GPT-4 è arrivato: cosa cambia davvero per le PMI italiane (analisi a caldo dal lancio del 14 marzo 2023)

Ieri pomeriggio, alle 17:00 ora italiana del 14 marzo 2023, OpenAI ha annunciato GPT-4. Non un blog post di marketing: un paper tecnico di 98 pagine, una pagina prodotto, e l’attivazione immediata del modello per gli abbonati ChatGPT Plus. Nelle stesse ore, Microsoft ha confermato pubblicamente che Bing Chat — il chatbot integrato nel motore di ricerca, in preview dal 7 febbraio — gira “since day one” su una variante personalizzata di GPT-4. La prima implementazione pubblica del modello, quindi, è in giro da cinque settimane, e nessuno se n’era accorto formalmente fino a ieri.

Il mercato ha reagito a caldo: Microsoft +1,8% pre-market, Alphabet -0,8%, titoli AI minori in rialzo a doppia cifra. Più interessante della reazione di Wall Street è però la domanda concreta che riceviamo da ieri sera in studio: cosa cambia, in pratica, per un’azienda italiana che oggi ha 30 dipendenti, due gestionali e un budget IT limitato? In questo articolo proviamo a mettere ordine — senza hype, senza scorciatoie — su cosa è davvero GPT-4, come si accede oggi, cosa fa meglio di GPT-3.5 e cosa invece resta uguale o problematico.

Cos’è GPT-4 in concreto: caratteristiche tecniche misurate

Partiamo da quello che sappiamo. OpenAI ha scelto di non rivelare informazioni chiave sull’architettura: numero di parametri, dimensione del dataset di training, hardware usato. La motivazione ufficiale è “competizione e safety” — un cambio netto di policy rispetto ai paper GPT-2 e GPT-3, che erano molto più trasparenti. È un punto su cui la comunità accademica sta già protestando, ma per chi deve usare il modello in azienda è di importanza secondaria.

Quello che sappiamo, dal technical report pubblicato ieri:

• Context window: 8.192 token nella versione standard, 32.768 token nella versione “extended” (commerciale, prezzo doppio). Per dare un riferimento, GPT-3.5 si fermava a 4.096 token. 32K token equivalgono a circa 24.000 parole, ovvero 45-50 pagine A4: un manuale tecnico medio, un contratto di fornitura completo, o le minute di una giornata di riunioni.
• Multimodale (testo + immagini in input): il modello accetta immagini come parte del prompt — può leggere uno schema, descrivere una foto, interpretare un grafico. L’output resta solo testo. La funzionalità visiva è in “research preview” e non è disponibile pubblicamente al lancio: si vede nei demo di OpenAI, ma né su ChatGPT Plus né via API è ancora accessibile.
• Performance vs GPT-3.5 (benchmark dichiarati da OpenAI):
  • Uniform Bar Exam (l’esame di abilitazione forense USA): GPT-4 nel 90° percentile dei candidati umani, vs 10° di GPT-3.5
  • AP Biology: 5/5 vs 4/5
  • MMLU (benchmark accademico multidisciplinare): 86,4% vs 70,0%
  • HumanEval (generazione codice): 67,0% vs 48,1%
  • GRE Quantitative: 80° percentile vs 25°
• Allucinazioni: OpenAI dichiara una riduzione del 40% sul benchmark interno di “factuality”. Tradotto: il modello inventa meno fatti, ma continua a inventarli. Non è un problema risolto, è un problema attenuato.
• Knowledge cutoff: i dati di training si fermano a settembre 2021. GPT-4 non sa nulla del Decreto Aiuti, della Legge di Bilancio 2023, della guerra in Ucraina dopo il primo mese, del rialzo dei tassi BCE, dell’introduzione della patente a crediti edilizia.

