ChatGPT o Gemini Deep Research: sotto il 16% di accettazione

Nella valutazione su 70 incarichi di consulenza scritti da esperti, la configurazione o3-deep-research ottiene il 15,7% di rapporti accettati e Gemini 3.1 Pro deep-research il 12,9%: nessuna delle due supera il 16%. Il divario nell’accettazione non è statisticamente significativo. Queste percentuali misurano il superamento delle soglie fissate per il test, non la quota di utenti che approverebbe un rapporto nell’uso quotidiano.

Per scegliere tra i servizi, conta soprattutto il percorso delle fonti: Gemini è comodo se i materiali sono già in Gmail, Drive o NotebookLM; ChatGPT offre un controllo esplicito sui domini web e più formati per scaricare il risultato. Sono vantaggi nel lavoro di ricerca e revisione. I tassi del benchmark, invece, riguardano specifiche configurazioni degli agenti e indicano quanto sia prudente distinguere un rapporto ben presentato da uno già utilizzabile.

Il piano delimita la ricerca prima che inizi

Entrambi gli strumenti preparano un piano che l’utente può correggere prima di avviare il rapporto. Nelle istruzioni di Google per Gemini Apps, la scelta delle fonti precede la proposta del piano, che si può modificare prima di iniziare la ricerca. Questa sequenza permette di separare, per esempio, i documenti aziendali da una ricerca sul mercato pubblico prima che entrino nella stessa sintesi.

La guida di OpenAI a Deep Research descrive un piano rivedibile e la possibilità di seguire l’avanzamento, interrompere il lavoro e cambiarne il focus o le fonti accessibili. ChatGPT permette inoltre di limitare la ricerca ai siti indicati oppure di dar loro priorità mantenendo aperto il resto del web. È una distinzione utile quando un incarico richiede solo pubblicazioni autorizzate, anziché una raccolta più ampia di risultati pertinenti.

Il piano risolve un problema di perimetro, non uno di attendibilità. Una richiesta può indicare correttamente il mercato italiano e ricevere comunque nel rapporto un dato riferito a un altro paese, oppure una cifra relativa a un periodo diverso. Impostare bene la ricerca riduce le deviazioni dal compito; la corrispondenza tra conclusioni e prove resta una proprietà del rapporto finale.

Fonti private e web: dove cambia il lavoro

In Gemini, Google Search è selezionato per impostazione predefinita e può essere escluso quando si vuole lavorare sulle altre fonti scelte. Si possono aggiungere file caricati e notebook di NotebookLM; Gmail e Drive richiedono che l’app Google Workspace sia collegata a Gemini Apps. Per una ricerca che parte da corrispondenza e documenti già conservati nell’account Google, selezionare quel materiale direttamente evita di trasferirlo a mano nella richiesta.

ChatGPT Deep Research combina il web pubblico con i file caricati e con le app compatibili disponibili per l’account. La presenza di un’app nell’interfaccia generale di ChatGPT non garantisce che possa essere usata nella ricerca approfondita: incidono piano, area geografica, impostazioni dello spazio di lavoro, ruolo e permessi sulla fonte collegata. Per chi deve usare un archivio privato preciso, la domanda decisiva è quindi se quella specifica connessione sia effettivamente disponibile per Deep Research.

Questa differenza pesa più di un elenco astratto di funzioni. Se il materiale principale è in Gmail e Drive, Gemini offre un percorso diretto, a condizione che il collegamento sia attivo. Se l’incarico impone un insieme definito di domini pubblici, ChatGPT consente di trasformarlo in un vincolo di ricerca. In entrambi i casi bisogna distinguere le fonti fornite dall’utente da quelle trovate sul web: una conclusione può sembrare pertinente pur provenendo dal corpus sbagliato.

Citazioni ed esportazione del rapporto

ChatGPT presenta il risultato come rapporto strutturato con citazioni o collegamenti alle fonti, una sezione delle fonti usate e la cronologia dell’attività; permette di scaricarlo in Markdown, Word o PDF. Gemini consente di condividere il rapporto tramite Canvas, copiarne il testo o esportarlo in Google Docs. Sono modalità diverse di continuare il lavoro: un documento modificabile facilita le correzioni, mentre un file scaricato permette di conservare e distribuire una versione definita.

