle startup che costruiscono sulle aziende di modelli usandole come piattaforme; oppure direttamente dalle aziende di modelli stesse. In entrambi i casi, è evidente che OpenAI vuole esserne il motore e consegnarlo agli utenti.

In un mondo di abbondanza, la causalità si inverte

Le vecchie abitudini sono dure a morire. Analizzando un laboratorio AI Frontier come un'azienda tradizionale, potresti guardare a tutta una serie di fattori ovvi per valutarne i vantaggi competitivi: chi ha i modelli migliori? Chi ha i chip migliori? Chi ha il miglior rapporto costi-prestazioni? Chi ha i prodotti migliori?

Ovviamente tutto questo conta ancora. Ma in un mondo di intelligenza abbondante, disponibile on-demand ovunque, probabilmente stiamo invertendo la causalità se pensiamo che avere tutte queste cose significhi automaticamente vincere. Crediamo che, in futuro, OpenAI avrà i modelli, i chip e i prodotti migliori perché ha la distribuzione migliore, e non viceversa. Finora ha preso ottime decisioni per assicurarsi potenza di calcolo sufficiente, addestrare i modelli in modo estremamente efficace, sviluppare Jalapeno come chip ottimizzato e gestire altri aspetti pratici in grado di fare la differenza competitiva nel panorama delle opzioni AI. Ma in futuro, pensiamo che continuerà a vincere perché resterà all'avanguardia nella raccolta di informazioni sul mondo, attingendo dai propri utenti appena risvegliati, e migliorandosi continuamente a partire da lì.

Nuovi prodotti e modelli possono catturare l'attenzione di tutti per una o due settimane, ma nel lungo periodo non vediamo davvero OpenAI cedere la propria posizione di leadership su ciò che conta:

• Ha mantenuto il marchio consumer dominante e un'ampia base di utenti
• Ha risvegliato nuovi tipi di comportamenti utente, ovvi col senno di poi, che cambiano le regole del gioco su ciò che è possibile
• Ha spinto in avanti la frontiera dei "migliori modelli, miglior prezzo" nella sua offerta
• Il loro "volano" non si ferma mai e tutto migliora simultaneamente

Sam descrive il futuro stato dei prodotti di OpenAI come composto da sole due offerte: o puoi creare qualsiasi cosa desideri, oppure puoi semplicemente parlare con ChatGPT. Ecco come si presenta la vera abbondanza in un prodotto. Puoi descrivere esattamente ciò che ti serve e ottenerlo, oppure puoi ripiegare su un: "oppure posso semplicemente parlare con questa casella di testo e capire strada facendo dove voglio andare".

Questa abbondanza è generalmente disponibile. Oggi. C'è un gruppo piuttosto ristretto di persone che usa l'AI a tutto campo per ogni aspetto della propria vita; e c'è un gruppo un po' più ampio e variegato che usa ChatGPT regolarmente. Questi ultimi non sono ancora stati risvegliati come clienti. Chi ci riuscirà?

Noi crediamo che OpenAI sappia come farlo.