Mercati più selettivi
Il timore diffuso di una bolla speculativa nell’ambito dell’intelligenza artificiale sta spingendo gli investitori a interrogarsi con sempre maggiore frequenza sul ROI delle aziende legate all’IA. Nella lettura di Alex Tedder, CIO Equities di Schroders, questa dinamica è destinata a intensificarsi nei prossimi mesi e a tradursi in volatilità e divergenze tra titoli, due fattori che, proprio perché amplificano le differenze, possono creare opportunità.
La selezione, in realtà, è già partita. Secondo quanto osserva Tedder, il mercato tende a premiare le società che mostrano una monetizzazione più visibile, come nel caso del business cloud di Google, e diventa più critico verso chi presenta rendimenti meno chiari o meno convincenti. Un esempio citato è ciò che si è visto dopo la relazione sugli utili di Oracle di dicembre, che ha alimentato dubbi sulla traiettoria dei ritorni.
Il punto, per Schroders, è che si è tentati di trattare il “rischio IA” come se fosse un’unica categoria. Nella realtà le aziende affrontano pressioni competitive, modelli di business ed esigenze di finanziamento molto diverse tra loro. Tedder sottolinea che un grave intoppo da parte di un grande modello linguistico, come ChatGPT o Anthropic, dovuto a concorrenza o vincoli di finanziamento, colpirebbe il sentiment del settore e farebbe scendere le valutazioni in modo generalizzato. Ma questo non significa che il valore dell’IA si distribuisca in modo uniforme: i ricavi non si accumulano tutti nello stesso punto, la monetizzazione può essere dispersa e persino nascosta, e la complessità rende insolitamente probabile un’errata attribuzione sia del rischio sia del valore.
Da qui la previsione di una tendenza destinata a continuare: l’aumento della divergenza tra singole aziende, anche quando operano in segmenti apparentemente simili dello spettro dell’IA. Nel quadro delineato da Tedder, le ragioni di questo fenomeno passano soprattutto da dove i ricavi emergono, e da dove invece restano inglobati in flussi più ampi.
Dove finiscono davvero i ricavi
Una delle prime fonti di confusione riguarda la stessa natura della monetizzazione. Come evidenzia Tedder, l’IA viene utilizzata in molti modi, con implicazioni molto diverse sul lato dei ricavi. In alcuni casi gli utenti pagano direttamente per l’IA, attraverso abbonamenti o licenze. In altri, invece, accedono a strumenti potenziati dall’IA senza pagare in modo esplicito per quella componente.
Molte aziende, inoltre, stanno implementando l’IA “dietro le quinte” per obiettivi che non passano da un prezzo dedicato: proteggere la quota di mercato, favorire la conversione o migliorare l’economia unitaria. In questi casi la monetizzazione, pur esistendo, è nascosta dentro ricavi più ampi e diventa più difficile da isolare. È uno dei motivi per cui, nel ragionamento di Schroders, le valutazioni possono muoversi in modo disordinato: non sempre ciò che crea valore è immediatamente visibile in una metrica etichettata come “IA”.
Per questo, sostiene Tedder, qualsiasi analisi della monetizzazione dell’IA richiede uno sguardo sull’intero universo: le applicazioni con cui gli utenti interagiscono, i modelli linguistici che le alimentano e l’infrastruttura di calcolo sottostante. Il valore scorre lungo questa catena, e i costi legati all’accesso al modello e alla capacità di calcolo finiscono per tradursi in entrate per i fornitori di LLM e per gli hyperscaler, indipendentemente da come pagano gli utenti finali. Nel contributo di Schroders, questo passaggio è centrale perché aiuta a spiegare perché alcune società mostrano ricavi più “puliti” e altre, pur beneficiando dell’IA, non riescono a raccontarlo in modo diretto.
Ricavi visibili e ricavi nascosti
La monetizzazione più evidente, secondo Tedder, arriva proprio dalle aziende che sviluppano LLM. Qui l’utilizzo da parte degli sviluppatori, le licenze aziendali e gli abbonamenti dei consumatori stanno già generando ricavi sostanziali. La previsione è che i ricavi combinati possano raggiungere decine di miliardi di dollari entro pochi anni, su livelli comparabili alle aziende di software consolidate. È un punto che rafforza l’idea che, al netto delle discussioni sulla bolla, una parte della domanda si stia già trasformando in flussi economici misurabili.
Un discorso analogo, nella ricostruzione di Schroders, riguarda i fornitori di servizi cloud hyperscale. AWS, Azure e Google Cloud starebbero registrando una crescita accelerata trainata dai carichi di lavoro dell’IA, con i team di gestione che descrivono in modo costante una domanda superiore alla capacità. Per Tedder, questi indicatori suggeriscono che la monetizzazione dell’IA stia prendendo piede in modo concreto, proprio laddove la fatturazione legata all’infrastruttura e ai servizi rende più immediato misurare la traiettoria.
Esiste poi un secondo livello, più sparpagliato e meno facile da catalogare, ma potenzialmente già molto consistente. Sempre secondo Tedder, piattaforme digitali come Meta e Google non usano l’IA come prodotto da vendere, ma come strumento per migliorare prestazioni pubblicitarie ed engagement. L’effetto, viene sottolineato, è reale, ma non viene etichettato come “ricavo dell’IA”. Lo stesso accade in molti settori dove l’IA viene utilizzata per migliorare conversione e redditività: la monetizzazione non compare con un nome specifico, e proprio per questo rischia di essere sottovalutata dal mercato. Nel ragionamento di Schroders, è qui che può nascere una parte delle divergenze: aziende che beneficiano dell’IA ma faticano a “mostrarlo” in modo lineare possono essere trattate con maggiore scetticismo, almeno finché i numeri non diventano più trasparenti.
Scenari, volatilità e rischio di delusioni
Lo scenario di fondo, secondo Schroders, resta aperto a sviluppi molto diversi. Tedder richiama un lavoro del team di economisti della casa, che ha sviluppato due scenari gemelli per esplorare come potrebbe evolvere un “boom dell’IA” oppure un “crollo dell’IA”. Entrambi presentano potenziali difficoltà per investitori ed economie. Nel caso del “crollo dell’IA”, modellato sul crollo del mercato seguito allo scoppio della bolla tecnologica del 1999-2000, un calo degli investimenti potrebbe innescare una lieve recessione e due anni di stagnazione.
Questo lavoro, spiega Tedder, serve a mettere a fuoco le incognite più ampie e di lungo periodo associate a una tecnologia trasformativa. Nel breve, però, il contesto economico viene definito solido, in particolare negli Stati Uniti, e questo potrebbe permettere ai mercati di continuare la loro marcia al rialzo.
La conclusione operativa del ragionamento, sempre secondo Schroders, è che la preoccupazione sul ROI dell’IA è reale e nel 2026 porterà con ogni probabilità a una maggiore volatilità. Come in altri cicli di innovazione, diverse aziende legate all’IA, grandi e piccole, potrebbero fallire. Ma, allo stesso tempo, i ricavi stanno emergendo: servirà ben più di qualche delusione, conclude Alex Tedder, per minare il potenziale di lungo periodo dell’intelligenza artificiale.
di Francesco Sicuro
