L'AI è destinata a restare. Ma il nodo dei costi può incidere sui rendimenti

Nella mia vita professionale, a fianco della mia attività di ricerca, ho partecipato alla direzione di un parco di trasferimento tecnologico e ho fondato tre diverse aziende, oltre a contribuire allo sviluppo di diverse altre. Per farlo, sono stato costretto ad acquisire qualche competenza in un settore molto diverso dal mio, quello della valutazione della sostenibilità finanziaria delle idee innovative in diversi settori, quando si passa dalla ricerca all’impresa.

Per questo motivo, ho letto con interesse una recente analisi sui numeri economici che riguardano la AI, e su quello che molti analisti vedono sempre più come un disastro imminente. L’AI contemporanea non è un’entità astratta che vive nel software, ma un sistema industriale fondato su grandi data center, chip specializzati, reti elettriche dedicate e un consumo continuo di energia. È osservando questa infrastruttura che, tra il 2024 e il 2025, alcuni analisti finanziari hanno iniziato a chiedersi se la traiettoria attuale sia economicamente sostenibile.

Le analisi più critiche partono da una ricostruzione dei costi ormai piuttosto condivisa. Negli ultimi anni i grandi operatori tecnologici e i loro partner stanno investendo cifre molto elevate per costruire nuovi data center e acquistare hardware dedicato all’AI. Le stime variano a seconda delle fonti, ma convergono su un ordine di grandezza chiaro: tra il 2023 e il 2026 l’ammontare complessivo degli investimenti infrastrutturali legati all’AI si colloca tra alcune centinaia di miliardi di dollari e, nelle proiezioni più estese, un trilione di dollari cumulato. Una parte rilevante di questa spesa è già stata impegnata nel 2024 e nel 2025, con ulteriori progetti pianificati per il 2026.

Questi investimenti riguardano in larga misura GPU e acceleratori specializzati, macchine molto costose progettate per eseguire calcoli matematici intensivi in modo continuo. A differenza di altre infrastrutture industriali, il loro ciclo di vita economica è breve. Anche se restano funzionanti per diversi anni, diventano rapidamente meno competitive quando escono nuove generazioni di chip, capaci di fornire le stesse prestazioni con minori consumi energetici o con una densità di calcolo superiore. Dal punto di vista contabile questo crea un problema preciso: se il costo dell’hardware viene ammortizzato su periodi lunghi, come sette o dieci anni, ma il suo valore economico effettivo si riduce molto prima, il costo reale per anno risulta sottostimato, a fronte dei nuovi investimenti richiesti per la rapida obsolescenza tecnologica.

A questi costi di capitale si sommano quelli operativi. Un grande data center per l’AI può richiedere centinaia di megawatt di potenza elettrica continua. Il prezzo dell’energia, anche quando negoziato su larga scala, incide in modo significativo sui costi di esercizio. Il raffreddamento, la manutenzione e il personale tecnico specializzato aggiungono ulteriori voci di spesa. Tutti questi costi sono certi, ricorrenti e legati a vincoli fisici che non dipendono dalle scelte di marketing o dal successo commerciale dei singoli prodotti.

Leggi anche:

i casi

L'AI non è solo il gigante affamato che consuma la nostra energia. Anzi, ce la fa risparmiare

Ilaria Coppola

Sul fronte dei ricavi, il quadro appare molto diverso. I servizi di AI generativa oggi generano fatturati che, su scala globale, vengono stimati nell’ordine di alcune decine di miliardi di dollari all’anno. Anche considerando una crescita rapida nel breve periodo, il divario rispetto ai costi sostenuti resta ampio. Alcune analisi hanno tradotto questo divario in termini di soglia di pareggio, stimando che, per coprire i costi annuali di capitale e di esercizio associati all’infrastruttura già in costruzione, il settore dovrebbe generare ricavi annui nell’ordine di cifre stratosferiche. Estendendo l’orizzonte temporale e includendo gli investimenti aggiuntivi previsti per il 2026, il pareggio cumulato (cioè considerando tutte le aziende insieme) si avvicinerebbe infatti a un ordine di grandezza pari a un trilione di dollari. Al momento, nessuna previsione di domanda o piano di business supporta numeri di questo tipo.

