Gli investimenti nell'AI stanno trainando la crescita, ma espongono rischi economici

TD Securities ha individuato un netto squilibrio economico: nel 2025, i progetti legati all'AI hanno prodotto quasi tre quarti della crescita degli investimenti delle imprese statunitensi. Il titolo di Google News coglie il boom, ma non la dipendenza che si sta formando al di sotto. L'AI ha rappresentato circa l'8% delle spese in conto capitale, generando però una quota sproporzionata della loro crescita.

Questa differenza cambia il dibattito economico. La spesa per data center, chip, impianti energetici, software e ricerca sostiene oggi la crescita prima che l'AI produca ampi guadagni di produttività. L'economia riceve prima gli investimenti, mentre il ritorno operativo resta incerto.

Il conflitto centrale è quindi tra crescita trainata dagli investimenti e crescita trainata dalla produttività. Alphabet, Amazon, Meta, Microsoft e altre grandi aziende tecnologiche possono mantenere in funzione il primo motore attraverso le spese in conto capitale. Il secondo motore richiede che migliaia di imprese ordinarie riorganizzino il lavoro intorno all'AI e producano risultati misurabili.

Cosa non dice il titolo di Google News

TD Securities sta descrivendo un'economia sempre più dipendente da un unico e ristretto ciclo di investimenti, non semplicemente un altro anno positivo per la spesa tecnologica.

TD Economics stima che nel 2025 gli investimenti legati all'AI abbiano contribuito per circa 137 miliardi di dollari oltre la tendenza precedente al boom. La sua analisi combina la spesa in attrezzature, strutture, software e ricerca connessa alla costruzione dell'infrastruttura AI.

Data center e impianti per semiconduttori hanno rappresentato insieme 125 miliardi di dollari di investimenti in quell'anno. Secondo la metodologia di TD, software e ricerca hanno aggiunto una spesa legata all'AI stimata in 68 miliardi di dollari.

La concentrazione risultante è la conclusione più importante nelle prospettive sugli investimenti delle imprese. Le attività legate all'AI hanno generato quasi tre quarti della crescita degli investimenti aziendali, pur rappresentando approssimativamente l'8% del totale delle spese in conto capitale.

Questo schema conta perché la spesa al di fuori del comparto AI è rimasta debole. Secondo la valutazione di TD, nel 2025 si è espanso meno di un terzo delle oltre 50 categorie di investimento.

Al di fuori della pandemia, questa ampiezza è stata la più debole dal 2010. Il confronto non significa che l'economia sia tornata alle condizioni successive alla crisi finanziaria. Mostra quanto poco sostegno l'espansione degli investimenti abbia ricevuto da settori non correlati.

L'incertezza commerciale e gli elevati costi di finanziamento offrono una parte della spiegazione. Le imprese sensibili ai tassi d'interesse hanno affrontato condizioni di finanziamento più rigide, mentre le grandi aziende tecnologiche hanno continuato a finanziare i data center grazie a consistenti flussi di cassa.

Lo squilibrio genera due letture molto diverse degli stessi dati. Una sostiene che le aziende private stiano costruendo l'infrastruttura per un importante avanzamento della produttività. L'altra sostiene che la crescita evidenziata dai titoli sia diventata insolitamente esposta alla prosecuzione della spesa di un ristretto gruppo di imprese.

Per un certo periodo, entrambe le letture possono essere vere. La costruzione crea domanda, gli ordini di attrezzature sostengono la manifattura e lo sviluppo software è conteggiato come investimento. Questi effetti emergono prima che le imprese dimostrino che l'AI può aumentare la produzione nell'intera economia.

La storia originale richiede anche una distinzione di denominazione. TD Securities è l'attività nei mercati dei capitali all'interno di TD, mentre le stime dettagliate provengono dalla ricerca di TD Economics. Trattare il titolo come un'unica previsione aziendale offuscherebbe questa distinzione.

Ciò che è cambiato non è soltanto l'entusiasmo degli investitori. L'infrastruttura AI è diventata abbastanza grande da influenzare le statistiche nazionali sugli investimenti, le catene di fornitura industriali, la pianificazione elettrica e le aspettative di crescita economica.

