Oggi, 14 ottobre 2026, OpenAI ha comunicato lo spegnimento di GPT-4o e GPT-4.1, con le loro versioni mini, per il 14 gennaio 2027.
Fonte: OpenAI, pagina "Deprecations", e Anthropic, pagina "Model deprecations", consultate il 14/10/2026
Una PMI manifatturiera può usare questi modelli senza saperlo, dentro un configuratore, un assistente o un agente costruito da un integratore. Quando il modello si spegne, se il contratto non dice altro, il lavoro di adattamento ricade sull'azienda.
Alcune scadenze annunciate in un solo mese
Tra settembre e ottobre 2026 OpenAI e Anthropic hanno pubblicato nuove date di ritiro per modelli usati nei software aziendali. Il nome tecnico, come quello tra parentesi nella riga di Anthropic, è il dato da chiedere all'integratore per sapere se un sistema in uso gira su uno di questi modelli.
| Fornitore | Modello | Annuncio | Spegnimento |
|---|---|---|---|
| Anthropic | Claude Sonnet 4.5 (claude-sonnet-4-5-20250929) | 30/09/2026 | 30/11/2026, data provvisoria |
| OpenAI | gpt-5.1, gpt-5.3-codex, gpt-5.4-nano | 01/10/2026 | 01/04/2027 |
| OpenAI | GPT-4o (2 versioni), GPT-4o mini, GPT-4.1, GPT-4.1 mini | 14/10/2026 | 14/01/2027 |
OpenAI dichiara un preavviso minimo di 6 mesi per i modelli generalmente disponibili e di 3 mesi per le varianti specializzate, come le versioni chat, Codex e deep research, salvo motivi di sicurezza o conformità. Per GPT-4o e GPT-4.1, che la pagina non indica come varianti specializzate, tra annuncio e spegnimento passano circa 3 mesi.
Anthropic dichiara un preavviso di almeno 60 giorni per i modelli pubblici.
Per OpenAI i modelli in anteprima, con "preview" nel nome, possono sparire anche con 2 settimane di preavviso, e OpenAI li sconsiglia per i carichi di lavoro critici in produzione, se non si può migrare con poco preavviso. Un configuratore di offerte usato ogni giorno dall'ufficio commerciale è uno di questi carichi.
Cosa succede il giorno dopo la scadenza
Un esempio: un'azienda di componenti meccanici fa costruire da un integratore un agente che legge gli ordini dei clienti arrivati via mail e li prepara per il gestionale, appoggiandosi a un modello preso in affitto.
In azienda nessuno conosce il nome tecnico di quel modello. L'avviso di ritiro arriva all'indirizzo con cui l'integratore ha aperto l'account, e lì può restare.
Il giorno dopo lo spegnimento l'agente smette di funzionare. Secondo la pagina di Anthropic, le richieste ai modelli ritirati falliscono (traduzione dall'inglese).
Per un modello preso in affitto la data di spegnimento la sceglie il fornitore. Istruzioni e verifiche costruite sopra quel modello vanno adattate entro quella data.
Gli ordini restano in casella e l'ufficio vendite torna a inserirli a mano.
Per i modelli annunciati il 14 ottobre, OpenAI indica che anche le versioni personalizzate (fine-tuned) seguono la stessa scadenza dei modelli base.
Il costo che spesso manca nel preventivo
Quando il modello cambia, le istruzioni scritte per il vecchio modello vanno riviste e i casi di prova rilanciati.
Spesso queste voci non compaiono nel preventivo iniziale. Il conto dipende da quanti casi vanno rilanciati e da quante ore di migrazione il contratto copre già, e diventa debito tecnologico: un costo nascosto che si accumula anche con la dipendenza vincolante da fornitori esterni.
Secondo The Register, Daryl Plummer, Distinguished VP Analyst di Gartner, ha osservato che le aziende dell'AI non hanno ancora mostrato la volontà di supportare la tecnologia legacy. Per Plummer chi resta sulla prima versione di un modello riceve poca attenzione dai fornitori.
Già questo dice che non sono pronte per le imprese
Daryl Plummer, Gartner, riportato da The Register, 14/09/2026 (traduzione dall'inglese)
Nella ricostruzione di The Register, la vita di questi modelli è di circa 6 mesi. Un sistema in uso per anni può quindi attraversare più di un cambio.
Un'obiezione frequente: il modello nuovo è migliore, quindi il ritiro è un vantaggio. Dipende. Un modello migliore in media può sbagliare proprio sulle bolle scritte a mano o sui codici articolo quasi identici, e solo rilanciare gli stessi casi lo dimostra.
