Perché il boom dell’AI non è come le altre bolle

Il 7 settembre 2026, il Washington Post ha proposto su Google News un’analisi più incisiva sulla bolla dell’AI, mettendo in discussione i rassicuranti parallelismi che gli investitori tracciano spesso con ferrovie ed elettricità. Il columnist finanziario Matthew Lynn sostiene che l’attuale espansione differisce in tre aspetti cruciali: concentrazione geografica, velocità straordinaria e potenziale effetto sull’occupazione qualificata.

Questa impostazione è importante perché la consueta analogia storica porta generalmente con sé un finale ottimistico. Ferrovie, reti elettriche e internet hanno attirato investimenti eccessivi, distrutto capitale e lasciato comunque alla società infrastrutture preziose. La rubrica di Lynn mette in dubbio che quella sequenza offra una rassicurazione significativa quando un solo Paese e poche aziende sostengono gran parte dell’esposizione.

La preoccupazione non riguarda più soltanto titoli tecnologici sopravvalutati. L’espansione coinvolge ora data center, sistemi elettrici, catene di fornitura dei semiconduttori, obbligazioni societarie, credito privato e contratti di capacità a lungo termine. Un arretramento si estenderebbe quindi ben oltre i laboratori di AI o gli azionisti di Nvidia.

La conclusione più solida non è che un crollo dell’AI sia diventato inevitabile. È che i confronti storici possono nascondere i meccanismi specifici che lo plasmerebbero. Il boom attuale combina infrastrutture utili con rendimenti incerti, finanziamenti concentrati, rapido deprezzamento dell’hardware e una transizione del lavoro ancora irrisolta.

Cosa cambia realmente nell’argomento sulla bolla dell’AI di Google News

La rubrica del Washington Post cambia il dibattito contestando la parte rassicurante dell’analogia storica, non l’esistenza di un boom degli investimenti.

Pubblicato il 7 settembre, l’argomento sulla bolla dell’AI riconosce che ferrovie, elettrificazione e i primi anni di internet offrono confronti pertinenti. Ciascuno ha attirato capitale speculativo intorno a una tecnologia che alla fine è diventata economicamente importante. Ciascuno ha inoltre prodotto perdite quando gli investimenti hanno superato la domanda di breve periodo.

Il disaccordo riguarda ciò che i lettori dovrebbero dedurre da quei precedenti. Un’interpretazione comune afferma che gli investitori possono perdere denaro mentre la società continua comunque a beneficiarne. Le compagnie ferroviarie fallite hanno lasciato i binari, e le aziende internet fallite hanno lasciato reti in fibra che in seguito hanno sostenuto servizi di valore.

Lynn sostiene che tre differenze rendano questo finale meno affidabile per l’AI. Innanzitutto, gran parte del rischio finanziario è concentrata negli Stati Uniti, sebbene la Cina resti un concorrente importante. Le precedenti ondate infrastrutturali distribuivano costruzione e finanziamento tra più Paesi.

In secondo luogo, l’espansione dell’AI ha accelerato in meno di cinque anni. Le reti ferroviarie ed elettriche si sono sviluppate nell’arco di decenni, concedendo a operatori, banche e governi più tempo per identificare modelli di business fragili. Oggi gli acquirenti spesso si impegnano per chip, energia, locazioni e costruzioni prima che la domanda diventi visibile.

In terzo luogo, l’AI generativa viene venduta anche come sostituto del lavoro cognitivo. Le precedenti ondate infrastrutturali hanno sostituito alcune occupazioni, ma hanno richiesto anche grandi forze lavoro per costruire e gestire reti fisiche. I fornitori di AI promettono invece software in grado di svolgere parti delle attività di scrittura, programmazione, analisi, assistenza clienti e amministrazione.

Queste differenze non dimostrano che l’infrastruttura dell’AI sia priva di valore duraturo. Individuano i punti in cui l’analogia smette di fornire prove. Una tecnologia utile può comunque produrre investimenti scadenti, e una rete durevole non garantisce che i suoi finanziatori originari ottengano rendimenti accettabili.

La rubrica sposta inoltre l’attenzione dai prezzi azionari alla struttura dell’espansione. Una bolla di mercato può sgonfiarsi senza disabilitare la tecnologia sottostante. Un ridimensionamento delle infrastrutture sostenuto dal debito può colpire imprese edili, utility, finanziatori privati, fornitori di attrezzature ed economie regionali.

