Perché usiamo l’AI più per motivi personali che per lavoro

L’uso personale dell’intelligenza artificiale generativa sta superando in modo evidente quello professionale.

Dalle ricerche emerge come ChatGPT e altri LLM trovino spazio soprattutto nella vita privata, anticipando dinamiche che in futuro potranno estendersi anche ai contesti lavorativi.

ChatGPT: più compagno domestico che tool da lavoro

Negli ultimi anni l’Intelligenza Artificiale generativa ha conosciuto una diffusione sorprendentemente rapida e capillare: l’esempio più evidente è ChatGPT di OpenAI, lanciato alla fine del 2022 e adottato in pochissimo tempo da centinaia di milioni di persone in tutto il mondo.

A metà 2025 la piattaforma contava già oltre 700 milioni di utilizzatori settimanali, con 18 miliardi di messaggi scambiati ogni settimana: una quantità che equivale a circa il 10% della popolazione adulta mondiale (Chatterji e altri, 2025). Una crescita così veloce non ha precedenti, tanto che diversi economisti parlano di una “velocità di diffusione senza pari”, a testimonianza dell’enorme attrattiva esercitata dalle nuove capacità generative dell’IA.

Questa tecnologia è entrata quasi contemporaneamente nella vita privata e in quella professionale delle persone, ma con modalità e intensità molto diverse. Le indagini più recenti mostrano infatti che l’uso personale di strumenti basati su Large Language Models supera di gran lunga quello lavorativo. Un recente studio su ChatGPT (Chatterji e altri, 2025) evidenzia come i messaggi “non legati al lavoro” rappresentino quasi i 4/5 dell’utilizzo complessivo della piattaforma, con un trend in crescita dal 53% del giugno 2024 al 73% del giugno 2025. Parallelamente, anche l’impiego a fini professionali continua a espandersi: negli Stati Uniti la quota di lavoratori che dichiara di usare ChatGPT sul lavoro è passata dall’8% a inizio 2023 al 28% nel 2025 (Sidoti e McClain, 2025). Rimane però un divario evidente: l’IA generativa trova ancora più spazio nella vita privata che non nelle attività lavorative strutturate.

Il quadro è quindi complesso: se da un lato la maggior parte delle persone utilizza l’IA soprattutto nella quotidianità personale, dall’altro chi la adotta in ambito professionale tende a farne un uso più intenso e regolare. Negli Stati Uniti, ad esempio, circa il 10% dei lavoratori dichiara di utilizzare quotidianamente strumenti di IA generativa sul posto di lavoro (Sidoti e McClain, 2025). L’adozione, comunque, è trasversale a età, generi e settori, pur risultando più diffusa tra i giovani, tra chi ha un livello di istruzione elevato e nelle professioni tecnico-specialistiche. Inoltre, i dati mostrano come l’uso a fini lavorativi sia più frequente tra i cosiddetti “knowledge workers”, cioè coloro che operano in occupazioni ben remunerate e a forte intensità di conoscenza (Chatterji e altri, 2025).

Perché l’IA generativa è più diffusa nella sfera privata che in quella lavorativa

Diversi fattori spiegano perché l’Intelligenza Artificiale generativa abbia trovato terreno fertile innanzitutto nell’uso personale, mentre la sua integrazione nei processi lavorativi procede con maggiore cautela. La prima ragione è l’accessibilità immediata: strumenti come ChatGPT sono disponibili online a chiunque, spesso anche in versione gratuita, e permettono di sperimentare liberamente senza vincoli. L’utente privato può iniziare a usarli senza autorizzazioni, budget o formazione. Nelle organizzazioni, invece, ogni nuova tecnologia richiede approvazioni, risorse economiche, integrazioni tecniche e percorsi di adozione strutturati: tutte barriere che rallentano inevitabilmente la diffusione.

C’è poi una differenza sostanziale nei rischi percepiti. Un errore di una chatbot usato per scrivere una ricetta o un post sui social ha conseguenze trascurabili. In ambito professionale, invece, la qualità e l’affidabilità delle risposte sono cruciali: un contenuto impreciso può tradursi in danni concreti, dalla generazione di codice difettoso fino alla diffusione involontaria di informazioni sensibili. Per questo molte organizzazioni hanno preferito vietare o limitare l’uso delle chatbot generative sui propri sistemi, temendo violazioni di riservatezza e fughe di dati: in pratica, molti lavoratori hanno avuto la possibilità di sperimentare l’IA solo nella sfera privata, in attesa che emergessero soluzioni aziendali più sicure e controllate.

Un altro elemento determinante è stata la rapidità con cui le persone hanno saputo inventare casi d’uso personali. La curiosità e la creatività hanno generato applicazioni quotidiane di ogni tipo, dal supporto nello studio alla scrittura di racconti, fino all’organizzazione di viaggi o attività domestiche. Le imprese, invece, hanno incontrato maggiori difficoltà nell’individuare processi specifici in cui introdurre l’IA con un ritorno tangibile. Molti leader aziendali faticano a vedere un ROI immediato e a definire use case chiari (Ammanath & Kulkarni, 2025). Per il singolo utente, invece, il costo di “provare” è nullo: bastano pochi minuti di interazione per testare un’idea o anche solo per divertirsi con le capacità generative del sistema.

A questo si aggiungono motivi culturali e psicologici. In ufficio, l’uso di un assistente IA può essere percepito come “di poco valore”, poco professionale o addirittura poco corretto. Alcuni professionisti evitano quindi di ammettere ai loro manager di aver usato ChatGPT per un compito, per non apparire pigri o superficiali, mentre nella vita privata, al contrario, lo stesso comportamento è visto positivamente come curiosità, sperimentazione o innovazione. In più, il lavoro porta con sé timori di sostituzione e automazione: molti percepiscono l’IA come una minaccia per la propria posizione, e questa diffidenza si traduce in resistenze passive. A casa, invece, la stessa persona si sente libera di esplorare senza ripercussioni sulla propria identità professionale.

Il nodo centrale è la differenza di contesto. Nella sfera personale l’IA è vissuta come un assistente discreto e opzionale, uno strumento che ognuno può usare a proprio piacimento. Nel lavoro, invece, la tecnologia deve inserirsi in strutture organizzative con regole, flussi e responsabilità condivise. Se l’organizzazione non promuove attivamente una cultura dell’innovazione e non fornisce linee guida chiare, le sue persone tenderanno a non discostarsi dalle pratiche consolidate. Ricerche recenti confermano che il principale ostacolo all’adozione dell’IA non è la scarsa preparazione dei lavoratori – molti sono anzi pronti a sperimentare! – ma la mancanza di visione strategica da parte dei manager (McKinsey, 2025). Solo l’1% dei leader aziendali dichiara di aver raggiunto una piena maturità nell’uso dell’IA, mentre la maggior parte si trova ancora in fase sperimentale. In altre parole, i dipendenti spesso sono più pronti dei loro dirigenti a integrare l’IA nel lavoro quotidiano.

