OpenAI ha presentato il 2 novembre 2026 LifeVal, un sistema di valutazione progettato per misurare le capacità dei modelli di intelligenza artificiale nello svolgimento di attività concrete legate alla vita quotidiana. Il benchmark nasce dall’esigenza di verificare non soltanto la conoscenza teorica dei modelli, ma anche la loro capacità di aiutare gli utenti a prendere decisioni, organizzare responsabilità, raccogliere informazioni e completare operazioni articolate. La costruzione del sistema si basa anche su un’indagine demograficamente rappresentativa condotta su 3.995 persone, utilizzata per individuare le attività nelle quali gli utenti desiderano ricevere assistenza. I casi considerati comprendono la ricerca di servizi per l’infanzia, la preparazione di bilanci familiari, l’organizzazione degli acquisti alimentari, l’accesso ai servizi pubblici, la preparazione scolastica, la modifica di ricette, la programmazione dell’attività fisica e la gestione di esigenze personali e familiari. OpenAI utilizza da circa un anno questa valutazione per monitorare i progressi dei propri modelli e indirizzare gli interventi di miglioramento verso compiti che richiedono risultati utilizzabili concretamente.
La selezione delle attività deriva dall’analisi di due importanti raccolte di dati sull’impiego del tempo. L’American Time Use Survey, realizzata negli Stati Uniti, misura la distribuzione delle ore quotidiane tra lavoro retribuito, cura dei figli, volontariato, attività sociali e altre occupazioni. Il Multinational Time Use Study combina invece oltre un milione di giornate registrate in diari individuali, provenienti da più di cento indagini nazionali campionarie, organizzate secondo uno schema standardizzato. La raccolta consente di analizzare l’impiego del tempo in trenta paesi nell’arco di cinquantacinque anni. L’utilizzo congiunto di questi dati permette di osservare come le attività cambino in relazione alle caratteristiche demografiche, ai periodi della giornata e alle stagioni. OpenAI ha affiancato a queste informazioni una propria indagine, nella quale i partecipanti hanno indicato quali attività avrebbero voluto delegare o affrontare con il supporto di un assistente personale. Sono state così definite aree di valutazione che comprendono assistenza familiare, salute, istruzione, amministrazione domestica, finanze personali, acquisti e rapporti con i servizi pubblici.
Tra i risultati pubblicati figurano cinque esempi di attività articolate, ciascuna associata a un punteggio ottenuto dai modelli valutati. In un caso dedicato alla ricerca di scuole dell’infanzia dopo un trasferimento familiare, il sistema ha raggiunto il 93,1%, individuando tre istituti compatibili con le esigenze indicate, organizzando le informazioni per l’iscrizione e lasciando all’utente la decisione su due preferenze personali. In uno scenario di preparazione a possibili allagamenti, relativo al coordinamento di volontari per assistere quattro vicini che necessitavano di interventi preventivi di protezione delle abitazioni, il risultato dichiarato è stato del 98%. Il modello ha predisposto un piano operativo per la valutazione dei luoghi e l’organizzazione delle attività prima del peggioramento delle condizioni meteorologiche.
Un’altra prova ha riguardato la ricerca di un’abitazione familiare nella contea di Luzerne, in Pennsylvania, con vincoli relativi al budget, alla presenza di un’unità abitativa separata e ai tempi di percorrenza dopo l’accompagnamento dei figli. Il sistema ha individuato una proprietà corrispondente ai requisiti e calcolato l’imposta sul trasferimento, ottenendo il 100% nella valutazione riportata. Nell’organizzazione della visione a distanza di una partita insieme a un nonno è stato raggiunto il 96,3%, attraverso la predisposizione delle modalità di collegamento e di una soluzione alternativa in caso di interruzione della trasmissione. In un caso relativo alla recente diagnosi di diabete di un genitore, il modello ha ottenuto il 90,4%, preparando un piano per la prima settimana con indicazioni sull’organizzazione dei pasti, promemoria e domande da rivolgere al personale sanitario. Prima della condivisione delle informazioni è stata richiesta la revisione dell’utente. Le percentuali rappresentano risultati riportati per specifici scenari valutativi e non equivalgono a una probabilità generale di successo delle medesime attività in qualsiasi situazione reale.
LifeVal è collegato all’evoluzione delle capacità agentiche di ChatGPT, con particolare riferimento all’utilizzo del browser, all’interazione con applicazioni attraverso computer use e all’accesso a servizi esterni mediante connettori. OpenAI indica che durante l’ultimo anno l’addestramento dei modelli ha migliorato velocità, capacità operative e allineamento in questi ambiti. La valutazione considera quindi la possibilità di passare dalla semplice produzione di risposte alla preparazione e all’esecuzione di azioni utili, nelle quali possono essere necessarie ricerche, confronti, controlli e passaggi successivi. LifeVal viene utilizzato per misurare i miglioramenti in queste attività e per individuare gli aspetti che richiedono ulteriore sviluppo, mantenendo come riferimento l’utilità effettiva per gli utenti anziché esclusivamente i punteggi ottenuti nei test accademici.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)