Va sottolineato un dettaglio che si perde nei titoli: nei benchmark di codifica e ragionamento matematico, il salto da GPT-3.5 a GPT-4 è significativo, ma non lineare su tutti i task. Alcune capacità sono migliorate del 200%, altre del 10%. Sui task creativi (scrittura, brainstorming, traduzione), la differenza percepita è notevole ma meno misurabile.

Come accedere a GPT-4 oggi: lo stato reale al 15 marzo

Qui occorre fare attenzione, perché la confusione è già alta. Ad oggi esistono quattro canali di accesso, ciascuno con caratteristiche diverse:

1. ChatGPT Plus (web, chat.openai.com)

• Costo: $20/mese per utente, abbonamento attivo dal 1° febbraio 2023
• Accesso immediato a GPT-4 dal selettore modelli (dropdown in alto)
• Limite hard: ~25 messaggi ogni 3 ore — è un throttling temporaneo dovuto alla capacità GPU iniziale, OpenAI ha dichiarato che aumenterà col tempo
• Disponibile in Italia, in italiano, da subito
• Niente API, niente integrazione: solo interfaccia web/mobile

2. Microsoft Bing Chat (Edge + Bing.com)

• Costo: gratuito
• Accesso via waitlist (l’iscrizione si fa con account Microsoft, l’attesa media riportata è 24-72 ore)
• Richiede Microsoft Edge come browser (per ora)
• Vantaggio: ha accesso a internet in tempo reale, cita le fonti
• Svantaggio: risposte volutamente più brevi, personalità “ottimizzata” da Microsoft, limiti di turni per conversazione (recentemente alzati a 15)

3. API OpenAI (per sviluppatori e integrazioni)

• Waitlist: nessun accesso pubblico immediato. OpenAI sta ammettendo a scaglioni
• Pricing annunciato: $0,03/1.000 token in input + $0,06/1.000 token in output (versione 8K context)
• Versione 32K context: $0,06 input + $0,12 output per 1.000 token
• Confronto: GPT-3.5 Turbo costa $0,002/1.000 token. GPT-4 è quindi 15-30 volte più caro

4. Microsoft Azure OpenAI Service (canale enterprise)

• Waitlist enterprise dedicata, processo di approvazione formale
• Requisiti: account Microsoft Azure attivo, descrizione use case, accettazione policy di uso responsabile
• Vantaggio per il GDPR: i dati restano su tenant Azure, processabili in datacenter europei (regione West Europe attiva)
• Pricing in via di definizione, atteso “in linea” con OpenAI ma con sconti volume

Per una PMI italiana che vuole iniziare oggi, lo scenario realistico è: ChatGPT Plus per esplorare, Bing Chat come backup gratuito per ricerca, API e Azure come obiettivo per progetti di produzione fra 1-3 mesi.

Cosa è migliorato concretamente vs GPT-3.5

I benchmark da soli dicono poco. Dopo 18 ore di test interni sul nostro account ChatGPT Plus, ecco dove la differenza si sente davvero:

Documenti lunghi: con la versione 32K (su API quando arriverà) si possono incollare interi contratti, manuali, datasheet senza spezzettarli. GPT-3.5 sui documenti lunghi inventa pezzi inesistenti perché “perde” il contesto iniziale. GPT-4 mantiene la coerenza su tutto il documento. Nel test pratico su un contratto di fornitura di 38 pagine, GPT-4 ha identificato correttamente 11 clausole su 12 marcate come critiche dal nostro legale; GPT-3.5 ne aveva identificate 6 inventandone 3.

Codice: il salto nei benchmark di coding (67% vs 48% su HumanEval) si vede nella vita reale. GPT-4 scrive funzioni più lunghe senza errori di sintassi, gestisce edge case che GPT-3.5 ignora, e — soprattutto — debugga codice esistente molto meglio. Per chi sviluppa internamente o lavora con piccoli script per Excel, SQL o automazioni, è una differenza concreta.

