Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
OpenAI dimezza i tempi su un workbook fiscale da 50 schede, con il 20% di miglioramento nelle valutazioni.
Secondo un caso di studio di OpenAI, sulla piattaforma Basis un workbook fiscale da 50 schede è stato completato da GPT-6 Astra nella metà del tempo rispetto a GPT-5.6 Sol, con un miglioramento del 20 nei punteggi interni. Il dato conta per gli studi contabili, ma arriva da fonti vicine al fornitore e va valutato con distanza.
Ieri, dentro la piattaforma di Basis, un workbook fiscale da 50 schede è stato completato in metà tempo rispetto a GPT-5.6 Sol. Non è un benchmark di laboratorio: è il lavoro vero di uno studio contabile, con scadenze, clienti e poco margine per l’errore. Il dato arriva da un caso di studio pubblicato da OpenAI: secondo Basis, GPT-6 Astra completa lo stesso workbook nella metà del tempo rispetto al modello precedente.
La dichiarazione è di Mitch Troyanovsky, co-fondatore di Basis: “GPT-6 Astra riesce a completare quel workbook nella metà del tempo rispetto a GPT-5.6 Sol.” Il concetto è esattamente quello: metà tempo, stessa pratica, meno attese per chi deve chiudere i conti. E c’è un secondo dato, sempre fornito da Basis: circa il 20% di miglioramento nei punteggi delle valutazioni interne. Non è solo questione di finire prima. È questione di fare meglio il lavoro.
Resta però aperta una domanda: quanto regge questa velocità fuori dal singolo workbook, su migliaia di pratiche diverse, con situazioni fiscali diverse?
Cosa c’è dietro: capire l’intento, non solo correre
La risposta arriva dai numeri di contesto e da una spiegazione semplice. Troyanovsky la formula così: “GPT-6 Astra fa un lavoro migliore nel comprendere davvero l’intento dell’utente e il problema.” Non è potenza bruta. Non è elaborare più in fretta per il gusto di farlo. È capire cosa serve davvero, e agire di conseguenza.
Sul piano tecnico, i benchmark di lancio di OpenAI lo confermano. Nelle simulazioni di latenza su OSWorld 2.0, Astra ottiene prestazioni superiori nell’uso del computer in circa il 47% in meno di tempo per attività rispetto a GPT-5.6 Sol: un punteggio del 72,6% a circa 40 minuti per attività, contro il 65,7% a circa 75 minuti. Il modello non solo finisce prima: completa meglio il compito, con un punteggio più alto in meno tempo.
Questo è il punto che spesso sfugge quando si guardano i soli punteggi. Un modello che impiega 75 minuti per un’attività e uno che ne impiega 40, con risultati comparabili o migliori, sono due cose diverse per chi lavora. La velocità non è un dettaglio: è tempo di lavoro che si libera, è meno attesa per il cliente, è una pratica che arriva prima alla scadenza.
E non è una novità che arriva dal nulla. La collaborazione di Basis con OpenAI parte dal primo giorno. Ogni miglioramento dei modelli allarga ciò che gli agenti possono affrontare, come spiega lo stesso Troyanovsky. Basis ha costruito la propria piattaforma su questa progressione: ogni passo dei modelli diventa un passo in più per i suoi agenti.
Se la velocità si combina con la comprensione, la prossima domanda è semplice: chi può permettersi di restare indietro? Per uno studio contabile, la risposta è chiara: nessuno, se il competitor consegna in metà tempo.
Un avvertimento, però. Il caso di studio è pubblicato da OpenAI, i benchmark sono i suoi, la piattaforma è di un suo cliente. Il fatto verificato è il dimezzamento del tempo su un workbook fiscale. Il resto è contesto: numeri da valutare con la giusta distanza, distinguendo il risultato concreto dall’annuncio di marketing.
Il lavoro utile per dollaro diventa la nuova metrica
Dalla singola pratica al mercato. Come riportato da Fintech Futures, la piattaforma di agenti AI di Basis supporta circa il 30% delle prime 25 società di contabilità statunitensi.
Non si tratta di un test isolato: è una performance che si replica su una fetta rilevante del mercato contabile americano. Se il 30% delle prime 25 società usa Basis, un dimezzamento dei tempi ha un impatto che va ben oltre il singolo studio. Diventa un vantaggio competitivo che si distribuisce su buona parte del settore.
Ed è qui che la competizione cambia davvero. Come notato da VentureBeat, i fornitori di modelli frontier ora competono sul lavoro utile completato per dollaro piuttosto che sui soli punteggi dei benchmark. Il punto non è più chi ha il modello più potente sulla carta. È chi riesce a trasformare la potenza in lavoro reale, misurabile, a un costo sostenibile.
Resta da vedere se i prossimi annunci dei rivali adotteranno questa metrica o torneranno a inseguire il punteggio. Per chi fa impresa online, il parametro non è più il modello più potente sulla carta, ma quanto lavoro utile esce da ogni dollaro speso in AI.