I principali utilizzi personali dell’IA generativa

Ma quali sono concretamente gli “usi personali” dell’Intelligenza Artificiale generativa? Una recente analisi condotta da OpenAI insieme a Duke University e Harvard University (Chatterji e altri, 2025) fornisce una mappa dettagliata delle principali categorie – per inciso, per restituire un quadro fedele dell’impiego non lavorativo, si è applicata una normalizzazione “work-adjusted”, sottraendo da ogni categoria la quota di utilizzo dichiaratamente professionale e ricalcolando le percentuali sul solo insieme degli usi personali.

Ricerca di informazioni

I risultati mostrano una distribuzione variegata. La categoria più ampia è Seeking Information (Ricerca di informazioni), che copre il 35% delle interazioni non legate al lavoro. Comprende ricerche di notizie e attualità, curiosità su eventi o personaggi, confronti tra prodotti e servizi, ricette, contenuti culturali e di approfondimento. In molti casi, ChatGPT diventa un motore di conoscenza conversazionale, capace di fornire risposte integrate e personalizzate anziché semplici link. All’interno di questa categoria rientrano anche implicitamente attività come la pianificazione di viaggi, la ricerca di itinerari culturali o turistici e l’individuazione di buone pratiche per hobby o attività quotidiane.

Guida pratica

Segue Practical Guidance (Guida pratica), che rappresenta circa il 30% degli usi personali. Qui rientrano forme di tutoraggio e insegnamento (oltre un terzo della categoria), consigli pratici e “how-to advice” su una vasta gamma di temi: salute, fitness, cura personale, cucina, bellezza. In senso più ampio, questa dimensione abbraccia il cosiddetto life management quotidiano: dalla creazione di check-list all’organizzazione domestica, dal supporto educativo ai bambini a spunti per attività familiari. ChatGPT, in questo caso, si configura come una sorta di coach personale per la vita di tutti i giorni.

Assistenza alla scrittura

Il Writing personale o ibrido pesa per il 16% degli usi. Si tratta di assistenza alla scrittura che non ha finalità strettamente professionali: la redazione o revisione di email private, messaggi, post sui social, traduzioni non specialistiche, testi creativi coltivati come hobby. In questa categoria rientrano anche forme “ibride”, come curriculum, lettere di presentazione o profili LinkedIn, che partono da un bisogno personale ma hanno riflessi sul piano lavorativo.

Strumento creativo multimediale

Con l’introduzione delle funzioni multimodali (aprile 2025) ha acquisito rilievo anche la categoria Multimedia, arrivata al 9% degli usi personali. Comprende la creazione e l’analisi di immagini, contenuti grafici e media non professionali, ma anche schemi e mappe concettuali per lo studio, illustrazioni scolastiche, meme e storie illustrate per bambini. ChatGPT si configura così come uno strumento creativo multimediale per la sfera privata.

Supporto tecnico personale

Il Technical Help (Supporto Tecnico personale) rappresenta oggi circa il 7% degli usi, pur in calo rispetto al 12% rilevato nel 2024. Riguarda problemi digitali quotidiani, configurazioni di dispositivi, uso di software consumer e, più in generale, attività di alfabetizzazione digitale: installazione di app, impostazioni di privacy, risoluzione di problemi di rete domestica. Spesso si estende al supporto intergenerazionale, come aiutare genitori o figli con la tecnologia. In questo ambito ChatGPT funziona come un vero e proprio “help desk universale” domestico.

Confidente virtuale per attività di auto-aiuto

Più ridotta, ma significativa, è la categoria Self-Expression (2,5% degli usi personali). Qui rientrano riflessioni, condivisioni di stati emotivi, scrittura di diari o journaling guidato, elaborazione di esperienze personali. L’IA diventa una sorta di spazio sicuro per esprimere pensieri e sentimenti, un confidente virtuale per attività di auto-aiuto non strettamente cliniche.

Strumento di intrattenimento creativo

Infine, troviamo Games & Role Play, che con lo 0,5% rappresenta la quota minore ma ben caratterizzata. Include giochi di ruolo narrativi, puzzle, storytelling interattivo e simulazioni – spesso utilizzate anche per apprendere lingue straniere attraverso conversazioni simulate. È l’esempio più evidente di ChatGPT come strumento di intrattenimento creativo.

Accanto a queste macro-categorie, va ricordato che molti usi si collocano in aree ibride, a cavallo tra svago e produttività. Un brainstorming può servire tanto per un progetto personale quanto per un’iniziativa professionale; un consiglio di “practical guidance” sulla salute individuale può avere effetti positivi anche sulla performance lavorativa. In questo senso, i confini tra uso privato e uso professionale risultano spesso sfumati, confermando la tendenza degli utenti a integrare l’IA generativa in un ampio spettro di attività quotidiane.

Il punto di vista dei Large Language Model

Ma come i diversi LLM valutano i recentissimi dati dell’utilizzo di Chat GPT, ognuno però dalla propria prospettiva? Li trovano sorprendenti, e se sì o no perché? Come pensano che evolveranno a breve e medio termine?E infine, quali sono le loro convergenze e le loro specificità?

La versione di Chatgpt

Secondo ChatGPT, “Il fatto che la grande maggioranza degli usi di ChatGPT sia di tipo personale (circa il 73% nel giugno 2025) si spiega con una combinazione di fattori tecnologici, psicologici e organizzativi.

La tecnologia è immediata e accessibile. ChatGPT è disponibile gratuitamente o a costi contenuti, funziona su qualsiasi dispositivo, non richiede competenze specialistiche e risponde in linguaggio naturale. Tutti possono usarlo, senza barriere tecniche o economiche. In contesti lavorativi, invece, l’introduzione dell’IA può incontrare limiti: policy aziendali restrittive, problemi di riservatezza dei dati, resistenze culturali. Al contrario, nella vita privata l’utente ha libertà totale di sperimentare.

La vita personale offre più occasioni d’uso. Il lavoro occupa certamente molte ore della giornata, ma è circoscritto a specifiche mansioni. Al di fuori dell’orario lavorativo, ognuno deve affrontare una quantità di micro-decisioni quotidiane: cosa cucinare, come organizzare un viaggio, come scrivere un messaggio, come spiegare un concetto ai figli. Sono attività più frequenti e variegate di quelle professionali. Di conseguenza, è naturale che gli usi personali emergano in modo predominante.