Ragionamento multi-step: i problemi che richiedono 4-6 passaggi logici (calcolo prezzo con sconti a scaglioni, IVA agevolata, anticipi e ritenute) erano il tallone d’Achille di GPT-3.5. GPT-4 li gestisce con un’affidabilità che si avvicina al 90% su problemi commerciali tipici, contro il 50-60% del predecessore.

Italiano: il modello precedente parlava bene italiano, ma con tono spesso “tradotto dall’inglese”. GPT-4 è notevolmente più idiomatico, capisce meglio i dialetti, ed è in grado di mantenere registri diversi (formale, commerciale, tecnico-burocratico) all’interno della stessa conversazione. Restano problemi su termini tecnici molto italiani (gestione IVA reverse charge, F24, esterometro) ma migliorati.

Visione: quando la feature di image input sarà disponibile, leggere una fattura scannerizzata o un grafico Excel direttamente dal prompt cambierà parecchi workflow. Per ora è un teaser. Continuiamo a monitorare.

Use case concreti per la PMI italiana, con stima costi

Smettiamo per un momento di parlare di tecnologia e mettiamo numeri. Una PMI italiana media — diciamo 25-50 dipendenti, fatturato 5-15 milioni — può iniziare a sperimentare GPT-4 in questi 5 ambiti, con costi quantificabili:

1. Customer support di primo livello (chatbot tier 1)

Un chatbot che risponde a FAQ ricorrenti su orari, prodotti, stato ordini. Considerando una conversazione media di 10 turn da 800 token (input + output), il costo API GPT-4 standard è circa €0,30 per conversazione. Per un volume di 1.000 conversazioni/mese (tipico per e-commerce piccolo), si parla di €300/mese di token + tempo sviluppo iniziale. Il risparmio rispetto a una persona dedicata part-time è evidente, a patto di tenere sempre un escalation a operatore umano per casi complessi. Abbiamo analizzato 7 casi d’uso AI nel customer service qui.

2. Analisi contratti e capitolati

Lettura di un contratto di fornitura di 20 pagine (~12.000 token) per identificare clausole critiche (penali, recesso, esclusive, garanzie). Costo singolo: ~€1,50 di token. Risparmio: 1-2 ore di lettura ufficio acquisti. Attenzione: il risultato va sempre validato da una persona competente. Il modello è un assistente, non un sostituto del legale.

3. Drafting email commerciali personalizzate

Outreach a prospect B2B con messaggi personalizzati basati su informazioni LinkedIn pubbliche. Costo: ~€0,10 per email (circa 1.500 token totali). Il tempo umano si concentra sulla review e personalizzazione del 10% di sales, non sulla scrittura from-scratch.

4. Sintesi meeting con action items

Trascrizione (con servizio dedicato tipo Whisper o Otter) + sintesi finale con GPT-4. Per un meeting di 1 ora (~9.000 parole trascritte), il costo del passaggio GPT-4 è €2-5. Output tipico: riassunto 1 pagina + lista action items + decisioni prese.

5. Documentazione interna e manuali utente

Generazione di manuali utente da specifiche tecniche. Per un manuale di 40-60 pagine partendo da una specifica di 10 pagine, il costo è €20-50 di token. Il manuale generato va sempre revisionato — non si pubblica “as-is” — ma il tempo speso si riduce del 60-70%.

In tutti i casi, la regola d’oro resta: l’AI accelera il lavoro umano, non lo sostituisce in toto. Chi pensa di tagliare risorse senza tenere un essere umano “nel loop” si troverà presto a gestire il danno reputazionale del primo errore non intercettato.

I limiti che è importante capire

Un’analisi onesta non può fermarsi ai benefici. GPT-4, oggi 15 marzo, ha limiti reali che ogni responsabile IT deve conoscere prima di firmare un budget.

