11 min di lettura
Il modello è lo stesso. È cambiato cosa gli hai dato da leggere
Il caso PayPal, due riscontri con i loro limiti e dieci regole da scrivere prima di cambiare strumento.
📌 Una dichiarazione di PayPal, due riscontri esterni (con i loro limiti) e un gesto concreto: scrivere le regole che correggi sempre a mano in un file di testo, invece di rincorrere il prossimo modello. Il ponte verso il lavoro creativo è un’analogia, non un dato misurato: te lo dico prima, così lo sai mentre leggi.
Un assistente che sbaglia più di una risposta su due. Poi, dopo un intervento, ne azzecca 19 su 20. E il motore dentro è lo stesso.
Lo dice PayPal. Secondo quanto raccontato a un evento di VentureBeat, un assistente interno di data science (quello a cui i colleghi fanno domande sui dati dell’azienda) è passato da 43% a 95% di accuratezza. Ren Zhang, VP e global head of AI product di PayPal, lo riassume così: “The LLM is still the same”, il modello è sempre lo stesso.
Pensa a un cuoco bravissimo appena arrivato in un ristorante. Ha tecnica, ha gusto, ha esperienza. Ma non sa cosa vuol dire “porzione normale” qui, quali clienti sono allergici a cosa, come si fa il fondo della casa. Così improvvisa, e sbaglia. Non è un cattivo cuoco: nessuno gli ha dato il ricettario.
La storia di PayPal parla di questo. E prima che tu cambi per la quarta volta strumento questo mese, vale la pena capire cosa è successo davvero e cosa no.
Riepilogo Articolo - Luca Cazzaniga
La notizia, con le virgolette al posto giusto
Partiamo da cosa è stato detto, da chi e dove.
Il 10 novembre 2026 VentureBeat (articolo di Taryn Plumb) riporta quello che i responsabili AI di PayPal hanno raccontato in due eventi della stessa testata: Ren Zhang all’AI Impact Series dell’8 ottobre, Deepika Khera, senior director of AI, all’Agentic Infrastructure Stack Summit del 28 ottobre. Il dato è questo: l’accuratezza delle risposte dell’assistente interno è passata dal 43% al 95%.
Due cose da tenere a mente fin da subito.
Il modello non viene nominato. Non sappiamo quale sia. Sappiamo solo, dalle parole di Zhang, che non è stato cambiato.
È una dichiarazione di PayPal, non una misura indipendente. Dalle verifiche fatte non risulta nessun riscontro da altre fonti: l’unico posto in cui compare il 43→95 è quell’articolo. Quindi lo tratto per quello che è: un numero raccontato da chi ha fatto il lavoro.
Cosa hanno messo accanto al motore

Qui sta la parte interessante, senza architetture e senza nomi di prodotto: VentureBeat non cita nessun fornitore di strumenti, e non ne cito io.
Quello che PayPal ha fatto è tenere la conoscenza di bottega fuori dal modello, in un posto a parte. Cosa c’è dentro, secondo l’articolo:
- Le definizioni dell’azienda. Per esempio, cosa conta come “new account”, cioè come nuovo conto. Sembra banale. Non lo è: se ogni reparto ha la sua idea di conto nuovo, le risposte divergono, e nessun modello al mondo può indovinare la tua convenzione.
- Le “golden queries”. Sono domande già risolte, con la risposta giusta confermata. Pensa al quaderno dei piatti riusciti: “quando ti chiedono questo, si risponde così”.
- I playbook di indagine. Procedure scritte per i casi ricorrenti. L’esempio che fa l’articolo: indagare sui login falliti e sull’uso delle passkey (le chiavi di accesso senza password).
In termini di cucina: il ricettario, il glossario e la raccolta dei casi risolti.
E la frase di Zhang che mi sembra la più utile in tutto il pezzo:
“I should not change my knowledge”
Ren Zhang, PayPal, riportata da VentureBeat
Non devo cambiare la mia conoscenza. Traduzione: quando arriva un modello nuovo, a cambiare dev’essere il motore, non il manuale. Il manuale resta tuo, e lo riusi.
Quanto fidarsi di quel numero
Una domanda onesta: quanto pesa un dato così?
Pesa meno di quanto sembri.
L’articolo non dice come sono stati misurati il 43% e il 95%. Non sappiamo su quante domande, non sappiamo chi ha giudicato le risposte, non sappiamo se c’erano tappe intermedie. Quindi niente dettagli di metodo da parte mia: non ci sono.
Quello che regge è la direzione: il salto è enorme, e l’azienda lo attribuisce al contesto e non al modello. Il numero preciso lo prenderei con le pinze.
