Accedi a tutte le piattaforme da un solo conto
L'AI frena: quali sono le implicazioni per gli investitori?
Azioni 5 minutes to read
Punti chiave
- Un rallentamento nello sviluppo dell'IA più avanzata potrebbe ridisegnare la spesa del settore, spostando l'attenzione dall'addestramento di modelli sempre più grandi alla distribuzione, alla sicurezza e all'utilizzo dei modelli già esistenti.
- L’hardware resta il segmento più esposto. Molte valutazioni presuppongono infatti che la domanda di capacità computazionale continui a crescere a ritmi sostenuti.
- Requisiti di sicurezza più rigorosi potrebbero favorire gli operatori già affermati aumentando le barriere all'ingresso e il costo necessario per competere.
Negli ultimi anni, la corsa all'intelligenza artificiale è stata guidata da una logica semplice: modelli sempre più grandi, maggiore capacità di calcolo e cicli di sviluppo sempre più rapidi. Oggi, però, alcune delle stesse figure che hanno contribuito ad accelerare questa trasformazione iniziano a sostenere la necessità di procedere con maggiore cautela.
Dario Amodei, CEO di Anthropic, propone di rallentare il ritmo dei progressi nell'IA di frontiera per consentire ai sistemi di sicurezza di tenere il passo con i progressi dell'IA. Allo stesso modo, Jakub Pachocki, Chief Scientist di OpenAI, sostiene che nessun laboratorio abbia ancora risolto in modo soddisfacente le sfide legate alla sicurezza da poter continuare a scalare indefinitamente alla massima velocità.
La domanda più immediata è se questo possa mettere a rischio il boom dell'intelligenza artificiale. Una lettura più interessante è che potrebbe non ridurre la spesa complessiva, ma modificarne la destinazione.
Modelli più lenti, non un’IA più lenta
La distinzione chiave è tra lo sviluppo della prossima generazione di modelli di frontiera e l’utilizzo di quelli già disponibili.
Amodei non propone di fermare lo sviluppo dell’IA. Il concetto di "pacing" consiste nel concedere più tempo a test, monitoraggio e misure di sicurezza prima di compiere un ulteriore salto di capacità. OpenAI stessa ha già rallentato temporaneamente il ritmo di sviluppo quando un modello in fase di rilascio si è avvicinato a capacità considerate sensibili in ambito cybersecurity.
Questo aspetto è importante perché la spesa legata all’IA va ben oltre l’addestramento dei modelli. Le aziende hanno bisogno di capacità di calcolo per eseguire i modelli in produzione (inferenza), di software per integrarli nei processi aziendali, di strumenti di cybersecurity per governarli, di infrastrutture dati per alimentarli e di applicazioni in grado di trasformare queste capacità in valore economico.
In termini semplificati, il focus della catena del valore potrebbe spostarsi da:
addestramento → inferenza → applicazioni → sicurezza → distribuzione
Un rallentamento nella prima fase non implica necessariamente un rallentamento di tutte quelle successive. Anzi, molte imprese stanno appena iniziando a tradurre in risultati concreti le capacità già disponibili. La domanda d’investimento potrebbe quindi evolvere da “quanto rapidamente possiamo costruire un modello più intelligente?” a “quanto valore economico possiamo estrarre dai modelli che già esistono?”. Per gli investitori, questa è probabilmente la domanda più importante.
La tesi “picconi e pale” alla prova
La prima fase del boom dell’IA ha premiato le aziende che forniscono risorse di calcolo considerate scarse e strategiche: GPU, memorie avanzate, networking, data center ed energia. Il tutto sostenuto dall'idea che l'IA di frontiera avrebbe richiesto quantità sempre maggiori di capacità computazionale.
Un rallentamento nello sviluppo dei modelli più avanzati mette però alla prova la versione più semplice di questa narrativa. Se la prossima generazione di modelli dovesse arrivare più tardi del previsto, alcuni progetti di espansione della capacità di calcolo destinata all'addestramento potrebbero essere rinviati. Si tratta di un aspetto rilevante per le aziende le cui prospettive di crescita presuppongono un'accelerazione quasi automatica della spesa in conto capitale.
Ma domanda di addestramento e domanda di IA non sono la stessa cosa. I modelli già esistenti continuano infatti a richiedere ingenti risorse computazionali ogni volta che vengono utilizzati. Agenti IA, adozione nelle imprese e applicazioni scientifiche potrebbero continuare ad alimentare la domanda di inferenza anche in uno scenario in cui i nuovi modelli di frontiera vengano rilasciati con minore frequenza.
