La crisi della potenza di calcolo dell’AI è arrivata o è alle porte?
Per anni l’intelligenza artificiale (AI) è stata percepita come una risorsa abbondante, accessibile e relativamente economica. Startup e grandi aziende hanno costruito modelli di business basati sull’uso intensivo di strumenti AI, dai modelli linguistici di grandi dimensioni ai primi agenti autonomi, in molti ambiti anche andando progressivamente a sostituire il lavoro umano. Ma questo paradigma si sta incrinando. Secondo molti analisti stiamo per arrivare ad una “crisi della potenza di calcolo”, che non è più una previsione teorica, ma un fenomeno già in atto che sta iniziando a ridefinire costi, strategie industriali e, più in generale, gli equilibri economici globali.
Come spiegato da Jason Koebler, cofondatore di 404 Media, alla base del problema c’è una realtà semplice ma finora sottovalutata: “le aziende che sviluppano AI non possono continuare a vendere servizi a un prezzo inferiore rispetto al loro costo reale”. Per anni, come spesso accade nei cicli di innovazione tecnologica, il mercato è stato sostenuto da ingenti capitali di rischio. Il costo di addestramento e utilizzo dei modelli, però, insieme agli investimenti infrastrutturali necessari, rende questo schema sempre meno sostenibile.
I segnali di tensione sono ormai evidenti, si legge nell’analisi di Koebler. Le piattaforme stanno limitando l’accesso, riducendo funzionalità o aumentando i prezzi. Parallelamente, l’intero ecosistema industriale mostra i sintomi di una domanda di calcolo fuori scala: componenti hardware come GPU, memoria e storage registrano aumenti di prezzo significativi e disponibilità ridotta; la produzione di chip è sotto pressione; persino settori apparentemente distanti, come quello energetico, risentono dell’impatto dei data center ad alta intensità energetica. In alcune aree, l’espansione di queste infrastrutture sta contribuendo all’aumento delle bollette elettriche e alimenta tensioni sociali e politiche.
AI affamata di investimenti in data center, chip e reti energetiche, ma i ricavi saranno all’altezza?
In questo contesto, l’analogia con Uber è utile, ma solo fino a un certo punto. Come la piattaforma di ride-hailing, anche molte aziende AI hanno inizialmente offerto servizi sottocosto per conquistare quote di mercato, sostenute da capitali privati. Tuttavia, a differenza di Uber (che non possiede infrastrutture fisiche significative) l’intelligenza artificiale richiede investimenti colossali in data center, chip avanzati e reti energetiche.
Questo significa che l’eventuale rialzo dei prezzi non garantisce automaticamente un ritorno alla sostenibilità economica. Il rischio è una fase di “correzione” più complessa e potenzialmente più dolorosa, sia per le aziende sia per gli utenti.
Il tema diventa ancora più rilevante se si osservano i flussi finanziari. Nel 2025, gli investimenti globali in AI da parte del venture capital hanno raggiunto circa 242 miliardi di dollari, pari a una quota tra il 20% e il 25% del totale. Ma nel solo primo trimestre del 2026 questa cifra è già stata eguagliata, segnalando un’accelerazione senza precedenti. Negli Stati Uniti, le grandi aziende tecnologiche hanno previsto investimenti in infrastrutture AI per circa 410 miliardi di dollari nel 2025, destinati a crescere fino a circa 650 miliardi nel 2026. Se il trend del primo trimestre si confermerà, il totale degli investimenti venture capital in AI potrebbe superare i 900 miliardi o addirittura il trilione di dollari nel 2026.
Questa espansione solleva interrogativi cruciali sulla sostenibilità del modello. Da un lato, l’AI genera efficienze reali e nuove opportunità in settori chiave come sanità, logistica, energia e produzione. Dall’altro, i ricavi attuali non sembrano ancora allineati alla scala degli investimenti. La concentrazione di capitali in pochi grandi attori e la proliferazione di progetti senza un chiaro percorso verso la redditività aumentano il rischio di una bolla, soprattutto sul fronte infrastrutturale.
Il nodo centrale è che molte startup stanno costruendo il proprio vantaggio competitivo su un presupposto fragile: l’accesso a un’AI economica e abbondante. Se i costi di utilizzo dovessero aumentare significativamente, o se l’accesso al calcolo venisse razionato, questi modelli potrebbero diventare rapidamente insostenibili. Il rischio è un effetto domino che potrebbe colpire non solo il settore tecnologico, ma l’intero sistema economico che sta iniziando a dipendere da questi strumenti.