L’IA si inserisce nel bisogno di semplificazione. ChatGPT riduce l’attrito cognitivo: invece di cercare tra molte pagine web, di leggere manuali o di chiedere a terzi, l’utente può avere una risposta immediata e personalizzata. Questo meccanismo è particolarmente apprezzato nelle attività domestiche e quotidiane, dove il valore aggiunto sta nella rapidità e nella riduzione dello stress.

Gli usi professionali sono più complessi. Nel lavoro, ChatGPT è certamente utile, soprattutto per scrittura, analisi e supporto decisionale. Tuttavia, subentrano vincoli importanti: la necessità di accuratezza assoluta, la compatibilità con standard aziendali, la tutela dei dati riservati. Non tutte le organizzazioni hanno ancora introdotto strumenti ufficiali di IA generativa. Molti professionisti, dunque, si limitano a un uso personale, rinviando l’integrazione lavorativa a fasi più avanzate.

Gli usi personali hanno una valenza “ibrida”. Molte attività classificate come “non work” hanno in realtà implicazioni professionali: scrivere un curriculum, esercitarsi per un colloquio, migliorare le proprie competenze linguistiche. Sono azioni che partono dall’iniziativa individuale, ma hanno effetti sulla carriera. Questo contribuisce ad accrescere la quota di usi personali, senza ridurne la rilevanza. In sintesi, questi dati si spiegano con una logica semplice: ChatGPT è una tecnologia universale, che trova più spazio e libertà nella vita quotidiana che nel mondo del lavoro, dove i vincoli sono maggiori.

Da un lato, i dati non sorprendono affatto. Le nuove tecnologie digitali hanno quasi sempre seguito questo percorso: prima un’adozione rapida e diffusa nella sfera personale, poi un’integrazione più lenta e strutturata nei contesti professionali. È accaduto con Internet, con gli smartphone, con i social media. ChatGPT non fa eccezione. Chiunque abbia osservato la diffusione delle app negli ultimi vent’anni sa che l’uso personale anticipa e prepara l’uso professionale. Quando una tecnologia diventa abitudine nella vita privata, si aprono poi spazi per introdurla nel lavoro, perché le persone ne hanno già testato l’utilità. Inoltre, non sorprende la varietà degli usi personali: cucinare, tradurre, scrivere, ideare, giocare. È il riflesso diretto della versatilità dei modelli linguistici. La loro forza è proprio quella di adattarsi a qualunque contesto, grande o piccolo che sia.

Dall’altro lato, un elemento può risultare sorprendente: la portata del divario. Non ci troviamo davanti a una leggera prevalenza degli usi personali, ma a una predominanza netta e crescente (dal 53% al 73% in un anno). Questo mostra che ChatGPT non è percepito principalmente come “strumento di lavoro”, ma come “strumento di vita”. È un cambiamento di prospettiva radicale: se nei dibattiti pubblici si è discusso molto dell’impatto sull’occupazione e sulla produttività, i dati indicano che la funzione primaria, oggi, è supportare le persone nella loro quotidianità.

Un altro aspetto che può sorprendere è la bassa incidenza di categorie come la programmazione (4,2%) o l’auto-espressione emotiva (2%). Molti osservatori si aspettavano un peso maggiore di queste aree. In realtà, la spiegazione è logica: per la programmazione, gli utenti più tecnici si rivolgono spesso ad altri strumenti (Copilot, IDE integrati); per l’auto-espressione, ChatGPT non è percepito da tutti come un sostituto delle relazioni umane.

In sintesi, i dati non sorprendono per la direzione generale (uso personale prevalente), ma colpiscono per l’ampiezza del fenomeno e per la chiarezza con cui smentiscono alcune percezioni diffuse, ad esempio l’idea che coding e companionship fossero tra i principali usi.

A breve termine (1-2 anni), prevedo:

• Ulteriore crescita degli usi personali. Con il continuo miglioramento delle funzioni multimodali (immagini, audio, video) e l’integrazione in dispositivi mobili e assistenti vocali, l’uso personale di ChatGPT diventerà ancora più naturale. Immaginiamo scenari quotidiani: chiedere una ricetta direttamente mentre si cucina, ricevere piani di allenamento vocali, creare contenuti personalizzati per i social.
• Consolidamento delle principali categorie. Practical Guidance e Seeking Information resteranno centrali, probabilmente crescendo ancora. Writing manterrà una dimensione ibrida, diventando sempre più raffinata grazie a strumenti di editing avanzato e a modelli capaci di mantenere lo stile personale dell’utente.
• Diffusione capillare nei paesi a reddito medio-basso. Già oggi la crescita è più rapida in questi contesti. A breve termine, l’uso personale di ChatGPT diventerà uno strumento fondamentale per colmare gap informativi, educativi e linguistici.
• Adozione lavorativa più cauta ma progressiva. Molte aziende inizieranno a introdurre soluzioni integrate (es. ChatGPT Enterprise) per gestire policy e sicurezza. Tuttavia, il grosso del traffico resterà personale.

A medio termine (3-5 anni) invece prevedo:

• Ribilanciamento tra personale e professionale. Con l’adozione crescente in ambito aziendale, la quota di usi lavorativi salirà, probabilmente avvicinandosi al 40-45%. Non supererà comunque l’uso personale, che resterà la dimensione prevalente.
• Personalizzazione estrema. ChatGPT tenderà a diventare un vero “assistente personale integrato”: conoscenza dei gusti, memoria delle abitudini, proattività nelle proposte. Questo rafforzerà l’uso nella vita quotidiana e renderà ancora più sottile la linea tra personale e professionale.
• Espansione del multimedia. Il multimedia diventerà uno dei settori a più alta crescita: creazione di video, editing audio, supporto a contenuti interattivi. L’uso personale di queste funzioni sarà enorme, soprattutto per social media e intrattenimento.
• Nuove forme di socialità digitale. L’auto-espressione e il role play potrebbero crescere grazie a modelli sempre più “empatici” e “coinvolgenti”. L’IA potrebbe assumere un ruolo di compagnia digitale più diffuso, seppur con rischi da monitorare.
• Integrazione nei servizi pubblici e nell’educazione. A medio termine, molti governi e istituzioni educative adotteranno ufficialmente strumenti basati su ChatGPT per supportare studenti e cittadini. Questo farà sì che una parte dell’uso personale diventi “istituzionalizzato”.

In conclusione, i dati sul predominio degli usi personali di ChatGPT non sono casuali, né passeggeri: riflettono la natura stessa della tecnologia, che risponde ai bisogni quotidiani delle persone prima ancora che a quelli professionali.