Per questo motivo, la reazione dei mercati osservata lunedì appare più come un segnale di cautela che come un giudizio definitivo. Il settore hardware si trova ad affrontare nuove domande sul ritmo futuro della domanda, mentre software e cybersecurity potrebbero beneficiare di una maggiore attenzione se l'industria dedicherà più tempo all'implementazione, al monitoraggio e alla protezione dei sistemi già esistenti.
Gli investimenti nell'IA potrebbero quindi diventare meno dipendenti da un singolo collo di bottiglia e più distribuiti lungo l'intera catena del valore.
La sicurezza come vantaggio competitivo
C’è un’altra possibile conseguenza, meno intuitiva: rallentare lo sviluppo potrebbe sembrare un vincolo per OpenAI e Anthropic, ma potrebbe anche rafforzarne il vantaggio competitivo.
Se lo sviluppo dell’IA di frontiera richiede valutazioni di sicurezza sempre più rigorose, monitoraggio avanzato, infrastrutture protette e test approfonditi prima della distribuzione, i costi inevitabilmente aumentano.
OpenAI, Anthropic, Google e altri laboratori ben finanziati hanno probabilmente le risorse necessarie per sostenerli. Per operatori più piccoli, invece, il percorso potrebbe risultare molto più complesso. Si crea così una dinamica interessante: regole pensate per rendere l’IA più sicura potrebbero, allo stesso tempo, aumentare le barriere all’ingresso e consolidare la posizione degli attuali leader.
C’è poi il fattore Cina. I laboratori statunitensi possono scegliere di rallentare volontariamente il ritmo dello sviluppo, ma non possono garantire che i concorrenti internazionali adottino lo stesso approccio. Lo stesso Amodei riconosce questo aspetto, sostenendo che qualsiasi rallentamento debba tenere conto dell’equilibrio tecnologico tra Stati Uniti e Cina. Per questo motivo, l’ipotesi di una pausa globale e duratura appare difficile da immaginare.
La competizione strategica resta intensa e la pressione all’innovazione non scompare solo perché il dibattito sulla sicurezza è diventato più centrale.
I rischi sono su entrambi i fronti
È importante non trarre conclusioni affrettate dal sell-off di lunedì. I laboratori che sviluppano l'IA di frontiera stanno discutendo di rallentare il ritmo dei progressi, non di interrompere lo sviluppo dell'IA. OpenAI continua a perseguire l'obiettivo di costruire ricercatori IA automatizzati, mentre Anthropic sostiene che sistemi sempre più avanzati possano generare benefici economici e scientifici significativi.
Esiste però anche il rischio opposto. Se gli sforzi di autoregolamentazione dovessero fallire perché la concorrenza continua comunque a spingere sull'acceleratore, il risultato più plausibile del dibattito potrebbe essere un aumento delle attività di testing, supervisione e regolamentazione, senza un effettivo rallentamento della domanda di capacità computazionale.
Per gli investitori, i primi segnali da monitorare sono soprattutto concreti: eventuali ritardi nei principali programmi di addestramento, revisioni al ribasso dei piani di investimento degli hyperscaler, un rallentamento degli ordini di chip avanzati o, al contrario, segnali che la spesa stia spostandosi verso inferenza, software e sicurezza.
La bussola per gli investitori
- Distinguere tra addestramento e utilizzo. Un rallentamento nello sviluppo dell’IA di frontiera non implica necessariamente una minore domanda per tutte le componenti dell’ecosistema.
- Monitorare i piani di spesa. I budget degli hyperscaler rappresentano un indicatore più affidabile dei titoli generati da un singolo rinvio o annuncio.
- Seguire l'evoluzione dei ricavi. La crescita di inferenza e software può segnalare il passaggio dalla costruzione dell'infrastruttura alla monetizzazione delle applicazioni.
- Gestire il rischio di concentrazione. Un portafoglio esposto a una sola parte dello stack dell’IA diventa più vulnerabile quando cambiano le priorità di investimento del settore.
Dal “più grande” al “più redditizio”
Per anni, la corsa all’IA è stata giudicata sulla base di una domanda: chi riuscirà a costruire il modello più potente? Sempre più spesso, però, la domanda rilevante per investitori e imprese potrebbe diventare un’altra: chi sarà in grado di monetizzare meglio l’intelligenza già disponibile?
Un rallentamento nello sviluppo dell’IA di frontiera mette in discussione la versione più semplice della tesi d’investimento che ha alimentato il settore negli ultimi anni, secondo cui modelli sempre più grandi richiedono inevitabilmente sempre più chip, energia e data center. Ma questo non implica necessariamente un indebolimento dell’IA. Potrebbe invece segnare uno spostamento del valore dalla creazione dell’intelligenza alla sua distribuzione, protezione e monetizzazione. La prima fase della corsa era focalizzata sulla costruzione del cervello più potente.
La prossima potrebbe riguardare la capacità di trasformare quell’intelligenza in un modello di business sostenibile.