Gli investimenti nell'AI sostengono una quota maggiore dell'economia

Il beneficio economico immediato deriva dalla costruzione della capacità AI, mentre il beneficio duraturo dipende da ciò che le aziende faranno infine con tale capacità.

Un data center attiva una lunga catena di fornitura. Gli sviluppatori hanno bisogno di terreni, manodopera edile, apparecchiature elettriche, sistemi di raffreddamento, server, hardware di rete, storage, chip e connessioni alla rete elettrica.

Questi acquisti aumentano gli investimenti durante la fase di realizzazione. Sostengono inoltre i ricavi di produttori di semiconduttori, utility, società di ingegneria, provider cloud e fornitori di attrezzature.

Il Bureau of Economic Analysis spiega questo rapporto attraverso capitale, lavoro, energia, materiali e servizi. Il suo quadro di contabilità della crescita traccia il modo in cui questi input contribuiscono alla produzione settoriale e alla crescita nazionale.

Il capitale del settore dell'informazione è stato tra i principali contributori alla crescita reale del PIL statunitense tra il 2021 e il 2024. Questo risultato è coerente con una spesa consistente per l'AI e i servizi correlati.

Tuttavia, le statistiche ufficiali non contengono una categoria distinta chiamata investimenti nell'AI. Il software AI attraversa più settori e gli acquisti di computer includono attrezzature non legate al machine learning.

La Federal Reserve affronta lo stesso problema di misurazione. La sua analisi sulla realizzazione dell'infrastruttura AI del luglio 2026 combina software, apparecchiature informatiche, data center e infrastrutture elettriche per approssimare il contributo dell'AI.

Quell'analisi ha rilevato contributi significativi alla crescita trimestrale del PIL dal 2025 fino al primo trimestre del 2026. Software e apparecchiature informatiche hanno fornito le componenti positive più rilevanti.

Tuttavia, le importazioni complicano il calcolo. Un'azienda può effettuare un importante investimento nazionale acquistando al contempo gran parte del proprio hardware informatico da fornitori esteri.

L'acquisto aumenta gli investimenti in attrezzature, ma l'importazione compensa una parte del suo contributo diretto al PIL. Ciò spiega perché la spesa in conto capitale e la crescita economica interna possono muoversi di entità diverse.

Il divario di misurazione va anche nella direzione opposta. La contabilità degli investimenti cattura più facilmente costruzioni e attrezzature rispetto ai miglioramenti a valle nel processo decisionale, nella qualità dei prodotti o nella produttività dei lavoratori.

Un team di assistenza clienti che utilizza l'AI per risolvere i casi più rapidamente potrebbe creare più valore senza acquistare un nuovo server. Un team software potrebbe rilasciare più funzionalità con lo stesso organico.

Questi guadagni contano economicamente, ma isolare il contributo dell'AI da altri cambiamenti resta difficile. Le imprese differiscono anche nel modo in cui misurano il tempo risparmiato, i tassi di errore, la qualità dell'output e il lavoro sostituito.

Il ciclo attuale ha quindi un lato visibile e uno incerto. Il lato visibile comprende gru, chip, sottostazioni e budget di capitale. Quello incerto comprende l'adozione organizzativa e una produttività sostenuta.

Per questo il taglio di Google News merita attenzione critica. Un boom della spesa che sta già modellando il PIL non dimostra che l'AI abbia trasformato la produzione nell'intera economia.

La spesa delle Big Tech mette sotto pressione il resto delle imprese

L'economia degli investimenti nell'AI premia le aziende che possono finanziare subito l'infrastruttura, mettendo al contempo sotto pressione le imprese più piccole affinché giustifichino l'adozione senza risorse comparabili.

I maggiori gruppi tecnologici sono entrati nel ciclo con liquidità, attività cloud, clienti consolidati e accesso ai mercati globali dei capitali. Questi vantaggi hanno permesso agli investimenti di proseguire nonostante tassi d'interesse più elevati.

La ricerca di TD stima che la spesa trimestrale in conto capitale dei principali hyperscaler sia passata da circa 40 miliardi di dollari nel 2023 a circa 130 miliardi nel 2025. Gli hyperscaler gestiscono piattaforme informatiche abbastanza grandi da servire un'ampia domanda dei clienti.

