Nel dicembre 2015 un gruppo di ricercatori e imprenditori annunciava a San Francisco la nascita di un laboratorio non-profit con un obiettivo dichiaratamente immodesto: costruire un’intelligenza artificiale generale che portasse beneficio a tutta l’umanità. Fra i firmatari c’erano Sam Altman, Greg Brockman, Ilya Sutskever, Andrej Karpathy e un finanziatore molto rumoroso di nome Elon Musk. La cifra promessa era di un miliardo di dollari in donazioni. Nessuno, in quella stanza, poteva immaginare che dieci anni dopo la stessa organizzazione sarebbe stata al centro del più grande riassetto industriale del decennio.
La storia di OpenAI è la storia di come un ideale di ricerca aperta si è scontrato con il costo reale del calcolo, con le logiche del capitale e con la politica interna di un consiglio di amministrazione. È anche la storia di un prodotto — ChatGPT — che ha cambiato in poche settimane il modo in cui milioni di persone scrivono, studiano e lavorano, Italia inclusa. Raccontarla senza retorica significa distinguere le svolte tecniche dai colpi di scena mediatici, e capire quali di questi hanno lasciato un segno duraturo.
Il filo conduttore è uno solo: la tensione, mai risolta, fra missione e mercato. Ogni tappa di questa cronologia — dal paper sul primo GPT alla crisi del board del novembre 2023 — può essere letta come un aggiustamento fra i due poli. Chi legge oggi le comunicazioni ufficiali sul blog di OpenAI trova un’azienda che parla ancora di sicurezza e di bene comune, ma che nel frattempo negozia contratti da decine di miliardi con Microsoft e con i governi.
Questo approfondimento ripercorre le tappe che contano davvero. Non tutte le date, non tutti gli annunci: solo quelli che hanno cambiato la traiettoria. E alla fine prova a rispondere a una domanda concreta per chi vive e lavora in Italia: cosa cambia per te.
Le origini: la non-profit del 2015 e la scommessa sulla ricerca aperta
Il documento fondativo del dicembre 2015 è breve e in retrospettiva sorprendente. OpenAI si presenta come un’organizzazione senza scopo di lucro, con l’impegno di pubblicare tutto quello che scopre — codice, paper, modelli — perché nessun singolo attore accumuli troppo potere. È una posizione ideologica precisa, figlia della cultura accademica di Sutskever (allievo di Geoffrey Hinton a Toronto) e del pragmatismo della Silicon Valley di Altman, allora presidente di Y Combinator.
Nei primi due anni il laboratorio pubblica lavori onesti ma non dirompenti: agenti che imparano a giocare a Dota 2, algoritmi di reinforcement learning, esperimenti di robotica. La svolta narrativa arriva nel 2018 con l’uscita di Musk dal consiglio, ufficialmente per evitare conflitti di interesse con Tesla, in realtà — dai resoconti successivi — dopo un tentativo fallito di prendere lui stesso il controllo dell’organizzazione. È il primo strappo pubblico, e sarà un tema ricorrente.
Sullo sfondo, nello stesso 2018, i ricercatori pubblicano un paper apparentemente tecnico: “Improving Language Understanding by Generative Pre-Training”. È GPT-1, 117 milioni di parametri, un lavoro elegante ma poco notato fuori dagli addetti. In pochi capiscono che quella architettura — il transformer applicato al pre-addestramento su testo grezzo — sarà la base di tutto ciò che verrà dopo.
GPT-2 e la questione della sicurezza: il primo caso politico
Nel febbraio 2019 OpenAI annuncia GPT-2, un modello da 1,5 miliardi di parametri capace di generare testo coerente su richiesta. La notizia però non è il modello: è la scelta di non rilasciarlo, per timore di usi malevoli. È una mossa senza precedenti e divisiva. Parte della comunità accademica accusa OpenAI di sensazionalismo e di aver tradito la promessa di apertura. Altri applaudono la prudenza.
Nei mesi successivi il modello viene rilasciato per fasi. Oggi, guardandolo con gli occhi di chi usa ChatGPT quotidianamente, GPT-2 sembra un giocattolo. Ma il precedente politico è stabilito: OpenAI si arroga il diritto di decidere cosa il mondo è pronto a ricevere. È una postura che diventerà scomoda, perché entra in tensione diretta con il nome stesso dell’organizzazione.
