C’è un problema nella narrazione che ruota intorno all’AI: stiamo confondendo i soldi spesi per costruirla con i soldi che sta realmente generando.
L’AI sta davvero pagando i suoi conti?
Microsoft, Google, Amazon e NVIDIA stanno investendo centinaia di miliardi in data center, GPU e infrastrutture che mirano a fornire i propri servizi quasi esclusivamente a due aziende: OpenAI e Anthropic. Il problema è che entrambe sono ancora profondamente in perdita e, per sostenere la quantità di calcolo che stanno utilizzando, devono continuare a raccogliere enormi quantità di capitale.
Il motore della filiera AI, per ora, non sembra essere la domanda. È il capitale che continua ad alimentarla.
Si crea così un meccanismo piuttosto curioso:
OpenAI e Anthropic hanno bisogno di finanziatori per acquistare capacità di calcolo
↓
Microsoft, Google e Amazon costruiscono data center e GPU e registrano ricavi
↓
La domanda cresce
↓
e il ciclo riparte, con bisogno di nuovo capitale.
Ma cosa succede se, alla fine della catena, non c’è ancora abbastanza domanda reale in grado di pagare tutto questo?
L’enorme spesa in GPU e data center non è la prova di quanto sia redditizia l’AI.
Anzi, secondo molte analisi, esiste una sproporzione sempre più evidente tra quanto viene investito in infrastrutture e quanto l’AI riesce effettivamente a monetizzare.
Non si tratta di un complotto, perché ogni attore all’interno di questo scenario ha interesse ad investire.
NVIDIA vende GPU.
I cloud provider costruiscono data center.
Le startup raccolgono capitali.
Gli investitori scommettono sulla crescita futura.
I media raccontano la rivoluzione.
Il mercato premia le aziende che spendono in AI.
E così la crescita dell’investimento diventa essa stessa la prova che l’AI sta funzionando.
C’è poi un paradosso ancora più curioso: nell’attuale filiera dell’AI, sembra che la redditività aumenti quanto più ci si allontana dall’utente finale.
Chi costruisce e vende l’infrastruttura — chip, server, data center e servizi cloud — incassa denaro ogni volta che qualcuno utilizza capacità di calcolo. A loro non interessa che l’utente finale stia ottenendo un ritorno economico dall’AI: l’importante è che qualcuno continui a pagare per utilizzare il loro servizio.
Più in basso nella catena, invece, si trovano le aziende che sviluppano i modelli e i prodotti AI. Qui la situazione si complica: devono sostenere costi enormi di calcolo, ricerca e sviluppo e, soprattutto, devono convincere clienti reali a pagare abbastanza da coprire tutto questo investimento.
Chi vende i picconi guadagna mentre tutti cercano l’oro. Ma se l’oro che viene trovato non vale abbastanza da ripagare i picconi, prima o poi qualcuno resta con il conto da pagare.
E qui emerge una contraddizione che forse dovremmo iniziare ad affrontare seriamente. Dobbiamo fare in modo che l’AI produca ricchezza. Ma per chi?
Se l’aumento di produttività si traduce in meno assunzioni, licenziamenti e sostituzione del lavoro umano, il valore prodotto dall’AI rischia di seguire un percorso sempre più stretto: dalle persone alle aziende, dalle aziende alle piattaforme, dalle piattaforme ai grandi proprietari delle infrastrutture.
Il denaro entra da milioni di lavoratori e imprese e finisce concentrato nelle mani di pochi soggetti che controllano modelli, cloud, chip e infrastrutture.
Il rischio, quindi, non è soltanto che l’AI distrugga posti di lavoro. È che crei un’economia sempre più produttiva ma contemporaneamente sempre più povera e polarizzata, nella quale una quota crescente del valore prodotto dalla società viene convogliata nelle tasche di un numero sempre più ristretto di aziende.
Una sorta di funnel economico dell’AI: alla base milioni di persone producono valore e consumano servizi; al vertice, sempre meno aziende raccolgono una quota sempre maggiore dei ricavi.
Perché l’AI sia davvero una rivoluzione è necessario aumentare la ricchezza che produce e fare in modo che quella ricchezza finisca nelle nostre tasche.