Questa spesa sostiene la domanda di chip avanzati e capacità dei data center. Alza inoltre la soglia competitiva per le aziende che sviluppano modelli, servizi cloud e applicazioni AI.

Uno sviluppatore più piccolo non ha bisogno di costruire un data center. Tuttavia, dipende di solito dall'infrastruttura controllata da provider più grandi e paga il computing man mano che l'utilizzo cresce.

Gli acquirenti aziendali affrontano un'altra pressione. I dirigenti hanno sentito dire che l'AI aumenterà la produttività, ma molti non dispongono ancora di processi affidabili per valutare la qualità dell'output e i rendimenti economici.

Acquistare l'accesso a un modello è solo un primo passo. Le aziende devono collegare i dati, ridisegnare i flussi di lavoro, stabilire regole di revisione, formare i dipendenti e decidere dove resti necessario l'approvazione umana.

Questi investimenti complementari compaiono raramente in una dimostrazione del prodotto. Determinano se l'AI diventa infrastruttura operativa o rimane un abbonamento sottoutilizzato.

La ricerca di TD sulla produttività canadese chiarisce bene questa distinzione. La sua valutazione della produttività afferma che i primi guadagni negli Stati Uniti riflettono principalmente l'intensificazione del capitale piuttosto che un'ampia trasformazione organizzativa.

L'intensificazione del capitale si verifica quando i lavoratori ricevono attrezzature più numerose o migliori. Può aumentare l'output misurato, ma differisce dalla riorganizzazione della produzione attorno a una nuova tecnologia di uso generale.

Gli investimenti reali statunitensi in apparecchiature per l'elaborazione delle informazioni sono aumentati di circa il 28% su base annua nel quarto trimestre del 2025. Gli investimenti in computer e periferiche sono cresciuti di circa il 72%.

Secondo i dati citati da TD, anche l'avvio della costruzione di data center negli Stati Uniti è aumentato di circa il 190% nel 2025. Questi numeri mostrano un'espansione straordinaria della capacità.

Non dimostrano che un ospedale abbia ridotto i ritardi amministrativi o che un produttore abbia migliorato il proprio tasso di difetti. Questi risultati dipendono dall'implementazione all'interno di ogni organizzazione.

Un'indagine citata da TD ha coinvolto circa 6.000 dirigenti negli Stati Uniti, nel Regno Unito, in Germania e in Australia. Ha rilevato un'adozione diffusa, ma limitati miglioramenti della produttività realizzati e attribuibili all'AI.

Questo divario mette sotto pressione anche i fornitori tecnologici. Devono portare i clienti dalla sperimentazione a un'implementazione ripetibile, controllando al contempo errori, esposizione alla sicurezza e costi di supervisione.

Per i lavoratori della conoscenza, la lezione è pratica. Modelli migliori aiutano, ma un valore affidabile dipende spesso dall'organizzazione delle informazioni fornite a tali modelli.

Una base di conoscenza AI ben mantenuta può ridurre il tempo dedicato alla ricerca del contesto di progetto. Il suo valore aziendale dipende comunque da accuratezza, controlli di accesso e utilizzo coerente.

La risposta imposta è diversa per ciascun partecipante. Le grandi aziende tecnologiche devono mantenere elevato l'utilizzo dell'infrastruttura. Gli acquirenti aziendali devono dimostrare i rendimenti, mentre i fornitori più piccoli devono creare prodotti differenziati su capacità di calcolo in affitto.

Questa pressione persisterà oltre l'attuale ciclo di spesa. L'infrastruttura può essere finanziata e costruita relativamente in fretta, ma il cambiamento organizzativo passa attraverso budget, politiche e comportamenti dei dipendenti.

Il meccanismo va dai data center alla produttività

La spesa per l'AI diventa crescita economica duratura solo quando l'infrastruttura sostiene un computing più economico, un'adozione più ampia e una maggiore produzione in molti settori.

Il ciclo inizia con la domanda attesa. Le aziende tecnologiche prevedono un maggiore utilizzo di addestramento e inferenza, ovvero l'esecuzione di un modello AI dopo il suo addestramento.

