L'IA sa già fare il mio lavoro? Tre test sui lavori reali, tre risposte diverse: 85%, 21%, 12%

«L'intelligenza artificiale sostituirà il mio lavoro?» è una delle domande che si fanno più spesso, e per cui circolano risposte opposte. Da una parte ci sono annunci secondo cui i modelli fanno meglio dei professionisti in quasi tutti i compiti; dall'altra, test in cui anche il modello migliore fallisce quasi sempre.

Il 2 novembre la società di analisi SemiAnalysis ha pubblicato GDPx, un nuovo test sui lavori reali in cui il miglior modello, Claude Opus 5.5, ottiene appena il 12%. È l'occasione per mettere in fila le tre misure più citate e capire perché danno numeri così distanti. Spoiler: non si contraddicono, misurano cose diverse.

GDPval: i compiti singoli, dove l'IA è già alla pari

GDPval è il test creato da OpenAI nel 2025. Contiene compiti presi da 44 professioni (analisti finanziari, avvocati, infermieri, ingegneri, addetti alle vendite e molte altre): preparare un report, un foglio di calcolo, una presentazione, una bozza di documento. Il lavoro del modello viene confrontato alla cieca con quello di professionisti esperti, che in media hanno 14 anni di esperienza, e i giudici scelgono il migliore senza sapere chi l'ha fatto.

Secondo OpenAI, GPT-5.5, presentato ad aprile 2026, produce un lavoro giudicato migliore o pari a quello del professionista nell'84,9% dei casi. Il 50% significherebbe parità: siamo ben oltre. È però un dato dichiarato dal produttore, e soprattutto riguarda un tipo preciso di compito: ben definito, con tutte le informazioni necessarie già fornite, che si risolve in un solo documento.

Trovate il dato anche nella nostra pagina Super IA, che confronta i record dei modelli con il riferimento umano.

Remote Labor Index: i progetti interi, uno su cinque

Il Remote Labor Index (RLI), di Scale AI e Center for AI Safety, parte da un'idea diversa: prendere progetti veri commissionati a lavoratori freelance e chiedere all'IA di consegnarli per intero. Sono 240 progetti di tipo vario: modelli 3D e disegni CAD, piante architettoniche, grafica, video e animazioni, audio, analisi dei dati, piccole applicazioni web. Ogni consegna dell'IA viene confrontata da valutatori umani con quella del professionista, e conta come riuscita solo se un cliente la accetterebbe.

Al lancio, nell'ottobre 2025, il miglior sistema arrivava al 2,5%. A luglio 2026 Claude Fable 5 era intorno al 16%. Oggi in testa alla classifica di Scale AI c'è Claude Opus 5.5 con il 21,25%, seguito da GPT-6 Astra (20,83%), Claude Fable 5.1 (17,92%) e Gemini 4 Argon (17,08%).

Due cose colpiscono. La prima è la velocità: il risultato migliore è cresciuto di otto volte in circa un anno. La seconda è che, anche così, quattro progetti su cinque restano sotto lo standard professionale. Il Center for AI Safety segnala anche un dettaglio utile: quando a giudicare è un altro modello invece di una persona, i risultati dei modelli più recenti risultano gonfiati di due o tre volte.

GDPx: i lavori lunghi da esperti, uno su otto

Il nuovo GDPx alza ancora l'asticella. Contiene 206 compiti in 11 settori ad alto valore: finanza, diritto, trading quantitativo, progettazione di chip e di hardware, biologia, scienza dei materiali, sicurezza informatica, sviluppo software e altri. I compiti sono scritti da aziende specializzate in ciascun settore e vanno svolti in ambienti di lavoro simulati, con un limite che arriva a otto ore. Un esempio: esaminare l'archivio documentale di un'operazione finanziaria, con migliaia di file.

La classifica:

In finanza e diritto il lavoro conta come riuscito solo se supera una soglia di qualità, e quasi nessun modello ci arriva. Nel compito pubblico di diritto, la revisione dei documenti di un round di investimento, nessun tentativo ha prodotto un documento utilizzabile: il miglior punteggio parziale medio è stato quello di Opus 5.5, il 44%.

Anche GDPx va letto con attenzione. SemiAnalysis è una società privata che vende analisi in abbonamento; molti compiti non sono pubblici, quindi il test non si può ripetere in modo indipendente; e i filtri di sicurezza di Opus 5.5 e GPT-6 Astra a volte bloccano i compiti di biologia e sicurezza informatica, abbassandone il punteggio. Il quadro generale però conferma le altre classifiche indipendenti, con gli stessi tre modelli in testa.

Perché i numeri sono così diversi

Messi in fila, i tre test raccontano una storia coerente. Contano soprattutto tre cose:

• La lunghezza del compito. Un documento si scrive in pochi minuti di calcolo; un progetto richiede decine di passaggi, e ogni errore si somma a quelli successivi.
• Quanto è già tutto spiegato. In GDPval il compito arriva con le istruzioni e i materiali pronti. Nel lavoro vero gran parte della fatica sta nel capire cosa serve, trovare le informazioni giuste e accorgersi di cosa manca.
• Come si giudica. "Migliore o pari" in un confronto a coppie è diverso da "accettabile per un cliente" o da "supera la soglia di qualità richiesta in una banca".

L'IA oggi è forte sui pezzi di un lavoro e ancora debole sul lavoro intero: più il compito è lungo, aperto e ad alto rischio, più serve una persona che lo guidi e lo controlli.

Per approfondire come leggere questi numeri c'è la nostra guida Benchmark dell'IA: come leggerli senza farsi ingannare.

Cosa significa per te

• Pensa al tuo lavoro come a un insieme di compiti, non come a un blocco unico. Le parti ben definite (una prima bozza, un riassunto, un foglio di calcolo, una traduzione) sono quelle in cui l'IA rende già di più.
• Delega i pezzi, non il risultato finale. Anche i modelli migliori sbagliano spesso sui lavori lunghi: la revisione di una persona resta indispensabile, soprattutto su contratti, conti e decisioni.
• Usa gli agenti con prudenza. Gli strumenti che lavorano da soli per ore sono proprio quelli misurati da RLI e GDPx: utili, ma da sorvegliare. Ne parliamo nella guida sugli agenti IA.
• Tieni d'occhio la tendenza, non solo la fotografia. Un salto da 2,5% a 21% in un anno dice che le capacità crescono in fretta. Gli effetti sul lavoro si vedono già in alcune aziende: Anthropic, per esempio, riferisce che tra i suoi tecnici gli assunti junior sono scesi dal 27% al 9% (la notizia).
• Scegli lo strumento in base al compito. Per sapere quale modello o servizio usare per scrivere, programmare o automatizzare il lavoro d'ufficio, consulta le pagine Strumenti e Automatizzare il lavoro d'ufficio, e la pagina Modelli per prezzi e accesso.