Le domande da fare prima di firmare
Chi compra un software con AI dentro o fa costruire un agente chiede alcune risposte prima della firma, e le fa scrivere nel contratto.
- Su quale modello gira il sistema, con nome tecnico e data di versione?
- Chi riceve gli avvisi di ritiro del fornitore, e con quale anticipo li gira all'azienda?
- Chi paga la migrazione al modello successivo, e con quale tetto di ore?
- Con quale set di casi reali si verifica il nuovo modello prima di metterlo in produzione?
- Cosa resta all'azienda se domani cambia integratore o fornitore del modello?
L'ultima domanda riguarda il lavoro che l'azienda ha già pagato, dalle istruzioni scritte per il modello allo storico delle verifiche, e che deve poter uscire con lei.
Cosa fare quando arriva un avviso di ritiro
L'avviso va gestito come una scadenza di produzione, con un responsabile e una data interna fissata prima di quella del fornitore. Il capitolo 14 di L'azienda Predittiva descrive il mantenimento dei modelli in 5 attività, qui applicate all'agente degli ordini.
- Valutazione delle nuove situazioni: il responsabile interno legge l'avviso e fissa la data del passaggio.
- Aggiornamento: prima del cambio si rilancia la verifica su ordini reali già controllati e tenuti da parte, il set di convalida.
- Monitoraggio delle prestazioni: dopo il passaggio, ogni mese si confrontano gli ordini preparati dall'agente con quelli corretti a mano.
- Gestione dei dati: il set di casi e lo storico delle verifiche restano in azienda e hanno un responsabile.
- Collaborazione tra team: ufficio vendite e integratore leggono gli stessi risultati e decidono insieme il passaggio.
Due modi in cui un modello invecchia
Nel primo modo i dati cambiano e il modello resta indietro: un modello che prevede i fermi di una linea perde precisione quando la linea monta un nuovo mandrino. Nel secondo il fornitore spegne un modello che funziona.
| Aspetto | Dati che cambiano | Modello spento dal fornitore |
|---|---|---|
| Chi se ne accorge | chi vede crescere gli errori | chi riceve l'avviso, se lo legge |
| Chi decide la data | nessuno, la deriva è graduale | il fornitore |
| Chi paga l'adattamento | l'azienda, con il riaddestramento | l'azienda, con migrazione e nuove prove |
A nostro giudizio il secondo modo pesa di più dove l'agente non lavora dentro un processo. È la chat in cui una persona incolla l'ordine e poi copia la risposta nel gestionale: quando il modello cambia, non c'è un flusso su cui rilanciare le prove.
Se invece l'agente scrive nel gestionale dentro il flusso degli ordini, il nuovo modello si prova prima sugli ordini già controllati.
In DataDeep vediamo situazioni di questo tipo nelle call con i CEO di diverse aziende. Agenti impostati con assistenti generalisti svolgono delle attività ma restano chat fini a se stesse, e tra la chat e i sistemi aziendali c'è ancora molto copia-incolla fatto a mano.
Dove si inserisce la DataDeep Console
Nell'esempio degli ordini, la DataDeep Console lavora sopra il gestionale che l'azienda già usa e non lo sostituisce. I dati degli ordini restano nel perimetro aziendale e il progetto rispetta GDPR e AI Act.
Il metodo parte da un processo, qui l'inserimento degli ordini, e verifica il risultato su numeri concordati all'inizio, per esempio la quota di ordini inseriti senza correzioni. Quando il fornitore cambia il modello, il nuovo modello si giudica su quegli stessi numeri prima di entrare in produzione.
La Console non elimina la manutenzione dei modelli. Prima serve un processo definito e un set di ordini reali già controllati su cui misurare.
Conclusione
Le date di ritiro sono pubbliche e arrivano a poche settimane l'una dall'altra. Per un'azienda che usa AI dentro un configuratore o un agente che legge gli ordini, ognuna è una scadenza operativa.
In pratica il budget prevede una riga per le ore di migrazione, e il contratto dice chi riceve gli avvisi e su quale set di casi si prova ogni modello nuovo prima che tocchi il gestionale.
Il primo passo è una richiesta scritta all'integratore, con il nome tecnico e la data di versione del modello su cui gira ogni sistema.
Fonti
- OpenAI, "Deprecations", pagina ufficiale consultata il 14/10/2026, developers.openai.com
- Anthropic, "Model deprecations", pagina ufficiale consultata il 14/10/2026, platform.claude.com
- The Register, Simon Sharwood, "AI and its main promoters are not enterprise-ready, says Gartner", 14/09/2026, theregister.com
- L'azienda Predittiva, capitolo 14 (mantenimento dei modelli), capitolo 6 (debito tecnologico)