Nel marzo 2019 arriva il secondo grande cambio strutturale: nasce OpenAI LP, una società a scopo di lucro “limitato” (capped-profit), controllata dalla non-profit originaria. Gli investitori possono guadagnare, ma con un tetto: cento volte l’investimento iniziale. La motivazione dichiarata è pragmatica: addestrare modelli grandi costa troppo, servono capitali che le donazioni non possono garantire. La motivazione implicita è che la ricerca aperta, così come era stata immaginata nel 2015, non era sostenibile.
Microsoft, GPT-3 e la corsa alla scala
Nel luglio 2019 Microsoft annuncia un investimento da un miliardo di dollari in OpenAI, con l’accordo che il cloud Azure diventi l’infrastruttura esclusiva per l’addestramento dei modelli. È il matrimonio industriale che cambia tutto. Da quel momento OpenAI non è più un laboratorio: è la punta di lancia di una strategia cloud da centinaia di miliardi.
Un anno dopo, nel maggio 2020, esce il paper “Language Models are Few-Shot Learners”. GPT-3 ha 175 miliardi di parametri, cento volte il predecessore. Il salto di scala è brutale e le conseguenze sono immediate: il modello mostra capacità che nessuno aveva previsto — traduzione, riassunto, programmazione — semplicemente ricevendo esempi nel prompt. È la nascita di quello che diventerà il “prompt engineering”, ed è anche il momento in cui la comunità di ricerca inizia a parlare di “emergenza” delle capacità linguistiche.
GPT-3 viene distribuito tramite API a pagamento, non come modello aperto. La scelta è coerente con la nuova struttura commerciale e viene giustificata di nuovo con argomenti di sicurezza. Chi vuole studiarlo davvero deve passare per la piattaforma di OpenAI. La frattura con la comunità open source si allarga, e prepara il terreno per la nascita di alternative come Mistral, Meta Llama e le decine di modelli cinesi che arriveranno negli anni seguenti.
Il 30 novembre 2022: il giorno in cui l’IA diventa consumer
Il rilascio di ChatGPT, il 30 novembre 2022, è un evento senza precedenti nella storia del software. In due mesi il servizio raggiunge cento milioni di utenti, un tasso di adozione che nessun prodotto digitale aveva mai toccato. La cosa curiosa, raccontata poi da diversi dipendenti, è che dentro OpenAI il lancio era considerato una “low-key research preview”. Nessuno si aspettava l’esplosione.
Il motore era GPT-3.5, una variante ottimizzata di GPT-3 addestrata con una tecnica chiamata RLHF — reinforcement learning da feedback umano — descritta nel paper InstructGPT del 2022. L’idea è semplice: si insegna al modello a rispondere in modo utile e non tossico usando valutazioni di annotatori umani. È l’ingrediente segreto che trasforma un generatore statistico di testo in qualcosa che sembra una conversazione.
L’onda arriva in Italia con una velocità inattesa. Nell’aprile 2023 il Garante Privacy blocca temporaneamente ChatGPT — primo Paese occidentale a farlo — chiedendo garanzie sulla base giuridica del trattamento dei dati. Il servizio torna online dopo un mese, con modifiche. È un episodio istruttivo: mostra che l’Europa ha ancora armi regolatorie, ma anche che nessun blocco temporaneo può fermare l’adozione. Nelle scuole, negli studi legali, nelle redazioni italiane, ChatGPT entra comunque, spesso in modo silenzioso.
GPT-4, la crisi del board e la governance impossibile
Il 14 marzo 2023 esce GPT-4, presentato come un modello multimodale (accetta testo e immagini) con capacità di ragionamento sensibilmente superiori. Le specifiche esatte — numero di parametri, dati di addestramento, costi — non vengono pubblicate. Sam Altman lo dice apertamente: la fase della trasparenza è finita. OpenAI ora è un’azienda che compete.
Nello stesso 2023 Microsoft aggiunge altri dieci miliardi di dollari all’investimento e integra i modelli in Copilot, Bing e in tutto lo stack Office. È il momento in cui l’IA generativa smette di essere una novità per smanettoni e diventa una funzionalità di sistema per centinaia di milioni di lavoratori. In Italia, chiunque abbia una licenza Microsoft 365 aziendale si trova progressivamente Copilot integrato in Word, Excel, Teams. La distribuzione è capillare e non richiede scelte esplicite dell’utente.
Il 17 novembre 2023 il consiglio di amministrazione della non-profit licenzia Sam Altman senza preavviso. La motivazione ufficiale è vaga: “non è stato costantemente sincero”. Segue una settimana caotica in cui i dipendenti minacciano di dimettersi in massa, Microsoft si dice pronta ad assumerli tutti, e il board — dopo aver nominato due CEO ad interim in tre giorni — reintegra Altman. È il momento in cui il mondo scopre che la governance di OpenAI, con una non-profit che controlla una società a scopo di lucro da centinaia di miliardi di valutazione, è strutturalmente instabile.