Una precisazione per non fraintendere: PayPal non è “contro il fine-tuning” (l’addestramento extra di un modello su dati propri). Su un altro agente, quello commerce per i clienti, con i modelli grandi la latenza era di circa 15 secondi; sono passati a un modello da 8 miliardi di parametri, poi hanno provato il fine-tuning, e l’accuratezza è migliorata ma non bastava. Poi hanno ridotto il fine-tuning esteso per i costi di manutenzione, senza abbandonarlo del tutto. PYMNTS (25/11/2025) racconta inoltre agenti “micro” su modelli aperti di Nvidia addestrati su dati proprietari. Quindi la storia del 95% vale per quell’assistente, non è una regola generale dell’azienda.
Non è solo PayPal: due riscontri, entrambi con limiti
Un dato solo non fa una tesi. Ne ho trovati altri due, con una premessa: sono tutti su dati aziendali, cioè interrogazioni di database. Nessuno riguarda il lavoro creativo. Ci arrivo dopo.
Il primo: il documento da 4 KB
Un preprint su arXiv (articolo di ricerca non ancora passato dalla revisione di altri esperti), pubblicato il 28 aprile 2026 da Rumiantsau e Fokeev, ha provato tre modelli (Claude Opus 4.7, Claude Sonnet 4.6 e GPT-5.4) su 100 domande su un database di vendite al dettaglio (Contoso Retail).
Senza nessun documento di aiuto, i modelli rispondevano giusto nel 45,5-50,5% dei casi. Con un documento di testo scritto a mano, di appena 4 KB (un paio di pagine di appunti, non di più), si saliva al 67,7-68,7%. Cioè da 17 a 23 punti in più.
Attenzione a una cosa, perché è facile leggerla male. I tre modelli risultano statisticamente indistinguibili tra loro sia senza documento sia con il documento. Cioè: cambiare modello non spostava niente, in nessuna delle due situazioni. Non è il documento a renderli uguali: lo erano già. Il documento, invece, ha fatto la differenza.
Un limite: anche col documento ci si ferma attorno al 68%, non al 95%. Un buon manuale aiuta tanto, ma da solo non fa miracoli. Il campione è di 100 domande, su un solo database.
Il secondo: dbt e il confronto tra due approcci
dbt Labs (blog, 7 aprile 2026) ha confrontato due modi di far rispondere un’AI a domande sui dati. Il primo: lasciare che il modello traduca la domanda direttamente in una richiesta al database (text-to-SQL). Il secondo: passare per un “semantic layer”, cioè un dizionario in cui sono già scritte le definizioni dell’azienda (cosa significa “ricavo”, cosa significa “cliente attivo”).
In entrambi i casi con modellazione minima, il dizionario batte la traduzione diretta: Sonnet 4.6 passa dal 90,0% al 98,2%, e GPT-5.3 Codex dall’84,1% al 100%.
Tre cautele, tutte dichiarate: dbt vende proprio il semantic layer, quindi ha un interesse; il test è piccolo (11 domande, ripetute 20 volte ciascuna); e non è un “prima e dopo” ma un confronto tra due strade.
Dove la tesi si ferma: il modello conta
Sarebbe comodo chiudere qui con “il modello non conta, conta il manuale”. Non è vero, e gli stessi dati lo dicono.
Nel benchmark dbt, il text-to-SQL su tutte le 11 domande, prima della modellazione, è passato dal 32,7% (GPT-4, 2023) al 64,5% (Sonnet 4.6 e GPT-5.3 Codex, 2026): quasi raddoppiato. E nello stesso test GPT-5.2 fa il 68% contro l’84,1% di GPT-5.3 Codex. A parità di compito, un modello più recente fa meglio.
Anche “il più grande vince” non è scontato: nel test sul reasoning effort, Opus 4.6 ha fatto peggio di Sonnet 4.6 (87,2-87,5% contro 100% sul semantic layer). Ma Opus è stato provato solo su un sottoinsieme, quindi non ne trarrei conclusioni nette.
La sintesi degli autori dbt è onesta:
“The answer isn’t text-to-SQL vs. Semantic Layer. It’s both, for different things.”
Autori dbt Labs, Semantic Layer vs. Text-to-SQL: 2026 Benchmark Update
Non è l’uno o l’altro: servono entrambi, per cose diverse.
La formula che mi sento di sostenere è questa: un modello nuovo, da solo, non basta a coprire un contesto che manca. Il modello ripara in parte (lo vedi dal raddoppio del 2023-2026), ma non tutto. E il modello resta un fattore: a parità di contesto, quello nuovo fa meglio. Cambiare modello e curare il contesto non sono alternative.
Il ponte con il tuo lavoro: dove vive il tuo ricettario
Veniamo a te, che di database probabilmente non ne interroghi. Il ponte che ti propongo è un’analogia: il principio (regole esplicite, scritte fuori dal modello, riusabili) è lo stesso. Ma nessun dato qui sopra riguarda fotografia, video, copy o design, e non ti prometto percentuali.
Detto questo, c’è un dato pratico che non è un’analogia. Il manuale di bottega deve vivere in un file tuo, non dentro un servizio. Perché i servizi cambiano.
