L’industria dell’intelligenza artificiale è arrivata a un punto strano.
La tecnologia sta migliorando rapidamente. Sempre più persone usano l’IA al lavoro, le aziende sperimentano l’automazione e nuovi modelli compaiono quasi ogni settimana. Allo stesso tempo, la quantità di denaro investita è diventata difficile da comprendere.
Le aziende di IA stanno raccogliendo miliardi di dollari. I giganti tecnologici stanno costruendo data center che consumano tanta elettricità quanto piccole città. Aziende private che sono ancora in perdita ricevono valutazioni che sarebbero sembrate assurde solo pochi anni fa.
Non sorprende che le persone si chiedano se l’IA sia diventata una bolla finanziaria.
Un’argomentazione recente che circola online sostiene che l’industria americana dell’IA abbia già accumulato migliaia di miliardi di dollari di debito e debba sostituire milioni di lavoratori impiegatizi ogni anno solo per coprire il pagamento degli interessi.
La preoccupazione più ampia merita di essere presa sul serio. Il calcolo che la sostiene, no.
Potrebbe esserci una bolla dell’IA, ma è importante capire dove si trovano i rischi reali.
Il numero da migliaia di miliardi viene usato in modo improprio
Una delle affermazioni più clamorose è che tra 3.000 e 4.000 miliardi di dollari siano già stati investiti nell’industria americana dell’IA, per lo più ricorrendo a denaro preso a prestito.
Ci sono poche prove a sostegno di questa interpretazione.
Lo Stanford AI Index ha stimato che gli investimenti privati in IA negli Stati Uniti abbiano raggiunto circa 285,9 miliardi di dollari nel 2025. È una cifra straordinaria, ma non è neppure lontanamente vicina a 3.000 miliardi.
Il numero molto più grande sembra derivare da previsioni sulla spesa globale per infrastrutture IA nell’arco di diversi anni.
Morgan Stanley, per esempio, ha stimato che entro il 2028 potrebbero essere investiti quasi 3.000 miliardi di dollari in infrastrutture IA in tutto il mondo. La maggior parte di quel denaro non era ancora stata spesa quando la stima è stata pubblicata.
Una previsione di investimenti futuri non è la stessa cosa del debito esistente.
La stima include anche più delle sole aziende che sviluppano modelli di IA. Copre data center, chip, infrastrutture elettriche, apparecchiature di rete, costruzioni e altre parti della filiera dell’IA.
È quindi fuorviante descrivere l’intero importo come denaro preso in prestito da aziende come OpenAI e Anthropic.
L’IA non deve sostituire 10 milioni di lavoratori
L’argomentazione di solito prosegue con un calcolo semplice.
Se il settore avesse circa 2.500 miliardi di dollari di debito e pagasse il 4% di interessi, avrebbe bisogno di circa 100 miliardi di dollari l’anno solo per coprire gli interessi. Con un margine di profitto del 10%, avrebbe bisogno di 1.000 miliardi di dollari di ricavi.
Da qui nasce l’affermazione che l’IA debba sostituire circa 10 milioni di impiegati ogni anno.
I conti tornano. Le ipotesi, no.
Non esistono prove affidabili che le aziende di IA, nel loro complesso, abbiano 2.000 o 3.000 miliardi di dollari di debito societario in essere.
Il calcolo tratta inoltre l’industria dell’IA come se fosse un’unica azienda fortemente indebitata, senza altre attività o fonti di reddito.
Gran parte dell’infrastruttura attuale viene costruita da Microsoft, Amazon, Alphabet, Meta e Oracle. Queste aziende generano già ricavi significativi da servizi cloud, pubblicità, software, retail, database e abbonamenti.
Microsoft non ha bisogno che ogni nuovo data center venga ripagato esclusivamente da dipendenti che perdono il lavoro a causa di Copilot. Amazon non deve classificare ogni dollaro generato da AWS come ricavo IA separato prima di poter ripagare il proprio debito.
Ancora più importante, l’IA può creare valore economico senza eliminare un posto di lavoro.
Un’azienda può usare l’IA per rispondere più rapidamente alle domande dei clienti, produrre più software con lo stesso team, rilevare frodi, migliorare la pubblicità, tradurre contenuti o ridurre il tempo necessario per analizzare documenti.
Il dipendente può restare in azienda producendo più lavoro.
È quindi sbagliato presumere che l’unico possibile ritorno sugli investimenti in IA derivi dalla sostituzione degli stipendi.
