La distanza tra intelligenza umana e artificiale sembra ridursi sempre di più. Gli algoritmi non si limitano più a seguire regole o schemi, ma riescono a elaborare strategie, analisi e testi complessi con un livello di accuratezza che in molti casi si avvicina a quello dei professionisti. La vera domanda, oggi, non è se l’IA possa sostituire l’uomo, ma quanto siamo ancora in grado di percepire la differenza tra un prodotto umano e uno sintetico.
Il recente studio di OpenAI, “GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks”, prova a rispondere proprio a questo interrogativo, spostando il discorso dal piano teorico a quello empirico.
Attraverso un’analisi strutturata, i ricercatori hanno verificato come alcuni LLM — tra cui GPT-5, Claude Opus 4.1, Gemini 2.5 Pro e Grok 4 — affrontino compiti reali con un valore economico diretto, spesso paragonabile a quello del lavoro umano.
Nei 47,6% dei casi analizzati, i risultati prodotti dall’IA sono stati giudicati pari o superiori a quelli di esperti del settore.
All’interno di questi ambiti sono stati individuati 44 mestieri digitali e progettati 1.320 compiti, ispirati ad attività effettivamente svolte in azienda: dalla stesura di un contratto legale alla definizione di strategie d’investimento, dalla creazione di un piano marketing alla redazione di report sanitari.
Tra i settori inclusi nello studio figurano anche attività legate alla scrittura e alla verifica delle informazioni — ambiti che toccano da vicino il mondo del giornalismo e della comunicazione.
Il fatto che i modelli vengano valutati anche nella capacità di redigere testi, interpretare dati e validare fonti rende evidente come l’IA non stia solo automatizzando funzioni operative, ma si muove in territori tradizionalmente riservati al pensiero critico e alla mediazione culturale. Per chi lavora in questi settori, l’evoluzione non rappresenta solo un cambiamento tecnologico, ma un passaggio di paradigma: se un sistema può replicare la forma dell’informazione, ciò che resta umano è la capacità di interpretare, contestualizzare e attribuire senso.
È proprio qui che il giornalismo trova la sua nuova dimensione, non nella competizione con la macchina, ma nella sua capacità di dare significato a ciò che la macchina elabora.
Misurare la competenza: l’esperimento di OpenAI
Un aspetto interessante dello studio riguarda la struttura della valutazione. Gli esperti coinvolti non hanno addestrato i modelli, ma hanno agito come revisori indipendenti, creando benchmark e standard di confronto tra IA e lavoro umano. Per testare la reale capacità dei modelli di replicare la competenza professionale, OpenAI ha organizzato l’esperimento in più fasi, seguendo un metodo quanto più vicino alle dinamiche del lavoro reale.
Ogni compito, mediamente pari a una giornata di lavoro e dal valore economico stimato di circa 400 dollari, è stato trattato come un’attività concreta, con obiettivi, vincoli e criteri di valutazione ben definiti.
Nella prima fase, i compiti sono stati progettati da professionisti con un’esperienza media di oltre 14 anni, provenienti da aziende come Apple, Goldman Sachs, Microsoft, Disney, BBC, Johnson & Johnson, PwC, IBM e General Electric.
A ciascuno è stato chiesto di completare il task in modo completo, producendo la cosiddetta “versione umana” del risultato, considerata lo standard qualitativo di riferimento.
Successivamente, nella seconda fase, gli stessi compiti sono stati affidati ai modelli IA che hanno operato in autonomia totale, ricevendo le stesse istruzioni, materiali e vincoli temporali dei professionisti umani.
Infine, una valutazione alla cieca ha completato il processo: un nuovo gruppo di esperti, indipendente dal primo, ha confrontato i risultati senza sapere se fossero stati prodotti da un essere umano o da un modello artificiale.
Nel complesso, l’IA ha raggiunto un livello di competenza comparabile a quello umano in quasi la metà dei casi esaminati.
Nello specifico, tra i modelli testati, GPT-5 ha mostrato maggiore coerenza logica e aderenza alle istruzioni, mentre Claude Opus 4.1 si è distinto per accuratezza formale e qualità visiva.
