Il contesto: cambiamento repentino nel panorama AI
Nel corso delle ultime settimane la comunità dell’intelligenza artificiale ha assistito a due annunci di grande impatto. OpenAI, durante il Dev Day, ha comunicato il ritiro definitivo dei GPTs entro dicembre e ha spostato la personalizzazione di ChatGPT verso un ecosistema di plugin. Contemporaneamente, Google ha dichiarato il passaggio dalle Gems alle Skill, introducendo un nuovo paradigma di competenze riutilizzabili. Entrambi i cambiamenti segnano la fine di un modello di assistente personalizzato con identità propria per abbracciare un approccio più modulare e compositivo.
Cosa era il modello GPTs/Gems
Il modello iniziale, adottato sia da OpenAI (GPTs) che da Google (Gems), prevedeva tre elementi fondamentali:
- Documenti di base che costituivano la conoscenza dell’assistente;
- Un prompt specializzato per guidare il comportamento;
- Eventuali azioni verso servizi esterni, integrate nel flusso di conversazione.
Con questi tre componenti gli sviluppatori potevano creare un assistente unico, pubblicarlo sul marketplace e farlo operare con un nome proprio, alimentato dalla propria base di conoscenza.
Il nuovo paradigma: plugin e Skill
Con il ritiro dei GPTs, l’assistente perde la sua identità autonoma: le capacità vengono offerte sotto forma di Skill o plugin che possono essere invocate direttamente nei prompt. In Gemini (Google) la notazione iniziale è /skill, mentre in futuro sarà disponibile il simbolo @ per menzionare una Skill, ad esempio @nomeSkill. In OpenAI le Skill si integrano nei plugin, consentendo all’AI di accedere a funzioni esterne tramite il protocollo MCP (Model Context Protocol).
Struttura di una Skill
Una Skill è essenzialmente un file SKILL.md scritto in markdown, organizzato in una struttura di directory. Essa può includere:
- Prompt riutilizzabili per compiti specifici;
- Riferimenti a ulteriori file markdown nella cartella
references; - Indicazioni su quando e come caricare i contenuti aggiuntivi.
Questa organizzazione permette di riutilizzare la stessa conoscenza in più contesti senza duplicare il lavoro di sviluppo.
Il ruolo del server MCP
Il Model Context Protocol è il “cavo” che collega le Skill ai servizi esterni. Quando una Skill o un plugin richiede l’esecuzione di un’azione su un sistema terzo, il server MCP gestisce:
- Autenticazione e autorizzazione dei dati scambiati;
- Trasmissione di richieste e ricezione di risposte in tempo reale;
- Gestione di eventi MCP, cioè notifiche esterne che possono attivare azioni automatiche dell’AI.
Durante il Dev Day di OpenAI è stata annunciata la nuova specifica per gli eventi MCP, che consentirà a sistemi esterni di “spingere” comandi all’AI senza attendere una richiesta esplicita.
Plugin: Skill arricchite di connettività
I plugin rappresentano le Skill con la capacità aggiuntiva di accedere a servizi esterni via MCP. Tuttavia, non tutti i plugin necessitano di questa connessione:
- Plugin “standalone” forniscono solo istruzioni e informazioni, senza chiamare API esterne;
- Plugin “MCP‑enabled” possono eseguire operazioni su sistemi terzi, ma richiedono autorizzazioni più complesse e approvazioni da parte dell’utente.
OpenAI permette di indicare al momento della pubblicazione se un plugin utilizza o meno connessioni esterne. Un plugin privo di supporto MCP è più semplice da distribuire, ma non potrà essere esteso in futuro senza creare una nuova versione abilitata al servizio.
Strategie di migrazione dal modello GPT/Gem alle Skill
Le organizzazioni che hanno investito nella creazione di numerosi GPTs o Gems devono affrontare due compiti fondamentali:
- Raccogliere tutti i dati di conoscenza (documenti, prompt) utilizzati per ciascun assistente;
- Trasformare questi asset in una o più Skill conformi al nuovo standard.
La conversione può essere automatizzata, ma spesso è più efficace adottare una strategia di consolidamento: creare un unico plugin principale e descrivere i comportamenti specifici delle varie unità all’interno del file SKILL.md, collegando i dettagli supplementari tramite la cartella references. In questo modo, la menzione esplicita di una singola Skill (@nomeSkill) è sufficiente a richiamare tutti i comportamenti necessari.
Implicazioni per lo sviluppo futuro
Il passaggio da assistenti “personalizzati” a un ecosistema basato su competenze modulari ha diverse conseguenze:
- Composizione dinamica: più Skill possono essere combinate in una singola conversazione, aumentando la flessibilità;
- Riduzione della dipendenza da identità fisse: le aziende non devono più gestire nomi di assistenti distinti, ma solo un set di capacità;
- Maggiore scalabilità: le Skill possono essere riutilizzate su diverse piattaforme AI (ChatGPT, Gemini, ecc.).
Verso un AI agentico
L’obiettivo a medio‑termine è superare il modello di chat tradizionale a favore di un “AI agentico”, capace di agire in autonomia su compiti affidati dall’utente. La combinazione di Skill, plugin MCP e eventi esterni rappresenta la base di questa evoluzione, prevista per il 2025. In pratica, l’interazione potrà avvenire sia attraverso una conversazione testuale che tramite un agente che esegue attività in modo autonomo, riducendo al minimo l’intervento umano.
Conclusioni e raccomandazioni pratiche
Per chi deve affrontare la transizione, i passi consigliati sono:
- Inventariare