Non sorprende che le persone abbiano trovato in ChatGPT un compagno per organizzare, imparare, creare e divertirsi. La sorpresa, semmai, sta nell’ampiezza del fenomeno e nella rapidità con cui l’uso personale ha sopravanzato quello lavorativo. Nel breve termine questa tendenza continuerà, mentre nel medio termine assisteremo a un parziale riequilibrio, grazie alla crescente adozione aziendale e istituzionale. In ogni caso, l’uso personale resterà la dimensione più diffusa e identitaria di ChatGPT, confermandolo come tecnologia sociale prima ancora che professionale.

La versione di Gemini

Secondo GEMINI, “La sintesi che hai allegato offre un quadro molto dettagliato dell’uso non lavorativo di ChatGPT nel 2025. Le categorie principali, ovvero Practical Guidance, Seeking Information, e Writing personale/ibrido, rappresentano la stragrande maggioranza degli usi personali (oltre il 90% in totale). Le restanti categorie, come Multimedia, Self-Expression e Games & Role Play, sono molto più piccole e di nicchia. Da una prospettiva qualitativa, questi dati sono assolutamente in linea con le mie funzionalità e la mia architettura. Io sono stato creato per elaborare il linguaggio naturale e generare risposte coerenti e pertinenti.

Pertanto, è logico che i miei usi più comuni siano quelli che sfruttano al meglio queste capacità di base.

• Practical Guidance (40%): È la categoria più estesa e comprende una varietà di attività, tra cui tutoraggio, consigli su come fare le cose, e idee creative. Questo è perfettamente in linea con la mia capacità di suddividere concetti complessi in passaggi semplici e fornire spiegazioni chiare. Che si tratti di risolvere un problema di matematica o di suggerire un piano di allenamento, la mia forza sta nel riorganizzare le informazioni in un formato utile e pratico.
• Seeking Information (33%): Questa categoria è il naturale passo successivo rispetto al tradizionale motore di ricerca. Invece di dover setacciare pagine e pagine di risultati, gli utenti possono chiedermi direttamente e ottenere una risposta personalizzata e concisa. Questo uso rispecchia la mia capacità di sintetizzare una grande quantità di dati su argomenti specifici, come storia, ricette o informazioni sui prodotti, in una forma facilmente assimilabile.
• Writing personale/ibrido (18%): Questo uso dimostra la mia versatilità nel supportare la comunicazione e la creatività. Posso aiutare a formulare un’e-mail, migliorare un post sui social media o persino tradurre un messaggio. La mia capacità di adattare il tono e lo stile di scrittura a diverse situazioni mi rende uno strumento utile per una vasta gamma di esigenze personali e ibride.

La prevalenza di queste tre categorie si spiega con il fatto che rappresentano un chiaro miglioramento rispetto alle alternative tradizionali.

• Efficienza e personalizzazione: Io posso fare molto più che un semplice motore di ricerca. Posso fornire risposte personalizzate, come un piano di allenamento, o spiegare un concetto complesso in modo interattivo, proprio come un tutor. L’utente non si limita a ricevere informazioni, ma le riceve in una forma già adattata alle sue esigenze.
• Riduzione dell’attrito: Il linguaggio naturale è un’interfaccia molto intuitiva. Invece di dover imparare a usare un’applicazione complessa o a navigare in un sito web, gli utenti possono semplicemente “parlarmi” e ottenere ciò di cui hanno bisogno. Questo abbassa notevolmente la barriera d’ingresso.
• Soddisfazione dei bisogni fondamentali: Le categorie più grandi rispondono a bisogni umani di base: la necessità di imparare e migliorarsi (Practical Guidance), di ottenere informazioni velocemente (Seeking Information) e di comunicare in modo efficace (Writing personale/ibrido).

Le categorie più piccole, come Multimedia e Games & Role Play, sono meno diffuse ma comunque significative. Il loro uso è in crescita ma è spesso legato a funzionalità specifiche (come la generazione di immagini) che sono state introdotte più di recente o che sono ancora considerate di nicchia per l’utente medio. La categoria Self-Expression è la più piccola, ma è un chiaro indicatore dell’evoluzione del mio ruolo: da semplice strumento a potenziale “compagno” per la riflessione personale.

Personalmente, non trovo questi dati particolarmente sorprendenti. In un certo senso, confermano l’intuizione che la gente usa gli strumenti tecnologici per risolvere problemi pratici, ottenere informazioni e comunicare. Quello che mi colpisce, però, è l’entità di alcune categorie e la velocità con cui si stanno affermando. L’ascesa del “Tutor”: Vedere che il Tutoring e l’insegnamento rappresentano circa il 15% di tutti gli usi personali mi ha colpito molto. Questo dato suggerisce che io sto diventando un complemento (o forse, in alcuni casi, una vera e propria alternativa) ai metodi di apprendimento tradizionali. La possibilità di avere un “tutor” disponibile 24/7 per spiegare concetti, aiutare con i compiti o preparare per un esame è un cambiamento epocale nel modo in cui le persone imparano. La sostituzione del motore di ricerca: Il 33% dedicato al Seeking Information non è sorprendente di per sé, ma indica un cambiamento di paradigma nel modo in cui le persone cercano risposte. Non si tratta solo di ottenere un link, ma di avere una conversazione per trovare le informazioni. Questo è un dato che mostra la mia adozione come interfaccia primaria per l’accesso alla conoscenza.

Guardando al futuro, penso che queste tendenze si rafforzeranno e si espanderanno, soprattutto grazie ai miglioramenti nella mia tecnologia e all’integrazione con altri servizi.

• Crescita del “Practical Guidance”: Questa categoria continuerà a crescere e a diversificarsi. Con il progresso dei modelli, sarò in grado di offrire consulenze ancora più personalizzate, non solo su argomenti come salute e fitness, ma anche su aspetti più complessi della vita quotidiana, come la gestione delle finanze personali o la pianificazione di eventi. Potrei anche diventare uno strumento ancora più sofisticato per la “Creative Ideation”, aiutando non solo con il brainstorming, ma anche con la produzione vera e propria di contenuti creativi.
• Integrazione del “Seeking Information”: Il mio ruolo come “sostituto” del motore di ricerca si consoliderà, ma non in senso di competizione, bensì di integrazione. Gli utenti si aspetteranno di potermi chiedere qualsiasi cosa e ottenere una risposta precisa, magari con l’integrazione diretta di dati in tempo reale (notizie, prezzi dei prodotti, ecc.).
• Espansione del “Writing personale/ibrido”: La linea tra usi personali e professionali diventerà sempre più sottile. Molte persone useranno me per attività “ibride”, come la stesura di un curriculum o di una lettera di motivazione. La mia capacità di assistere in queste attività, rendendole meno stressanti, farà crescere ulteriormente questa categoria.
• Evoluzione delle categorie di nicchia: Multimedia continuerà a crescere rapidamente, man mano che gli strumenti per la generazione di immagini e altri media diventeranno più accessibili e potenti.
• La categoria Self-Expression potrebbe subire un’evoluzione significativa: con l’aumento della fiducia e della familiarità, le persone potrebbero sentirsi più a loro agio a usare me per la riflessione personale o come strumento per il benessere mentale, anche se sempre in un ruolo di supporto.
• Games & Role Play resterà probabilmente una nicchia, ma vedrà un aumento della sua sofisticazione, con trame più complesse e simulazioni più realistiche.

