Fare domande a ChatGPT sta diventando un ricordo del passato. Quello che arriva è diverso: chiamare il tuo AI al telefono e affidargli interi flussi di lavoro. Dalla A alla Z.
Il 29 settembre 2026, OpenAI ha presentato al DevDay una funzione che considero tra le più significative degli ultimi mesi. Non parliamo di modelli più intelligenti, testi scritti meglio o immagini più belle. Questa volta il salto è concettuale.
Si chiama Dots. In una frase: è il tuo AI dipendente personale.
Da assistente a collega: quando l’AI smette di aspettare ordini
Il problema di ChatGPT fino a ieri era semplice: dovevi chiedergli tutto. Ogni singola volta. ‘Fammi il riassunto delle vendite di oggi’. Ok, fatto. Domani? Devi richiederlo. ‘Scrivi una risposta a questa mail’. Certo. Ma seguire la conversazione, ricordarsi di fare follow-up, accorgersi che un cliente non ha risposto da tre giorni? Quello no.
ChatGPT era, diciamolo, un consulente eccezionale. Ma sempre reattivo, mai proattivo.
Dots cambia registro. OpenAI lo definisce ‘always-on agent’: agente sempre attivo. Alimentato da GPT-6 Astra, con un computer cloud dedicato e connessione a oltre 4.000 app. Ma la vera differenza non è tecnica. È che impara come lavori: obiettivi, preferenze, standard di qualità. E continua a lavorare anche quando tu non lo stai guardando.
C’è una funzione chiamata ‘proactive research’: il dot esplora informazioni utili nei momenti di inattività, quando tu non gli stai parlando. Non aspetta. Agisce.
Il tuo dot ha un PC tutto suo (e può usare il tuo)
Ogni dot ha un computer cloud dedicato. Non è un chatbot in una finestra. È più simile a dare a un nuovo assunto la sua postazione di lavoro: ID, macchina, browser, accesso agli strumenti.
Può scrivere codice, navigare sul web, eseguire test, operare su applicazioni connesse. Gli hai dato non solo il cervello, ma anche mani e piedi.
Prima, per far funzionare un agente AI serio, dovevi configurare server, API, bot Slack, automazioni browser. Roba da smanettoni. Dots porta tutto questo a livello di interfaccia utente normale. Vuoi vedere cosa sta facendo il tuo dot in questo momento? Apri il suo computer. Guardi quale pagina ha aperto, cosa sta cercando, a che punto è.
E se vuoi spingerti oltre, puoi dargli accesso al tuo PC locale. Nelle versioni Enterprise, l’amministratore può attivare o disattivare questa opzione. Quando è attiva, basta tenere il computer acceso e l’app ChatGPT aperta.
Permessi, regole, confini
Non è che butti tutto in pasto all’AI e speri bene. Funziona più come progettare i permessi per un dipendente. Con le Custom Rules puoi decidere: ‘questo lo fai senza chiedere’, ‘questo solo dopo conferma’, ‘questo mai’. Quattro livelli di autonomia: esegui liberamente, esegui se pre-approvato, chiedi prima, passami il compito.
Se il dot è l’addetto vendite, gli dai CRM e mail. Se è il marketing, social e dashboard pubblicitarie. Se sviluppa, GitHub e Codex. Il resto? Chiuso.
Parli col tuo dot da ovunque: Slack, telefono, app mobile
Puoi contattare il tuo dot da ChatGPT, Slack, Microsoft Teams, chiamata vocale. Presto anche SMS.
Sei in macchina? Chiami. ‘Cosa mi manca da fare oggi?’ Risposta immediata, priorità in ordine. ‘Ok, parti dal primo’. E via.
Sei su Slack e un collega scrive: ‘Il cliente X vuole modificare il prezzo’. Il dot legge, controlla le mail passate, tira fuori il vecchio preventivo, verifica il margine, ti manda un riassunto. Tu: ‘Perfetto, fai un nuovo preventivo. Mandamelo prima di inviarlo’. Fatto.
Non sono AI separati. È sempre lo stesso dot. Il contesto si mantiene tra canali. Parli su ChatGPT al mattino, continui su Slack a pranzo, chiudi via voce la sera. Il dot sa tutto.
Cosa ci fai, davvero, con un dot?
OpenAI elenca casi d’uso in sviluppo, vendite, marketing, contenuti, analisi, fatturazione, supporto clienti. Un early tester ha raccontato un episodio emblematico: il dot si è accorto che l’utente aveva dimenticato di fatturare un lavoro. Ha preparato la fattura, l’ha sottoposta per approvazione, l’ha inviata. L’utente non aveva detto ‘fammi la fattura’. Il dot se n’è accorto da solo.
Immagina una giornata tipo in una piccola azienda. Ore 8:00: il dot controlla CRM, mail, Slack. Identifica clienti da ricontattare, riunioni in agenda, task aperti. Tu apri lo smartphone: ‘Dimmi cosa devo fare oggi’. Risposta: priorità 1, preventivo per azienda A. Priorità 2, contratto azienda B. Priorità 3, follow-up azienda C. ‘Vai con la prima’. Il dot cerca documenti, legge lo storico, prepara il preventivo, scrive la bozza mail. Tu controlli. Invii. Prossimo.
Oppure sei responsabile commerciale. ‘Fammi il punto vendite di oggi’. Chiamate, appuntamenti, trattative, contratti chiusi, fatturato, confronto con ieri, scostamento da obiettivo, anomalie per venditore. Tutto. E se chiedi ‘perché oggi il tasso di conversione è calato?’, il dot analizza note e registrazioni e ti suggerisce correzioni.