Rispondono ordinando chip, costruendo strutture e assicurandosi l'elettricità. I fornitori espandono la capacità quando tali ordini appaiono abbastanza duraturi da giustificare i loro stessi investimenti.

Una maggiore capacità può ridurre nel tempo il costo del computing. Costi più bassi consentono agli sviluppatori di aggiungere funzionalità AI e permettono alle imprese di eseguire più attività in modo economicamente sostenibile.

Una più ampia adozione crea quindi opportunità di guadagni di produttività. I lavoratori possono accelerare la ricerca, riassumere documenti, generare bozze, analizzare dati o automatizzare porzioni ben definite di un processo.

Tuttavia, ogni anello di questo meccanismo può indebolirsi. I ritardi della rete elettrica possono lasciare gli edifici incompiuti o impedire alle strutture completate di raggiungere la piena operatività.

Le carenze di chip possono aumentare i costi e prolungare i tempi di consegna. TD ha osservato che i prezzi dei semiconduttori hanno accelerato nella seconda metà del 2025, quando la domanda si è scontrata con un'offerta limitata.

L'economia del software introduce un'altra incertezza. Costi di calcolo più bassi non garantiscono applicazioni redditizie se i clienti resistono a una spesa maggiore o richiedono un'ampia verifica umana.

L'ultimo passaggio, la trasformazione organizzativa, è il più difficile. Le precedenti tecnologie di uso generale hanno richiesto investimenti complementari in competenze, gestione, infrastrutture e processi riprogettati.

L'elettricità non trasformò immediatamente la produttività delle fabbriche quando le imprese collegarono per la prima volta i motori. Molti guadagni arrivarono dopo che i manager riprogettarono la produzione attorno alla distribuzione dell'energia elettrica.

I computer seguirono un percorso simile. Le aziende acquistarono hardware prima di imparare a ristrutturare i flussi informativi, le catene di approvvigionamento e il lavoro amministrativo.

L'AI presenta lo stesso problema di tempistica, ma con ulteriori preoccupazioni sull'affidabilità. Un modello può generare un testo fluido che contiene fatti errati, contesto mancante o raccomandazioni non sicure.

Questo crea quella che gli economisti spesso chiamano una curva della produttività a J. La produttività misurata può inizialmente deludere mentre le organizzazioni investono in asset immateriali e riprogettano il lavoro.

Il beneficio successivo emerge solo se tali cambiamenti producono più output dei loro costi continuativi. Formazione, governance, preparazione dei dati e revisione umana rientrano tutti in questo calcolo.

Il meccanismo distribuisce inoltre i benefici in modo diseguale. I mercati delle costruzioni vicini ai grandi poli di data center ricevono investimenti diretti, mentre altre regioni registrano pochi guadagni immediati.

I lavoratori nei settori adiacenti all'AI possono beneficiare di una domanda più elevata. Altri dipendenti affrontano cambiamenti nei flussi di lavoro o incertezza sul fatto che i datori di lavoro automatizzeranno parti delle loro mansioni.

Il risultato è un'economia scandita da due orologi. L'orologio delle infrastrutture procede attraverso budget di capitale annunciati e programmi di costruzione.

L'orologio della produttività procede attraverso sperimentazione, fiducia, riprogettazione dei processi e risultati misurati. Non accelera automaticamente perché apre un altro data center.

Questa distinzione rende più utili i dati sull'economia degli investimenti nell'AI. Separa il denaro speso per creare capacità dal valore prodotto attraverso un utilizzo continuativo.

Se l'utilizzo aumenta e i risultati aziendali migliorano, le costruzioni di oggi diventano la base della crescita a lungo termine. Se l'adozione ristagna, la stessa infrastruttura diventa capacità in eccesso con costosi requisiti operativi.

Cosa i numeri sugli investimenti non possono ancora dimostrare

Le prove più solide supportano un ampio ciclo di costruzioni legato all'AI, ma non dimostrano ancora una diffusa trasformazione della produttività né rendimenti adeguati sugli investimenti.

La prima incertezza è definitoria. I conti pubblici non isolano l'AI, quindi gli analisti elaborano stime a partire da categorie che includono attività sia legate sia non legate all'AI.

Computer e apparecchiature periferiche includono i normali dispositivi da ufficio. Le infrastrutture elettriche servono abitazioni, fabbriche, trasporti e servizi dati convenzionali, oltre alle strutture AI.