Gli utenti di Google News che incontrano l’opinione vedono quindi un’affermazione più ampia di “le azioni AI sembrano costose”. L’affermazione è che l’economia abbia un’esperienza limitata con questa combinazione di capitale concentrato, cicli d’investimento brevi e potenziale sostituzione del lavoro.

È una correzione utile. L’etichetta “bolla” spesso comprime diverse domande distinte in una sola parola. Le valutazioni possono essere eccessive mentre l’adozione cresce. L’infrastruttura può essere necessaria mentre la capacità diventa sovrabbondante. La produttività può migliorare mentre singole aziende non riescono a catturare i benefici.

Un test migliore chiede dove emergano i rendimenti, chi finanzi gli asset e chi assorba le perdite quando le previsioni non si realizzano. Queste domande conducono direttamente agli hyperscaler che stanno costruendo la capacità sottostante.

Cinque hyperscaler hanno trasformato l’AI in una scommessa macroeconomica

Il boom appare diverso perché Amazon, Alphabet, Microsoft, Meta e Oracle hanno portato la spesa aziendale per infrastrutture a un livello tale da influenzare la crescita nazionale.

I ricercatori della Federal Reserve hanno calcolato che la spesa in conto capitale aggregata di queste cinque aziende ha raggiunto 131 miliardi di dollari nel quarto trimestre del 2025. Nell’intero anno ha totalizzato 412 miliardi di dollari, equivalenti a circa l’1,31% del prodotto interno lordo statunitense annualizzato.

I dati della Federal Reserve escludono le locazioni, quindi non rilevano ogni impegno legato all’espansione. Questo limite è importante perché le aziende possono assicurarsi capacità nei data center tramite contratti a lungo termine senza registrare l’intero obbligo come spesa in conto capitale immediata.

La stessa ricerca mostra come le aspettative finanziarie si siano concentrate attorno alle aziende che forniscono infrastrutture per l’AI. Tra il lancio di ChatGPT e la fine del 2025, la capitalizzazione di mercato di Nvidia è aumentata del 975%. Broadcom è cresciuta del 636%, mentre AMD ha guadagnato il 179%.

Insieme, le tre aziende di chip rappresentavano l’11,2% dell’S&P 500 alla fine del 2025. La loro quota collettiva aveva raggiunto il 12,4% nel corso di ottobre. Questi dati dimostrano la concentrazione, sebbene non provino da soli una sopravvalutazione.

Gli investimenti stanno affluendo anche verso gli sviluppatori di modelli che creano domanda di capacità di calcolo. La Federal Reserve ha riferito che OpenAI e Anthropic hanno raccolto rispettivamente 58 e 44 miliardi di dollari tra il 2023 e il 2025. Le loro valutazioni a fine 2025 erano pari a 500 e 350 miliardi di dollari.

Questo crea un mercato strettamente interconnesso. I fornitori cloud investono nei laboratori di AI, i laboratori acquistano capacità cloud, i produttori di chip riforniscono i fornitori cloud e la domanda prevista per i modelli sostiene ulteriore costruzione di data center. Ogni transazione può riflettere una reale attività commerciale, mentre la rete continua ad amplificare ipotesi ottimistiche.

La Banca dei regolamenti internazionali stima che i cinque maggiori hyperscaler fossero destinati a spendere oltre 1.000 miliardi di dollari in spese in conto capitale legate all’AI nel 2025 e 2026. Ha inoltre rilevato che questi impegni crescevano più rapidamente degli utili e del flusso di cassa libero.

Questo squilibrio non significa che le aziende affrontino un’insolvenza immediata. I maggiori hyperscaler possiedono attività redditizie nella pubblicità, nel commercio, nel software e nel cloud. I loro flussi di cassa esistenti offrono loro maggiore margine rispetto alle startup delle telecomunicazioni e alle aziende speculative delle dot-com, fortemente dipendenti da finanziamenti esterni.

Tuttavia, la solidità finanziaria può intensificare la corsa competitiva. Ogni azienda teme che spendere troppo poco possa significare cedere clienti cloud, leadership nei modelli, fedeltà degli sviluppatori o distribuzione presso i consumatori. Decisioni difensive razionali da parte delle singole aziende possono quindi produrre capacità eccessiva nell’intero settore.

