OpenAI ha presentato LifeVal, un nuovo benchmark pensato per misurare quanto un modello di intelligenza artificiale sia davvero utile nella gestione delle attività quotidiane. L’obiettivo non è valutare solo risposte corrette in astratto, ma capire se un assistente AI riesce a trasformare richieste comuni in azioni concrete e utilizzabili.
Il progetto punta su scenari molto pratici: scegliere una scuola dell’infanzia dopo un trasloco, organizzare moduli amministrativi, pianificare una dieta per un familiare con diabete o fare la spesa rispettando un budget.
LifeVal valuta se l’AI riesce a portare a termine compiti reali
Per costruire LifeVal, OpenAI ha combinato dati ricavati da indagini sull’uso del tempo negli Stati Uniti e in ambito internazionale con un sondaggio condotto su 3.995 persone selezionate per rappresentare diversi profili demografici. La domanda di partenza era semplice: in quali attività un assistente personale basato su AI sarebbe davvero utile.
Da qui nasce una suite di test che copre assistenza familiare, salute, istruzione, amministrazione domestica, finanza personale, acquisti e accesso ai servizi pubblici. La differenza rispetto a molti benchmark tradizionali è che qui non basta generare un elenco o un riassunto: il modello deve arrivare a un risultato eseguibile, ciòè coerente con vincoli reali come posizione, costi, tempi di spostamento.
In pratica, per selezionare una scuola dell’infanzia l’AI non deve limitarsi a proporre nomi, ma filtrare opzioni adatte alla situazione specifica. Lo stesso vale per le attività finanziarie o sanitarie, dove serve integrare più elementi e restituire una proposta operativa, non solo informativa.
I primi risultati sono alti, ma il benchmark resta per ora interno
OpenAI spiega di aver già usato LifeVal nell’ultimo anno per seguire i progressi dei propri modelli sulle attività quotidiane. Nei primi esempi condivisi, alcuni punteggi risultano elevati: la ricerca di una scuola per un bambino arriva al 93,1%, l’organizzazione di volontari per la prevenzione delle alluvioni al 98,0% e la preparazione di un piano alimentare per un genitore diabetico al 90,4%.
Sono numeri che mostrano come l’azienda voglia spingere l’AI verso un ruolo più pratico, capace di leggere conversazioni, consultare il web, mettere insieme fonti diverse e adattare la risposta al contesto personale. È un approccio che interessa da vicino anche chi usa strumenti come ChatGPT non per sperimentare, ma per delegare davvero micro-attività quotidiane.
C’è però un limite importante: LifeVal non è ancora un benchmark aperto e pienamente verificabile dall’esterno. Non sono stati pubblicati l’intero set di compiti, il codice di valutazione, i margini di errore o una classifica riproducibile in modo indipendente.