La Fed avverte che estrapolare una base di riferimento precedente al 2023 diventa meno affidabile man mano che tendenze non correlate influenzano le stesse categorie. Ogni stima dipende quindi da ipotesi di inclusione e attribuzione.

La seconda incertezza riguarda la concentrazione. Un'espansione degli investimenti guidata da un numero ristretto di aziende ricche di liquidità può restare forte, ma ha una portata limitata.

TD ha rilevato che nel 2025 è cresciuto meno di un terzo delle categorie di investimenti aziendali. Questo rende gli investimenti aggregati più sensibili alle decisioni di budget degli hyperscaler.

La terza incertezza è la monetizzazione. Gli operatori delle infrastrutture necessitano di una domanda pagante sufficiente a coprire chip, energia, raffreddamento, manutenzione, networking e finanziamento.

L'entusiasmo dei consumatori non produce necessariamente ricavi aziendali. Prima di ampliare le implementazioni, i clienti business valutano sicurezza, accuratezza, costi di integrazione e rendimenti misurabili.

La quarta incertezza riguarda i mercati finanziari. Valutazioni tecnologiche più elevate possono sostenere i consumi attraverso la ricchezza delle famiglie, ma il calo dei prezzi può invertire questo canale.

TD ha modellato questo rischio nella sua analisi dello stress di mercato. Una correzione ipotetica del 30% dell'S&P 500 ridurrebbe la crescita annua di oltre un punto percentuale secondo le sue ipotesi.

Lo stesso scenario porterebbe la disoccupazione oltre il 5% entro la fine dell'anno. TD ha descritto un aggiustamento di tale portata come un rischio di coda, non come la sua previsione centrale.

Una correzione del 10% ha prodotto effetti molto più contenuti nel modello. Questo contrasto mostra perché l'entità di un eventuale ricalibramento dei prezzi conta più della semplice comparsa di volatilità di mercato.

TD ha inoltre identificato il finanziamento circolare e una maggiore dipendenza dal debito come potenziali vulnerabilità. Gli accordi circolari si verificano quando i partecipanti finanziano clienti o partner che acquistano i loro prodotti.

Tali accordi possono accelerare la realizzazione delle infrastrutture. Possono anche oscurare la domanda indipendente quando capitale, contratti di calcolo e ricavi dei fornitori si muovono all'interno della stessa rete commerciale.

L'energia rappresenta un altro vincolo. La capacità globale dei data center richiede generazione, trasmissione, sottostazioni e lunghi processi di connessione.

TD stima che la domanda globale di energia installata dei data center sia passata da circa 60 gigawatt nel 2020 a circa 100 gigawatt nel 2024. Stati Uniti e Cina hanno guidato questa espansione.

Il suo rapporto sui vincoli della rete sostiene che le regioni debbano connettere i progetti senza trasferire costi irragionevoli sui normali clienti dell'elettricità.

Questo problema può trasformare gli investimenti in un conflitto politico. Le comunità valutano le entrate fiscali e il lavoro nelle costruzioni rispetto all'uso del suolo, al consumo d'acqua, agli ammodernamenti della trasmissione e alle bollette elettriche.

Nessuno di questi rischi invalida la tesi degli investimenti nell'AI. Definiscono le condizioni necessarie affinché la tesi abbia successo.

Le prove supportano una forte domanda di infrastrutture e effetti significativi sugli investimenti aziendali. Le affermazioni sulla produttività dell'intera economia richiedono evidenze operative più dirette.

I lettori dovrebbero quindi distinguere tre affermazioni. La spesa per l'AI è elevata, la spesa per l'AI sostiene la crescita e l'adozione dell'AI ha trasformato la produttività sono affermazioni distinte.

Le prime due dispongono di prove sostanziali. La terza resta una verifica aperta che non può essere risolta attraverso i totali delle spese in conto capitale.

Tre segnali che decideranno cosa accadrà dopo

La prossima fase sarà giudicata in base all'ampiezza degli investimenti, all'utilizzo delle infrastrutture e ai guadagni di produttività verificati, non solo da annunci di spesa più elevati.