Allucinazione ridotta ma non eliminata: il “-40% factuality” dichiarato da OpenAI è significativo, ma GPT-4 continua a inventare fatti, soprattutto su nicchie italiane. Abbiamo testato domande su sentenze di Cassazione, articoli del CCNL Metalmeccanici, normativa tributaria specifica: il modello produce risposte plausibili che a tratti sono completamente inventate. Su questi argomenti il rischio è alto se non si verifica.

Knowledge cutoff a settembre 2021: nessuna informazione su eventi successivi. Niente Decreto Aiuti (giugno 2022), niente Legge Bilancio 2023, niente correttivo IVA del 2022. Per uso aziendale su normativa italiana questo è un vincolo serio. Bing Chat aggira il problema con la ricerca real-time, ChatGPT Plus no.

Nessuna autonomia operativa: GPT-4 non esegue azioni. Non scrive sul vostro gestionale, non manda email da sé, non aggiorna database. È un motore testuale: prende testo in input, restituisce testo in output. Tutto il resto è codice “intorno” da scrivere — ed è la parte più costosa di un progetto reale.

Italiano spesso “scolastico”: il registro default è formale, a volte troppo. Per email commerciali calde, social informali, slogan accattivanti, occorre lavorare di prompt engineering per “abbassare” il tono.

Privacy e GDPR: l’argomento meriterebbe un articolo dedicato. In sintesi, ChatGPT Plus invia tutti i prompt a server OpenAI negli USA, dove vengono potenzialmente usati per training futuro (l’opt-out è disponibile ma poco visibile). Per dati aziendali sensibili (anagrafiche clienti, prezzi riservati, accordi commerciali) questo è un problema GDPR aperto. La posizione del Garante italiano sulla materia non è ancora stata espressa formalmente; ci si attende un intervento nelle prossime settimane. La soluzione enterprise — Azure OpenAI Service in regione europea — è il canale corretto per dati sensibili, ma richiede waitlist e contratto enterprise.

Come si confronta con Bing Chat, Bard e gli open source

Per chi sta valutando “su quale puntare”, una panoramica leale:

Microsoft Bing Chat: stesso motore (GPT-4 customizzato) ma con accesso real-time a internet e citazione delle fonti. Vince per ricerca aggiornata, perde per profondità conversazionale (le risposte sono volutamente più brevi e cautelative). È gratuito ed è la scelta sensata per chi vuole un assaggio della tecnologia senza spendere $20.

Google Bard: annunciato il 6 febbraio, attualmente in test con “trusted testers”. Non è disponibile pubblicamente. È basato su LaMDA, un modello che nei benchmark pubblici non raggiunge GPT-4 (ma Google non ha rilasciato comparazioni dirette). Da seguire perché Google integrerà queste capacità in Workspace e Search, ma oggi non è un’opzione operativa. Abbiamo dedicato un’analisi specifica alla corsa Google vs Microsoft.

Open source (Stable LM, LLaMA Meta, Flan-T5): la community sta accelerando. LLaMA di Meta, rilasciato a febbraio sotto licenza di ricerca, ha già generato fork interessanti (Alpaca da Stanford in primis, uscito proprio questa settimana). Ma nessun open source attuale è competitivo con GPT-4 sui benchmark. Per una PMI che vuole risultati oggi, l’open source resta interessante solo per use case ben circoscritti e dove la privacy on-premise è obbligatoria.

Anthropic Claude: secondo modello di frontiera dopo GPT-4. API in accesso limitato, non commercializzata pubblicamente in Italia. Differenziazione su “AI safety”. Da monitorare ma non operativo oggi.

Cosa deve fare la tua PMI nei prossimi 30 giorni

Senza retorica e con un piano scandito su settimane:

Settimana 1-2: comprare 1-3 abbonamenti ChatGPT Plus ($20/mese ciascuno) per il top management e qualche figura tecnica curiosa. Far testare il modello su domande reali del business — non su “scrivi una poesia su Roma”. L’obiettivo è calibrazione di aspettative: capire dove sbaglia, dove sorprende.