Da qui nasce una lettura obiettivamente pessimista. Tenendo presente i numeri, l’industria starebbe costruendo una capacità di calcolo molto superiore alla domanda effettiva, sulla base dell’aspettativa che l’uso dell’AI cresca abbastanza da riempirla, ma senza nessun piano che indichi come questo riempimento potrebbe avvenire. Il rischio individuato non è che l’AI non trovi applicazioni, ma che una parte consistente dell’infrastruttura costruita oggi non riesca mai a ripagarsi economicamente, producendo svalutazioni, consolidamenti forzati e una selezione severa tra gli operatori.

Chi continua ad investire parte dagli stessi dati, ma li interpreta in modo diverso. Il primo spostamento riguarda l’orizzonte temporale. L’AI viene trattata come una infrastruttura generale, come ad esempio Internet, destinata a diventare una componente stabile dell’economia, piuttosto che come un singolo prodotto da rendere profittevole in pochi anni. In questa lettura, il confronto diretto tra costi attuali e ricavi attuali è considerato poco informativo, perché ignora il valore indiretto che l’infrastruttura può generare nel tempo.

Un secondo elemento riguarda il controllo dell’accesso al calcolo. Chi possiede i grandi data center e la capacità di fornire calcolo su larga scala diventa un nodo obbligato per molte attività future, dall’industria alla ricerca, dai servizi pubblici alla difesa. Anche se i servizi di AI presi isolatamente producono margini modesti, l’infrastruttura rafforza posizioni dominanti in altri mercati, crea dipendenze tecnologiche e rende difficile l’ingresso di nuovi concorrenti. In questo quadro, l’elevato costo iniziale non viene visto come una inefficienza, ma come una barriera strutturale.

Un ulteriore argomento riguarda l’evoluzione tecnologica. Gli investimenti attuali presuppongono che il costo per unità di prestazione continui a diminuire grazie a miglioramenti nei modelli, nell’hardware e nell’uso delle risorse. Se il costo di una singola operazione di AI scende più rapidamente della crescita della domanda, l’equilibrio economico può migliorare nel tempo, anche senza un aumento proporzionale dei ricavi complessivi.

Esiste poi una dimensione finanziaria esplicita. Una parte significativa degli investimenti viene giustificata attraverso la valorizzazione complessiva delle aziende coinvolte. Se il mercato continua a considerare l’AI una tecnologia centrale per il futuro dell’economia, l’aumento di capitalizzazione può compensare, almeno temporaneamente, la debolezza dei flussi di cassa operativi. In questo scenario, il ritorno per gli investitori non deriva solo dai profitti generati dall’AI, ma dalla rivalutazione dell’intero asset: è una scommessa consapevole che consiste nello “stare dentro” fino al momento di “tirarsi fuori”, cioè nel cavalcare letteralmente una bolla che si sa che esploderà, ma da cui si intende uscire per tempo.

Infine, pesa una motivazione strategica legata all’incertezza. L’AI viene percepita come una tecnologia capace di modificare profondamente la produttività e la competizione economica. In questo contesto, molti investimenti rispondono alla necessità di mantenere una posizione rilevante, anche accettando perdite nel breve e medio periodo. Il costo viene interpretato come il prezzo da pagare per non perdere accesso a una tecnologia ritenuta cruciale.

Tenendo insieme queste letture, il quadro che emerge è complesso. Se si considerano i numeri così come sono oggi disponibili e si tengono insieme investimenti in conto capitale, costi operativi, ammortamenti realistici dell’hardware, costo dell’energia e ricavi effettivi dei servizi di AI oggi venduti, l’equilibrio economico non c’è. L’asimmetria dipende dal fatto che l’AI industriale ha costi certi e immediati, mentre i ricavi restano, per ora, limitati e concentrati, né esistono panorami previsionali che possano indicare rapidi allargamenti dei profitti. In questo senso le critiche sono fondate. L’argomento che richiama Internet negli anni Novanta aiuta a spiegare l’orizzonte temporale degli investimenti, ma non risolve il problema strutturale. Internet ha beneficiato di una rapida riduzione dei costi marginali di distribuzione. Il calcolo su larga scala resta invece vincolato a risorse fisiche che non possono essere compresse all’infinito. Energia, materiali, dissipazione e infrastrutture pongono limiti concreti che non scompaiono con il progresso del software.

