Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
30.000 dipendenti in tutto il mondo, un solo agente aziendale. Uber estende ChatGPT Work all'intera forza lavoro globale dopo un pilota da 1.000 persone, e il dato che spiega davvero l'operazione non è la scala: l'80% dei primi utilizzatori non era un ingegnere. L'AI d'ufficio esce dai reparti tecnici e diventa strumento generalista. Così Uber la distribuisce a tutti e decide dopo — misurando come viene usata — quali workflow standardizzare.
Dal pilota ai 30.000 dipendenti
Uber aveva testato ChatGPT Work su 1.000 persone distribuite tra finance, operations e product; dal 22 ottobre 2026 il rollout copre l'intera azienda. Il calcolo rende l'idea: il pilota ha coinvolto il 3,3% della forza lavoro (1.000 su 30.000), una quota che ora si moltiplica per trenta. Le due ricostruzioni del perimetro non coincidono alla virgola: TechCrunch scrive «some 30,000 people», OpenAI «more than 30,000 employees». Differenza di arrotondamento, non di sostanza. Per Uber è il primo deployment aziendale di una piattaforma agentica pensata per il lavoro di conoscenza.
Cosa fa ChatGPT Work nelle mani dei team Uber
ChatGPT Work è un agente che porta a termine attività complesse e multi-passo dentro ChatGPT Enterprise, consegnando lavoro finito. Si collega agli strumenti che i team usano ogni giorno — Google Drive, Gmail, Google Calendar e Slack — per cercare informazioni, preparare brief di riunione, creare presentazioni, analizzare dati e chiudere workflow tra applicazioni diverse.
Nel caso di Uber il modello di default è GPT-6.1 Sol, affiancato dalle capacità multimodali di OpenAI, voce e generazione di immagini comprese. Gli sviluppatori continuano invece a usare Codex per accelerare lo sviluppo software.
| Dimensione | Pilota | Rollout aziendale |
|---|---|---|
| Dipendenti | 1.000 | 30.000 |
| Quota della forza lavoro | 3,3% | intera |
| Funzioni coinvolte | finance, operations, product | operations, finance, marketing, product |
| Modello di default | non indicato | GPT-6.1 Sol |
Le "AI pods": 30 ingegneri e due settimane di test
Prima di aprire a tutti, Uber ha provato un formato organizzativo: 30 ingegneri AI assegnati ai team di tutta l'azienda, con due settimane di tempo per automatizzare parti chiave del proprio lavoro. Il rapporto con la scala finale è di un ingegnere ogni 1.000 dipendenti (30 su 30.000). «Our approach is to make powerful AI tools available across Uber while giving teams room to experiment», ha spiegato Sumanth Sukumar, VP of engineering di Uber.
Cosa cambia per chi lavora in Uber
Il rollout non arriva da solo: Uber lo accompagna con una libreria interna di competenze AI, integrazioni approvate e formazione dedicata per operations, finance, marketing e product. I team mantengono margini di sperimentazione, e l'azienda dichiara che valuterà i risultati per orientare i passi successivi. «We'll look at how employees are using the technology, the kinds of workflows they develop and how it helps them work more effectively», ha detto Sukumar. Uber non ha reso noto quanto spende per il rollout.
L'analisi: la scala è arrivata prima del manuale d'uso
Il dato più informativo resta l'80%: su 1.000 utenti pilota, 800 erano non ingegneri (80% di 1.000). Le attività citate — analisi di dati operativi per individuare trend, localizzazione di materiali formativi per mercati e lingue diverse, dashboard interattive costruite per gestire il lavoro quotidiano — sono lavoro d'ufficio ordinario, non sviluppo software. Questo sposta la domanda sul valore: per un'azienda che distribuisce l'agente a 30.000 persone senza dichiarare il costo, il ritorno non si misura sulla qualità del codice ma sul numero di workflow che nascono dal basso. Il rapporto tra i 30 ingegneri dei pod e i 30.000 dipendenti, uno ogni 1.000, racconta il modello: pochi esperti, molta sperimentazione diffusa.
Il precedente che conta per le altre aziende non è il numero 30.000, ma il metodo: accesso largo, esperimenti tracciati e standardizzazione rimandata a ciò che i team costruiranno.
Fonti
