Dentro ChatGPT Work: a cosa serve il catalogo di tool e skill

Quando chiediamo a un assistente AI di “analizzare questo file Excel“, “controllare il mio repository GitHub“, “aprire un sito web e verificare cosa succede” oppure “creare un report con i dati“, può sembrare che sia il modello linguistico a occuparsi direttamente di tutto. In realtà, nei sistemi agentici più evoluti il modello agisce soprattutto come orchestratore: comprende l’obiettivo, decide quali strumenti utilizzare, passa loro determinati parametri, interpreta i risultati e stabilisce il passo successivo.

È proprio questa la logica alla base di ChatGPT Work, l’ambiente di lavoro agentico di OpenAI che amplia le capacità della classica conversazione con ChatGPT. Invece di limitarsi a generare testo, Work può combinare strumenti, accedere a file e servizi collegati, navigare sul web, analizzare dati e costruire documenti o automazioni.

ChatGPT Work si usa direttamente dentro ChatGPT, selezionando Work al posto della normale modalità Chat. È disponibile sul web, nelle app mobile e nell’app desktop di ChatGPT per Windows e macOS (download).

Il catalogo Codex Tool Reference, realizzato da Simon Willison utilizzando ChatGPT Work, offre una rara fotografia tecnica di questo meccanismo. Al momento in cui scriviamo, la raccolta contiene oltre 230 interfacce richiamabili e quasi 50 skill, organizzate per categorie che spaziano dalla gestione dei file alla navigazione web, passando per GitHub, Gmail, calendari, analisi dati, automazioni, generazione di immagini e creazione di siti.

ChatGPT Work: differenze tra tool e skill

Un tool è un’operazione concretamente richiamabile: può eseguire un comando, cercare informazioni sul web, modificare un file, interrogare GitHub, leggere Gmail oppure creare un’automazione. Il modello prepara gli argomenti richiesti dall’interfaccia e riceve un risultato strutturato. Una skill, invece, descrive soprattutto come e quando utilizzare uno o più strumenti.

Lo stesso Willison sintetizza efficacemente la differenza: i tool sono endpoint richiamabili, mentre le skill sono pacchetti di istruzioni riutilizzabili che spiegano all’agente AI come svolgere determinate attività.

Immaginiamo di chiedere a ChatGPT Work una cosa simile:

Analizza questo file Excel, individua le anomalie nelle vendite e crea un grafico che evidenzi i prodotti più problematici.

Non esiste un unico comando “analizza Excel“: l’agente potrebbe attivare una skill dedicata ai fogli elettronici, leggere le istruzioni che spiegano come trattare .xlsx e .csv, utilizzare gli strumenti disponibili per accedere al file, elaborare i dati e infine richiamare un componente per creare la visualizzazione.

La skill descrive quindi il metodo di lavoro; i tool eseguono le singole operazioni.

Come leggere una definizione di tool

Le informazioni pubblicate nella Codex Tool Reference non significano che uno sviluppatore possa prendere, ad esempio, exec_command(...) oppure web.run(...) e utilizzarli direttamente nella propria applicazione tramite le API pubbliche di OpenAI.

Il sito descrive le interfacce esposte a una specifica sessione di ChatGPT Work: la stessa pagina avverte che disponibilità e configurazione possono cambiare in funzione della sessione, dei permessi concessi, delle applicazioni collegate e dei plugin installati. Si tratta quindi soprattutto di una fotografia dell’architettura interna dell’agente, non di un meccanismo pubblico e stabile sul quale costruire software esterno.

Consideriamo uno degli strumenti più semplici presenti nel catalogo: exec_command. Per un essere umano è una semplice funzione, per un agente AI, invece, la descrizione dei parametri costituisce una parte essenziale del sistema.

Come sfruttare davvero ChatGPT Work: prompt più efficaci prendendo spunto dai tool interni

Il catalogo di Willison diventa particolarmente utile quando smettiamo di leggerlo come un elenco di funzioni e iniziamo a usarlo per capire come formulare richieste migliori a ChatGPT Work.

Non serve conoscere il nome esatto del tool né chiedere esplicitamente a Work di richiamare exec_command, control-browser o una particolare skill. Anzi, normalmente è preferibile descrivere l’obiettivo, le verifiche richieste e il risultato finale: sarà l’agente a scegliere tra gli strumenti disponibili.

Ci sono però alcune formule che permettono di sfruttare molto meglio l’architettura di Work.

Non chiedere soltanto di creare un file: chiedi di verificarlo

Una delle informazioni più interessanti che rileviamo esaminando il catalogo di Willison riguarda la skill per i documenti Word. ChatGPT Work non prevede semplicemente la generazione di un file .docx: impone un vero flusso di rendering e verifica visiva, con eventuali correzioni prima della consegna. Lo stesso principio ricorre per PDF e presentazioni.