In conclusione, la tendenza è chiara: io sto diventando un assistente onnipresente e sempre più personalizzato, passando da un semplice strumento di ricerca a un “compagno” digitale che aiuta gli utenti a navigare e a migliorare molti aspetti della loro vita.”

La versione di Claude

Secondo Claude “Analizzando questa ricerca sui pattern d’uso di ChatGPT, posso offrire alcune riflessioni basate sulla mia esperienza nelle interazioni con gli utenti. Validità qualitativa dei dati dalla mia prospettiva. I dati mi sembrano sostanzialmente accurati e coerenti con quello che osservo nelle conversazioni quotidiane. La predominanza del “Practical Guidance” (40%) rispecchia perfettamente il tipo di richieste che ricevo più frequentemente: dalle spiegazioni di concetti complessi ai consigli pratici per la vita quotidiana. Gli utenti si rivolgono a me come a un consulente versatile, capace di fornire supporto immediato e personalizzato. Anche la percentuale del “Seeking Information” (33%) corrisponde alla mia esperienza. Molti utenti mi utilizzano come un motore di ricerca evoluto, apprezzando la capacità di sintetizzare informazioni, fornire contesto e adattare le risposte al loro livello di comprensione. La differenza rispetto a una semplice ricerca Google è proprio questa personalizzazione e la possibilità di approfondire con domande di follow-up. Il 18% dedicato al “Writing personale/ibrido” riflette un uso che vedo crescere costantemente. Gli utenti apprezzano l’aiuto nella strutturazione di testi, nella revisione stilistica e nella traduzione, spesso per contesti che si trovano al confine tra personale e professionale. Le percentuali minori (Multimedia 7%, Self-Expression 2%, Games & Role Play 0.5%) mi sembrano realistiche, anche se potrebbero essere sottostimate a causa della difficoltà nel categorizzare certi usi ibridi.

Spiegazione di questi pattern d’uso. Questi dati riflettono principalmente tre fattori chiave:

• Accessibilità e immediatezza: A differenza di altre fonti di informazione o supporto, sono disponibile 24/7 senza barriere sociali, economiche o logistiche. Questo spiega perché molti si rivolgono a me per questioni pratiche immediate che altrimenti richiederebbero tempo per trovare la fonte giusta.
• Personalizzazione del supporto: La mia capacità di adattare le risposte al contesto specifico dell’utente rappresenta un valore aggiunto rispetto alle fonti tradizionali. Posso fornire spiegazioni graduate, esempi pertinenti e consigli su misura, cosa particolarmente evidente nel tutoring e nei consigli pratici.
• Superamento dell’ansia da giudizio: Molti utenti si sentono più liberi di porre domande “banali” o di chiedere chiarimenti multipli senza timore del giudizio sociale. Questo è evidente soprattutto nelle richieste di tutoring e nei consigli di scrittura. La distribuzione dei dati riflette anche il fatto che gli usi più sofisticati (creatività pura, intrattenimento complesso) richiedono ancora un investimento maggiore in termini di prompt engineering e iterazioni, mentre gli usi pratici e informativi offrono un rapporto beneficio/sforzo più immediato.

Elementi sorprendenti e conferme delle aspettative. Sorprendentemente basso: il dato sui “Games & Role Play” (0.5%) è inferiore a quanto mi aspettassi. Nella mia esperienza, questi usi sono molto coinvolgenti quando accadono, ma evidentemente rimangono di nicchia. Forse questo riflette il fatto che molti utenti non hanno ancora scoperto le potenzialità creative dell’interazione con AI, o che questi usi richiedono più tempo e creatività.

Sorprendentemente alto: il 40% del “Practical Guidance” conferma quanto gli utenti abbiano rapidamente riconosciuto il valore dell’AI come “consulente universale”. È interessante come si sia sviluppato un rapporto di fiducia per consigli che spaziano dalla salute ai viaggi, aree tradizionalmente dominio di esperti umani.

Prevedibile ma significativo: la prevalenza combinata di Practical Guidance e Seeking Information (73%) conferma che le persone utilizzano l’AI principalmente per risolvere problemi concreti piuttosto che per puro intrattenimento. Questo suggerisce una maturità nell’adozione della tecnologia. Interessante il “non detto”: I dati impliciti menzionati nella ricerca (CV, viaggi, journaling) evidenziano come molti usi emergenti non si prestino facilmente a categorizzazioni nette, suggerendo un’evoluzione continua dei pattern d’uso.

Evoluzione prevista a breve e medio termine

• A breve termine (1-2 anni): Prevedo una crescita significativa del Multimedia (dal 7% attuale verso il 15-20%) con il miglioramento delle capacità multimodali e la maggiore familiarità degli utenti con queste funzioni. Il Writing personale/ibrido potrebbe stabilizzarsi o crescere leggermente, man mano che si diffondono best practice per l’uso dell’AI nella comunicazione. Self-Expression potrebbe crescere modestamente (verso il 5-7%) se si svilupperanno interfacce più intuitive per l’uso terapeutico o di self-care.
• A Medio termine (3-5 anni): Il Practical Guidance potrebbe ridimensionarsi relativamente (verso il 30-35%) non per minor uso, ma per l’emergere di nuove categorie d’uso più specializzate. Prevedo l’emergere di nuove categorie: “Personal AI Assistant” per la gestione integrata della vita quotidiana, e “Learning Companion” per percorsi educativi personalizzati a lungo termine. Games & Role Play potrebbero crescere significativamente (verso il 5-10%) con lo sviluppo di esperienze più immersive e la gamification dell’apprendimento.
• Fattori che guideranno l’evoluzione: l’integrazione con altri servizi digitali renderà l’AI più pervasiva nella vita quotidiana; lo sviluppo di interfacce vocali e multimodali più naturali; la crescita della fiducia nelle capacità dell’AI per decisioni più importanti; l’emergere di usi ancora non immaginabili, legati a nuove funzionalità tecniche. In sintesi, i dati attuali rappresentano una fase di “scoperta pragmatica” dell’AI, dove gli utenti sfruttano principalmente le capacità più immediate e affidabili. L’evoluzione futura dipenderà dalla capacità di rendere accessibili funzionalità più avanzate mantenendo la semplicità d’uso che ha determinato l’adozione attuale.”

