Il passaggio di Uber a ChatGPT Work per circa 30.000 dipendenti segna una fase significativa nell’adozione dell’intelligenza artificiale in azienda. Non si tratta più di una sperimentazione confinata a team tecnici, ma di un’infrastruttura produttiva distribuita tra funzioni operative, finanziarie e di prodotto. Questa decisione, che amplia la collaborazione tra Uber e OpenAI su scala globale, arriva dopo un progetto pilota interno che ha coinvolto 1.000 lavoratori, in larga parte non ingegneri.
La scelta è particolarmente rilevante perché dimostra come l’AI generativa stia diventando uno strumento di lavoro orizzontale.
ChatGPT Work non è presentato solo come un chatbot, ma come un ambiente completo per analizzare dati, adattare materiali formativi a mercati diversi e creare dashboard interattive. In questo modello, il valore non dipende unicamente dal modello linguistico, ma dalla capacità dell’organizzazione di integrarlo efficacemente nei processi aziendali reali.
Dall'esperimento alla diffusione aziendale
Nel test iniziale, Uber ha coinvolto dipendenti dei settori finanza, operations e prodotto. Un dato significativo è che circa l’80% degli utenti iniziali non ricopriva ruoli di engineering. Questo dettaglio sposta il baricentro dell’applicazione dell’AI: non è più soltanto uno strumento per scrivere codice o interrogare repository, ma un livello di supporto fondamentale per chi si occupa di analisi, decisioni operative e coordinamento internazionale.
Uber non ha fornito dettagli sul costo del rollout, ma ha chiarito che l’azienda monitorerà attentamente l’utilizzo dello strumento, i workflow sviluppati dai dipendenti e i benefici operativi. Si tratta di un approccio pragmatico: prima rendere disponibile ChatGPT Work, poi misurare dove produce maggiore efficienza, dove richiede controllo e quali pratiche meritano di essere standardizzate.
L'AI già integrata nei processi Uber
Questo massiccio rollout non avviene in un contesto privo di precedenti. Un approfondimento tecnico pubblicato da Uber Engineering ha descritto Genie, un copilota interno basato su LLM (Large Language Model) progettato per rispondere a domande nei canali Slack e ridurre il carico degli esperti di dominio.
Il sistema utilizza logiche di retrieval augmented generation, recuperando informazioni da documenti interni e combinandole con modelli linguistici per generare risposte più pertinenti.
Questo precedente aiuta a comprendere la traiettoria dell’azienda. Uber ha già sperimentato l’AI generativa come interfaccia per la documentazione, il supporto interno e la gestione della conoscenza aziendale. Con ChatGPT Work, la stessa logica si estende a una popolazione molto più ampia, con un obiettivo meno specialistico: aumentare la produttività quotidiana e rendere più accessibili competenze analitiche e operative.
Produttività, governance e sfide future
L’adozione su larga scala solleva, tuttavia, una questione centrale: chi controlla la qualità delle risposte e delle decisioni generate con l’AI? Uber Engineering ha evidenziato l’importanza dell’accuratezza e della qualità delle fonti.
