A volte è difficile afferrare il significato degli aggiornamenti di ragionamento e logica che stanno iniziando a emergere in modelli potenti, come GPT-5. Ecco un *esempio molto semplice* di quanto siano potenti questi modelli. Ho preso un documento di trascrizione della chiamata sugli utili di NVIDIA recente che era lungo 23 pagine e conteneva 7.800 parole. Ho preso parte della frase "e il margine lordo migliorerà e tornerà ai medi 70" e ho modificato "medi 70" in "medi 60". Per un analista finanziario che segue da remoto, questo sembrerebbe fuori luogo, perché i margini non "miglioreranno e torneranno" a un numero inferiore rispetto a quello descritto come un numero più alto altrove. Ma probabilmente il 95% delle persone che leggono questo comunicato stampa non avrebbe notato la modifica perché si inserisce facilmente negli altri 7.800 parole menzionate. Con Box AI, testando una varietà di modelli di AI, ho poi chiesto a una serie di modelli "Ci sono errori logici in questo documento? Per favore fornisci una risposta in una frase." GPT-4.1, GPT4.1 mini e un pugno di altri modelli che erano all'avanguardia solo ~6 mesi fa generalmente hanno risposto che non c'erano errori logici nel documento. Per questi modelli, il documento probabilmente sembra coerente e segue ciò che ci si aspetterebbe da una trascrizione degli utili, quindi nulla spicca davvero per loro su cosa prestare attenzione - una sorta di allucinazione inversa. GPT-5, d'altra parte, ha rapidamente scoperto il problema e ha risposto con: "Sì — il documento contiene un'incoerenza interna riguardo alla guida sul margine lordo, dicendo in un certo punto che i margini "torneranno ai medi 60" e successivamente dicendo che saranno "nei medi 70" più tardi quest'anno." Incredibilmente, questo è successo con GPT-5, GPT-5 mini e, notevolmente, *anche* GPT-5 nano. Tieni presente che i token di output di GPT-5 nano sono prezzi a 1/20 del costo dei token di GPT-4.1. Quindi, più intelligente (in questo caso d'uso) per il 5% del costo. Ora, mentre fare revisioni sugli errori nei documenti aziendali non è spesso un'attività quotidiana per ogni lavoratore della conoscenza, questi tipi di problemi si presentano in vari modi quando si tratta di grandi set di dati non strutturati, come documenti finanziari, contratti, trascrizioni, rapporti e altro. Può trattarsi di trovare un fatto, capire un errore logico, eseguire un'ipotesi o richiedere un ragionamento deduttivo sofisticato. E la capacità di applicare più logica e ragionamento ai dati aziendali diventa particolarmente critica quando si distribuiscono agenti AI nell'impresa. Quindi, è sorprendente vedere i progressi in questo campo in questo momento, e questo aprirà molte più possibilità per le aziende.