L’impressione che se ne ricava è che l’AI non appare una bolla nel senso classico di tecnologia priva di sostanza economica, ma che l’attuale fase è finanziariamente distorta. Una parte rilevante degli investimenti in corso non verrà recuperata. L’AI continuerà a svilupparsi, ma non tutti i capitali che oggi la finanziano sopravviveranno a questo processo.

I punti critici rimasti sul tavolo sono concreti. Il primo riguarda l’asimmetria tra valore sociale e valore catturabile. L’AI può aumentare in modo significativo la produttività complessiva senza che questo si traduca automaticamente in profitti proporzionati per chi gestisce l’infrastruttura. Molte infrastrutture fondamentali del passato hanno creato ricchezza diffusa con rendimenti modesti per chi le ha costruite. L’AI potrebbe seguire una traiettoria simile.

Il secondo punto riguarda la dipendenza da rendite indirette. Oggi una parte importante dei ritorni economici associati all’AI deriva da attività collaterali: servizi cloud, integrazione in ecosistemi software, pubblicità, lock-in tecnologico, contratti pubblici. Se si isolasse il solo business dell’AI come servizio di calcolo e generazione, la sua fragilità economica emergerebbe con maggiore chiarezza.

Il terzo punto è il vincolo fisico. Il calcolo non è un’attività puramente informazionale. Ogni operazione consuma energia e produce calore. L’efficienza può migliorare, ma non eliminare questi costi. La termodinamica introduce un limite strutturale che ridimensiona le narrazioni basate su una crescita indefinita dell’efficienza.

Il quarto punto riguarda la logica difensiva che guida molti investimenti. In numerosi casi il capitale viene impegnato non perché esistano modelli di redditività chiari, ma perché l’esclusione dall’AI viene percepita come un rischio strategico. Questo tipo di comportamento è comprensibile, ma storicamente ha spesso prodotto sovracapacità industriali e successive distruzioni di valore.

Dove le posizioni critiche tendono a semplificare è nel trattare l’AI come un business verticale ordinario. L’AI non funziona come una linea di prodotto autonoma. È una infrastruttura “general purpose” ad altissima intensità di capitale. In questo tipo di sistemi il valore non si manifesta necessariamente nei ricavi diretti dell’infrastruttura stessa, ma nella capacità di condizionare filiere, mercati e attività future. Su questo punto le argomentazioni degli investitori colgono un elemento reale. Il controllo del calcolo equivale al controllo di una risorsa abilitante, anche se le applicazioni definitive non sono ancora pienamente definite.

L’AI pare dunque una tecnologia destinata a restare e a incidere profondamente sull’economia e sulla vita quotidiana, ma il suo costo rende improbabile una distribuzione ampia e uniforme dei rendimenti. Il risultato più plausibile è una selezione molto dura. Pochi attori con risorse sufficienti per sostenere perdite prolungate, come Microsoft, Google e Amazon, consolideranno il controllo dell’infrastruttura. Molti investimenti verranno svalutati, assorbiti o abbandonati: ci potrà essere una crisi reale, con riflessi finanziari pesanti soprattutto sui piccoli investitori. Con il ridimensionarsi delle aspettative e la diffusione degli usi reali, i rendimenti tenderanno a normalizzarsi.

Posso certamente sbagliare, ma quel che io ricavo dalla lettura dei dati e dai commenti degli analisti è che l’AI probabilmente non fallirà come tecnologia, ma non potrà rendere per tutti coloro che oggi stanno cercando di finanziarla, e contribuirà invece ad un “capital divide” che a sua volta alimenterà un “digital divide”.