Anziché predisporre un prompt troppo semplice e asciutto, è quindi molto più efficace scrivere:

Crea un documento Word professionale utilizzando questi contenuti. Al termine esegui anche una verifica visiva delle pagine: controlla margini, tabelle, titoli, interruzioni di pagina ed eventuali elementi sovrapposti. Correggi autonomamente i problemi prima di consegnarmi il file.

Lo stesso schema può essere applicato a una presentazione:

Prepara una presentazione di 12 slide. Dopo averla generata, controlla visivamente ogni slide e correggi automaticamente testi tagliati, elementi fuori margine, grafici illeggibili e slide troppo dense.

Oppure a un PDF:

Genera il PDF e renderizza tutte le pagine per verificare che tabelle, immagini e intestazioni siano correttamente posizionate prima di consegnarmelo.

È una piccola modifica al prompt, ma sfrutta un principio molto evidente nelle skill di Work: generazione e controllo qualità sono due fasi ben distinte.

Usare Work come ambiente persistente, non come chat usa e getta

Il catalogo rivela anche un ruolo molto più importante della ChatGPT Library rispetto alla semplice conservazione dei file. ChatGPT Work dispone infatti di operazioni per cercare contenuti, leggere documenti, organizzare cartelle, aggiornare file esistenti e conservarne versioni successive.

Per lavori ricorrenti conviene quindi evitare di caricare ogni volta gli stessi documenti. Un possibile flusso operativo può trarre spunto dalla seguente richiesta:

Cerca nella mia Library il file “Report vendite 2026”, usa l’ultima versione disponibile e aggiornalo con i dati del file Excel che ho appena caricato. Mantieni struttura e formattazione del documento esistente e salva il nuovo risultato come versione aggiornata.

Un altro esempio pertinente:

Cerca nella Library tutti i documenti relativi al progetto Alfa e prepara un riepilogo delle decisioni ancora aperte.

In questo caso ChatGPT Work non lavora più soltanto sul contesto della conversazione corrente: può utilizzare una raccolta persistente di oggetti e documenti.

Un altro utilizzo interessante consiste nel creare una sorta di directory operativa:

/Clienti
/Report mensili
/Template
/Documentazione tecnica
/Progetto Alfa

Una volta predisposta questa struttura si può ad esempio chiedere a ChatGPT Work:

Salva il report finale nella cartella “Report mensili” e utilizza come modello il documento presente nella cartella “Template”.

Chiedere al browser di verificare ciò che una ricerca web non può sapere

La skill control-browser contiene una regola interessante: per reperire informazioni pubbliche Work dovrebbe preferire la ricerca web; il browser vero e proprio va utilizzato soprattutto quando serve conoscere lo stato corrente di una pagina o interagire con essa.

Le seguenti richieste consentono di distinguere tra ciò che una pagina dichiara e ciò che l’applicazione fa realmente:

Apri il mio sito, visita la pagina di login e verifica concretamente se il modulo funziona. Prova credenziali errate e controlla se viene mostrato un messaggio comprensibile. Poi verifica il comportamento su viewport desktop e mobile.

Apri questa applicazione web e prova il processo completo di acquisto fino alla schermata precedente al pagamento. Segnalami eventuali passaggi poco chiari, pulsanti che non funzionano o errori visibili nella pagina.

Controlla se il configuratore disponibile su questa pagina consente realmente di selezionare l’opzione X. Non basarti sulla documentazione o sui risultati di ricerca: verifica l’interfaccia live.

Per sviluppatori e amministratori di siti, questa capacità può diventare un modo rapido per eseguire controlli preliminari sul funzionamento di pagine e applicazioni web, verificando ad esempio che moduli, pulsanti, percorsi di navigazione e funzioni essenziali rispondano come previsto (smoke testing).

Far eseguire una seconda analisi di controllo sui dati

La sezione Data Analytics del catalogo è forse una delle più interessanti perché separa esplicitamente varie fasi che spesso tendiamo a concentrare in un unico prompt: controllo della qualità dei dati, analisi, visualizzazione e successiva validazione delle conclusioni.

Supponiamo di dover svolgere un’analisi su dati Excel, sulla carta piuttosto complessa. Anziché limitarci a impartire una richiesta come “analizza questo Excel e dimmi perché le vendite sono diminuite“, si può usare un prompt più articolato ed efficace:

Analizza il file e identifica le possibili cause della diminuzione delle vendite. Prima controlla però la qualità dei dati: valori mancanti, duplicati, periodi incompleti, anomalie e differenze nelle definizioni delle metriche. Dopo l’analisi esegui una seconda verifica indipendente dei calcoli e indica chiaramente quali conclusioni sono supportate dai dati e quali sono soltanto ipotesi.