Il vero rischio finanziario resta serio
Il fatto che il calcolo virale sul debito sia sbagliato non significa che il mercato dell’IA sia sano.
I numeri reali sono già abbastanza grandi da destare preoccupazione.
OpenAI, Anthropic e altri sviluppatori di modelli stanno raccogliendo enormi quantità di capitale continuando a spendere molto per addestramento, ricerca e infrastrutture di calcolo.
Allo stesso tempo, Microsoft, Amazon, Alphabet e Meta stanno investendo decine di miliardi di dollari ogni trimestre in data center e attrezzature correlate.
Questi investimenti si basano su un’ipotesi fondamentale: la domanda di servizi IA continuerà a crescere abbastanza rapidamente da giustificare l’infrastruttura costruita oggi.
Potrebbe accadere. Non è garantito.
I data center sono costosi da costruire e gestire. Richiedono chip, elettricità, acqua, sistemi di raffreddamento e accesso alla rete elettrica. L’hardware al loro interno può diventare obsoleto sorprendentemente in fretta.
Se l’efficienza dei modelli migliorasse più rapidamente del previsto, le aziende potrebbero aver bisogno di meno capacità di calcolo di quanto suggeriscano le previsioni attuali. Se le imprese decidessero che gli strumenti di IA non offrono un ritorno sufficiente, parte della nuova infrastruttura potrebbe rimanere sottoutilizzata.
È qui che inizia l’argomento più forte a favore della bolla.
Il problema non è che l’industria dell’IA debba sostituire un numero specifico di lavoratori l’anno prossimo. Il problema è che le aziende stanno spendendo somme enormi oggi basandosi su profitti che potrebbero arrivare solo tra diversi anni.
Le aziende di IA perdono soldi a ogni richiesta?
Un’altra affermazione comune è che OpenAI e Anthropic perdano denaro ogni volta che qualcuno invia un prompt a uno dei loro modelli.
È possibile per alcuni abbonamenti o per utenti estremamente intensivi, ma non è stato dimostrato come regola generale.
C’è una differenza importante tra perdere denaro su una singola richiesta e perdere denaro come azienda.
Una richiesta API può essere venduta a un prezzo superiore al costo diretto di esecuzione del modello. L’azienda può comunque registrare perdite elevate dopo aver pagato ricerca, addestramento dei modelli, stipendi degli ingegneri, vendite, marketing e infrastrutture future.
In altre parole, un servizio di IA può avere un margine lordo positivo mentre l’azienda che lo offre resta profondamente in perdita.
La domanda più utile non è se ogni richiesta faccia perdere denaro. È se i ricavi attuali possano, alla fine, sostenere il costo straordinario di sviluppo e gestione delle prossime generazioni di modelli.
Per molte aziende di IA di frontiera, la risposta non è ancora chiara.
I modelli cinesi stanno cambiando l’economia del settore
Il rapido miglioramento dei modelli cinesi e dei modelli open-weight potrebbe essere un problema ancora più grande per le aziende americane di IA rispetto alle loro perdite operative.
Qualche anno fa, sembrava possibile che un piccolo numero di aziende statunitensi avrebbe controllato i modelli più capaci. Avevano accesso a chip avanzati, grandi data center e miliardi di dollari di finanziamenti.
Quel vantaggio conta ancora, ma il divario si è ridotto.
Gli sviluppatori cinesi hanno rilasciato modelli che competono nelle prestazioni in programmazione, ragionamento e attività basate su agenti, spesso a prezzi molto più bassi.
Molti di questi modelli possono anche essere scaricati ed eseguiti su infrastrutture private. Spesso vengono descritti come open-source, anche se open-weight è di solito il termine più accurato. I pesi del modello possono essere disponibili, mentre i dati di addestramento e l’intero processo di sviluppo restano privati.
La loro crescente popolarità crea un serio problema di pricing per aziende come OpenAI e Anthropic.
Se i clienti possono ottenere risultati simili da un modello più economico, il fornitore costoso non può semplicemente aumentare i prezzi ogni volta che ha bisogno di più ricavi.
I dati di OpenRouter hanno mostrato un forte aumento nell’uso di modelli cinesi tra gli sviluppatori che utilizzano la sua piattaforma. Questo non significa che i modelli cinesi controllino già la maggior parte dell’intero mercato statunitense. OpenRouter rappresenta solo una parte dell’ecosistema IA.