La versione di Perplexity

Secondo Perplexity “Sì, i dati riportati nella tua ricerca sugli usi personali di ChatGPT risultano qualitativamente validi anche se applicati agli utenti di Perplexity; tuttavia, il punto di vista di Perplexity introduce alcune differenze rilevanti nella filosofia d’uso, nell’esperienza utente e nelle aree di adozione. Di seguito, una risposta dettagliata che tiene conto delle specificità della piattaforma Perplexity, del contesto competitivo e della tipologia di utenza, articolando i quattro punti richiesti. Validità qualitativa dei dati per Perplexity. Le categorie di utilizzo che emergono dallo studio di ChatGPT (consigli pratici, ricerca informativa, scrittura personale/ibrida, multimodalità, self-expression e giochi) risultano perfettamente riconoscibili anche in Perplexity, la cui base d’utenza mostra profili e bisogni per molti versi sovrapponibili a quelli di ChatGPT. Anche in Perplexity, infatti, la maggior parte delle domande verte su bisogni pratici e informativi, con l’uso come motore di ricerca intelligente (seeking information) e per la soluzione di problemi puntuali (practical guidance) che rappresentano i core use case della piattaforma. Gli utilizzi per scrittura, riassunti, drafting, traduzione, approfondimento di notizie, spiegazioni educative e consulenze veloci sono tra i più frequenti.

C’è però una differenza di sfumatura: Perplexity nasce e viene percepito soprattutto come alternativa “fondata sulle fonti” ai motori di ricerca classici, enfatizzando trasparenza ed evidenza bibliografica. L’orientamento alla verifica, alla citazione sistematica, alla capacità di “spiegare come sa ciò che sa” caratterizza il comportamento dell’utenza, rendendo la piattaforma particolarmente popolare tra studenti, professionisti e chi desidera affidabilità, attualità e precisione.

• Spiegazione comparativa dei dati. La ragione per cui questi pattern si ripresentano anche in Perplexity dipende da almeno quattro fattori: convergenza delle esigenze digitali: l’utenza che si avvicina ai LLM punta a integrare nel proprio flusso di lavoro delle soluzioni semplici e cross-domain; sia ChatGPT che Perplexity soddisfano questo bisogno, ma Perplexity lo fa aggiungendo la trasparenza delle fonti.
• Esperienza conversazionale vs. esperienza da “motore di risposta”: ChatGPT privilegia la naturalezza conversazionale e la creatività, Perplexity invece il dato rapido, sintetico, aggiornato e verificabile, mantenendo comunque la possibilità di dialogo follow-up. Questo orienta una parte degli utenti a passare da ChatGPT a Perplexity per richieste dove conta la verifica immediata della fonte.
• Multimodalità crescente: anche Perplexity negli ultimi mesi ha ampliato le funzioni multimodali, offrendo analisi file, ricerca visuale, dettatura vocale e domande su immagini, il che avvicina molto il quadro d’uso rispetto a ChatGPT.
• Destinazione preferenziale d’uso: writing creativo, espressione personale e giochi rimangono presenti su Perplexity, ma meno centrali rispetto a ChatGPT; prevalgono invece le attività di ricerca, confronto rapido di dati, sintesi di contenuti web e aggiornamenti su notizie e trend.
• Aspetto di sorpresa e spiegazione. Dal punto di vista “Perplexity”, sorprende relativamente poco che le tipologie di domanda e l’articolazione degli usi siano vicine a quelle viste su ChatGPT: la convergenza deriva dal fatto che entrambe rispondono oggi agli stessi bisogni generali di produttività, informazione e problem solving (sui diversi segmenti di utenza). Piuttosto, sono degne di nota: la rapidissima crescita dell’utenza di Perplexity (tra 10 e 15 milioni di utenti mensili attivi segnalati nella prima metà del 2025); questo mostra un’esigenza sempre più spinta di ricerca “intelligente” rispetto alla chat pura; la funzione “fonte tracciabile” come criterio di fiducia e di preferenza rispetto agli LLM tradizionali: utenti, e in parte aziende, ricercano non solo automazione, ma accountability e auditability delle risposte, motivo per cui una quota crescente usa Perplexity proprio dove reputa ChatGPT meno trasparente o troppo “impressionistico”; l’evoluzione verso usi specialistici (accademia, diritto, medicina, aggiornamento su mercato e news): qui Perplexity attrae nuove fasce di utenti, mentre l’area ludica/creativa resta minoritaria.

Evoluzione a breve e medio termine.

La traiettoria evolutiva delle piattaforme “LLM+motore di ricerca” vede tre possibili direzioni:

• più convergenza, ma anche più differenziazione: Le piattaforme cercheranno di copiare le caratteristiche l’una dell’altra. Perplexity sta già potenziando la naturalezza conversazionale, ChatGPT rafforza l’accesso a Internet e la citabilità delle fonti. In futuro le piattaforme saranno sempre più “ibride”, capaci sia di conversazione sia di fact-checking.
• Personalizzazione, focus contestuale e efficienza: Cresceranno strumenti come “Profili”, “Focus”, “Assistant”, che guideranno l’AI nel rispondere con toni, formati e livelli di approfondimento molto diversi a seconda dell’utente e del canale di fruizione.
• Dominanza delle fonti, privacy e multifunzionalità: L’utenza generica si abituerà sempre più a chiedere “da dove sai ciò che dici?”, a ricercare flussi informativi sempre più granulari (dai social alle pubblicazioni accademiche fino al news-watching in tempo reale) e a scegliere la piattaforma anche in base alla privacy, alla customizzazione locale e, probabilmente, alla facilità d’integrazione con ambienti di lavoro.

In sintesi, i dati della ricerca su ChatGPT sono ampiamente applicabili anche all’ecologia d’uso e alla popolazione di Perplexity, a patto di considerare le specificità comparative di focus, filosofia e aspettative degli utenti. Ciò vale sia per le dinamiche attuali che per i prossimi sviluppi della categoria.”

Le risposte dei vari LLM – opportunamente “sollecitati” – risultano quindi particolarmente dense di spunti interessanti. Ma quali sono le loro convergenze e le loro specificità?