Come ha osservato Geoff Colvin, senior editor di Fortune e analista del mondo del lavoro e dell’innovazione, i modelli “stanno migliorando a un ritmo galoppante” e, se questa tendenza dovesse proseguire, “potrebbero superare l’uomo in compiti reali nel giro di pochi mesi”. Un’accelerazione che mette alla prova non solo i limiti tecnici dell’intelligenza artificiale, ma anche la capacità dell’uomo di adattarsi a un cambiamento sempre più rapido, dove i cicli di innovazione non si misurano più in anni ma in mesi.
Tuttavia, la presunta parità tra uomo e macchina, letta fuori contesto, rischia di essere fuorviante.
Lo studio misura la capacità di completare compiti strutturati, non la profondità del giudizio o la responsabilità che accompagnano ogni decisione umana. Un modello IA può redigere un report, ma non valutare se quel documento serva davvero a risolvere un problema o a orientare una scelta.
In questa prospettiva, GDPval non sancisce il superamento dell’IA sull’uomo, bensì conferma che una parte crescente del lavoro intellettuale può essere formalizzata, tradotta in procedure e standard di qualità che una macchina è ormai in grado di replicare. Questa scoperta potremmo considerarla “scomoda”, perché impone di chiedersi quali dimensioni della competenza resteranno autenticamente umane quando tutto ciò che è ripetibile potrà essere automatizzato.
Dalla sostituzione alla co-intelligenza
Paradossalmente, proprio lo stesso studio dimostra che la massima produttività si raggiunge non quando la macchina lavora da sola, ma quando collabora con l’uomo.
Negli scenari ibridi, dove l’IA produce una prima bozza e il professionista interviene per rivederla, ampliarla o perfezionarla, i ricercatori hanno osservato una riduzione di tempi e costi fino al 60%, senza perdita di qualità.
Non è quindi una questione di sostituzione, ma di integrazione.
La macchina accelera le fasi operative, mentre l’uomo conserva la guida strategica e la responsabilità delle decisioni. Questo modello collaborativo apre nuove prospettive: da un lato libera tempo e risorse, dall’altro interroga profondamente sul grado di coinvolgimento umano nei processi cognitivi e sulla ridefinizione di valore e responsabilità.
Se il risultato nasce dall’interazione, chi firma davvero il prodotto finale?
La produttività cresce, ma l’idea di autorialità si fa più sfumata.
Pur riconoscendo l’impatto dei risultati, OpenAI sottolinea con chiarezza i limiti del proprio esperimento.
GDPval si concentra su attività digitali e misurabili, escludendo le competenze relazionali, le soft skills e l’impatto etico o reputazionale dell’errore.
Quando l’IA sbaglia, nel 70% dei casi produce risultati accettabili ma inferiori; solo nel 3% l’errore è davvero critico, tale da compromettere il lavoro complessivo.
La qualità, tuttavia, cresce sensibilmente quando aumenta il cosiddetto reasoning effort — la capacità del modello di pianificare, verificare e correggere i propri passaggi logici.
Con prompt più accurati, le performance migliorano di circa cinque punti percentuali. La supervisione umana, in questo contesto, non è un limite: è una condizione indispensabile. Senza di essa, la macchina non evolve e il lavoro perde la sua intenzionalità.
L’obiettivo di questo studio di OpenAI non è soltanto tecnico, attraverso questi indicatori “micro-produttivi”, i ricercatori tentano di anticipare ciò che le statistiche macroeconomiche mostreranno nei prossimi anni. Lo descrivono come un “radar anticipatorio del lavoro”, un modo per osservare oggi le trasformazioni che domani ridisegneranno occupazione, redditività e organizzazione delle competenze.
Ed è proprio in questa direzione che si muove anche il giornalismo del futuro.
Non più solo cronaca del cambiamento, ma parte attiva di esso: un terreno in cui l’IA può diventare un supporto alla ricerca, alla sintesi e alla verifica dei contenuti, senza sostituirne la responsabilità interpretativa. Perché la notizia, come ogni forma di conoscenza, non è soltanto ciò che viene scritto, ma ciò che prima della scrittura viene scelto, compreso e restituito con senso. E questo, ancora, resta un compito umano.
