Cos'è il Computer Use
In questa pagina
Lezione aggiornata il 3 novembre 2026 sulla base della guida Computer use di OpenAI: questo corso segue ora lo strumento
computernelle API Responses, sostituendo il precedente approccio tramite API Anthropic. La sezione sugli attori dell’ecosistema copre entrambi i percorsi documentati da OpenAI (esecuzione del codice, raccomandata per GPT-6 Astra, e lo strumentocomputer). Abbiamo rimosso le affermazioni non verificate sui prodotti concorrenti. Fonte: Computer use.
Un nuovo modo di interagire con le macchine
Per anni, i modelli linguistici sono rimasti interlocutori puramente testuali: facevi una domanda, ricevevi una risposta e tutto ciò che riguardava il mondo reale spettava a te. Il Computer Use abbatte questa barriera. Il modello vede uno schermo e decide quali gesti compiere: cliccare, digitare, scorrere, cambiare applicazione; la tua applicazione esegue poi queste azioni per suo conto.
Questo cambiamento è più profondo di quanto sembri. L’automazione tradizionale si aggrappa ad ancoraggi tecnici: un selettore CSS, un ID DOM o un’API che un fornitore software ha scelto di esporre. Il giorno in cui il team front-end rinomina una classe, lo script si blocca e spesso nessuno se ne accorge fino all’arrivo del report del giorno successivo. Con il Computer Use, dai un’istruzione in linguaggio naturale e l’IA naviga nell’interfaccia esattamente come la percepirebbe un essere umano. Un pulsante “Invia” spostato di otto centimetri o ridipinto di verde rimane il pulsante “Invia”.
Il ciclo che lo rende possibile
Il meccanismo opera in cinque passaggi e la loro ripetizione ne genera la potenza:
- La tua applicazione acquisisce lo schermo o la finestra del browser
- Il modello analizza l’immagine per capire cosa vede
- Decide una o più azioni (clic, tasto premuto, scorrimento)
- La tua applicazione esegue queste azioni sulla macchina
- Una nuova acquisizione viene inviata al modello e il ciclo ricomincia
Questo ciclo percezione-azione è il cuore del sistema. Prendi uno scenario comune: il tuo agente deve compilare un modulo di contatto, ma un banner sui cookie appare sopra di esso al caricamento. Uno script Selenium che non aveva previsto questo caso clicca nel vuoto e genera un errore difficile da interpretare. L’agente Computer Use, invece, vede il banner nel suo screenshot, lo gestisce, effettua un’altra acquisizione e ritrova il modulo. Non recita un piano rigido; rivaluta la situazione a ogni iterazione.
Cosa automatizziamo davvero
Il caso d’uso principale è il test end-to-end. Descrivi il percorso da verificare — “effettua il login, aggiungi un articolo al carrello, procedi al checkout” — e l’agente lo esegue come un utente, senza costringerti a mantenere una libreria di selettori che scadono a ogni ridisegno del sito.
Segue poi l’RPA, l’automazione di compiti ripetitivi su software privi di API: un ERP interno legacy, un extranet di fornitori o un’applicazione aziendale degli anni 2000 il cui fornitore è scomparso. Dove l’integrazione tecnica è impossibile, l’agente lavora attraverso lo schermo, esattamente come faceva l’impiegato che copiava i dati a mano.
Anche lo scraping diventa accessibile sui siti dinamici che resistono agli estrattori tradizionali, poiché l’agente legge la pagina renderizzata invece dell’HTML grezzo. I flussi di lavoro multi-applicazione — prelevare un ordine da un CRM, inserirlo in un foglio di calcolo, inviare un’email di conferma — si concatenano in un’unica sessione. Questa stessa capacità serve al supporto utenti: invece di spiegare dove cliccare, l’agente naviga effettivamente nell’interfaccia.
Gli attori nel 2026
Questo corso segue l’offerta di OpenAI, che apre due percorsi nelle API Responses. Con l’esecuzione del codice, il modello scrive uno script — ad esempio Playwright o PyAutoGUI — che il tuo ambiente isolato esegue prima di restituire il risultato e gli screenshot; una singola chiamata può quindi concatenare cicli e condizioni, rendendo questo il percorso raccomandato da OpenAI per GPT-6 Astra. Con lo strumento computer, il modello restituisce azioni strutturate del mouse e della tastiera che la tua applicazione traduce in gesti; questo strumento rimane supportato ed è quello che userai qui perché espone il ciclo nella sua forma grezza. Gli SDK di OpenAI forniscono anche helper pronti all’uso (ComputerToolset, BrowserToolset) che gestiscono questo ciclo per te.
Altri fornitori, in particolare Anthropic, offrono uno strumento comparabile nella loro API con un formato di scambio diverso: il codice in questo corso non si trasporta direttamente, ma i principi — ciclo, gestore delle azioni, isolamento, conferma umana — rimangono gli stessi.
Cosa guadagni, cosa paghi
| Criterio | Script classici | Computer Use |
|---|---|---|
| Interfaccia | API o selettori DOM | Visiva (screenshot) |
| Fragilità | Si rompe se l’UI cambia | Si adatta visivamente |
| Complessità | Codice specifico per sito | Istruzioni in linguaggio naturale |
| Velocità | Veloce | Più lenta (ciclo screenshot) |
Leggi questa tabella come un compromesso, non come una classifica. Scambi la velocità pura per resilienza e costi di manutenzione quasi nulli. Per cinquantamila esecuzioni giornaliere su una pagina stabile di cui controlli l’HTML, uno script rimane la scelta giusta. Per un percorso modificato ogni mese o per software senza API, l’equilibrio pende decisamente dall’altra parte: questo corso ti insegna a gestire proprio questo secondo caso.
Punti chiave
- Il Computer Use permette all’IA di vedere e controllare uno schermo tramite un ciclo screenshot-azione
- È un paradigma diverso dagli script classici: più resiliente ma più lento
- I casi d’uso principali includono test E2E, RPA, scraping e flussi di lavoro multi-applicazione
- OpenAI offre due percorsi: l’esecuzione del codice, raccomandata per GPT-6 Astra, e lo strumento
computer, utilizzato in questo corso