Settimana 2-3: identificare 2-3 use case interni a basso rischio. La regola è: niente dati cliente sensibili, niente prezzi riservati, niente anagrafiche. Buoni candidati: drafting risposte standard a richieste di preventivo generiche, sintesi di articoli di settore, brainstorming campagne marketing, scrittura specifiche per gare.

Settimana 3-4: organizzare un’AI literacy session interna di 2-3 ore per tutto il personale che potenzialmente userà questi strumenti. Argomenti minimi: come funziona un LLM in 10 minuti, cosa non va inserito nei prompt (dati personali, segreti aziendali, IP), come riconoscere un’allucinazione, quando smettere e chiedere a una persona.

Mese 2: iscrivere l’azienda alla waitlist API GPT-4 e a Azure OpenAI Service. Se avete progetti interni di sviluppo, identificate il primo pilota tecnico (chatbot interno per FAQ, automazione bozza email, ricerca semantica documenti aziendali).

Mese 3+: se il pilota va bene, costruire un budget formale per un progetto di produzione. Non saltare al pilota di produzione direttamente da zero — il rischio di disillusione è alto, perché le sorprese sono molte.

In parallelo, sempre: tenere d’occhio le evoluzioni regolatorie. L’AI Act europeo è in lavorazione al Parlamento UE e potrebbe approvarsi nei prossimi 12-18 mesi. La posizione del Garante Privacy italiano è attesa nelle prossime settimane. Banca d’Italia e AgID si esprimeranno entro fine anno. Non costruite oggi qualcosa che vi obbligherà a smontare a fine 2023 per ragioni normative.

Come Odoo e l’approccio Brenta affrontano GPT-4

Da partner ufficiale Odoo Italia, riceviamo da settimane domande su “come si integra ChatGPT in Odoo”. La nostra posizione è pragmatica: monitoring attivo, integrazioni custom su richiesta, niente impegno cieco verso un singolo provider.

La filosofia open source di Odoo permette di integrare via API qualsiasi modello LLM — OpenAI oggi, Azure OpenAI domani, Anthropic Claude o un modello self-hosted quando avranno senso. La nostra roadmap interna per i prossimi mesi prevede:

• Integrazioni di basso rischio prima: drafting automatico delle descrizioni prodotto in Odoo eCommerce, sintesi automatica delle note CRM dopo una chiamata, suggerimento di risposta nelle conversazioni helpdesk
• Use case medi: classificazione automatica dei lead in entrata su Odoo CRM, parsing strutturato di richieste preventivo arrivate via email libera
• Use case sofisticati: ricerca semantica nella documentazione tecnica aziendale, agente di supporto interno per dipendenti su procedure HR e amministrative

Per ora, il valore principale che portiamo ai clienti italiani resta il gestionale solido, integrato e su normativa italiana — non l’AI come sostituto. Vediamo l’AI come acceleratore di processi già ben definiti, non come scorciatoia per saltare la fase di analisi.

Per i clienti con requisiti GDPR stringenti (sanità, finanza, dati personali sensibili), la nostra raccomandazione attuale è attendere la versione Azure OpenAI o valutare soluzioni on-premise quando i modelli open source saranno maturi. Per gli altri, c’è già spazio per pilot ben circoscritti che portano valore misurabile entro 60-90 giorni. Se volete capire dove un’integrazione AI ha senso nei vostri processi, parliamone con un’analisi tecnica gratuita.

Il dibattito che si è aperto in 24 ore

L’annuncio di GPT-4 ha riacceso un dibattito serio, non quello dei tweet. Nelle ultime ore è iniziata a circolare una open letter intitolata “Pause Giant AI Experiments”, firmata fra gli altri da Steve Wozniak, Elon Musk, e una lista crescente di accademici. La richiesta è una moratoria di 6 mesi sul training di modelli più potenti di GPT-4, in attesa di stabilire protocolli di safety e governance.