La valutazione dei rischi della BIS descrive questa dinamica come una competizione per un mercato che i partecipanti si aspettano venga dominato da un piccolo numero di leader tecnologici. Secondo questa logica, rifiutarsi di investire può apparire più pericoloso che costruire troppo.

L’obiettivo della pressione è chiaro. I direttori finanziari devono continuare ad approvare infrastrutture prima che chiunque possa misurarne con chiarezza il rendimento. Gli investitori devono decidere se la crescita del cloud e i miglioramenti nella pubblicità giustifichino una spesa che resta inglobata in unità aziendali più ampie.

I fornitori affrontano un rischio correlato. Produttori di semiconduttori, apparecchiature elettriche, specialisti del raffreddamento, utility e appaltatori edili si stanno espandendo sulla base delle previsioni degli hyperscaler. I loro ricavi possono crescere prima che gli utenti finali dei servizi AI dimostrino una volontà di pagare duratura.

È qui che la tesi del Washington Post acquista forza. Anche i precedenti boom infrastrutturali hanno prodotto dipendenza dalle catene di fornitura. La versione odierna è insolitamente concentrata attorno a pochi budget aziendali, le cui decisioni influenzano i mercati pubblici, il credito privato, la pianificazione energetica e la crescita economica misurata.

L’adozione reale dell’AI rende più difficile la questione della bolla

L’AI non è una storia puramente speculativa, ma un’adozione autentica non può stabilire se gli investimenti attuali produrranno rendimenti sufficienti.

L’argomento più forte contro una semplice narrativa di bolla è che persone e imprese utilizzano già la tecnologia. I dati della Federal Reserve mostrano che l’adozione dichiarata dalle imprese è aumentata man mano che evolvevano le domande dei sondaggi e i metodi di misurazione. La serie rivista collocava l’adozione aziendale vicino al 18% alla fine del 2025, con un’adozione pianificata attorno al 21%.

L’uso dell’AI generativa per il lavoro tra i lavoratori intervistati è salito dal 33% nell’agosto 2024 al 41% entro novembre 2025. I servizi professionali e la finanza hanno registrato un utilizzo particolarmente elevato, mentre il settore manifatturiero ha mostrato una forte crescita su base annua.

Non si tratta delle visite a siti web prive di sostanza che hanno caratterizzato molte iniziative dot-com. I lavoratori usano i modelli per redigere documenti, riassumere riunioni, controllare codice, rispondere a domande di assistenza, recuperare informazioni e confrontare alternative. Le aziende stanno integrando l’AI nei prodotti esistenti e nei processi interni.

I knowledge worker hanno inoltre più modi per collegare i modelli ai propri materiali. Una base di conoscenza personale può fornire a un assistente documenti, note e cronologia lavorativa, invece di affidarsi soltanto a un modello generale. Questo rende l’AI utile nei flussi di lavoro ripetibili anziché nei prompt isolati.

Tuttavia, adozione e redditività sono misure diverse. Un servizio può diffondersi perché i fornitori ne sovvenzionano l’uso, lo includono in abbonamenti esistenti o accettano margini bassi mentre competono per la quota di mercato. Un’elevata attività non dimostra che i ricavi coprano inferenza, addestramento, deprezzamento, energia e acquisizione clienti.

Per inferenza si intende l’esecuzione di un modello addestrato per generare una risposta. Ogni richiesta consuma risorse di calcolo, anche se il costo varia in base al modello, alla lunghezza della risposta, all’hardware e all’utilizzo. La riduzione dei costi di inferenza può ampliare la domanda, riducendo al contempo i ricavi ottenuti da ciascuna unità di calcolo.

Questa tensione distingue l’AI dalle infrastrutture fisiche con standard tecnici relativamente stabili. Un percorso ferroviario può restare utile per generazioni. Gli acceleratori AI possono perdere rapidamente valore economico quando nuovi chip offrono migliori prestazioni o efficienza energetica.

Microsoft ha illustrato il problema nelle sue comunicazioni sugli utili del luglio 2026. L’azienda ha dichiarato che circa due terzi della sua spesa in conto capitale riguardavano asset a vita breve, principalmente processori. Questi asset richiedono sostituzioni più frequenti di edifici, connessioni elettriche o terreni.

Il rapido miglioramento aiuta gli utenti, ma complica l’economia degli investimenti. Un data center completato oggi può mantenere valore mentre l’hardware installato diventa meno competitivo. Gli operatori devono bilanciare l’uso prolungato di apparecchiature più vecchie con nuovi investimenti per ridurre i costi operativi.