Mostra però che gli sviluppatori sono disposti a cambiare modello quando la differenza di prezzo o prestazioni diventa interessante.
Questo rende più difficile per un singolo fornitore costruire un monopolio duraturo.
L’IA locale sta migliorando, ma non è gratis
La stessa pressione competitiva arriva dai modelli che possono girare su computer locali e server privati.
I modelli locali offrono vantaggi chiari. I dati possono restare all’interno dell’azienda, il sistema può funzionare senza connessione internet e gli utenti non dipendono dai prezzi o dalle policy di un fornitore esterno.
Per attività comuni, un modello locale più piccolo può essere sufficiente.
Questo potrebbe ridurre il numero di persone disposte a pagare per abbonamenti IA premium.
Tuttavia, l’IA locale non è automaticamente più economica in ogni situazione. Un’azienda deve acquistare hardware, pagare l’elettricità, mantenere il sistema, installare aggiornamenti e monitorare la sicurezza.
I modelli più piccoli possono anche richiedere più correzioni o essere meno affidabili su lavori complessi.
L’esito più probabile è un mercato misto.
Le attività di routine potrebbero essere gestite da modelli locali o economici. I problemi difficili potrebbero essere inviati a sistemi cloud più capaci. Il software tradizionale continuerà a gestire processi prevedibili, mentre le persone resteranno responsabili delle decisioni in cui gli errori sono costosi.
Questo creerebbe un grande mercato dell’IA, ma non necessariamente uno con margini estremamente elevati per le aziende che costruiscono i modelli sottostanti.
La produttività non ha eguagliato l’hype
La domanda più importante è se l’IA stia creando abbastanza produttività da giustificare il denaro speso.
Le evidenze finora sono contrastanti.
Uno studio su oltre 5.000 addetti al supporto clienti ha rilevato che l’accesso a un assistente di IA generativa ha aumentato la produttività di circa il 14% in media.
I benefici maggiori si sono visti tra i lavoratori meno esperti. L’IA li ha aiutati ad accedere a conoscenze e tecniche che i colleghi più esperti avevano imparato nel tempo.
È un risultato significativo.
Altre ricerche sono state meno incoraggianti.
In uno studio condotto da METR, sviluppatori open-source esperti hanno completato alcune attività più lentamente quando usavano strumenti di IA. Gli sviluppatori credevano che gli strumenti li stessero aiutando, ma i risultati misurati hanno mostrato che impiegavano più tempo.
La differenza può dipendere dal tipo di lavoro svolto.
L’IA è spesso utile quando un compito implica redigere, riassumere o applicare schemi familiari. Può diventare meno utile quando un esperto lavora dentro un sistema complicato e deve ispezionare con attenzione suggerimenti quasi corretti.
Il tempo risparmiato nello scrivere codice può facilmente andare perso nel trovare un errore sottile.
Questo aiuta a spiegare perché le demo di IA possono sembrare spettacolari mentre le implementazioni reali nelle aziende procedono più lentamente.
Una demo di solito mostra il miglior risultato in condizioni controllate. Un sistema in produzione deve gestire informazioni incomplete, clienti insoliti, regole sulla privacy, rischi di sicurezza e responsabilità legale.
Uno strumento corretto il 95% delle volte può essere impressionante in un video e inaccettabile in una banca.
Perché le aziende stanno ritirando i sistemi di assistenza clienti basati su IA
Un sondaggio del 2026 di Sinch ha rilevato che il 74% delle organizzazioni intervistate aveva ritirato o disattivato almeno un agente di comunicazione con i clienti basato su IA dopo il lancio.
Quel numero sembra disastroso, ma ha bisogno di contesto.
Non significa che il 74% di tutti gli agenti IA abbia fallito o che la maggior parte delle aziende abbia abbandonato l’IA. Significa che molte organizzazioni hanno riscontrato problemi in almeno un’implementazione e hanno deciso di fermarla, riprogettarla o sostituirla.
Il dato resta importante.
Il customer service doveva essere una delle aree più facili da automatizzare. Le conversazioni sono spesso ripetitive, le aziende possiedono già grandi database di risposte e il costo del supporto umano è significativo.
Eppure i clienti reali non fanno sempre domande prevedibili. Possono fornire informazioni incomplete, fraintendere le policy o trovarsi in situazioni che non compaiono negli esempi di addestramento.
Un agente IA può anche fare promesse che l’azienda non può mantenere, divulgare informazioni private o fraintendere ripetutamente un cliente già frustrato.
