OpenAI: le aziende top usano l’AI 8 volte di più delle altre — e il divario sta crescendo

Il 12 agosto 2026 OpenAI ha pubblicato due studi sull’uso reale dell’intelligenza artificiale dentro le imprese, raccolti sotto il titolo «From assistance to execution: How enterprises put AI to work». Un numero ha fatto il giro del mondo: le aziende nel top 10% per utilizzo generano 8,3 volte più token di output per utente attivo rispetto alle aziende tipiche. A gennaio il rapporto era 2,6. In sei mesi il divario è più che triplicato. Letto di fretta sembra un dato sui consumi. Letto bene dice una cosa più scomoda: l’adozione dell’AI agentica nelle aziende non sta procedendo lentamente e in modo uniforme, sta divergendo. E ciò che separa i due gruppi non è quanto spendono in licenze.

In questo articolo scoprirai:

• Il divario nell'adozione dell'AI agentica è triplicato in sei mesi
• Plugin e skills: cosa fanno le frontier firm che le altre non fanno
• Legale 108×, engineering 5×: l'AI agentica ha lasciato l'IT
• Dove si blocca l'adozione dell'AI agentica in azienda: la governance
• In quale categoria si trova la tua azienda: quattro domande

Il divario nell’adozione dell’AI agentica è triplicato in sei mesi

La definizione conta, perché non è nostra: OpenAI chiama frontier firm le aziende nel top 10% per utilizzo di AI su base mensile. Non è un’etichetta di settore né di dimensione, è un comportamento, ricalcolato ogni mese. Un’azienda può entrarci e uscirne.

Il secondo numero spiega il primo. A giugno Codex ha generato il 64% dei token di output combinati Codex + ChatGPT tra i clienti enterprise, secondo l’analisi dei dati del report. È il passaggio dichiarato nel titolo: da strumento che risponde a strumento che esegue. Il divario, poi, non è uniforme per settore: nell’Information Technology le frontier firm usano 11,7 volte più token delle aziende tipiche.

Che cosa misura (e cosa non misura) il divario di 8,3×

Onestà intellettuale: i token per utente attivo sono un proxy della profondità d’uso, non una misura di valore creato. Un’azienda può bruciare token e non produrre nulla di utile, è esattamente il modo in cui molti progetti AI finiscono in nulla. Il dato non dice «chi consuma più vince». Dice che nel gruppo di testa il lavoro affidato ai modelli ha cambiato natura: da domande singole a compiti multi-step con strumenti collegati. Quel tipo di lavoro consuma più token perché è più lungo e più autonomo. La correlazione è interessante, la causalità va dimostrata caso per caso, e chi vi promette il contrario sta vendendo, non misurando.

Plugin e skills: cosa fanno le frontier firm che le altre non fanno

Qui il report diventa utile, perché smette di descrivere il divario e ne indica il meccanismo. Tra le frontier firm i plugin sono usati dal 21% degli utenti attivi settimanali, contro il 9% delle aziende tipiche. Sulle skills lo scarto è più netto: 19% contro 3%, oltre sei volte. Sono le funzionalità che collegano gli agenti ai dati aziendali, agli strumenti interni e ai processi ripetibili, non quelle che rendono il modello più intelligente.

È una differenza di natura, non di intensità. Chi ha già capito che le nuove skills spostano il valore sull’integrazione sta investendo lì, non nell’ennesimo abbonamento.

Dai token ai processi ripetibili

Un agente collegato a niente è un chatbot con più passaggi. Un agente collegato al CRM, al gestionale documentale e a una procedura scritta diventa una parte del processo. La differenza pratica è che nel primo caso il risultato dipende da chi scrive il prompt, nel secondo dipende da come è disegnato il flusso, e quindi è ripetibile, verificabile e delegabile. È la ragione per cui il gruppo di testa accelera invece di stabilizzarsi: ogni processo agentificato abbassa il costo del successivo, perché i collegamenti e le convenzioni sono già lì. Chi resta all’uso conversazionale ricomincia ogni volta da zero. Se il tema è nuovo, vale la pena partire da cosa sono gli agenti AI e perché contano per le aziende, e capire come funziona lo standard con cui questi collegamenti si costruiscono: il Model Context Protocol.

Legale 108×, engineering 5×: l’AI agentica ha lasciato l’IT

Il dato più sottovalutato del report riguarda chi usa questi strumenti. Da febbraio, gli utenti enterprise settimanali di Codex sono cresciuti 108 volte nel legale, 41 volte in vendite e recruiting, 26 nel marketing, 24 nell’area clinico-sanitaria, 20 in finanza e amministrazione, e solo 5 volte in engineering.

Codex nasce come strumento per scrivere codice. Che l’ufficio legale lo adotti 108 volte più che a febbraio significa che non lo stanno usando per programmare: lo usano perché sa aprire file, cercare dentro un archivio, incrociare documenti ed eseguire passaggi in sequenza. È la distinzione che OpenAI stessa fa: ChatGPT risponde e aiuta a ragionare, l’AI agentica usa il computer e gli strumenti per portare a termine il compito.

