Tanti anni fa, nel 2001, apparve in TV una celebre campagna pubblicitaria che catturò l’immaginario collettivo con la scena di un battibecco telefonico concluso da una ragazza con la minaccia di uscire “con il primo che capita”, immediatamente ecco che il campanello della porta suonava e dietro di essa appariva il vicino di casa con un memorabile «Buonaseeeraaa». La gag fu un esempio di viralità ben prima dell’era dei social ma, nei manuali di marketing, quel caso di scuola figura ancora oggi come il classico esempio di “effetto vampiro”: una creatività così travolgente da azzerare la memoria del prodotto promosso, la Fiat Punto in quel caso, finito per essere dimenticato dal pubblico o confuso con i modelli di maggior successo commerciale del marchio. Oggi, nel grande teatro della tecnologia degli ultimi tre anni, l’intelligenza artificiale generativa è stata venduta al mondo nello stesso modo con il “fattore wow” delle risposte sintetiche che ha interpretato il ruolo del vicino di casa al campanello, catalizzando l’attenzione di media e investitori, mentre il vero prodotto, la sua sostenibilità industriale e i bilanci societari finivano nascosti nelle ombre dello sfondo.
Ora, con la narrazione quasi epica delle campagne di lancio che comincia a sfumare in echi sempre più lontani, ecco l’algoritmo che doveva riscrivere le regole dei mercati si trova al centro di un vero e proprio trade-off: un volume insostenibile di investimenti in conto capitale a fronte di un ritorno economico incerto, insufficiente e soprattutto mal distribuito.
Basta aprire un qualsiasi quotidiano economico per leggere dell’esplosione dei costi per la costruzione dei data center, l’approvvigionamento energetico e l’acquisto di semiconduttori avanzati e questo ha scavato un solco tra le promesse iniziali e la realtà dei flussi di cassa. Spacciando il modello linguistico come fosse la Pizia di Delfi, capace di risolvere qualsiasi problema aziendale al costo di un abbonamento mensile irrisorio, i produttori sono riusciti a banalizzarne il valore, hanno assuefatto gli utenti a considerare la capacità computazionale avanzata come fosse una funzione di un tostapane o della fotocamera dello smartphone, un qualcosa di dovuto, una commodity, che deve essere incluso nel pacchetto di servizi già acquistati.
Il risultato? La compromissione della disponibilità a pagare dei servizi avanzati proprio da parte di quel segmento di clientela professionale che avrebbe dovuto sostenere i margini del settore. Le imprese per prime, attratte dall’illusione di tagli immediati al personale, si sono scontrate con i limiti invalicabili dell’architettura probabilistica, tra allucinazioni, mancanza di ragionamento causale, totale assenza di responsabilità legale e colli di bottiglia nei processi critici, e il fallimento di questa strategia promessa ha innescato una dinamica con un doppio effetto ritorno. Le aziende, da un lato, hanno ridotto i budget dedicati alla sperimentazione software e gli specialisti di settore, dall’altro, a cui lo strumento era stato erroneamente presentato come un concorrente economico anziché come un amplificatore cognitivo hanno rifiutato l’idea di sottoscrivere tariffe premium per modelli percepiti come utility generaliste.
Si tratta di un uroboro perfetto che si è, così, chiuso: la rincorsa al consumo di massa ha svalutato il valore percepito del token, contraendo le marginalità operative proprio nel momento in cui la spesa infrastrutturale per sostenere una massa di centinaia di milioni di query giornaliere raggiungeva un livello critico.
In questo scenario, le piattaforme basate solo sullo sviluppo software, come OpenAI o Anthropic ad esempio, stanno mostrando tutta la fragilità del loro modello di business e la cosa più inquietante è che la loro figura somigli tantissimo a quella delle dot.com sul finire degli anni Novanta, cioè quella di realtà capaci di definire una nuova era e di catturare l’immaginario collettivo ma prive dei cavi, dell’energia, dell’hardware e dei canali di distribuzione proprietari. Possiamo definirle come delle boutique tecnologiche che si trovano ad essere dipendenti dai servizi di cloud erogati da terzi e costrette a pagare l’infrastruttura a consumo ai prezzi stabiliti dai loro stessi concorrenti diretti, con il rischio di rimanere schiacciate nelle maglie della competizione che si sta facendo sempre più serrata. Ogni risposta fornita da un modello generativo, infatti, produce un costo marginale computazionale ed energetico attivo per il server e, senza un ecosistema diversificato in grado di riassorbire questa spesa o di trasferirla su altri servizi ad alta marginalità, la vendita di soli accessi tramite API o abbonamenti retail rimane un’attività finanziariamente insostenibile già nel medio periodo, come le difficoltà di OpenAI stanno mostrando già da qualche mese.
