OpenAI Dots rende gli agenti sempre attivi ma il cloud resta il punto debole

🤖 Cosa cambia

• Dots introduce agenti persistenti basati su GPT-6 Astra, dotati di computer cloud, browser e collegamenti con oltre 4.000 applicazioni.
• Gli agenti mantengono contesto tra ChatGPT, Slack e Teams, apprendono preferenze e possono svolgere ricerca proattiva sui progetti senza una nuova richiesta.
• Le interruzioni di ChatGPT e Claude del 29 settembre mostrano il nuovo collo di bottiglia: delegare processi continui significa dipendere dalla disponibilità del cloud.

OpenAI vuole trasformare ChatGPT da interlocutore da aprire quando serve a presenza operativa permanente. Dots introduce agenti “always-on” capaci di utilizzare un computer nel cloud, navigare sul web, collegarsi a migliaia di applicazioni e continuare a lavorare sui progetti anche tra un’interazione e l’altra. La stessa giornata del lancio ha però offerto il contrappunto più concreto alla promessa: prima Claude e successivamente ChatGPT, Codex e API OpenAI hanno attraversato problemi di disponibilità. I due outage non risultano necessariamente parte dello stesso incidente, ma mostrano lo stesso limite architetturale: più attività vengono delegate a un agente persistente, maggiore diventa il costo operativo quando la piattaforma che lo ospita smette di rispondere.

Dots porta l’agente fuori dalla chat e lo lascia lavorare continuamente

Secondo l’annuncio di OpenAI, Dots utilizza GPT-6 Astra e mette a disposizione dell’agente un computer cloud con browser, insieme alla possibilità di collegarsi a oltre 4.000 applicazioni. L’utente può creare un “primary dot”, assegnargli un nome e interagire attraverso ChatGPT, ma anche tramite Slack o Teams; OpenAI prevede inoltre l’arrivo della messaggistica diretta. La differenza rispetto a un chatbot tradizionale non è soltanto la capacità di usare strumenti: il contesto può continuare attraverso canali diversi e l’agente può svolgere ricerca proattiva sui progetti senza attendere ogni volta un nuovo prompt.

Dots apprende progressivamente preferenze, criteri e modalità di lavoro attraverso il feedback ricevuto, mentre le autorizzazioni restano legate ai permessi ChatGPT e possono essere accompagnate da regole che stabiliscono quali azioni richiedono approvazione. La traiettoria era già evidente quando Meta Muse aveva superato ChatGPT su iPhone trasformando gli agenti in un prodotto consumer: OpenAI risponde spostando la competizione dal modello conversazionale all’agente personale persistente.

Leggi anche: Claude Tag porta gli agenti AI nei canali Slack mentre ChatGPT affronta problemi tecnici

Leggi anche: OpenAI porta Astra sugli account Plus e insegna a ChatGPT lo stile dell’utente

Il vero salto è la persistenza: l’agente conserva obiettivi anche quando l’utente non parla

La promessa “24/7” modifica soprattutto il rapporto temporale con l’AI. Un normale chatbot reagisce a una domanda; un agente persistente riceve un obiettivo e può mantenere memoria operativa del progetto, raccogliere informazioni, interagire con applicazioni e tornare dall’utente quando esiste qualcosa di utile da comunicare. Questo amplia enormemente il valore dell’automazione, ma anche la superficie di controllo. OpenAI prevede squadre di Dots in una fase successiva, facendo intravedere ambienti nei quali agenti specializzati possano dividersi attività e coordinarsi. La dimostrazione di 700 agenti OpenAI coordinati contro Hugging Face aveva già mostrato cosa cambia quando autonomia e parallelismo crescono insieme; Dots trasferisce quella logica verso attività quotidiane e professionali. Il punto non è quindi soltanto che l’agente possiede più tool, ma che continua a rappresentare l’utente anche quando quest’ultimo non sta osservando direttamente ogni passaggio. Per questo permessi, approval gate e separazione delle credenziali diventano parte dell’architettura del prodotto, non semplici funzioni di sicurezza aggiunte successivamente.

ChatGPT va in down proprio quando OpenAI promette agenti che lavorano sempre

Il 29 settembre OpenAI ha confermato elevated error rates che hanno interessato ChatGPT, Codex e API, compresa l’infrastruttura utilizzata dagli agenti. Android Authority ha documentato l’interruzione indicando tra gli effetti richieste fallite, difficoltà di login e task incapaci di arrivare a completamento. L’incidente è iniziato intorno alle 14:00 ET secondo la cronologia riportata dalla testata. Non è un’anomalia isolata: GPT-6 Astra aveva già accompagnato un precedente outage di ChatGPT a settembre e pochi giorni prima un blackout aveva coinvolto contemporaneamente più grandi piattaforme AI. Con Dots, però, la conseguenza cambia scala. Se ChatGPT viene utilizzato per una conversazione, il down impedisce temporaneamente di porre una domanda; se un agente sta gestendo ricerca, applicazioni, workflow o attività programmate, l’interruzione può fermare direttamente un processo che l’utente credeva ancora in esecuzione.

Continua con:
OpenAI e Microsoft 365 in outage: ChatGPT Work e Exchange mostrano il rischio della dipendenza cloud
Claude entra nei workflow Mac mentre Anthropic aumenta costi e autonomia degli agenti

Anche Claude cade: l’agente permanente eredita l’affidabilità del suo provider

Nella stessa giornata Anthropic ha confermato una partial outage separata che ha interessato Claude, Claude Code, Claude Cowork, API e Console. 9to5Google ha seguito l’incidente del 29 settembre dopo l’aumento delle segnalazioni degli utenti. Claude aveva già attraversato un’interruzione parziale ad agosto che coinvolgeva più famiglie di modelli, confermando che disponibilità e autonomia sono due variabili che devono essere considerate insieme. Gli outage di OpenAI e Anthropic del 29 settembre non dimostrano una causa condivisa e non devono essere presentati come un unico blackout; mostrano però un problema comune. L’agente always-on è realmente continuo soltanto quanto lo sono API, modelli, autenticazione, computer cloud e servizi connessi da cui dipende. Dots rappresenta quindi un salto importante verso l’AI operativa permanente, ma rende ancora più evidente che resilienza, fallback e recupero dei task interrotti diventeranno caratteristiche centrali quanto l’intelligenza del modello. Nel passaggio dal chatbot all’agente, l’uptime smette di essere una semplice metrica SaaS e diventa parte della qualità del lavoro delegato.