Barret Zoph ha lasciato OpenAI dopo 5 mesi dal suo rientro, secondo The Verge, interrompendo un ruolo chiave nelle vendite enterprise AI mentre l’azienda spinge Codex e prodotti business verso una possibile quotazione.
La notizia conta per chi usa, compra o costruisce strumenti AI perché mostra quanto il vantaggio competitivo non dipenda più solo dai modelli. Dipende dalle persone che sanno trasformare ricerca, infrastruttura, sicurezza, vendite e workflow aziendali in prodotti che le aziende possono adottare senza perdere controllo su dati, costi e processi.
Barret Zoph e la guerra dei talenti
Zoph non era un manager laterale. Prima di lasciare OpenAI nel 2024 era vice president of research per il post-training, la fase in cui i modelli vengono rifiniti prima di arrivare in prodotti come ChatGPT e API. Poi era entrato in Thinking Machines Lab, la startup fondata dall’ex CTO di OpenAI Mira Murati, come cofondatore e CTO. A gennaio 2026 era tornato in OpenAI insieme a Luke Metz e Sam Schoenholz.
The Verge scrive che OpenAI ha confermato la sua uscita e che Zoph ha pubblicato un messaggio di addio nei canali Slack aziendali. Le accuse e le ricostruzioni sui mesi in Thinking Machines restano un terreno delicato: WIRED aveva riportato a gennaio versioni diverse sulla sua uscita dalla startup, incluse accuse non verificate da Zoph. Il punto giornalistico solido, qui, è un altro: una figura centrale è passata da OpenAI a una rivale, poi di nuovo a OpenAI, poi fuori da OpenAI in meno di 2 anni.
Chi segue il settore da vicino sa che questi movimenti non sono gossip da Silicon Valley. Nei laboratori AI, una manciata di ricercatori e product leader porta con sé conoscenza tacita: ricette di training, valutazioni interne, priorità di prodotto, contatti enterprise, sensibilità su cosa funziona quando un modello entra in produzione, come mostrano anche i casi di agenti AI in contesti corporate.
La cornice finanziaria rende il passaggio più sensibile. L’8 giugno OpenAI ha annunciato di aver inviato in modo confidenziale una bozza di S-1 alla SEC, il documento che apre la strada a una possibile IPO. In una fase in cui l’azienda deve convincere clienti, investitori e regolatori, anche la trasparenza della comunicazione pubblica diventa parte della fiducia commerciale.
“We recently submitted a confidential S-1. We have not decided on timing yet.”
Quella frase, pubblicata da OpenAI, spiega perché ogni ruolo legato a enterprise e coding pesa di più ora: se l’azienda vuole convincere clienti e investitori, deve mostrare continuità operativa.
La parte tecnica: enterprise AI e agenti persistenti
Il centro tecnico della storia è Codex, non il curriculum di Zoph. L’11 giugno OpenAI ha annunciato l’acquisizione di Ona, spiegando che più di 5 milioni di persone usano Codex ogni settimana, con una crescita del 400% rispetto all’inizio dell’anno. La stessa spinta appare nei casi in cui Codex esce dal software classico e arriva in domini complessi, dalla ricerca computazionale sui buchi neri ai processi documentali ad alta verifica.
OpenAI presenta Codex come un agente che non si limita a scrivere codice in una chat. L’obiettivo è portarlo dentro ambienti cloud sicuri, dove possa lavorare per ore o giorni, accedere a strumenti autorizzati, mantenere contesto e lasciare tracce verificabili. Sono agenti persistenti: sistemi che continuano un’attività oltre la singola sessione e che richiedono controlli su credenziali, log, dati, permessi e revisione umana.
Questo spiega perché una leadership enterprise non è un dettaglio commerciale. Vendere AI alle aziende significa rispondere a domande meno appariscenti dei benchmark: dove gira l’agente? Chi può vedere i dati? Quali azioni può eseguire? Quanto costa ogni flusso di lavoro? Come si interrompe un processo sbagliato? Nei casi verticali, come gli agenti fiscali AI, queste domande decidono se un prodotto resta una demo o diventa infrastruttura di lavoro.
Senza queste risposte, anche il modello migliore resta difficile da adottare in produzione. E senza strumenti di verifica, log e controllo del comportamento, il problema si sposta sul piano dell’allineamento dei sistemi Codex, dove una patch di prompt non basta a governare un agente che opera su task lunghi.
Thinking Machines Lab non è solo una rivale simbolica
Thinking Machines Lab non compete con OpenAI solo sul reclutamento. A maggio 2026 ha pubblicato una ricerca sugli interaction models, modelli progettati per gestire audio, video e testo in tempo reale, senza trattare l’interazione come un’aggiunta esterna. È una direzione che interessa anche chi segue l’AI scientifica, dove la qualità dell’interazione tra ricercatore, modello e strumenti può pesare quanto il punteggio su un benchmark.
La parte tecnica è interessante: Thinking Machines descrive un sistema basato su micro-turn da 200 millisecondi, cioè piccoli blocchi temporali in cui input e output si intrecciano. Il modello può ascoltare, vedere, parlare e reagire mentre l’utente sta ancora agendo. La versione citata, TML-Interaction-Small, è un MoE da 276 miliardi di parametri con 12 miliardi attivi.
Il contrasto con OpenAI è netto. OpenAI sta spingendo Codex verso il lavoro lungo, delegato e controllabile. Thinking Machines insiste sulla collaborazione sincrona, dove l’AI resta nel ciclo dell’utente invece di sparire per completare un task in background.
La competizione passa anche da compute, chip e accesso alle infrastrutture, un livello che le regole USA sull’export AI rendono sempre più politico e industriale. La domanda scomoda è precisa: se i migliori sistemi AI richiedono insieme autonomia lunga e interazione continua, quale laboratorio possiede davvero il team capace di unire entrambe le direzioni?
Cosa cambia per chi compra o costruisce AI
Per chi valuta strumenti AI, l’uscita di Barret Zoph non cambia quale modello usare domani mattina. Cambia le domande da fare ai fornitori. La roadmap sopravvive ai cambi di leadership? Gli agenti hanno audit, limiti di spesa e confini sui dati? Il prodotto funziona dentro processi reali o solo in demo controllate?
Per chi costruisce prodotti AI, il segnale è ancora più diretto. Il vantaggio si sta spostando dal modello singolo al sistema completo: modello, infrastruttura, interfaccia, sicurezza, distribuzione e supporto enterprise. La guerra dei talenti serve a controllare proprio questi passaggi intermedi.
Zoph lascia OpenAI nel momento in cui l’azienda prova a dimostrare che Codex può diventare una piattaforma di lavoro, non solo uno strumento per sviluppatori. Per il lettore che deve scegliere o integrare AI, la lezione concreta è questa: guardare meno agli annunci isolati e più alla capacità del fornitore di mantenere continuità, controllo e prodotto quando le persone chiave cambiano stanza.
Fonti citate
- Barret Zoph is out at OpenAI again after just five months , The Verge, 19 giugno 2026.
- Confidential submission of draft S-1 to the SEC , OpenAI, 8 giugno 2026.
- OpenAI to acquire Ona , OpenAI, 11 giugno 2026.
- Interaction Models: A Scalable Approach to Human-AI Collaboration , Thinking Machines Lab, 11 maggio 2026.
- Two Thinking Machines Lab Cofounders Are Leaving to Rejoin OpenAI , WIRED, 14 gennaio 2026.