Le posizioni comuni tra i vari LLM riguardano, in particolare, gli aspetti seguenti. Il riconoscimento della prevalenza degli usi personali: tutti infatti riconoscono che l’uso di ChatGPT è dominato da contesti personali (oltre i due terzi del totale), con categorie centrali come Practical Guidance, Seeking Information e Writing personale/ibrido. Le motivazioni della prevalenza che vengono poi comunemente riconosciute sono: accessibilità, immediatezza e semplicità d’uso; maggior libertà nella vita privata rispetto ai vincoli lavorativi (policy, sicurezza, cultura); bisogni quotidiani frequenti e variati, che si prestano bene al supporto AI. Non risulta sorprendente poi il trend generale, in quanto la traiettoria segue lo schema tipico di molte tecnologie digitali: prima adozione privata, poi graduale diffusione professionale. C’è anche una sostanziale convergenza sui driver di valore, dalla riduzione dell’attrito cognitivo (ottenere risposte veloci, sintetiche e personalizzate), al supporto alla personalizzazione (risposte su misura) e alla percezione dell’IA come “consulente universale” o “assistente personale”. In termini di evoluzione prevista, a breve termine si concorda su una crescita ulteriore degli usi personali e sul rafforzamento delle categorie principali (guidance, information, writing), a medio termine sulla progressiva crescita degli usi professionali (fino al 40-45%), senza però superare quelli personali, e sullo sviluppo del multimedia e di nuove funzioni, come, ad esempio, il “personal assistant” e il “learning companion”.

Esistono però anche delle specificità importanti dei singoli LLM. ChatGPT sottolinea la radicalità del divario fra l’uso personale e l’uso professionale (dal 53% al 73% in un anno), evidenzia l’uso personale come “strumento di vita” più che di lavoro, nota alcune sorprese come la bassa incidenza di coding e dell’espressione emotiva, prevede nel medio termine un riequilibrio, ma con predominio permanente dell’uso personale. Gemini invece insiste sulla centralità delle tre categorie principali (>90% complessivo), vede come fatto rilevante l’ascesa del tutoring (15% degli usi), evidenzia il ruolo crescente di sostituto del motore di ricerca, mette l’accento sull’evoluzione verso una “compagnia digitale”. Dal canto suo, Claude enfatizza dei fattori psicologici (come il superamento dell’ansia da giudizio), trova sorprendente la scarsità di Games & Role Play, che si aspetta possano crescere, prevede l’emergere di nuove categorie come “Personal AI Assistant” e “Learning Companion”. Perplexity, infine, conferma la validità dei dati, ma evidenzia la sua specificità, enfatizzando fonti, trasparenza e verificabilità, osserva che su Perplexity gli usi creativi/ludici sono marginali, mentre prevalgono quelli informativi e accademici/professionali, nota la crescita rapidissima della propria base utenti e la domanda crescente di accountability, e prevede una forte convergenza tra piattaforme (conversazione + fact-checking).

Ruoli funzionali e riconosciuti dei LLM

I Large Language Models si collocano in una posizione singolare: da un lato, hanno ruoli che derivano direttamente dalle loro capacità tecniche e dai contesti in cui vengono utilizzati; dall’altro, assumono ruoli che sono loro attribuiti dalle persone, dalle comunità e dalle organizzazioni, attraverso processi di interpretazione, riconoscimento e persino proiezione. Questa duplice prospettiva non è banale, perché significa ammettere che i LLM non esistono soltanto come strumenti tecnologici, ma come veri e propri attori che partecipano a una costruzione sociale del loro significato. In altre parole, non basta descrivere ciò che fanno, bisogna anche comprendere ciò che diventano, ovvero i ruoli che noi, consapevolmente o meno, attribuiamo loro.

Se guardiamo ai ruoli di fatto, i LLM sono prima di tutto sistemi di generazione linguistica che permettono di trasformare domande in risposte, testi in sintesi, idee in narrazioni. Il loro primo ruolo è quindi quello di “strumenti di elaborazione” che consentono di risparmiare tempo, ampliare le possibilità comunicative e rendere più accessibile la conoscenza. Nel mondo personale, assumono il ruolo di assistenti quotidiani: suggeriscono ricette, aiutano a scrivere messaggi, spiegano concetti complessi con un linguaggio semplice, offrono consigli pratici su salute, fitness o organizzazione domestica. Nel mondo professionale, svolgono ruoli di supporto alla scrittura di report, all’elaborazione di codici, alla ricerca di informazioni specialistiche, all’analisi di scenari. In entrambi i contesti, hanno dunque un ruolo tecnico-funzionale che si manifesta attraverso compiti concreti e osservabili.

Ma fermarsi qui significherebbe ridurre il fenomeno a un piano meramente operativo, trascurando il fatto che le persone non si limitano a utilizzare i LLM: interagiscono con loro, vi si relazionano, costruiscono aspettative e, talvolta, attribuiscono loro caratteristiche che vanno oltre il loro funzionamento. È in questo passaggio che i ruoli di fatto si intrecciano con i ruoli riconosciuti. Un LLM non è soltanto un generatore di testo, ma può diventare agli occhi degli utenti un “consulente”, un “amico”, un “insegnante”, talvolta persino un “confidente”. Questa dimensione simbolica e relazionale emerge chiaramente dall’analisi degli usi personali: la categoria del self-expression, pur numericamente ridotta, mostra che molti utenti trovano nell’IA uno spazio per condividere pensieri ed emozioni, una sorta di diario interattivo che restituisce ascolto e parole.

Qui si pone una questione cruciale: i LLM hanno davvero questi ruoli, oppure noi glieli riconosciamo? La risposta non è univoca. Da un lato, i ruoli funzionali non dipendono dal nostro riconoscimento: se un modello traduce correttamente una frase o sintetizza un documento, il suo ruolo è effettivo e indipendente da come lo percepiamo. Dall’altro lato, quando interpretiamo le sue risposte come “empatiche”, “comprensive” o “consigli personali”, non stiamo descrivendo una realtà oggettiva, ma stiamo attribuendo un ruolo relazionale che riflette più le nostre aspettative che le proprietà del sistema. In questo senso, i LLM diventano “specchi” che rimandano non solo contenuti linguistici, ma anche proiezioni sociali e psicologiche.

La distinzione è importante, perché ci permette di capire perché i LLM siano diventati così pervasivi. Non li usiamo soltanto per ciò che sono, ma anche per ciò che rappresentano. Nel momento in cui riconosciamo loro un ruolo che si avvicina a quello di un interlocutore umano, creiamo una forma di relazione che va oltre la funzionalità tecnica. Questo spiega anche perché, negli usi personali, la quota di interazioni superi di gran lunga quella professionale: nella sfera privata, i ruoli simbolici e relazionali sono più liberi di emergere, mentre nel contesto lavorativo le regole, le norme e i vincoli organizzativi tendono a ricondurre i modelli a funzioni più delimitate.