Necessario investire su capacità produttiva di chip, sulle fonti energetiche rinnovabili e su progetti più “concreti”
Affrontare questa transizione richiede una visione sistemica. Sul piano infrastrutturale, è necessario investire in capacità produttiva di chip e in architetture più efficienti, riducendo la dipendenza da pochi fornitori globali. Dal punto di vista energetico, la crescita dell’AI deve essere accompagnata da una forte accelerazione delle fonti rinnovabili e da una maggiore efficienza dei data center, oggi tra i principali consumatori di energia.
Sul fronte economico, sarà fondamentale un riallineamento tra costi e prezzi. Questo implica una selezione più rigorosa dei progetti, sia da parte dei venture capitalist sia delle aziende, privilegiando applicazioni con un reale valore aggiunto e modelli di business sostenibili.
Come ha scritto su International Business Time Matt Domo, consulente internazionale nel settore dell’AI ed ex Amazon e Microsoft, c’è anche un problema di concretezza dei progetti di adozione dell’AI a livello di imprese: “Nonostante l’entusiasmo e gli ingenti investimenti, i risultati operativi sono ancora deludenti. Una ricerca del MIT, basata su 150 interviste a dirigenti, un sondaggio su 350 dipendenti e l’analisi di 300 implementazioni pubbliche, evidenzia che circa il 95% dei programmi pilota interni di AI non riesce a generare aumenti significativi né nei ricavi né nella produttività. Il problema – ha sottolineato Domo – non risiede tanto nella qualità dei modelli quanto nella loro integrazione nei processi aziendali”.
A questo si aggiunge un’allocazione inefficiente delle risorse. Una parte significativa della spesa per l’intelligenza artificiale viene ancora destinata a vendite e marketing, piuttosto che all’integrazione operativa e alla trasformazione dei processi, ha spietato il consulente. Paradossalmente, proprio le aree in cui l’AI potrebbe generare risparmi concreti, come la riduzione dell’outsourcing o l’automazione del back-office, restano sottoutilizzate. Il risultato, come osservato anche da Forbes, è che l’impatto complessivo sui conti economici delle imprese è, nella maggior parte dei casi, minimo o nullo.
Scollamento tra investimenti e ritorni
Questo scollamento tra investimenti e ritorni contribuisce ad alimentare l’insostenibilità dell’attuale modello di sviluppo dell’AI. Se le aziende continuano a investire senza ottenere benefici tangibili, mentre i costi dell’infrastruttura e della potenza di calcolo aumentano, il rischio è quello di un sistema che brucia capitale senza creare valore proporzionato.
In altre parole, la crisi della potenza di calcolo si intreccia con una crisi di adozione efficace: senza un salto di qualità nell’integrazione e nell’utilizzo concreto dell’AI, anche l’enorme flusso di investimenti rischia di non tradursi in crescita reale.
L’epoca del “crescere a tutti i costi”, quindi, potrebbe lasciare spazio a una fase di maggiore disciplina finanziaria. Come abbiamo già avuto modo di scrivere a riguardo, per alimentare la potenza di calcolo necessaria a soddisfare la domanda globale entro il 2030, le aziende di AI dovranno raggiungere almeno 2.000 miliardi di dollari di ricavi annuali. Il problema è che per il momento, basandoci sui dati attuali, Bain & Co stima 800 miliardi di dollari di entrate mancanti, anche perché servizi come ChatGPT non riescono ancora a generare flussi di cassa proporzionati alle spese colossali per infrastrutture e data center.
Il nodo della disoccupazione tecnologica
Infine, esiste una dimensione sociale che non può essere ignorata. Se l’AI viene utilizzata per ridurre drasticamente l’occupazione senza generare nuove opportunità, si crea un paradosso economico: aziende sempre più efficienti ma prive di una base di consumatori in grado di sostenere la domanda. La sostenibilità dell’intelligenza artificiale passa quindi anche dalla capacità di gestire la transizione del lavoro (che al momento manca o è parziale, visto il volume dei tagli al personale legati all’AI), investendo in formazione, riqualificazione e nuovi modelli occupazionali.
L’intelligenza artificiale resta una tecnologia fondamentale e abilitante per il futuro dell’economia globale. Ma la fase attuale segna un punto di svolta: la fine dell’illusione di un’AI infinita e a basso costo.
La sfida, oggi, non è rallentarne lo sviluppo, bensì renderlo sostenibile economicamente, energeticamente e socialmente, prima che le tensioni accumulate si traducano in una crisi più ampia.
Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui
