Jakub Pachocki: l’uomo che vuole sostituire 10.000 ricercatori con un data center

Pochi conoscono Jakub Pachocki: Sam Altman è il volto, il comunicatore, l’uomo che riempie le copertine e i palchi delle conferenze; Greg Brockman è il cofondatore, la storia delle origini; ma Jakub Pachocki è qualcosa di diverso, è la mente che ha effettivamente costruito i modelli che hanno cambiato il campo, il matematico polacco che ha lasciato la carriera accademica per unirsi a una startup nel 2017 e che oggi, da chief scientist dell’organizzazione più influente nell’intelligenza artificiale, ha dichiarato pubblicamente un obiettivo con una data. Non è metafora. Non è visione per gli investitori. È un piano operativo con una scadenza: vuole mettere un intero laboratorio di ricerca dentro un data center, e ha detto entro quando.

Jakub Pachocki: il profilo del chief scientist che pochi conoscono

Prima di capire dove Jakub Pachocki vuole arrivare, vale la pena capire da dove viene, perché la traiettoria spiega la credibilità con cui si muove in un campo dove le promesse sono frequenti e i risultati molto meno.

Jakub Pachocki ha studiato informatica teorica in Polonia, costruendo la sua reputazione accademica in un momento in cui l’AI generativa non era ancora un tema mainstream; ma è nella programmazione competitiva che ha segnato gli anni di formazione nel modo più misurabile, vincendo la medaglia d’oro all’International Collegiate Programming Contest nel 2012, lo stesso anno in cui si è aggiudicato il Google Code Jam: due competizioni che misurano la capacità di risolvere problemi matematici complessi sotto pressione, con la precisione che solo chi ha interiorizzato profondamente la struttura dei problemi può esprimere in modo consistente.

Nel 2017 ha lasciato l’accademia per unirsi a OpenAI, una scelta che all’epoca non era ovvia come potrebbe sembrare oggi; e in sette anni ha percorso una traiettoria che pochi hanno replicato nel settore: prima ricercatore, poi director of research, ruolo in cui ha guidato lo sviluppo di GPT-4 e di OpenAI Five, il sistema che ha battuto i campioni mondiali di Dota 2 e che rappresentava, in quel momento, uno dei risultati più avanzati nel reinforcement learning applicato a scenari ad alta complessità. Nel maggio 2024, quando Ilya Sutskever ha lasciato OpenAI, è stato Pachocki a raccogliere il ruolo di chief scientist; Sam Altman lo ha descritto con parole precise: “Jakub è probabilmente una delle menti più grandi della nostra generazione.”

GPT-4, o1, o3: i modelli OpenAI che portano la firma di Pachocki e che le aziende usano oggi

Per chi lavora nell’IT e nell’enterprise, i contributi di Jakub Pachocki non sono astratti: sono i modelli che i team stanno già usando, valutando o integrando nei propri flussi di lavoro, spesso senza sapere chi li ha costruiti.

GPT-4, rilasciato nel 2023, ha rappresentato il salto qualitativo che ha portato i modelli linguistici dall’essere strumenti interessanti all’essere strumenti utilizzabili in contesti professionali reali, con una coerenza e una capacità di ragionamento che le versioni precedenti non avevano; ma è sui modelli di ragionamento, o1 e o3, che Pachocki ha investito la parte più originale del proprio contributo intellettuale, introducendo l’idea che un modello possa migliorare significativamente le proprie performance su problemi complessi dedicando più tempo di calcolo al ragionamento prima di rispondere, ripercorrendo i propri passi quando incontra un ostacolo, suddividendo il problema in sottoproblemi gestibili prima di tentare la soluzione complessiva.

Questo approccio, che oggi sembra quasi ovvio perché è stato adottato da tutti i laboratori principali, non lo era nel momento in cui è stato sviluppato; e ha aperto una direzione di ricerca che Pachocki considera non un traguardo ma un punto di partenza, la base tecnica su cui costruire il sistema che ha messo al centro del piano che ha presentato pubblicamente con una scadenza.

AI research Lab autonomo entro settembre 2026

L’obiettivo che Jakub Pachocki ha dichiarato in un’intervista esclusiva al MIT Technology Review e confermato nel podcast “Unsupervised Learning” è questo: entro settembre 2026, OpenAI vuole un sistema AI capace di lavorare autonomamente per giorni su un problema di ricerca complesso, senza supervisione umana continuativa, con la stessa modalità operativa con cui un ricercatore junior lavora su un progetto assegnato dal proprio supervisore.

La metrica che usa per misurare il progresso verso questo obiettivo è semplice nella formulazione e radicale nelle implicazioni: quanto tempo un sistema AI può lavorare in autonomia su un problema prima di aver bisogno di un intervento umano; oggi si misurano ore, l’obiettivo di settembre si misura in giorni. Non è solo un incremento. È qualcosa che non ha ancora un nome consolidato nel vocabolario organizzativo delle aziende, perché un sistema che lavora per giorni in autonomia su un problema di ricerca non è un assistente nel senso in cui il termine è stato usato finora.

Entro il 2028, l’ambizione scala ulteriormente: un sistema multi-agente che replica l’intera operatività di un laboratorio di ricerca, con agenti specializzati che collaborano su problemi a lungo orizzonte, si dividono i compiti, si correggono reciprocamente, producono risultati verificabili. La frase che Jakub Pachocki ha usato per descrivere questo scenario è diventata uno dei passaggi più citati del 2026: “Immagina di avere un data center che fa tutto il lavoro che fa OpenAI o Google.” Jakub Pachocki ha anche aggiunto, con onestà rara in questo settore, che OpenAI “potrebbe fallire completamente” nell’obiettivo di settembre; il che non attenua la portata della dichiarazione, ma dice qualcosa di preciso sull’approccio di chi la fa.

Codex e agenti AI autonomi: quello che OpenAI sta già facendo adesso

Quello che rende la dichiarazione di Jakub Pachocki diversa da molte visioni annunciate nel settore è che non parte da zero: parte da un sistema già in funzione, già in uso quotidiano all’interno di OpenAI, già misurabile nei suoi effetti.

Codex, l’agente di coding rilasciato all’inizio del 2026, gestisce oggi una quota significativa del lavoro tecnico interno all’azienda; i team di ingegneria lo usano per delegare compiti che prima richiedevano ore di lavoro umano, e i dati che Pachocki ha citato pubblicamente indicano che la maggior parte del personale tecnico di OpenAI lo integra nella propria operatività quotidiana. Non è un esperimento; è un flusso di lavoro produttivo che l’azienda usa per accelerare il proprio stesso sviluppo; il che trasforma il progetto dell’AI research intern da promessa in estensione di qualcosa che è già in atto, già misurabile, già documentabile nei suoi effetti sul lavoro reale.

Su Digitalic abbiamo già analizzato l’evoluzione degli agenti AI e il loro impatto sui flussi di lavoro enterprise e come i modelli di ragionamento OpenAI stanno cambiando l’adozione AI in azienda: quello che la roadmap di Pachocki aggiunge è una dimensione temporale precisa, con scadenze dichiarate, che trasforma una conversazione su tendenze in una conversazione su decisioni che vanno prese adesso.

Le idee di Jakub Pachocki: le implicazioni per IT manager e system integrator italiani

Per chi lavora nell’IT, la storia di Pachocki non è una storia su OpenAI; è una storia sul cambiamento strutturale che si avvicina nei flussi di lavoro delle organizzazioni tecnologiche, e sul tempo che rimane prima che quel cambiamento diventi una pressione operativa concreta.

Se entro settembre 2026 esiste un sistema AI capace di lavorare per giorni in autonomia su problemi tecnici complessi, la domanda che ogni IT manager e ogni CIO dovrebbe farsi adesso non è “questa tecnologia ci riguarda?”, perché la risposta è chiaramente sì; la domanda è quali sono i processi nella propria organizzazione che questo tipo di sistema potrebbe eseguire, e se si è pronti a gestire l’integrazione in modo che produca valore invece di entropia, che sono due esiti molto diversi dello stesso cambiamento.

Per i system integrator, la prospettiva è ancora più diretta: un cliente che può delegare a un agente AI compiti che prima richiedevano giorni di lavoro di un consulente esterno è un cliente con aspettative diverse sulla natura stessa della consulenza; e la ridefinizione di quella relazione, se gestita proattivamente, è un’opportunità di riposizionamento, se subita passivamente è una compressione dei margini che nessun aggiustamento di prezzo può compensare nel lungo periodo.

Su Digitalic abbiamo già approfondito l’impatto degli agenti AI autonomi sulla figura del system integrator: quello che la roadmap di Pachocki rende urgente è smettere di trattare questo scenario come futuro e iniziare a trattarlo come presente prossimo, con tutto ciò che questo implica in termini di formazione, posizionamento e sviluppo dell’offerta.

OpenAI, ricerca scientifica e AI autonoma

C’è una dimensione della visione di Jakub Pachocki che va oltre il business e tocca qualcosa di più fondamentale: il rapporto tra esseri umani e scoperta scientifica.

La ricerca scientifica, nella sua forma attuale, è un processo lento per ragioni strutturali: richiede anni di formazione, risorse scarse, competizioni per i finanziamenti, cicli di revisione che aggiungono mesi tra una scoperta e la sua validazione; tutte queste frizioni non sono accidentali, sono il modo in cui la comunità scientifica gestisce la qualità e la riproducibilità dei risultati, ma sono anche la ragione per cui problemi che potrebbero essere risolti rimangono aperti per decenni, non per mancanza di intelligenza ma per mancanza di tempo e capacità computazionale disponibile nel momento giusto.

Un sistema che replica l’operatività di un laboratorio di ricerca, se funziona nei termini in cui Pachocki lo ha descritto, non accelera semplicemente la ricerca; la trasforma strutturalmente, rimuovendo alcune delle frizioni che oggi ne limitano la velocità, e in un mondo in cui la velocità di scoperta scientifica cambia, cambiano anche le priorità, le allocazioni di risorse, i modelli di collaborazione tra università, centri di ricerca e industria. Per chi vuole seguire questa traiettoria sulla fonte primaria, l’intervista integrale di Pachocki al MIT Technology Review è il documento più preciso e documentato disponibile.

Jakub Pachocki e la domanda fondamentale

La vera domanda che la storia di Pachocki pone non è se il piano riuscirà nei tempi dichiarati; i piani tecnologici slittano, i problemi emergono dove non erano stati previsti, e lo stesso Pachocki ha riconosciuto pubblicamente la possibilità di fallire.

La domanda è un’altra: se anche solo una parte di quello che ha descritto diventa reale nei prossimi due anni, quali organizzazioni si troveranno in una posizione migliore per trasformare quella realtà in vantaggio competitivo, e quali invece la subiranno come accelerazione di un cambiamento per cui non avevano iniziato a prepararsi quando il segnale era ancora sufficientemente anticipato da permettere una risposta non reattiva?

Jakub Pachocki non è un visionario che parla di futuro; è un ingegnere che costruisce sistemi, che li ha già costruiti, che ha già dimostrato di saper passare dalla teoria alla pratica con una consistenza che pochi nel suo campo possono rivendicare. La domanda su dove arriverà è interessante. Quella su dove ci troverà noi quando ci arriverà è più urgente.