I bilanci finanziari del cloud forniscono solo risposte parziali. Amazon, Alphabet, Microsoft e Meta non riportano separatamente i profitti generati dall’infrastruttura AI. I ricavi dell’AI rientrano nelle divisioni cloud, nelle attività pubblicitarie, nei software per la produttività e in altre attività consolidate.

I margini cloud riportati sono rimasti sani in diversi casi. Ciò sostiene l’idea che le aziende leader dispongano di reali motori di ricavo. Non isola però il rendimento incrementale della più recente capacità AI.

La distinzione è importante perché i carichi di lavoro cloud esistenti possono far apparire redditizia una divisione fortemente orientata all’AI. Al contrario, i costi correnti di ammortamento e costruzione possono comprimere i margini prima che la capacità appena installata raggiunga un utilizzo efficiente. La rendicontazione pubblica non consente agli osservatori esterni di separare pienamente questi effetti.

Un’analisi di agosto ha rilevato che i margini operativi di AWS erano saliti a circa il 39 per cento, mentre Google Cloud aveva raggiunto il 35,6 per cento nel secondo trimestre. Il margine di Intelligent Cloud di Microsoft è rimasto vicino al 41 per cento. I dirigenti hanno comunque evitato di attribuire direttamente questi risultati all’AI.

Il divario nei profitti del cloud rimane la questione centrale irrisolta. Gli analisti possono osservare spese in conto capitale, crescita del cloud e portafogli ordini. Non possono ancora calcolare un rendimento affidabile per gli asset specifici dell’AI.

Ecco perché definire il boom come palesemente razionale o palesemente speculativo non coglie il meccanismo. L’adozione convalida la tecnologia. Non convalida ogni data center, valutazione, struttura di finanziamento o previsione costruita attorno a essa.

Il nuovo rischio risiede nel debito, nei contratti e nella concentrazione dei clienti

L’argomentazione scettica diventa più forte dove la spesa aziendale trasparente lascia il posto a prestiti, impegni fuori bilancio e domanda circolare.

La prima fase della costruzione dell’infrastruttura AI ha fatto molto affidamento sui flussi di cassa operativi degli hyperscaler. Con l’aumento della spesa oltre i normali livelli di investimento, il debito ha assunto un ruolo maggiore. La Banca dei regolamenti internazionali ha riferito che le emissioni di obbligazioni societarie degli hyperscaler hanno superato i 100 miliardi di dollari nel 2025.

Gran parte di questi prestiti aveva scadenze superiori a cinque anni. Le lunghe scadenze possono ridurre l’immediata pressione di rifinanziamento, ma vincolano anche le aziende al finanziamento di asset la cui vita economica rimane incerta.

Il finanziamento va oltre le obbligazioni convenzionali. Gli hyperscaler collaborano sempre più con società di private credit ed entità a scopo speciale, veicoli legalmente separati creati per possedere o finanziare determinati asset. Queste entità possono sviluppare data center e riaffittare capacità a una società tecnologica.

In una struttura tipica, l’hyperscaler detiene una quota di minoranza impegnandosi al contempo in contratti di locazione o acquisto a lungo termine di capacità energetica e di calcolo. Gli investitori privati forniscono capitale proprio e il veicolo raccoglie ulteriore debito.

Il finanziamento delle infrastrutture può sostituire la spesa immediata in conto capitale con anni di costi operativi. La BIS definisce alcuni di questi obblighi “indebitamento ombra” perché si comportano economicamente come debito pur restando fuori dal principale bilancio dell’hyperscaler.

Tali accordi non sono intrinsecamente impropri. Possono distribuire il rischio tra soggetti adatti a finanziare asset di lunga durata. Possono anche rendere più difficile per azionisti, finanziatori e autorità di regolamentazione misurare l’esposizione totale.

Le banche possono fornire linee di credito alle entità a scopo speciale. Assicuratori e fondi di private credit possono detenere il debito. Gli hyperscaler possono offrire garanzie o impegni contrattuali a sostegno del finanziamento.

Questa rete crea diversi potenziali canali di trasmissione. Un calo della domanda AI prevista può ridurre il valore dei data center, peggiorare le condizioni di rifinanziamento, ridurre l’appetito per il private credit e attivare garanzie aziendali. I problemi possono propagarsi anche se le maggiori aziende tecnologiche restano solvibili.