Esempio concreto, con data. Secondo la guida ufficiale di Google, per gli account personali (maggiorenni) il 17 novembre 2026 i Gems di Gemini passano a skills e diventano di sola lettura. Il 17 dicembre 2026 vengono rimossi. Se hai istruzioni dentro un Gem e non le hai copiate da nessuna parte, il tempo per salvarle è adesso. (Per gli account business, enterprise e non-profit la data è marzo 2027, per education giugno 2027.)
Il formato in cui si muovono queste skill è SKILL.md: una cartella con un file di testo che ha almeno un nome, una descrizione e le istruzioni, più eventuali script o modelli. Nasce da Anthropic ed è stato rilasciato come standard aperto. Il formato è lo stesso e si può esportare e importare, con limiti: per dirne uno, le skill in ChatGPT sono ancora in beta e non si sincronizzano in automatico tra un prodotto e l’altro. Non ho provato io a spostare una skill da un servizio all’altro, quindi la parola “portabile” non la uso in senso pieno.
Il gesto: le dieci regole della bottega

Ecco cosa farei prima del prossimo cambio di strumento.
Apri un file di testo semplice e scrivi le regole che correggi sempre a mano. Quelle frasi che ti trovi a ripetere ogni volta che l’AI ti dà una prima bozza:
- “Non scrivere mai X, io dico Y.”
- “Il mio tono è questo, con questo esempio.”
- “Quando faccio una selezione di foto per un cliente, escludo sempre queste cose.”
- “Questa parola per me significa quest’altra cosa.”
Dieci regole, non cento. Poi dalle a quello che stai già usando e guarda se le prime bozze arrivano più vicine a quello che avresti fatto tu.
Perché poche? Il documento del preprint era di 4 KB, scritto a mano, e ha spostato il risultato di 17-23 punti. Non vuol dire che il tuo funzionerà uguale (lavoro creativo, non database), ma ti dice che servono poche regole fatte bene, non un trattato.
Due cautele pratiche:
- Tieni il file tuo. Su disco, in una cartella che gestisci tu. Se un servizio lo ospita, quella è una copia, non l’originale.
- Non dare per scontato che passi da uno strumento all’altro senza attriti. Il formato aiuta, ma tra export e import ci sono limiti. Se cambi strumento, controlla che le regole siano arrivate davvero.
E una nota sul controllo, che non cambia: un manuale non ti toglie la verifica. Deepika Khera, di PayPal, ha spiegato che le decisioni proposte dall’assistente vengono controllate contro la fonte di verità. Lo dico in parafrasi: anche con il contesto giusto, a rileggere il risultato sei sempre tu.
Cosa ti porti a casa
Tre cose.
- Un test mentale prima di cambiare strumento: “ho già scritto cosa deve sapere?” Se la risposta è no, il prossimo modello probabilmente sbaglierà negli stessi punti.
- Un gesto da fare questa settimana: dieci regole, in un file di testo semplice, tenuto fuori dal singolo servizio.
- Due cautele: esporta ciò che hai dentro un Gem prima del 17 dicembre 2026 (la prima scadenza è il 17 novembre), e non dare per scontata la portabilità.
E i limiti di tutto questo: un numero dichiarato da un’azienda sola, due riscontri (un preprint e un test di un fornitore) su campioni piccoli, nessun dato sul lavoro creativo. Il manuale sposta molto. Ma il modello conta ancora.
Scrivimi la regola che correggi più spesso a mano: è quasi sempre da lì che si comincia.
Luca
Articoli correlati
- Claude Skills: Come l’IA Impara a Lavorare Come Te (20/10/2025): cosa sono le skill, cartelle di istruzioni che insegnano a Claude a lavorare come te.
- Come ho liberato 250 GB dal mio Mac con l’AI senza fidarmi dell’AI (02/11/2026): una skill fatta di regole scritte, che porta le prove e non tocca nulla senza il tuo sì.
- Il quaderno degli appunti nell’era dell’AI scrive da solo. Tu cosa fai? (26/10/2026): come trasformare appunti e trascrizioni in un archivio vivo, e dove la macchina ha sbagliato.
Fonti
- VentureBeat, “PayPal says its AI assistant went from 43% to 95% accuracy without changing the model”, Taryn Plumb, 10/11/2026
- arXiv 2604.25149, Rumiantsau e Fokeev, 28/04/2026
- dbt Labs, “Semantic Layer vs. Text-to-SQL: 2026 Benchmark Update”, 07/04/2026
- Gemini Apps Help, “About the transition from Gems to skills”
- agentskills.io, “Agent Skills Overview”
- OpenAI Academy, “Skills in ChatGPT”
- PYMNTS, “PayPal, CrowdStrike and Synopsys Use Focused AI for Speed, Accuracy”, 25/11/2025
✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it