La risposta informale di OpenAI, attraverso post del CEO Sam Altman, è che lo sviluppo continuerà con cautela e attenzione alla safety, ma non si fermerà. È una posizione che non sorprende, considerando l’investimento di Microsoft (parliamo dei 10 miliardi annunciati a gennaio) e la competizione con Google.

La posizione italiana è ancora silenziosa. Né il Governo né il Garante Privacy hanno commentato GPT-4 in modo formale a 24 ore dal lancio. Confindustria sta osservando. Le università si stanno svegliando — non bene, in alcuni casi: alcuni rettori stanno parlando di “vietare ChatGPT”, una posizione che la storia farà invecchiare male.

Cosa monitorare nei prossimi 30 giorni:

• Posizione formale del Garante Privacy italiano (atteso intervento)
• Eventuali linee guida AgID per la PA
• Sviluppi su AI Act europeo (votazione attesa entro l’anno)
• Espansione waitlist API OpenAI e Azure OpenAI
• Annunci competitor (Google Bard public release, Anthropic Claude pubblico)

L’AI è diventata, in 24 ore, un argomento da consiglio di amministrazione. Non lasciarlo solo all’IT, ma neanche solo al CEO entusiasta. Servono analisi tecnica, valutazione legale e strategia di business, in quest’ordine.

FAQ

ChatGPT Plus a $20/mese vale la pena per la mia PMI?

Dipende dall’uso reale che ne fa il management. Se 2-3 figure decisionali lo usano almeno 30 minuti al giorno per tasks reali (drafting email, brainstorming, sintesi documenti, analisi rapida), $20/mese è banalmente conveniente — equivale a 30 minuti/mese di tempo recuperato per ciascuno. Se invece l’abbonamento resta inutilizzato sull’account del responsabile IT “per provarlo”, è $20 sprecati. La raccomandazione è: comprare 2-3 licenze per persone curiose e operative, darsi 4 settimane di test, poi decidere se estendere. Non comprare 50 licenze “per tutti” prima di aver capito cosa porta valore nel vostro contesto specifico. Il rischio di disillusione collettiva è alto se non si imposta bene l’aspettativa iniziale.

GPT-4 può sostituire un dipendente?

Risposta breve: no. Risposta tecnica: GPT-4 non esegue azioni, non ha memoria persistente tra conversazioni, non si interfaccia da solo con i vostri sistemi gestionali, non può prendere decisioni autonome, non si assume responsabilità legale di un output sbagliato. Quello che può fare è accelerare le persone: produrre la bozza che poi un dipendente raffina, suggerire approcci che una persona valuta, fare il “lavoro grezzo” iniziale. Le aziende che hanno tagliato personale “perché ora c’è ChatGPT” tipicamente stanno scoprendo che gli errori non intercettati costano più dello stipendio risparmiato. Il modello mentale corretto è: GPT-4 è un junior bravo ma inaffidabile su dettagli — utile, ma sempre supervisionato.

Devo aspettare a usare GPT-4 per questioni di privacy?

Dipende da cosa ci mettete dentro. Per usi senza dati sensibili (brainstorming generico, drafting di testi pubblici, ricerca, sintesi articoli di settore), ChatGPT Plus è utilizzabile oggi senza problemi GDPR significativi. Per usi che coinvolgono dati personali (clienti, dipendenti, anagrafiche) o segreti aziendali (prezzi, accordi, IP), la risposta corretta è attendere Azure OpenAI Service o costruire una soluzione on-premise. La posizione del Garante italiano non è ancora espressa formalmente, ma il principio di minimizzazione e i trasferimenti extra-UE sono punti caldi. Nel dubbio, definite una policy aziendale di uso che elenchi esplicitamente cosa NON inserire nei prompt: codice fiscale, IBAN, prezzi cliente specifici, password, IP riservata. Una pagina di linee guida vale più di mille divieti generici.