La concentrazione dei clienti crea un’ulteriore incertezza. Le aziende cloud annoverano gli sviluppatori di modelli tra i loro clienti AI in più rapida crescita. Questi sviluppatori ricevono inoltre grandi investimenti dagli stessi fornitori di infrastruttura di cui acquistano capacità.

Questo non rende fittizi i ricavi. OpenAI e Anthropic servono utenti e aziende reali. Tuttavia, significa che parte della crescita del settore infrastrutturale dipende da clienti che continuano a richiedere ingenti capitali esterni.

La BIS ha inoltre evidenziato finanziamenti circolari tra produttori di chip, fornitori cloud, laboratori AI e aziende cloud specializzate. Un investitore può finanziare un cliente che poi si impegna ad acquistare i servizi di calcolo o l’hardware dell’investitore.

Ogni accordo può avere uno scopo strategico. Considerati insieme, rendono più difficile identificare la domanda finanziata dai clienti finali anziché dal capitale che circola all’interno della catena di fornitura dell’AI.

Il rischio aumenta quando gli impegni a lungo termine incontrano prezzi del calcolo in calo. Se più operatori costruiscono capacità simile, la concorrenza può spingere verso il basso i prezzi di noleggio. I clienti ne beneficiano, ma i proprietari degli asset potrebbero guadagnare meno di quanto previsto dai loro modelli di finanziamento.

I vincoli energetici possono inizialmente nascondere questo pericolo. Connessioni alla rete, trasformatori, chip avanzati e apparecchiature di raffreddamento limitati mantengono scarsa la capacità. Le aziende rispondono riservando risorse con anni di anticipo, rafforzando i portafogli ordini riportati.

La scarsità non garantisce un potere di determinazione dei prezzi duraturo. Le strozzature possono incoraggiare ogni partecipante a garantirsi più capacità di quella che alla fine gli servirà. Quando l’offerta arriva, il mercato può passare rapidamente dalla carenza alla sovraccapacità.

L’argomentazione del Washington Post non dovrebbe essere sopravvalutata in questo caso. Debito concentrato ed esposizione contrattuale non confermano una crisi imminente. I dati pubblici restano incompleti e le aziende leader dispongono di attività capaci di generare notevoli flussi di cassa.

La conclusione più difendibile è più circoscritta. Il sistema finanziario sta diventando esposto all’AI attraverso canali che le sole valutazioni azionarie non possono rivelare. Qualsiasi seria analisi di una bolla deve includere obbligazioni, locazioni, credito privato, garanzie e la qualità dei clienti sottostanti.

L’occupazione rende questo boom diverso da ferrovie ed elettricità

La differenza più rilevante è che gli investimenti nell’AI puntano sia all’espansione delle infrastrutture sia alla riduzione del lavoro necessario per le attività cognitive.

Le ferrovie hanno cambiato i modelli occupazionali, danneggiato le aziende di trasporto concorrenti e creato nuovi vincitori geografici. Hanno anche impiegato un gran numero di persone per costruire binari, far funzionare i treni, mantenere le attrezzature e gestire reti in espansione.

L’elettrificazione ha prodotto una combinazione simile. Ha sostituito alcune tecnologie e professioni, sostenendo al contempo fabbriche, elettrodomestici, utility e industrie completamente nuove. L’infrastruttura richiedeva lavoro prima che i suoi benefici di produttività si diffondessero nell’economia più ampia.

Anche i data center AI creano posti di lavoro nell’edilizia e in ambito tecnico. Richiedono elettricisti, ingegneri, specialisti del raffreddamento, personale di sicurezza, addetti alla manutenzione e progetti energetici. La domanda di attrezzature favorisce industrie ben oltre il software.

La differenza risiede nello scopo dichiarato del prodotto. L’AI generativa viene spesso acquistata per completare parti del lavoro precedentemente assegnate a scrittori, programmatori, analisti, designer, ricercatori e addetti ai servizi. L’infrastruttura supporta un sistema il cui valore economico può dipendere dalla riduzione del fabbisogno di lavoro.

Ciò non significa che ogni implementazione elimini un posto di lavoro. Molte applicazioni assistono invece i lavoratori. Uno sviluppatore può esaminare più rapidamente codice sconosciuto, mentre un ricercatore può cercare in una vasta raccolta di documenti senza rivedere manualmente ogni file.