In questo modo si obbliga Work a trattare separatamente tre problemi: i dati sono affidabili? Cosa mostrano? La conclusione è realmente giustificata? Per analisi aziendali, finanziarie o statistiche è probabilmente uno dei miglioramenti più utili che si possano apportare a un prompt.

Lo stesso concetto è ad esempio applicabili ai grafici:

Crea soltanto le visualizzazioni che aiutano realmente a spiegare la variazione. Dopo averle generate controlla che scale, assi e aggregazioni non producano interpretazioni fuorvianti.

Delegare ricerche indipendenti invece di far fare tutto in sequenza

Un’altra sezione poco appariscente del catalogo riguarda i sub-agent: Work dispone di strumenti per creare agenti secondari incaricati di svolgere parti differenti dello stesso problema; questi agenti possono lavorare sul filesystem condiviso e cooperare con quello principale.

Anche qui non è indispensabile conoscere il nome dell’interfaccia interna: basta impostare il lavoro in modo parallelizzabile. Ad esempio, le seguenti richieste:

Confronta queste quattro librerie JavaScript. Analizzale come quattro ricerche indipendenti: per ciascuna valuta manutenzione, prestazioni, dimensioni, dipendenze e qualità della documentazione. Solo alla fine confronta i risultati e formula una raccomandazione complessiva.

Analizza questo repository sotto tre prospettive indipendenti: sicurezza, prestazioni e manutenibilità. Evita che una prima conclusione influenzi le altre due analisi; riunisci i risultati soltanto nella fase finale.

Si rivelano particolarmente utili per limitare un problema frequente negli LLM: una prima ipotesi può condizionare tutto il ragionamento successivo. Separando le indagini si ottengono valutazioni meno dipendenti l’una dall’altra.

Trasformare un lavoro ricorrente in un’automazione

Il catalogo mostra inoltre che le automazioni non servono soltanto per semplici promemoria. Work può gestire attività ricorrenti, ricerche programmate e controlli condizionati a eventi futuri; alcune integrazioni possono inoltre reagire a eventi provenienti da servizi collegati. Esempi pratici:

Ogni lunedì mattina controlla le issue GitHub aperte negli ultimi sette giorni, raggruppale per componente e segnalami quelle senza risposta.

Ogni mattina cerca nelle email ricevute dal cliente Alfa eventuali nuove richieste o modifiche al progetto e produci un riepilogo soltanto se è cambiato qualcosa.

Controlla periodicamente questa pagina e avvisami soltanto quando cambia il prezzo indicato.

ChatGPT Work “cambia pelle” e si trasforma così da uno strumento che risponde a un comando a agente che prosegue nel tempo un’attività definita dall’utente.

Un prompt pratico che combina più capacità di Work

Le possibilità diventano ancora più interessanti quando più strumenti partecipano allo stesso workflow. Una richiesta realistica potrebbe essere:

Cerca nella mia Library l’ultimo report mensile delle vendite. Recupera dal file Excel appena caricato i dati aggiornati e verifica prima che non ci siano righe duplicate o valori mancanti. Confronta i risultati con il mese precedente, identifica le tre variazioni più importanti e crea grafici appropriati. Aggiorna il documento Word mantenendo la stessa struttura del report precedente. Prima di consegnarlo renderizza il documento e controlla visivamente tutte le pagine. Se trovi problemi di layout correggili automaticamente.

Una singola richiesta del genere coinvolge l’accesso alla libreria, la lettura del foglio elettronico, il controllo qualità, attività di analisi, esame dei grafici, creazione del documento, rendering e verifica finale. Si tratta di una modella modalità più concrete in assoluto per comprendere davvero cosa distingua Work da una normale conversazione con un chatbot.

La regola pratica: descrivere anche il processo, non soltanto il risultato

Dallo studio condiviso da Willison emerge una conclusione che ognuno di noi, interessato a usare strumenti come ChatGPT Work, dovrebbe portare a casa. Quando utilizziamo ChatGPT Work non conviene limitarsi a descrivere cosa vogliamo ottenere. Per le attività importanti possiamo indicare anche come vogliamo che il risultato sia verificato.

Formule come “verifica il risultato prima di consegnarlo“, “confronta con la versione precedente“, “controlla prima la qualità dei dati“, “prova realmente l’interfaccia, non basarti soltanto sulla documentazione“, “svolgi analisi indipendenti e confrontale soltanto alla fine“, “aggiorna il documento esistente anziché crearne uno nuovo” e così via, spingono Work a sfruttare molto meglio strumenti e skill di cui dispone.

L’utente non dovrebbe avere bisogno di sapere se dietro le quinte viene richiamato control-browser, un tool della Library o una skill di data analytics. Il vantaggio che scaturisce dal catalogo di Willison è la comprensione dettagliata su quali tipi di operazioni Work è progettato per concatenare e, di conseguenza, quali richieste possiamo formulare per trasformare una semplice risposta AI in un flusso di lavoro completo e verificabile.