GPT-6 Astra è l’ultimo dei grandi annunci che seguo con l’attenzione di una partita decisiva, e ha riaperto la domanda di tutti: siamo arrivati all’AGI, l’intelligenza artificiale generale? Provo a rispondere senza farmi travolgere dall’entusiasmo e senza liquidare tutto con un’alzata di spalle.
Aggiornamento, novembre 2026: nella prima versione di questo articolo indicavo 99,95%. Il dato pubblicato da ARC Prize è 99,9% con il Provider Adapter e 62,7% con la configurazione standard. Come funziona il test l’ho spiegato in ARC-AGI-3: cos’è il test che ha messo alla prova GPT-6 Astra.
Scrivo queste righe a settembre 2026, a ridosso dell’annuncio: i numeri sono quelli comunicati in quei giorni e potrebbero essere aggiornati. La corsa all’AGI è ufficialmente aperta. La seguo da vicino ogni giorno e, più la osservo, più mi convinco di una cosa che considero più importante di qualsiasi benchmark: noi esseri umani dobbiamo iniziare ad adattare il nostro modo di lavorare, e forse anche di concepire la vita, attorno a ciò in cui facciamo davvero la differenza.
GPT-6 Astra è davvero AGI? Il dato che cambia tutto
Ne ho parlato in un video sul mio canale YouTube. Qui riprendo il ragionamento per esteso, con un’avvertenza: non attorno a ciò che sappiamo ancora fare meglio delle macchine per qualche mese in più dobbiamo riorganizzarci, ma attorno a ciò che resterà, strutturalmente, un vantaggio umano.
Con AGI, Artificial General Intelligence, si indica un’intelligenza artificiale generale, capace di affrontare compiti diversi e situazioni nuove, non un solo problema specifico.
Il punto, come vedremo, è che non esiste ancora una definizione condivisa che permetta di dire con certezza quando ci siamo arrivati.
La corsa all’AGI è ufficialmente aperta
Immagina una macchina che entra in un ambiente che non ha mai visto. Nessuno le spiega le regole, nessuno le dice qual è l’obiettivo. Può solo provare. Agisce, osserva cosa succede, formula un’ipotesi, sbaglia, corregge, riprova.
È la logica di ARC-AGI-3, uno dei benchmark più seri oggi in circolazione per valutare l’intelligenza agentica. E su questo test, secondo i dati diffusi all’annuncio, Astra ha ottenuto un risultato che ha fatto il giro del mondo: 99,9%.
Un benchmark non racconta tutta la storia
Ma è qui che, da giornalista prima ancora che da appassionato di AI, ho imparato a fermarmi un secondo in più. Perché quel numero, raccontato da solo, è più spettacolare che utile.
Con la configurazione standard, il risultato migliore di Astra si ferma al 62,7%. Il 99,9% arriva solo con il cosiddetto Provider Adapter, un sistema che permette al modello di conservare uno stato di ragionamento tra una richiesta e l’altra, senza ripartire ogni volta da zero. È come se, invece di entrare in una stanza chiedendosi «dove ero rimasto?», potesse semplicemente continuare.
«La differenza tra questi due numeri non è un dettaglio tecnico. È una domanda che cambia tutto.»— Leonardo Olivito
Il sistema conta quanto il modello
Siamo abituati a chiederci quanto sia intelligente un’intelligenza artificiale. Forse dovremmo iniziare a chiederci quanto sia intelligente il sistema complessivo dentro cui quell’intelligenza può operare.
Noi umani non ragioniamo isolati dentro il cranio. Scriviamo, prendiamo appunti, consultiamo libri, usiamo strumenti. Una parte enorme della nostra capacità cognitiva dipende da ciò che abbiamo costruito intorno a noi. Perché dovremmo valutare una macchina solo per ciò che riesce a fare senza memoria, senza strumenti e senza infrastrutture?
È una domanda scomoda, perché rende sempre più difficile capire dove finisce il modello e dove inizia il sistema. E in quello spazio, in questi mesi, sta succedendo qualcosa che considero più rilevante del singolo benchmark.
