OpenAI ha appena lanciato Presence. Non è un modello, non è un’API, non è l’ennesima funzione sperimentale nascosta dentro ChatGPT. È un prodotto enterprise per mettere agenti AI al lavoro su flussi reali — quelli dove se sbagli, costa.
Perché il problema vero delle aziende oggi non è più dimostrare che gli agenti possono funzionare. È farli funzionare abbastanza bene da affidargli cose serie: gestire reclami, rispondere ai clienti, sbloccare ticket IT interni. Roba che se va male, qualcuno deve chiamare il capo. E per farlo servono policy, guardrail, escalation controllate — non solo un modello potente che ‘ragiona bene’.
Cosa fa esattamente Presence
Presence è pensato per deployment specifici. Niente agente generico che fa tutto e niente. Prendi un caso d’uso — tipo risolvere problemi di fatturazione, gestire sinistri assicurativi, supportare dipendenti con richieste IT — e costruisci un agente attorno a quello. Gli dai solo la conoscenza e gli accessi ai sistemi necessari per quel lavoro. Poi decidi tu cosa può fare, quando deve chiedere permesso, quando deve passare la palla a un umano.
Dopo il lancio, le sessioni reali e le escalation mostrano dove l’agente funziona e dove no. Qui entra in gioco Codex — che analizza i segnali di produzione e propone aggiornamenti. Il team li testa, li approva, li rilascia in modo controllato. L’agente si adatta mentre clienti, policy e prodotti cambiano. Senza che tu debba ripartire da zero ogni volta.
Già operativo, non vaporware
OpenAI usa Presence internamente per il supporto telefonico in inglese — numero 1-888-GPT-0090, se volete provare. In poche settimane ha raggiunto o superato i benchmark che usano per valutare il supporto umano di prima linea. Oggi risolve il 75% delle chiamate in entrata senza assistenza umana. E grazie al loop di miglioramento basato su Codex, hanno ridotto gli handoff umani del 15% in dieci giorni. Dieci.
Non è solo OpenAI. BBVA sta esplorando supporto vocale AI per esigenze bancarie quotidiane in Messico. SoftBank sta testando conversazioni naturali in giapponese con i clienti. IAG — un colosso assicurativo australiano — vuole usarlo per supportare i clienti durante eventi critici tipo maltempo estremo o disastri naturali, quando la domanda esplode e il servizio deve reggere.
Daniel Ordaz, responsabile AI Transformation in BBVA Messico, lo dice chiaramente: ‘Stiamo lavorando a stretto contatto con OpenAI per esplorare come agenti fidati possano contribuire a plasmare il futuro dei servizi finanziari’. Tadahisa Murakami di SoftBank sottolinea che i team in prima linea hanno valutato molto positivamente la qualità naturale e accurata delle conversazioni in giapponese. Julie Batch, CEO Retail Insurance Australia di IAG, punta su un supporto affidabile ‘nei momenti che contano davvero’.
Controllo prima, durante e dopo
Prima che un deployment di Presence arrivi agli utenti, il team lo testa contro richieste comuni, casi limite, scenari ad alto rischio. Simulazioni e grader controllano se ha raggiunto il risultato giusto, seguito le policy, usato correttamente gli strumenti, escalato quando appropriato. I guardrail possono intervenire quando un’interazione esce dai confini aziendali.
Poi arriva il lancio. E il lavoro continua. Le sessioni di produzione, le escalation, i segnali di qualità mostrano dove l’agente funziona e dove serve attenzione — man mano che policy, prodotti e comportamento degli utenti evolvono. Codex con il plugin Presence indaga quei segnali, suggerisce modifiche. Il team testa ogni proposta contro la versione in produzione, poi approva un rollout controllato.
Presenza è progettato per imparare con te — migliorando mentre il business, i clienti e i dipendenti cambiano. Ma senza mai toglierti il controllo. È costruito sulla ricerca di punta di OpenAI e avanza man mano che modelli e capacità migliorano. Quando un caso d’uso va oltre ciò che il prodotto supporta oggi, i Forward Deployed Engineer di OpenAI e i partner possono lavorare col cliente per portarlo in produzione.
Chi può usarlo (e come)
Presence è disponibile oggi per agenti vocali e chat — supporto clienti, vendite outbound, flussi interni ad alto rischio. Un cliente potrebbe usarlo per risolvere un problema di fatturazione: capire la richiesta, verificare l’identità, cercare le informazioni sull’account, applicare le policy aziendali, prendere un’azione approvata.
Le aziende decidono cosa resta coerente tra deployment — policy, valutazioni, regole di escalation — e cosa deve cambiare per ogni flusso o canale. Così i team costruiscono su ciò che funziona ed espandono a nuovi casi d’uso senza ricominciare da capo ogni volta.
Presenza riunisce i componenti necessari per far girare agenti in produzione: policy e procedure operative standard, guardrail, azioni approvate, simulazioni, strumenti di valutazione, e un processo di miglioramento alimentato da Codex. Insieme, questi componenti aiutano i team a connettere i sistemi aziendali, definire come gli agenti devono comportarsi, valutare le performance, far rispettare le policy, gestire i cambiamenti dopo il lancio.
Disponibilità limitata (per ora)
OpenAI Presence è disponibile per clienti enterprise selezionati attraverso un programma di disponibilità generale limitata. I deployment sono guidati da Forward Deployed Engineer di OpenAI e system integrator globali selezionati. Non è ancora disponibile come prodotto self-serve — il che ha senso, visto che parliamo di deployment mission-critical dove serve supporto diretto.
Se usate già i modelli vocali di OpenAI tramite API, continuate tranquilli — il supporto resta. Per capire se Presence fa al caso vostro, dovete contattare il vostro account team OpenAI. Niente modulo pubblico, niente lista d’attesa aperta. Almeno per ora.
Costruito attraverso anni di deployment con clienti reali, Presence è un prodotto ambizioso modellato dalle esigenze di ambienti mission-critical. Ogni deployment genera insight che alimentano continuamente ricerca e sviluppo di OpenAI, creando benefici composti per tutti i clienti. Non è perfetto — nessun agente lo è. Ma è operativo, testato, e sta già gestendo flussi dove gli errori costano cari. Il che, diciamocelo, è esattamente dove gli agenti AI devono dimostrare di valere.