Il primo segnale è l'ampiezza degli investimenti aziendali. Gli analisti dovrebbero osservare se iniziano a espandersi più categorie di attrezzature, strutture e proprietà intellettuale non legate all'AI.

Una crescita più diffusa rafforzerebbe la visione di TD secondo cui l'economia può andare oltre una realizzazione concentrata. Una persistente debolezza mostrerebbe che l'AI rimane un sostegno insolitamente isolato.

Questa misura fornisce anche contesto per i futuri titoli di Google News sulla spesa in conto capitale. Un totale in crescita appare più sano quando la partecipazione si estende oltre alcune aziende tecnologiche.

Il secondo segnale è il rapporto tra costruzione di data center, ordini di apparecchiature, connessioni elettriche e utilizzo effettivo. Queste misure tracciano fasi diverse dello stesso ciclo infrastrutturale.

Il proseguimento delle costruzioni accompagnato dalla produzione di semiconduttori e da una domanda attiva di calcolo sosterrebbe la tesi degli investimenti. Le costruzioni senza utilizzo aumenterebbero il rischio di capacità in eccesso.

L'accesso alla rete elettrica rientra in questo segnale perché una struttura pianificata non diventa produttiva semplicemente quando iniziano i lavori. Connessioni ritardate possono bloccare il capitale e distorcere la capacità annunciata.

La Fed raccomanda specificamente di confrontare le costruzioni fisiche con le apparecchiature di calcolo e la produzione di semiconduttori. Le divergenze possono rivelare vincoli di offerta o un cambiamento nella composizione della spesa.

Il terzo segnale è la produttività verificata al di fuori del settore tecnologico. Le aziende dovrebbero segnalare miglioramenti di output, qualità, tempi di ciclo o costi che resistano al normale esame operativo.

Un rivenditore che riduce i tempi della pianificazione delle scorte, un ospedale che diminuisce il lavoro amministrativo o un produttore che migliora la manutenzione possono fornire prove più solide delle sole indagini sull'adozione.

La misurazione deve includere i costi di implementazione. Il tempo risparmiato dai dipendenti ha un valore limitato quando le organizzazioni non riescono a reindirizzarlo verso maggiore output o un servizio migliore.

Questo terzo segnale decide se l'AI diventerà una tecnologia di uso generale nell'intera economia. Determina inoltre se i proprietari delle infrastrutture riceveranno una domanda sostenuta dopo la fase iniziale di realizzazione.

La sfida per gli sviluppatori è creare sistemi che funzionino in modo affidabile entro i vincoli reali delle aziende. Accuratezza, sicurezza, integrazione e supervisione umana conteranno insieme alle capacità dei modelli.

Gli acquirenti enterprise dovrebbero richiedere valori di riferimento prima dell'implementazione. Devono sapere quale indicatore cambierà, come sarà verificato e quali nuovi costi accompagneranno il miglioramento.

I knowledge worker possono applicare la stessa disciplina su scala più piccola. Monitorate se un flusso di lavoro AI riduce il tempo di recupero delle informazioni, migliora la completezza o accelera una consegna ricorrente.

Gli investitori affrontano una versione più ampia di questa verifica. Devono separare i ricavi sostenuti dal continuo dispiegamento di capitale dai ricavi sostenuti da una domanda redditizia degli utenti finali.

TD Securities ha contribuito a spostare il dibattito economico dalla performance dei modelli all'allocazione del capitale. Questo cambiamento è prezioso perché gli investimenti ora influenzano crescita, mercati dell'energia, catene di approvvigionamento e rischio finanziario.

La domanda non è più se l'AI attragga una spesa sostanziale. È se tale spesa crei capacità produttiva che le aziende utilizzeranno a ritmi sostenibili.

Osservate insieme i prossimi rapporti sugli investimenti, le comunicazioni sull'utilizzo delle infrastrutture e le prove della produttività aziendale. Se tutti e tre migliorano, l'attuale concentrazione diventa una fase iniziale anziché una debolezza strutturale.

Se aumenta solo la spesa, la narrazione di Google News resterà incompleta. I lettori dovrebbero chiedersi quali settori stiano producendo di più, chi catturi i guadagni e se tali guadagni sopravvivano alla fase di costruzione.