Bing Chat è GPT-4, posso usarlo gratis al posto di ChatGPT Plus?

In parte sì, in parte no. Bing Chat usa una variante di GPT-4 customizzata da Microsoft, con prompt di sistema diversi, accesso real-time al web e citazione delle fonti. È gratuito e ottimo per ricerca aggiornata e fact-checking. Ma non è equivalente a ChatGPT Plus per task creativi o conversazioni lunghe: le risposte sono volutamente più brevi (Microsoft le ha tagliate dopo i casi di “comportamento strano” di febbraio), ha limiti di turni per conversazione (15 al momento, partito da 5), e l’esperienza è più “ricerca interattiva” che “assistente generico”. Per la maggior parte degli uso case business — drafting, brainstorming, sintesi — ChatGPT Plus resta più produttivo. Bing Chat è eccellente come complemento, non sostituto. Per chi vuole solo testare la tecnologia senza spendere, è il modo onesto di farlo.

GPT-4 conosce la fattura elettronica italiana e le normative locali?

Conosce a livello generico, ma sbaglia spesso sui dettagli operativi. Sa cos’è il Sistema di Interscambio, sa che esiste l’XML in formato SdI, sa che ci sono codici natura IVA. Ma se gli chiedete il dettaglio esatto di una codifica N2.2 vs N6.1, o le regole specifiche per la reverse charge edilizia 2022, o l’esterometro post-aggiornamento, le risposte iniziano ad avere imprecisioni e occasionali invenzioni. Per uso pratico in azienda significa: non usare GPT-4 come fonte normativa. Usatelo per drafting, riassunto, prima esplorazione. Verificate sempre con commercialista, software gestionale aggiornato o fonti ufficiali (Agenzia Entrate, normattiva.it) prima di considerare valida un’informazione fiscale. Vale anche per CCNL, sicurezza sul lavoro, GDPR e tutto il dominio normativo italiano in generale.

Quanto costerà GPT-4 quando l’API sarà disponibile?

I prezzi sono già stati comunicati: $0,03 per 1.000 token in input, $0,06 per 1.000 token in output per la versione 8K context. La versione 32K costa il doppio. Per dare una scala pratica: una richiesta tipica di drafting email B2B (prompt 500 token + risposta 800 token) costa circa $0,07, ovvero 7 centesimi. Un’analisi di un contratto di 20 pagine costa $1,5-2. Una conversazione chatbot di 10 turn costa $0,3. La differenza vs GPT-3.5 Turbo ($0,002/1.000 token) è di 15-30x, ma la qualità non è linearmente più alta — per task semplici GPT-3.5 resta più economico e accettabile, per task complessi GPT-4 può evitare di doverne rifare la risposta. La regola pratica: iniziare con GPT-3.5 e usare GPT-4 solo dove serve davvero. Molti progetti reali useranno entrambi i modelli in cascata.

Devo aspettare GPT-5 o iniziare ora con GPT-4?

Iniziare ora. GPT-5 non è annunciato, non ha timeline, e quando arriverà richiederà comunque mesi di apprendimento aziendale per essere usato bene. Il valore non sta nel modello specifico, ma nella capacità organizzativa di usarlo: prompt engineering, identificazione use case, integrazione con i sistemi, governance dei dati, policy interne. Tutte competenze che si costruiscono usando quello che c’è oggi. Le aziende che inizieranno ad agosto 2023 saranno 6 mesi indietro rispetto a quelle che iniziano questa settimana — non per accesso a tecnologia (sarà la stessa), ma per maturità organizzativa. E i 6 mesi di vantaggio in un settore che si muove così veloce sono enormi. Iniziate piccolo, con use case a basso rischio, ma iniziate. Il momento per fare i pilot è ora, mentre il rumore di mercato è alto e i budget si sbloccano. Tra sei mesi tutti vorranno l’AI; chi avrà già fatto i compiti partirà in pole position.