Questi fallimenti non dimostrano che il customer service non verrà mai automatizzato. Mostrano che un’automazione affidabile richiede più test, supervisione e coinvolgimento umano di quanto molte aziende si aspettassero.
Il sostegno pubblico solleva domande scomode
Le aziende di IA hanno anche chiesto ai governi di sostenere gli investimenti in energia, produzione di semiconduttori e infrastrutture per data center.
Alcuni critici lo hanno descritto come una richiesta di salvataggio pubblico.
Questa descrizione è troppo semplicistica.
I governi usano regolarmente incentivi fiscali, garanzie sui prestiti, contratti di approvvigionamento e programmi infrastrutturali per sostenere settori che considerano strategicamente importanti.
L’industria dei semiconduttori, le energie rinnovabili, l’aviazione e i trasporti hanno tutti beneficiato di politiche simili.
La domanda più rilevante è chi si assume il rischio.
Se gli investitori privati incassano i profitti quando la domanda è forte, i contribuenti dovrebbero assorbire parte delle perdite se l’infrastruttura diventasse antieconomica?
L’IA potrebbe essere abbastanza strategica da giustificare investimenti pubblici. Questo non significa che ogni progetto privato debba essere protetto dal fallimento.
Le richieste di sostegno pubblico non sono la prova che l’industria dell’IA stia per crollare. Suggeriscono però che l’espansione pianificata potrebbe essere troppo grande per essere finanziata comodamente solo con capitale privato.
Il paragone con la dot-com ha senso
Il confronto più utile è probabilmente il boom di internet degli anni ’90.
Gli investitori avevano ragione sul fatto che internet avrebbe trasformato business e società. Spesso avevano torto su quanto rapidamente sarebbero arrivati i profitti, quali aziende sarebbero sopravvissute e quanto valessero quelle aziende.
Il risultato fu una bolla finanziaria costruita attorno a una tecnologia davvero rivoluzionaria.
L’IA potrebbe seguire un percorso simile.
La tecnologia potrebbe migliorare la produttività, creare nuovi prodotti e diventare parte del lavoro quotidiano. Allo stesso tempo, molte aziende di IA potrebbero essere drammaticamente sopravvalutate. Alcuni fornitori potrebbero scomparire. I prezzi dei modelli potrebbero scendere. I data center potrebbero essere venduti sotto il costo di costruzione. Gli investitori potrebbero scoprire che i profitti maggiori vengono catturati da aziende che non erano considerate i vincitori più ovvi durante il boom.
Un crollo delle valutazioni non dimostrerebbe che l’IA ha fallito.
Mostrerebbe che gli investitori hanno pagato troppo per profitti attesi che non erano ancora arrivati.
Quindi, l’IA è una bolla?
Parti del mercato mostrano quasi certamente un comportamento da bolla.
Le valutazioni sono estremamente alte. La spesa per infrastrutture cresce più rapidamente della domanda dimostrata. Le aziende stanno impegnando capitale sulla base di previsioni ottimistiche su adozione, produttività e prezzi futuri.
Anche la concorrenza sta diventando più intensa. I modelli cinesi, le alternative open-weight e i sistemi locali stanno rendendo l’IA più economica, il che è positivo per gli utenti ma potenzialmente negativo per i margini di profitto degli sviluppatori di modelli.
Allo stesso tempo, l’argomento secondo cui il settore avrebbe già preso in prestito diverse migliaia di miliardi di dollari e debba sostituire 10 milioni di lavoratori ogni anno non è supportato dalle evidenze disponibili.
La tesi più solida è meno drammatica.
Le aziende di IA e i loro partner stanno spendendo somme straordinarie oggi. Per giustificare questi investimenti, serviranno ricavi molto più elevati, un’adozione molto più ampia e guadagni di produttività molto più chiari di quelli che possiamo osservare attualmente.
Potrebbero riuscirci.
Potrebbero anche scoprire che l’IA cambia il mondo producendo però rendimenti deludenti per molti degli investitori che l’hanno finanziata.
Questi due esiti non sono in contraddizione.
Internet ha trasformato quasi ogni settore. Questo non ha impedito agli investitori di perdere miliardi durante il crollo dot-com.
L’IA non deve essere una frode perché una bolla dell’IA scoppi. Deve solo essere prezzata come se nulla potesse andare storto.
Questo articolo ha solo scopo informativo e non costituisce consulenza in materia di investimenti.