Content, sviluppo, amministrazione
Un content creator può far trascrivere interviste, identificare le parti migliori per i clip, generare titoli, preparare post social. Il dot impara dalle tue modifiche e affina lo stile.
Uno sviluppatore riceve segnalazioni bug su Slack. Il dot le vede, indaga, passa il task a Codex per l’implementazione, esegue test, prepara la pull request, segnala il risultato.
Un manager ha il dot-segretario: legge mail e agenda, prepara brief pre-riunione, scrive verbali, organizza follow-up.
Il passaggio chiave è questo: il tuo ruolo si sposta dall’esecuzione alla decisione. Cosa fare, a chi vendere, quale direzione prendere, quale prezzo accettare, quale messaggio pubblicare. Il materiale per decidere lo raccoglie l’AI. L’esecuzione pure.
Dots vs Codex: non nemici, ma manager e specialista
Domanda lecita: ‘Ma Codex non faceva già queste cose?’ Sì e no. Codex può operare su PC, scrivere codice, usare il terminale, lavorare su GitHub. E con Codex Cloud, annunciato lo stesso giorno, gira su infrastruttura OpenAI anche a PC spento.
Però Codex è un agente specializzato: sviluppo, codice, operazioni tecniche. Dots è un coordinatore generalista: gestisce il flusso di lavoro complessivo, capisce le priorità, delega i compiti.
Esempio. Bug da risolvere. Codex: legge il codice, trova la causa, corregge, testa. Dots: vede la segnalazione su Slack, valuta quante richieste simili ci sono, decide la priorità, chiama Codex per la fix, verifica il risultato, informa il team, aggiorna la roadmap.
Il dot gestisce, Codex esegue. Dots può chiamare Codex (e ChatGPT Work) per task specifici. La conversazione col dot non consuma il limite d’uso di ChatGPT, ma se il dot avvia Codex o Work, quelli sì.
Futuro ipotizzabile: tu, poi un dot coordinatore, poi dot vendite, marketing, sviluppo, finance, poi Codex e tool vari. OpenAI ha già accennato a team di dots specializzati che collaborano tra loro. Per ora siamo a ‘un dot per utente’, ma la direzione è chiara.
Non è una nuova funzione. È un nuovo modo di costruire aziende
Se pensi a Dots come ‘una figata in più di ChatGPT’, stai sottovalutando. Finora, far crescere un’azienda significava: più fatturato, più persone, più uffici, più costi fissi, più complessità gestionale.
Con AI-dipendenti utilizzabili davvero, il modello cambia. Cinque persone umane. Più dot vendite, dot marketing, dot sviluppo, dot segreteria, dot analisi, dot supporto, dot contenuti. Attivi h24. Condividono dati. Producono output. Le persone si concentrano su relazioni, decisioni strategiche, creatività, approvazioni finali.
Risultato: numero di dipendenti ≠ capacità produttiva. Piccole squadre con output da organizzazioni molto più grandi.
Questo colpisce soprattutto PMI e micro-imprese. Le grandi aziende hanno reparti specializzati: marketing, IT, legale, HR, finance. Le piccole no. L’imprenditore fa tutto: vende, assume, gestisce, analizza, risponde, crea. Il collo di bottiglia è il tempo, non la competenza.
Dots libera tutto ciò che non richiede la tua decisione finale. E questo, da solo, è enorme.
Limiti, cautele, responsabilità
Dots non è infallibile. Può sbagliare. Contratti, pagamenti, invii importanti: meglio controllare. OpenAI stesso raccomanda la supervisione umana per azioni ad alto impatto.
L’AI non fa quello che vuole. Agisce dentro permessi app, regole custom, policy di sicurezza, richieste di conferma. Come un dipendente junior con autorizzazioni limitate.
La competenza che conterà nei prossimi anni è progettare la divisione del lavoro tra umani e AI. Leggere mail: ok. Bozze: ok. Invio: conferma. Calendario: ok. Proposta slot: ok. Conferma appuntamento: conferma. GitHub: ok. Modifica: ok. Test: ok. Deploy in produzione: conferma.
Chi sa impostare questi confini bene non starà semplicemente ‘usando l’AI’. Starà orchestrando team ibridi. Ed è un vantaggio enorme.
Il punto di svolta
Quando è uscito ChatGPT, tutti dicevano ‘cambierà la ricerca’. Poi è arrivata la scrittura, poi le immagini, poi il codice, poi l’analisi dati. Dots è diverso. Non è un’evoluzione: è un cambio di rapporto tra uomo e AI.
Prima: AI come strumento. Adesso: AI come risorsa a cui delegare.
Gli dai un nome. Gli insegni il lavoro. Gli assegni permessi. Gli parli da smartphone. Lo chiami. Gli scrivi su Slack. Lavora mentre tu fai altro. Se serve, chiama Codex. Alla fine, tu giudichi e approvi.
OpenAI non sta costruendo un chatbot più intelligente. Sta costruendo un collega artificiale permanente.
Al 3 ottobre 2026 il rollout è graduale: non puoi ancora creare decine di dots e montare un’intera org-chart AI. Ma OpenAI parla esplicitamente di team di dots e ha già avviato anteprime per dots specializzati in vendite e contabilità in ambito enterprise.
Tra qualche anno, forse, il 29 settembre 2026 non sarà ricordato come ‘il giorno in cui ChatGPT ha avuto un aggiornamento’. Ma come il momento in cui gli AI-dipendenti sono entrati ufficialmente in azienda.