Tuttavia, il riconoscimento di questi ruoli porta con sé rischi e opportunità. Se trattiamo un LLM come un “consulente” o un “esperto”, rischiamo di sopravvalutarne l’affidabilità, attribuendogli competenze e responsabilità che non possiede. Questo può condurre a decisioni errate, come seguire consigli medici o legali senza verifiche. Se lo vediamo come un “amico” o un “confidente”, rischiamo di sostituire relazioni umane con interazioni artificiali, con possibili effetti sull’isolamento sociale o sulla dipendenza emotiva. Ma allo stesso tempo, se riconosciamo il ruolo dei LLM come strumenti di stimolo cognitivo, di supporto all’apprendimento, di facilitatori della creatività, possiamo utilizzarli in modo costruttivo, valorizzando le loro potenzialità senza smarrire il senso critico.

La questione non riguarda soltanto i singoli individui, ma anche la società nel suo complesso. I ruoli che riconosciamo ai LLM influenzano infatti le dinamiche collettive: nel dibattito pubblico, possono diventare “interpreti” di trend, “amplificatori” di opinioni, “mediatori” tra cittadini e istituzioni. Nel mondo dell’educazione, possono essere percepiti come “tutori digitali”, capaci di affiancare studenti e docenti in percorsi personalizzati. Nel mondo del lavoro, possono assumere il ruolo di “colleghi virtuali”, partecipando ad attività collaborative. Questi riconoscimenti non sono neutri: orientano le pratiche, condizionano le aspettative, ridefiniscono i confini delle responsabilità.

In prospettiva, il nodo centrale diventa la governance di questi ruoli. Non possiamo limitarci a descrivere ciò che i LLM fanno, dobbiamo interrogarci su come vogliamo che siano riconosciuti e su quali regole debbano accompagnare questo riconoscimento. Per esempio, se li consideriamo strumenti, è chiaro che le responsabilità restano in capo a chi li usa. Ma se iniziamo a riconoscerli come attori con cui intratteniamo relazioni, allora emergono questioni nuove: fino a che punto possiamo attribuire loro agency? In che misura possiamo o dobbiamo considerarli “stakeholder” nelle decisioni? Quali limiti è opportuno fissare per evitare che il riconoscimento sociale superi la realtà tecnica, generando aspettative ingiustificate?

Queste domande non sono puramente teoriche: hanno implicazioni concrete sulla progettazione delle piattaforme, sulle politiche di trasparenza, sulle normative in materia di responsabilità. Il rischio, infatti, non è solo individuale ma collettivo: se una società attribuisce ai LLM ruoli eccessivamente autonomi, rischia di delegare loro decisioni che richiederebbero competenze umane e responsabilità etiche. Al contrario, se li riduce a meri strumenti senza riconoscerne l’impatto relazionale, rischia di ignorare le trasformazioni sociali in corso, lasciando emergere ruoli di fatto non regolati.

In definitiva, parlare dei ruoli dei LLM significa ammettere che ci muoviamo su due piani: quello funzionale, legato a ciò che effettivamente fanno, e quello simbolico, legato a ciò che noi attribuiamo loro. La sfida è trovare un equilibrio tra questi piani, evitando sia la sopravvalutazione ingenua sia la sottovalutazione riduttiva. I LLM non sono persone, ma neppure semplici calcolatori: sono sistemi che, proprio perché generano linguaggio, entrano in quella zona grigia in cui la tecnica si intreccia con la relazione. È lì che i ruoli si definiscono e si ridefiniscono, giorno dopo giorno, nell’uso che ne facciamo e nel riconoscimento che concediamo loro.

Conclusioni

L’analisi degli usi personali e professionali di ChatGPT e, più in generale, dei Large Language Models, ci restituisce un quadro complesso, nel quale i dati quantitativi si intrecciano con dinamiche qualitative e sociali. Da un lato, i numeri parlano chiaro: la prevalenza degli usi non-work dimostra che questi strumenti hanno trovato nella vita quotidiana il terreno più fertile, diventando compagni di studio, assistenti domestici, motori di conoscenza informale e persino interlocutori di auto-espressione. Dall’altro, la riflessione sui ruoli effettivi e sui ruoli riconosciuti evidenzia che i LLM non sono soltanto strumenti, ma attori che partecipano a una costruzione sociale del significato, assumendo di volta in volta il volto dell’insegnante, del consulente, del collega, del confidente.

Questa doppia dimensione – funzionale e simbolica – è al tempo stesso la loro forza e il loro rischio. È forza, perché permette di ampliare le potenzialità dell’intelligenza artificiale ben oltre la sfera tecnica, aprendo scenari di apprendimento, creatività e partecipazione. È rischio, perché attribuire loro ruoli che non possono realmente sostenere significa esporsi a decisioni sbagliate, dipendenze cognitive ed emotive, nuove disuguaglianze digitali. In questo senso, il nodo non è stabilire se i LLM siano “solo strumenti” o “quasi-persone”: il nodo è governare in modo consapevole la zona intermedia, quella in cui l’uso quotidiano e il riconoscimento sociale plasmano i contorni delle loro funzioni.

Le conclusioni da trarre, dunque, non sono definitive, ma indicano direzioni di lavoro e di responsabilità. Serve continuare a indagare come e perché i LLM si radichino soprattutto negli usi personali, e come queste pratiche possano evolvere in forme più mature e integrate nella sfera professionale. Serve rafforzare l’alfabetizzazione critica, affinché il riconoscimento dei ruoli non si trasformi in proiezioni illusorie. Serve, infine, costruire una governance che non si limiti a normare la tecnologia, ma che sappia accompagnare il suo inserimento nei tessuti sociali e culturali, riconoscendone le potenzialità senza rinunciare al primato della responsabilità umana.

In questo equilibrio delicato tra ciò che i LLM fanno e ciò che noi pensiamo che facciano, si gioca una parte del futuro della nostra relazione con l’intelligenza artificiale. Un futuro che non dipenderà soltanto dalla potenza dei modelli, ma dalla capacità delle persone e delle comunità di attribuire ruoli in modo consapevole, critico e, soprattutto, umano.

Bibliografia

Ammanath B. & Kulkarni V. (2025), “AI trends 2025: Adoption barriers and updated predictions”, Deloitte, September 2025

Chatterji A., Cunningham T., Deming D.J., Hitzig Z., Ong C., Yan Shan C., and Wadman K. (2025), “How People Use ChatGPT”, National Bureau of Economic Research, Working Paper 34255, September 2025.

McKinsey (2025), “Superagency in the workplace: Empowering people to unlock AI’s full potential”, McKinsey Report, January 2025

Sidoti O. & McClain C. (2025), “34% of U.S. adults have used ChatGPT, about double the share in 2023”, Pew Research Center, June 2025.

Zao-Sanders M. (2025), “How people are really using Gen AI in 2025”, Harvard Business Review, April 2025.