OpenAI e Asana: browser agent 76 volte meno costoso

OpenAI e Asana browser agent: ridurre il costo di un agente AI da almeno 36,21 dollari a 47 centesimi per esecuzione. È il risultato riportato da Asana in un test sul proprio browser agent, dopo un lavoro di ottimizzazione condotto con GPT‑6 Astra in Codex e una configurazione finale basata su GPT‑6.1 Sol.

Il caso, raccontato da OpenAI il 9 ottobre, mostra quanto la gestione della memoria e della cache possa incidere sul costo reale delle automazioni. Non significa che GPT‑6.1 Sol sia sempre 76 volte più economico: il confronto riguarda uno specifico compito, una configurazione iniziale e un workflow riprogettato.

OpenAI e Asana browser agent: che cosa ha misurato davvero il test

Il gruppo guidato da Frank Hidalgo, responsabile tecnico di StackAI in Asana, ha condotto uno studio di 144 esecuzioni confrontando quattro modelli e diverse strategie di gestione della cronologia. Il compito consisteva nel recuperare sei informazioni per ciascuno di 32 libri presenti in un catalogo dimostrativo pubblico: un’attività ripetitiva che richiede di visitare pagine e mantenere il contesto.

Nella configurazione di partenza, basata su un modello concorrente indicato come «Model B», il costo medio stimato era di almeno 36,21 dollari e il tempo di almeno 22,5 minuti. Alcune esecuzioni iniziali raggiungevano il limite di passaggi prima di completare il compito: per questo il valore di partenza è un limite inferiore, non una media definitiva di run tutte riuscite.

Il vero risparmio arriva dalla cache, non da un solo modello

L’analisi del codice ha evidenziato un problema: l’agente conservava in cache le istruzioni fisse, ma non la cronologia crescente delle pagine visitate e degli screenshot. Ogni richiesta rischiava quindi di rielaborare materiale già visto, aumentando i token fatturati. Inoltre, l’eliminazione frequente degli screenshot modificava la cronologia, rendendo meno efficace la cache.

Asana ha sperimentato tre cambiamenti: estendere la cache alla cronologia di navigazione, conservare più testo e rimuovere gli screenshot a gruppi invece che a ogni passaggio. Nella configurazione migliore, gli screenshot potevano accumularsi fino a 20 prima della riduzione. Secondo il resoconto, l’89% dei token di input della configurazione finale era servito dalla cache.

GPT‑6 Astra ha svolto il lavoro di analisi e sperimentazione

Il test arriva mentre OpenAI sta ampliando la famiglia GPT‑6: su Dietro Le Notizie abbiamo già spiegato cosa cambia con GPT‑6 in ChatGPT e Intelligent UI.

Asana racconta di aver impiegato GPT‑6 Astra all’interno di Codex per esplorare il codice, proporre modifiche e condurre prove controllate. Hidalgo ha selezionato gli interventi da testare; i risultati sono poi passati attraverso Command, la piattaforma di sviluppo software di Asana, prima dell’integrazione delle modifiche.

Il responsabile tecnico stima che un lavoro da uno o due mesi, se condotto manualmente, sia stato completato in circa una settimana. È una stima interna dell’azienda, non una misura generale della produttività degli sviluppatori.

Perché questa notizia interessa anche le aziende italiane

Gli agenti AI che compilano moduli, leggono cataloghi o lavorano su più applicazioni possono accumulare costi elevati quando ripetono le stesse operazioni e inviano continuamente grandi quantità di contesto ai modelli. Ottimizzare cronologia, cache e strumenti può incidere tanto quanto scegliere il modello di partenza.

Per chi progetta automazioni, la lezione è concreta: prima di valutare soltanto il prezzo per milione di token, bisogna misurare il costo di un’attività completata correttamente, il tempo necessario e la percentuale di esecuzioni riuscite. Sono questi gli indicatori che determinano se un agente può essere usato su larga scala.