Justin Streeter, Analista e Gestore Azionario USA di Comgest

Il dibattito sull’impatto dei Large Language Models

L’anno in corso ha segnato una svolta per i Large Language Models (LLM): ChatGPT ha confutato il “problema della distanza unitaria planare”, una congettura matematica risalente a 80 anni fa del matematico Paul Erdős. Questo traguardo dimostra l’ingresso delle macchine in campi storicamente considerati off-limits, riaccendendo il dibattito sul futuro dell’intelligenza artificiale (IA), diviso oggi tra due visioni contrapposte.

Da un lato vi sono i “boomer” dell’IA, convinti che la tecnologia sarà assolutamente rivoluzionaria e che i benefici si concentreranno nelle mani di pochi dominanti hyperscaler. Dall’altro lato si schierano i “doomer”, i quali ritengono che l’attuale modello di business sia guidato da un eccesso di entusiasmo, evidenziando come nodi cruciali quali le “allucinazioni” rimangano irrisolti.

Questi scettici non prevedono tanto una crisi occupazionale, quanto un collasso degli investimenti finanziari a supporto del settore. Il mercato oscilla continuamente tra queste due visioni.

Sebbene i rialzisti abbiano recentemente recuperato terreno, all’inizio del 2026 erano i pessimisti ad avere il sopravvento. Entrambe le narrative, tuttavia, trascurano l’esito più probabile: una via di mezzo caratterizzata da un’implementazione graduale dell’IA come strumento commerciale diffuso, a vantaggio di numerose aziende in molti settori anziché di poche mega-cap.

Perché la tesi dei rialzisti potrebbe rivelarsi errata

La storia economica smentisce spesso le previsioni di totale monopolizzazione. Tesi analoghe avevano ipotizzato che Amazon avrebbe azzerato il commercio al dettaglio, che il fintech avrebbe sostituito le banche o che i database open source avrebbero soppiantato Oracle. Nessuno di questi scenari si è avverato, dimostrando che l’adozione tecnologica raramente converge su un’unica piattaforma dominante. Le grandi aziende preferiscono investire in soluzioni su misura, sfruttando dati proprietari, modelli privati e alternative open source.

Inoltre, per la maggior parte delle attività aziendali quotidiane non serve una tecnologia di frontiera; un modello “sufficientemente valido” e integrato nei flussi di lavoro esistenti si rivelerà adeguato, lasciando spazio a una pluralità di fornitori. A ciò si aggiunge l’inerzia aziendale: la creazione e l’integrazione di nuovi sistemi sono processi lenti, costosi e basati sulla fiducia tra cliente e fornitore. Di conseguenza, i piccoli operatori non spariranno dall’oggi al domani, ma avranno il tempo di adattarsi valorizzando le relazioni già consolidate.

Esistono poi barriere strutturali concrete alla crescita illimitata dell’IA. L’elevato fabbisogno energetico dei data center, i costi crescenti della memoria e la carenza di personale specializzato rappresentano ostacoli rilevanti. Emblematico è il caso di Uber, che ha esaurito l’intero budget per l’IA già nel primo trimestre del 2026 e si trova ora costretta a limitare la spesa per utente.

Ulteriori rallentamenti derivano dalle preoccupazioni sulla privacy, dai limiti di liquidità dei fornitori e dalla complessità applicativa. Infine, i rialzisti sottovalutano la risposta normativa: se l’adozione dell’IA dovesse causare forte disoccupazione e contrarre la spesa dei consumatori (che rappresenta il 70% del PIL statunitense), i governi interverrebbero con riforme stringenti per limitarne l’espansione. La vecchia regola del venture capital ricorda che un prodotto deve essere dieci volte migliore dello standard esistente per scalzare un leader di mercato; questo suggerisce che i tempi di adozione saranno molto più moderati del previsto.

Le indicazioni del mercato e la via di mezzo

L’attuale andamento del mercato riflette questa incertezza sul lungo termine. Gli investitori stanno premiando i flussi di cassa immediati – come i chip di memoria e gli utili a breve termine – rispetto alle valutazioni basate sul valore futuro. Il modello di software in abbonamento (SaaS), un tempo sinonimo di ricavi ricorrenti e valutazioni elevate, ha subito un forte ridimensionamento. Il mercato è oggi dominato dal momentum e dalla speculazione a breve termine, dinamiche amplificate dal trading al dettaglio e dalle opzioni. Solo quando gli aspetti economici dell’IA saranno più chiari, il mercato tornerà a premiare la crescita strutturale degli utili di alta qualità.

In conclusione, l’IA è una tecnologia innegabilmente rivoluzionaria, ma non guiderà necessariamente verso una distruzione degli operatori storici o una totale concentrazione del mercato. L’adozione sarà differenziata: le aziende consolidate capaci di sfruttare rapidamente l’IA per migliorare efficienza ed esperienza del cliente otterranno un vantaggio competitivo, mentre le altre rimarranno indietro. Per gli investitori a lungo termine, la strategia vincente non consiste nel puntare indistintamente sugli hyperscaler, bensì nell’adottare un approccio bottom-up, individuando quali aziende quality growth siano meglio posizionate per estrarre valore da questa transizione.