Quando un’azienda mi chiede quale AI scegliere, la risposta raramente è solo “il modello migliore”. Conta il sistema intorno: i dati, gli strumenti, le persone che controllano. Ne ho scritto in il vero problema dell’intelligenza artificiale in azienda non è tecnologico.
L’intelligenza artificiale che aiuta a costruire altra AI
Jensen Huang, CEO di NVIDIA, ha scritto tre parole pesanti: «AGI has arrived». Anche Greg Brockman, presidente di OpenAI, ha parlato dell’inizio di una possibile era dell’AGI. Ma non esiste, ad oggi, una definizione condivisa che permetta di dire con certezza: ieri non c’era, oggi c’è. E forse è proprio qui che serve meno tifo e più capacità di leggere i fatti con calma.
Quello che trovo davvero interessante non è cosa Astra sa fare in un test. È cosa sta iniziando a fare dentro la ricerca stessa. OpenAI parla di un «automated research intern»: non un ricercatore artificiale autonomo che decide da solo quali problemi affrontare, ma un sistema che, sotto la guida di una persona, riesce a portare avanti attività che a un ricercatore competente richiederebbero giorni.
Scrive codice
e prepara gli esperimenti da eseguire.
Analizza i risultati
e individua gli errori lungo il percorso.
Itera
sempre sotto la guida di una persona che decide la direzione.
E qui il cerchio si chiude in un modo quasi vertiginoso: questi sistemi vengono usati dagli stessi ricercatori che costruiscono i sistemi futuri. L’intelligenza artificiale ha iniziato ad aiutare gli umani a costruire nuova intelligenza artificiale.
A metà agosto 2026, secondo quanto comunicato da OpenAI, la sua organizzazione di ricerca utilizzava complessivamente 3,1 giornate di lavoro degli agenti per ogni giornata di lavoro umano. Un numero che sembra dire: ogni ricercatore ha tre assistenti digitali che lavorano senza sosta. Ma non è così semplice, e questo è il punto. Quel numero misura il tempo di elaborazione accumulato, non una produttività triplicata. Ci sono tentativi falliti, lavoro ripetuto e supervisione costante. E soprattutto: fare più cose non significa capire più cose.
«Riconoscere quando una risposta perfetta sta risolvendo il problema sbagliato.»— la competenza che vale di più
La competenza umana che aumenta di valore
Tra le attività portate a termine con successo dagli agenti negli ultimi sei mesi, più della metà ha comunque richiesto almeno un intervento umano. Qualcuno ha dovuto correggere la direzione, chiarire il problema, dire semplicemente: non è questa la strada.
Ed è esattamente qui che arriva il pensiero che porto avanti da mesi, ogni volta che mi confronto con questi temi in aula, in redazione o davanti a un cliente che mi chiede se l’AI gli farà perdere il lavoro o glielo salverà.
Più questi sistemi diventano potenti, più una competenza profondamente umana acquista valore. E non è la velocità, non è la produzione. È la consapevolezza: sapere quando fidarsi, quando verificare, quando fermare la macchina.
L’intelligenza emotiva, la capacità di leggere un contesto, di sentire quando qualcosa non torna anche se sulla carta funziona: questo non è un tema astratto da corso di formazione. È la bussola con cui guideremo, o subiremo, tutto quello che sta arrivando.
Il vero rischio non è l’intelligenza, ma la velocità
Il vero rischio non è che le macchine diventino più intelligenti di noi. È che diventino più veloci di quanto noi siamo capaci di verificare.
Se producono codice, esperimenti, contenuti e decisioni più in fretta di quanto riusciamo a controllarli, la velocità smette di essere produttività. Diventa potere. A quel punto il vero collo di bottiglia non sarà più produrre una soluzione possibile, ma capire quale soluzione accettare.
Questo vale per chi fa ricerca scientifica. Ma vale allo stesso identico modo per chi fa comunicazione, per chi scrive, per chi produce immagini e video, per chi insegna, per chi costruisce marchi.
- Scegliere. Tra tante soluzioni possibili, quale merita di andare avanti.
- Filtrare. Cosa è affidabile, cosa va verificato, cosa va scartato.
- Dare priorità. Decidere cosa conta adesso e cosa può aspettare.
- Comprendere. Capire davvero, non solo produrre di più.