Le citazioni devono restare accessibili anche dopo il passaggio al formato di consegna. Nella spiegazione di Google sull’esportazione, il documento creato in Docs include i riferimenti del rapporto in una sezione bibliografica. La presenza di un riferimento, però, non stabilisce da sola che sostenga la frase associata: può riguardare un’altra popolazione, un’altra data o una metrica definita diversamente.

Per una ricerca documentata, la differenza tra citazione presente e citazione pertinente è sostanziale. Il riferimento utile consente di ritrovare il passaggio su cui poggia un’affermazione e di riconoscere eventuali condizioni che la sintesi ha tralasciato. Quando il rapporto deve sostenere una decisione, il formato di esportazione accelera la circolazione del testo, ma non aggiunge qualità alle prove che contiene.

Che cosa significa «accettato» nel benchmark

Gli incarichi del test richiedono elaborati di consulenza gestionale costruiti su più documenti. Comprendono vincoli sulle fonti, selezione di informazioni pertinenti, calcoli e consegne in una forma utilizzabile. Alcuni materiali incorporano dettagli facili da leggere male, come unità incoerenti o note che modificano l’interpretazione del testo principale. Il test valuta dunque il lavoro completo, non soltanto la capacità di trovare pagine pertinenti.

Ogni risposta passa attraverso controlli binari legati al compito e una valutazione di esperti su integrità dei dati, rigore analitico, pertinenza, precisione nell’esecuzione e qualità della consegna. Per ottenere lo stato di accettazione, deve evitare un punteggio nullo in ciascun criterio, raggiungere una media elevata nella griglia e superare la soglia prevista per i controlli binari. Un testo leggibile può fallire se attribuisce male una cifra; un’analisi corretta può fallire se il calcolo richiesto o il file da consegnare sono sbagliati.

C’è una discrepanza interna da tenere presente: un inciso dell’appendice conserva percentuali diverse da quelle della tabella principale. I conteggi dei rapporti accettati nei confronti a coppie coincidono con la tabella e con i valori riportati all’inizio. È su questi risultati concordanti che si basa il confronto.

Il punteggio medio racconta una storia diversa

Oltre all’esito binario, la valutazione assegna un punteggio continuo, chiamato VRS, che combina controlli verificabili e giudizi degli esperti. Su questa scala o3-deep-research raggiunge una media di 61,4, contro 52,6 di Gemini. Il punteggio riconosce differenze anche tra rapporti che non oltrepassano la soglia di accettazione; per questo può mostrare un vantaggio nella qualità media mentre i tassi di accettazione restano vicini.

I due risultati rispondono a domande diverse. Il VRS descrive come si distribuisce la qualità dei rapporti secondo la griglia del test; l’accettazione indica quanti soddisfano contemporaneamente requisiti più severi. Nel confronto a coppie, il vantaggio numerico di o3 nell’accettazione non basta a dimostrare una differenza statisticamente significativa. Neppure il punteggio medio autorizza a trasferire automaticamente il risultato alle versioni e alle impostazioni oggi offerte nelle interfacce dei due servizi.

Il benchmark chiarisce anche il limite del confronto per chi lavora in altri settori: gli incarichi valutati appartengono alla consulenza gestionale. Un’indagine giornalistica, una revisione accademica o una ricognizione normativa possono avere fonti, criteri di consegna e soglie di errore differenti. Resta pertinente il meccanismo messo in evidenza dal test: citazioni plausibili e impaginazione ordinata possono convivere con errori che impediscono di usare il rapporto così com’è.

Quale scegliere

Gemini è la scelta più lineare quando il nucleo della ricerca è già nei servizi Google collegati e la consegna prosegue in Docs. ChatGPT è più flessibile quando bisogna delimitare i domini pubblici, combinare fonti compatibili di diversa provenienza o scaricare il rapporto in formati differenti. La disponibilità concreta delle fonti collegate va verificata nell’account con cui si lavora.

Per un incarico in cui numeri, attribuzioni e calcoli sono decisivi, la comodità del percorso non equivale all’affidabilità del risultato. Il confronto offre quindi un criterio pratico per scegliere il servizio che raccoglie meglio il materiale richiesto, insieme a una misura del rischio che rimane al momento della consegna: nel test professionale, la maggior parte dei rapporti non ha raggiunto la soglia di accettazione.