OpenAI ha presentato LifeVal, un benchmark pensato per misurare quanto un assistente di intelligenza artificiale aiuti a completare attività quotidiane come trovare assistenza per i figli, gestire finanze familiari o orientarsi nella burocrazia. Il progetto sposta l’attenzione dalle risposte isolate alla capacità di produrre un risultato utile in contesti con vincoli, preferenze e informazioni incomplete.
I compiti di vita reale sono difficili da valutare perché cambiano tra Paesi e nel tempo. Un modello può formulare un piano plausibile ma sbagliare scadenze, requisiti o costi. Per questo risultati e rubriche devono indicare freschezza delle fonti, completamento effettivo e rischi. LifeVal non certifica che un sistema sia adatto a decisioni mediche, legali o finanziarie.
Per il pubblico italiano la rilevanza dipenderà dalla localizzazione. Bonus, servizi comunali e procedure fiscali differiscono dagli esempi statunitensi e cambiano rapidamente. Un benchmark utile in Italia dovrebbe includere SPID, sanità regionale, scuola e lavoro, con controlli su date e fonti ufficiali. Il modello deve anche riconoscere quando serve un professionista.
La ricerca sarà credibile se dataset, criteri e limiti permetteranno confronti indipendenti e aggiornamenti periodici. Occorre evitare che i sistemi vengano addestrati direttamente sui compiti del test, trasformando il punteggio in una misura di memorizzazione. Per gli utenti conta la riduzione degli errori e del tempo speso, non una classifica astratta.