- Fermarsi. Anche quando la macchina suggerisce di andare avanti.
- Rispondere. Prendersi la responsabilità di una decisione.
Abbiamo passato anni a chiederci quali lavori l’intelligenza artificiale ci avrebbe tolto. Forse la domanda sta cambiando forma sotto i nostri occhi: il problema non sarà più solo produrre. Sul fronte della scuola e dell’apprendimento ho sviluppato lo stesso ragionamento in se l’AI risponde a tutto, cosa dobbiamo imparare?
L’AGI è già arrivata?
Non credo si possa rispondere seriamente con un sì o un no secco. Astra esplora ambienti sconosciuti, deduce regole, mantiene continuità operativa e contribuisce concretamente alla ricerca. Liquidarlo come marketing sarebbe superficiale.
Ma dichiarare chiusa la partita per un 99,9% ottenuto in una configurazione specifica di un singolo test sarebbe altrettanto superficiale. Il mondo reale è molto più disordinato di un benchmark, e noi stessi non siamo ancora d’accordo su cosa significhi davvero «intelligenza generale».
La direzione resta una scelta umana
Forse Astra non è la fine della corsa. Forse è il momento in cui la corsa cambia natura.
Fino a oggi abbiamo costruito strumenti che ci aiutano a lavorare meglio. Ora iniziamo a costruire strumenti che aiutano a costruire i prossimi strumenti. E quando questo accade, la domanda smette lentamente di essere «possiamo chiamarla AGI?». Diventa un’altra, molto più personale e urgente: quanto potere siamo pronti ad affidarle, e quanto siamo davvero preparati a conservarne il controllo?
«La tecnologia corre, ma la direzione la diamo ancora noi: se restiamo svegli, presenti e disposti a sentire davvero cosa sta succedendo, non soltanto a leggerlo nei titoli.»— Leonardo Olivito
Racconto questi temi anche a voce, nelle puntate di Empatia Digitale che trovi nella pagina dei miei podcast. E se ti interessa un esempio concreto di AI che lavora per passaggi, ho scritto di Claude Cowork di Anthropic.
GPT-6 Astra e AGI: le risposte
Cos’è l’AGI, l’intelligenza artificiale generale?
Con AGI si indica un’intelligenza artificiale capace di affrontare compiti diversi e situazioni nuove, non un solo problema specifico. Non esiste però una definizione condivisa che permetta di dire con certezza quando è stata raggiunta.
GPT-6 Astra è un’AGI?
Secondo me non si può rispondere con un sì o un no secco. Astra esplora ambienti sconosciuti, deduce regole e contribuisce alla ricerca, ma il risultato più citato arriva da una configurazione specifica di un singolo test, e il mondo reale è molto più disordinato di un benchmark.
Cos’è ARC-AGI-3?
È un benchmark per valutare l’intelligenza agentica: la macchina entra in un ambiente che non ha mai visto, senza regole né obiettivo dichiarato, e deve agire, osservare, formulare ipotesi, sbagliare e correggersi.
Che differenza c’è tra il 99,9% e il 62,7% di Astra?
Con la configurazione standard il risultato migliore di Astra su ARC-AGI-3 si ferma al 62,7%. Il 99,9% arriva con il Provider Adapter, un sistema che permette al modello di conservare uno stato di ragionamento tra una richiesta e l’altra.
Quali competenze contano di più con l’AI?
La consapevolezza: sapere quando fidarsi, quando verificare, quando fermare la macchina e riconoscere quando una risposta perfetta sta risolvendo il problema sbagliato. Più l’AI produce in fretta, più contano scegliere, filtrare e prendersi la responsabilità di una decisione.
GPT-6 Astra ha riaperto la corsa all’AGI, ma il suo numero più famoso va letto insieme al sistema che lo rende possibile. Il vero rischio non è l’intelligenza delle macchine, è una velocità che supera la nostra capacità di verificare: per questo la consapevolezza umana vale sempre di più.
Per le aziende
Formazione aziendale su video e AI per il marketing
Aiuto aziende e scuole a usare l’intelligenza artificiale con consapevolezza: strumenti concreti, verifica dei risultati e il giudizio umano sempre al centro.
Scopri la formazione →