Perché engineering cresce «solo» 5 volte

Non è un segnale negativo, è un effetto base: gli sviluppatori questi strumenti li usavano già a febbraio, quindi il moltiplicatore parte da un numero alto. Il punto interessante è l’altro: le funzioni non tecniche stanno recuperando terreno a velocità doppia rispetto a chi era partito per primo. Chi immagina l’AI agentica come una faccenda da reparto IT sta guardando la coda della curva, non la testa. Sul cambiamento dei ruoli aziendali abbiamo scritto quali lavori stanno cambiando nel 2026.

Dove si blocca l’adozione dell’AI agentica in azienda: la governance

Il gruppo di coda non è fermo per mancanza di tecnologia. Secondo la rassegna dei dati Deloitte e NVIDIA sul passaggio dal pilota alla produzione nel 2026, il 64% delle organizzazioni usa attivamente AI in operations e il 42% dichiara una strategia AI ben preparata, ma la fiducia crolla appena si passa a infrastruttura, gestione dei dati, rischio e competenze. E soprattutto: solo un’azienda su cinque ha un modello di governance maturo per gli agenti autonomi, mentre il 23% dichiara già un uso moderato di AI agentica. C’è più autonomia in circolazione che regole per governarla.

La governance degli agenti non è un documento, è un lavoro organizzativo

Significa decidere chi risponde di un’azione compiuta da un agente, quali dati può leggere, dove si ferma e chi controlla il risultato. Sono decisioni organizzative, non configurazioni. È anche il motivo per cui la maggior parte dei progetti si arena tra pilota e produzione: il pilota non richiede governance, la produzione sì. Abbiamo affrontato il tema da due lati complementari, perché la maggioranza dei progetti AI fallisce e, più a fondo, perché quando l’AI generativa non genera ROI il problema non è la tecnologia. La barriera più citata resta la carenza di competenze, non la maturità dei modelli.

Chi pubblica il dato vende i token: come leggerlo

Un avvertimento che il report merita: lo pubblica il fornitore che quei token li fattura, e va letto sapendolo. Il documento originale, «From assistance to execution: How enterprises put AI to work», descrive il comportamento dei clienti di OpenAI, non l’economia italiana né il mercato nel suo insieme. Chi non usa quella piattaforma non è nel campione, e un’azienda che ha scelto un altro fornitore può stare nel gruppo di testa senza comparire in nessuna di queste percentuali.

La direzione, però, non è un’affermazione isolata. La lettura che ne fa la stampa specializzata insiste sullo stesso spostamento, la spesa enterprise in token si sta muovendo dalla chat agli agenti, e le rilevazioni indipendenti sull’adozione, dalla ricognizione McKinsey sullo stato dell’AI e sulla fiducia nell’era agentica fino alle rassegne sull’adozione degli agenti nel 2026, raccontano la stessa forbice tra chi è arrivato in produzione e chi è rimasto ai piloti. Nessuna di queste fonti misura il ritorno economico dell’investimento: sull’ordine con cui affrontare le scelte restano più utili le priorità di investimento del 2026 e la domanda se convenga un agente chiavi in mano o self-service.

In quale categoria si trova la tua azienda: quattro domande

Il report non fornisce un test, ma i suoi indicatori si traducono bene in quattro domande verificabili:

• I vostri agenti sono collegati a dati e strumenti aziendali, o lavorano solo su ciò che incollate nella chat?
• Esiste almeno un processo dove l’AI esegue un compito completo, e non solo una bozza da rifinire?
• C’è scritto da qualche parte chi risponde di quell’esecuzione e dove l’agente deve fermarsi?
• L’uso è concentrato nel reparto tecnico o è arrivato in legale, vendite, amministrazione?

Quattro no vi collocano nel gruppo di coda, e nessun cambio di modello vi sposta di categoria. Quattro sì, con i numeri del report alla mano, dicono che state già lavorando come le frontier firm, indipendentemente da quanto siete grandi.

Il divario è di metodo, e il metodo si trasferisce

La lettura che ci convince, dopo aver messo insieme i numeri di OpenAI e quelli sulla governance, è che il gap non sia tecnologico ma metodologico, e questo cambia chi lo può colmare. Un fornitore consegna un modello; il metodo si trasferisce solo stando accanto a chi lavora, mappando i processi reali e correggendo per settimane. È la ragione per cui in MIMIR trattiamo l’onboarding come parte del prodotto e non come un allegato: nell’AI agent enterprise il servizio conta più del modello, e c’è un punto preciso in cui serve un partner invece di un abbonamento.

Se in azienda avete un processo che vorreste far eseguire, non solo assistere, da un agente, parlarne con noi è il modo più rapido per capire se è il caso e da dove partire. Offriamo affiancamento dedicato sull’onboarding, perché è lì che si decide se un progetto arriva in produzione o resta un pilota.

Fonti:

• OpenAI — From assistance to execution: How enterprises put AI to work (12 agosto 2026)
• VKTR — I dati OpenAI sul consumo 8× delle aziende di testa
• Digital Today — Il 64% dei token enterprise arriva da Codex, frontier firm a 8,3×
• BankInfoSecurity — La spesa enterprise in token si sposta dalla chat agli agenti
• MarketScale — Dal pilota alla produzione nel 2026: restano i divari su governance e competenze
• McKinsey — The state of AI and trust in 2026: shifting to the agentic era
• McKinsey QuantumBlack — The state of AI
• Turion — State of AI agents: enterprise adoption 2026