IA
Redazione Teknosfera
IA

La scommessa di OpenAI sulla robotica: vince la scala, ma chi spiegherà i guasti?

Fondere la robotica nei modelli generali può essere efficiente, ma dissolve gli specialisti che saprebbero perché un robot ha lasciato cadere la bottiglia, e questo conta più del benchmark.

Pubblicato
14 novembre 2026
Lettura
4 min
Categorie
IA

Foto: Cwoo4792 / Wikimedia Commons (CC BY-SA 3.0)

Come si chiama un programma di robotica senza un team di robotica? O la strategia più sicura di sé dell'IA, o un modo molto elegante di tagliare i costi. Probabilmente entrambe le cose.

Secondo un'esclusiva di Fortune, OpenAI ha sciolto il suo team di robotica indipendente. I ricercatori rispondono ora al Chief Research Officer Mark Chen, mentre il personale di robotica applicata e hardware è passato sotto il presidente Greg Brockman. L'azienda sostiene che la robotica resti una parte centrale della sua visione a lungo termine, e Sam Altman punterebbe a una prima dimostrazione pubblica del proprio umanoide nel 2027.

La ragione dichiarata è che i grandi modelli generali di frontiera, tra cui GPT-6 Astra, possono ormai essere applicati direttamente ai robot. Fortune cita uno studio di Nvidia in cui un agente basato su Astra ha raggiunto il 74,8% in un benchmark di manipolazione simulata, contro il 51,0% dei migliori modelli robotici specializzati di quella classifica.

La scommessa sulla scala è più credibile di quanto sembri

È facile ironizzare, ma pensiamo che la logica sia coerente. Guanya Shi, della Carnegie Mellon, ha detto a Fortune di leggere la mossa come il segno che OpenAI considera la robotica «non più un problema speciale», solo un'altra applicazione a valle dell'intelligenza generale, come gli strumenti di programmazione o legali. Se lo stesso modello che scrive codice sa anche afferrare una bottiglia in un punto inatteso o con una luce strana, un team separato per il cervello del robot comincia a sembrare uno sforzo duplicato.

È anche la storia degli ultimi anni nell'IA: i sistemi specializzati continuano a perdere contro quelli generali più grandi. Un divario di quasi 24 punti in un benchmark è difficile da ignorare. La nostra riserva è che si tratta di un benchmark simulato, non di una fabbrica, e i benchmark sono proprio il terreno in cui i modelli generali tendono a dare il meglio.

La questione dei soldi è sotto gli occhi di tutti

Non leggere questa mossa come pura scienza. Fortune osserva che OpenAI è sotto pressione per contenere i costi, ha abbandonato i «progetti collaterali» (Sora compreso), avrebbe perso 10,9 miliardi di dollari di perdite operative nell'ultimo trimestre e valuta una possibile quotazione in Borsa all'inizio del 2027. Un team di robotica indipendente ci sembra un progetto collaterale da manuale. «I modelli generali fanno meglio» è un risultato meraviglioso da avere proprio quando serve semplificare l'organigramma.

Non diciamo che il risultato sia falso. Ma quando una conclusione tecnica e un'esigenza di bilancio vanno nella stessa direzione, conviene tenerle presenti entrambe. È anche la seconda volta che OpenAI chiude un team di robotica, dopo lo smantellamento del 2020, che secondo Fortune il cofondatore Wojciech Zaremba collegò alla scarsità di dati sui robot.

Chi saprà perché il robot ha fallito?

Qui sta la nostra vera obiezione. Un modello linguistico che sbaglia produce un brutto paragrafo. Un robot che sbaglia può rompere un piatto, o qualcosa di peggio. Fare il debug richiede probabilmente persone che ogni giorno hanno a che fare con attuatori, latenza, calibrazione e fisica del contatto. Se distribuisci queste persone tra la ricerca generale e i team applicati, forse non perdi le loro competenze dall'oggi al domani, ma perdi il luogo in cui l'analisi dei guasti era l'intero lavoro.

Il contrappeso arriva da Russ Tedrake, professore al MIT e cofondatore e CEO di Walden Robotics. Sostiene che le aziende di robotica hanno qualcosa che i laboratori non hanno: esperienza di impiego in ambienti di lavoro reali e dati specifici per ogni sito, che acquistano valore man mano che i modelli di base migliorano. Per noi è il vero fossato competitivo. Chi ha robot al lavoro nelle fabbriche impara perché falliscono, e un modello generale da solo non può dirtelo.

Quindi le startup che hanno raccolto miliardi partendo dall'idea che i robot abbiano bisogno di cervelli propri non sono morte, ma il loro messaggio probabilmente deve cambiare. Il loro valore sono i dati e le operazioni, meno il modello.

Il nostro verdetto

Pensiamo che OpenAI abbia probabilmente ragione: i modelli generali faranno gran parte del lavoro di «cervello», e i team dedicati ai modelli per robot sono la parte più a rischio. Ma l'umanoide del 2027 sarà giudicato nel mondo fisico, non in una classifica. Se OpenAI vuole che quella dimostrazione regga, deve mantenere la competenza sui guasti fisici in un luogo con vera autorità, non solo con una linea gerarchica. È questo che bisogna osservare: non i numeri del benchmark, ma se l'azienda saprà spiegare pubblicamente che cosa va storto quando i suoi robot sbagliano.

Argomenti di discussione

Ancora nessun argomento: apri il primo.

Altri articoli