Specularmente, però, la mappa della supremazia tecnologica sta mutando, riorganizzandosi intorno a una cerchia di colossi che seguendo una logica di sviluppo duale, software e hardware, si avvia a esercitare un controllo quasi assoluto sull’infrastruttura e sui flussi di capitale con lo sviluppo di un vero oligopolio capace di riscrivere le regole del mercato, dove i vecchi equilibri cedono il passo a un nuovo blocco di riferimento. Società come Alphabet, Microsoft, Amazon e Meta, infatti, detengono un reale vantaggio competitivo poiché nel loro modello di business l’intelligenza artificiale può non generare un profitto diretto e immediato, agendo, invece, come un moltiplicatore di valore per la vendita di spazi cloud, per la protezione dei monopoli di ricerca, per l’ottimizzazione della pubblicità digitale o per la fidelizzazione degli utenti nei propri sistemi operativi. In pratica possono agire da price maker, offrendo modelli sempre più avanzati a costi irrisori o in modalità open source e prosciugando le riserve di cassa di chi vive solo della vendita di software.
In realtà anche questi grandi gruppi, verticalmente integrati, devono fare i conti con limiti fisici sempre più stringenti poiché la corsa a costruire data center di dimensioni enormi si scontra con la scarsità di energia elettrica disponibile sulle reti nazionali, con tempi di allaccio che si allungano fino a diversi anni e con un consumo idrico per il raffreddamento che genera tensioni locali sempre più frequenti. Parallelamente l’approvvigionamento dei semiconduttori avanzati è soggetto a veri colli di bottiglia produttivi e a prezzi elevati, perché la capacità fabbricativa di chip di ultima generazione continua a essere concentrata in poche strutture mondiali. Questi vincoli, ovviamente, non annullano il vantaggio competitivo di chi controlla cloud, pubblicità e sistemi operativi e dimostrano che la scala infrastrutturale permette di fronteggiare al meglio costi e rischi che nessun modello di business, per quanto diversificato, può eludere del tutto.
C’è, però, un altro caso, in questa corsa al futuro, che è rappresentato dalla visione integrata di Elon Musk che ha compreso con anticipo l’importanza di legare l’intelligenza artificiale a una solida base di asset fisici e di liquidità. L’integrazione strutturale di xAI all’interno di SpaceX, in un’unica entità verticalmente integrata che include razzi, Starlink, data center orbitali progettati e la piattaforma X e supportata dalla liquidità del primo step di IPO e dalla generazione di cassa di Starlink, ha permesso di costruire un cuscinetto finanziario solido per investimenti infrastrutturali e di sviluppo ottenendo un vantaggio competitivo unico. L’inserimento di xAI in questo ecosistema permette di proiettare lo sviluppo computazionale verso soluzioni proprietarie a lungo termine, trasformando l’algoritmo nel sistema operativo di un’architettura hardware complessa che va dalla connettività satellitare alla robotica avanzata che rappresenta la stessa differenza esistente tra chi vende l’acqua minerale in bottiglia e chi possiede le sorgenti, l’impianto di imbottigliamento e la rete di distribuzione globale. Si tratta, a tutti gli effetti, di un approccio contrario a quello di Apple che ha deciso di esternalizzare lo sviluppo AI per i propri dispositivi a partner terzi, rinunciando alla leadership nella ricerca per preservare i margini a breve termine, cosa che sottolinea il passaggio da una leadership nell’innovazione, nell’era Steve Jobs, a una pura gestione della rendita di marca.
Come nelle più accese partite di Risiko, quella relativa all’intelligenza artificiale sta modificando completamente il terreno di gioco, spostandosi dallo sviluppo e dalla narrazione alle logiche finanziarie e produttive dell’industria; senza un’evoluzione architetturale di rottura, capace di abbattere drasticamente il fabbisogno computazionale dei modelli, per le piattaforme software-only le vie d’uscita si riducono a due: un’acquisizione difensiva a prezzo di saldo, con il rilevamento delle proprietà intellettuali e dei team di ricerca da parte degli hyperscaler, e un progressivo scivolamento verso la ristrutturazione finanziaria o il crack definitivo. Chi abbia investito principalmente nell’infrastruttura fisica e che sembrava destinato a un declino come un vecchio dinosauro tecnologico si prepara a incassare i dividendi della rivoluzione AI, lasciando al mercato la consapevolezza che, per quanto ben raccontata, l’intelligenza artificiale, da sola, non basta a ripagare la centrale elettrica che la fa funzionare.