L’uscita di Sutskever e il tema sicurezza
Ilya Sutskever, cofondatore e capo scienziato, era fra i membri del board che aveva votato per il licenziamento di Altman. Nel maggio 2024 lascia OpenAI e fonda Safe Superintelligence, un nuovo laboratorio focalizzato esclusivamente sulla sicurezza dei sistemi avanzati. È il segnale più chiaro che dentro OpenAI la fazione “prudente” ha perso la partita. Nei mesi seguenti se ne vanno anche Jan Leike, responsabile del team di superallineamento, e altri ricercatori senior.
Sora, agenti, GPT-5: la fase prodotto
Dal 2024 in poi la traiettoria si sposta dai modelli generici alle applicazioni verticali. A febbraio 2024 viene presentato Sora, il modello di generazione video. In estate arriva GPT-4o, multimodale nativo, capace di parlare in tempo reale. Il DevDay di ottobre 2024 introduce agenti autonomi, memoria persistente, strumenti per sviluppatori più maturi. A giugno 2024 Apple annuncia l’integrazione di ChatGPT in iOS, portando i modelli di OpenAI su ogni iPhone recente.
Nel 2025 arriva GPT-5, presentato come il primo modello che combina ragionamento avanzato e velocità in un’unica architettura. È la conferma che la scala pura non basta più: le innovazioni ora riguardano il modo in cui i modelli pianificano, verificano i propri output e usano strumenti esterni. Sul fronte immagine, DALL-E è ormai integrato nell’ecosistema principale come funzione di ChatGPT, non più come prodotto separato.
La mia opinione netta, dopo dieci anni di questa storia: OpenAI ha vinto la corsa del prodotto ma ha perso la corsa della fiducia. La missione originale — ricerca aperta per il bene comune — è oggi indistinguibile dal marketing di qualunque altra big tech. Chi vuole modelli davvero aperti guarda altrove, e ha ragione a farlo. Chi vuole il prodotto più maturo, oggi, passa comunque da qui.
Cosa significa per l’ecosistema italiano
L’impatto sulla PMI italiana è già misurabile. Studi professionali che usano ChatGPT per bozze di contratti, agenzie di comunicazione che generano prime versioni di testi, sviluppatori che lavorano con Copilot su GitHub: sono pratiche diffuse, spesso non dichiarate ai clienti. La produttività individuale cresce, ma la contrattazione economica di questo guadagno è ancora da fare. Chi paga la licenza — l’azienda, il singolo, il cliente finale — non è una domanda risolta.
Sul fronte pubblico, la PA italiana si trova a integrare strumenti di OpenAI attraverso il canale Microsoft, con contratti quadro che passano da Consip. Le implicazioni sulla sovranità digitale sono reali e poco discusse in pubblico. Le ricerche accademiche italiane sull’impatto occupazionale iniziano a uscire, con risultati più sfumati del previsto: nessuna sostituzione di massa, ma una ricomposizione dei compiti dentro ogni professione.
Cosa cambia per te
Se usi ChatGPT o Copilot al lavoro, la prima cosa da fare è pratica: verificare la policy della tua azienda sui dati che puoi inserire nei prompt. Il modello è utile, ma inserire informazioni riservate di clienti in una chat può violare contratti che hai firmato senza accorgertene.
Se lavori in un settore creativo o intellettuale, considera i modelli di OpenAI come uno strumento di prima bozza e di riordino, non di prodotto finito. La differenza fra chi guadagna e chi perde nei prossimi anni non sarà l’accesso al modello — costa venti euro al mese — ma la capacità di valutare criticamente ciò che produce. Quella competenza si costruisce solo usandolo molto e leggendo con attenzione le sue risposte.
Se sei un decisore in una PMI o nella PA, la domanda giusta non è “adottiamo l’IA sì o no”, ma “quali flussi di lavoro reggerebbero un cambio di fornitore fra due anni”. Il rischio di lock-in su un singolo modello è concreto, e la storia recente — con le posizioni aperte da OpenAI che crescono più veloci del team di supporto enterprise — suggerisce che i termini contrattuali possono cambiare in fretta.
La storia di OpenAI, in fondo, è ancora aperta. Il prossimo capitolo, se guardo alle ricerche pubblicate ufficialmente, riguarderà agenti che eseguono compiti complessi in autonomia. È il momento di alzare l’attenzione, non di abbassarla.