Un product manager potrebbe usare un flusso di lavoro AI settimanale per organizzare appunti sparsi e preparare un aggiornamento sullo stato. Il risultato immediato potrebbe essere un lavoro più completo anziché un team più piccolo.

Tuttavia, l’assistenza può trasformarsi in sostituzione quando le aziende ridisegnano i processi attorno a essa. Se un dipendente gestisce più clienti o progetti, la domanda di assunzioni può diminuire anche quando nessun lavoratore attuale riceve una comunicazione di licenziamento.

Questa transizione rende difficili da interpretare i dati sulla produttività. Una maggiore produzione per lavoratore può sostenere salari e crescita nel tempo. Può anche coincidere con una crescita più lenta dell’occupazione nelle professioni maggiormente esposte all’automazione.

La BIS ha osservato che i settori statunitensi maggiormente esposti all’AI avevano registrato guadagni di produttività più forti insieme a una crescita dell’occupazione più debole rispetto ad altri settori. Questa relazione non dimostra che l’AI abbia causato ogni differenza. Mostra però perché gli esiti occupazionali fanno parte del dibattito sugli investimenti.

La concentrazione geografica approfondisce la questione. Gli Stati Uniti catturano gran parte del valore di mercato associato alle principali aziende cloud e ai progettisti di chip. Sono inoltre fortemente esposti se l’AI riduce la domanda di lavoro nei servizi ben retribuiti.

Altri Paesi partecipano attraverso la produzione di semiconduttori, l’assemblaggio, le esportazioni energetiche e la costruzione di data center. La Cina compete nei modelli, nei chip, nelle applicazioni e nelle infrastrutture. L’Europa utilizza la politica industriale per attrarre capacità e sviluppare alternative nazionali.

Tuttavia, i mercati azionari statunitensi incorporano una quota insolitamente ampia delle aspettative globali. La BIS ha riferito che le azioni statunitensi rappresentavano circa il 64 per cento dell’indice MSCI Global. Una rivalutazione potrebbe quindi trasmettere effetti patrimoniali ben oltre gli investitori americani.

Lo spostamento del lavoro seguirebbe un percorso diverso da una correzione azionaria. I mercati possono adeguarsi in pochi giorni, mentre le organizzazioni adottano nuovi flussi di lavoro nel corso di anni. Un’azienda potrebbe annunciare oggi un investimento nell’AI, testare gli strumenti il prossimo trimestre e modificare i piani di assunzione molto più tardi.

Questo ritardo crea una trappola di misurazione. I sostenitori possono indicare gli attuali licenziamenti limitati come prova che i timori sono esagerati. I critici possono interpretare ogni rallentamento delle assunzioni come automazione, anche quando tassi di interesse o domanda più debole offrono spiegazioni più semplici.

I lettori dovrebbero resistere a entrambe le affermazioni. Un’analisi affidabile richiede assunzioni, salari, ore, produttività e cambiamenti nelle mansioni a livello di professione. I soli conteggi dei licenziamenti riportati dai titoli non possono rivelare se l’AI integri i lavoratori o riduca silenziosamente le future opportunità.

La questione occupazionale cambia anche la risposta politica. I governi hanno tollerato i precedenti crolli degli investimenti anche perché le infrastrutture rimanenti sostenevano un’ampia espansione futura. La tolleranza pubblica potrebbe essere minore se i contribuenti affrontassero perdite finanziarie insieme a una pressione occupazionale concentrata.

Questo non garantisce una regolamentazione restrittiva. Significa però che i responsabili politici esamineranno insieme le transizioni dei lavoratori, i costi energetici, le infrastrutture locali, i diritti sui dati e il potere di mercato. Il boom dell’AI non riguarda soltanto la costruzione di una nuova rete.

Cosa confermerebbe o indebolirebbe l’avvertimento sulla bolla AI

Tre segnali determineranno se il dibattito di Google News si trasformerà in un avvertimento duraturo o svanirà man mano che i ricavi dell’AI raggiungeranno la spesa.

Il primo segnale è la divulgazione di ricavi specifici dell’AI da parte dei maggiori fornitori cloud. Attualmente gli investitori ricevono indicazioni sulla spesa in conto capitale, tassi di crescita del cloud, portafogli ordini e ampi margini operativi. Ricevono poche informazioni dirette sui rendimenti dell’hardware AI installato di recente.

Una migliore divulgazione rafforzerebbe l’argomentazione ottimistica se ricavi, utilizzo e margini salissero insieme. La indebolirebbe se la spesa in conto capitale restasse elevata mentre la capacità AI funzionasse al di sotto delle aspettative o i prezzi calassero più rapidamente dei costi.

Il secondo segnale è la composizione del finanziamento. Gli hyperscaler possono sostenere investimenti aggressivi in modo più sicuro quando le attività consolidate generano abbastanza liquidità da coprirli. L’aumento delle emissioni obbligazionarie, delle garanzie, dei leasing e dei finanziamenti tramite veicoli speciali indica che l’esposizione si sta distribuendo.

La BIS ha rilevato che l’indebitamento era già aumentato, poiché la spesa superava gli investimenti ordinari. I rapporti futuri dovrebbero chiarire l’entità, la scadenza, le controparti e le garanzie associate ai progetti fuori bilancio.

Finanziamenti trasparenti e di lunga durata, sostenuti da una base clienti diversificata, ridurrebbero le preoccupazioni nel breve termine. Una crescente dipendenza dal rifinanziamento, da locatari concentrati o da garanzie divulgate in modo poco chiaro rafforzerebbe l’avvertimento del Washington Post.

Il terzo segnale è l’adozione misurata nei luoghi di lavoro. La domanda importante non è più se i dipendenti provino l’AI generativa. È se le organizzazioni trasformino l’utilizzo in produttività duratura, ricavi, servizi migliori o costi ridotti.

Il caso per la crescita globale rileva che gli investimenti in apparecchiature per l’elaborazione delle informazioni e software sono cresciuti del 16,5% su base annua nel terzo trimestre del 2025. Sostiene inoltre che le statistiche convenzionali possano non cogliere i benefici intangibili derivanti da dati, algoritmi e cambiamenti organizzativi.

Questo problema di misurazione ha due facce. Il PIL può registrare server e software come investimenti prima che la capacità risultante produca servizi di valore sufficienti. Può anche sottostimare i benefici che emergono attraverso ricerca più rapida, decisioni migliori o nuovi prodotti.

Nei prossimi trimestri, incrementi di produttività credibili in molti settori rafforzerebbero l’ipotesi di una tecnologia di uso generale duratura. Miglioramenti limitati ai fornitori tecnologici e a pochi settori professionali lascerebbero irrisolta la preoccupazione legata alla concentrazione.

I lettori dovrebbero inoltre distinguere tra la sopravvivenza del boom e il successo di ogni singolo partecipante. Ferrovie, elettricità e internet hanno trasformato le economie nonostante fallimenti e severe correzioni di mercato. L’AI può seguire questo schema generale, producendo al contempo vincitori, perdite ed effetti sul lavoro molto diversi.

La rubrica del Washington Post è convincente quando tratta la storia come un monito contro le certezze. Lo è meno se i lettori interpretano la differenza come prova di un collasso. Le caratteristiche senza precedenti creano incertezza, non un esito già predeterminato.

Per gli sviluppatori, la questione pratica è se la domanda di applicazioni continuerà dopo la fine degli esperimenti sovvenzionati. Per gli acquirenti aziendali, è se i sistemi di AI offrano valore misurabile dopo i costi di integrazione, governance, formazione e revisione.

I lavoratori della conoscenza dovrebbero osservare come i datori di lavoro riprogettano i ruoli, non solo quanti strumenti acquistano. Gli investitori dovrebbero esaminare flussi di cassa, qualità dei clienti, ammortamenti e impegni finanziari, anziché basarsi su affermazioni generiche sull’adozione.

Google News ha portato alla luce un dibattito che merita maggiore precisione di quella normalmente racchiusa nella parola “bolla”. Il prossimo banco di prova saranno le evidenze: ricavi AI più chiari, finanziamenti trasparenti e produttività che vada oltre le aziende che vendono l’infrastruttura.

Ponetevi queste tre domande ogni volta che arriva un altro investimento record. Chi paga davvero per la capacità, quale rendimento misurabile produce e quanta parte della domanda dipende dal continuo finanziamento esterno? Le risposte mostreranno se questa espansione assomiglia a una rete duratura, a un costoso ciclo di sovracapacità o a una scomoda combinazione di entrambi.