15 ottobre 20267 min di lettura

L'AI è una bolla? Cosa dicono davvero i dati e le ricerche (e cosa conviene fare a una piccola azienda)

Investimenti record nei data center, progetti aziendali che non rendono, sviluppatori più lenti con l'AI: cosa dicono gli studi di MIT, METR, Stanford, Istat e delle banche d'affari, e come usare l'AI senza dipendere da come finirà la bolla.

Intelligenza artificiale
Ricerche
Guide

L'AI è una bolla? Cosa dicono davvero i dati e le ricerche (e cosa conviene fare a una piccola azienda)

«L'intelligenza artificiale è una bolla?» È una delle domande più cercate dell'anno, e le risposte che si trovano sono quasi sempre di tifo: o «cambierà tutto» o «è tutta fuffa». Ho messo in fila i dati e le ricerche più citate, con i loro limiti, e cosa significano per chi ha un'azienda e deve decidere se e come usare l'AI.

La risposta breve: gli investimenti hanno molti segnali da bolla, l'uso reale no. E le due cose possono essere vere insieme.

Cos'è una bolla (e cosa non è)

Una bolla non vuol dire che la tecnologia sia finta. Vuol dire che i prezzi e gli investimenti corrono più in fretta dei guadagni che quella tecnologia può produrre nei tempi attesi.

L'esempio classico è internet. Tra il 2000 e il 2002 il Nasdaq perse circa il 78% e molte aziende sparirono. Ma internet non sparì: le infrastrutture costruite in quegli anni (fibra, data center) furono usate per i vent'anni successivi da chi è rimasto. Lo stesso era successo con le ferrovie inglesi a metà Ottocento. La domanda giusta quindi non è «l'AI è vera?», ma «chi sta pagando troppo, e per cosa?».

I numeri dell'investimento

Le grandi aziende del cloud (Microsoft, Alphabet, Amazon, Meta e poche altre) stanno spendendo cifre senza precedenti in data center e chip:

Stima per il 2026	Fonte
circa 600 miliardi di dollari (prime cinque aziende)	CreditSights
circa 765 miliardi, oltre 1.000 miliardi nel 2027	Goldman Sachs
circa 1.000 miliardi	UBS

Le stime cambiano molto a seconda di chi conta e quando, ma la direzione è chiara: più del doppio del 2024.

I segnali che preoccupano gli analisti:

Spesa più alta dei ricavi del cloud. Secondo UBS, nel 2026 Amazon, Alphabet e Microsoft spendono in investimenti circa il 102% di quanto incassano dal cloud.
Flussi di cassa negativi e debito. S&P prevede flussi di cassa operativi liberi negativi per i sei più grandi nel 2026 e 2027; Morgan Stanley stima oltre 400 miliardi di nuove emissioni di debito.
Accordi circolari. Produttori di chip che investono nelle aziende di AI che poi usano quei soldi per comprare i loro chip: i ricavi crescono, ma una parte gira in cerchio.
Lo dicono anche i protagonisti. Ad agosto 2025 Sam Altman, CEO di OpenAI, ha detto di pensare che gli investitori siano complessivamente «troppo entusiasti» dell'AI.

L'argomento contrario, sostenuto per esempio da Goldman Sachs: gli investimenti in AI valgono circa lo 0,8% del PIL americano, mentre i grandi boom tecnologici degli ultimi 150 anni sono arrivati all'1,5% o oltre. Secondo questa lettura il limite arriverà dalla mancanza di chip ed energia, più che dai bilanci.

Le ricerche che fanno riflettere

MIT: il 95% dei progetti non rende (ma leggete bene)

Il rapporto «The GenAI Divide» del progetto NANDA del MIT (2025) è la fonte del dato che ha fatto il giro del mondo: il 95% delle organizzazioni studiate non ha visto ritorni misurabili dai progetti di AI generativa. Tre dettagli che i titoli tralasciano:

era un rapporto preliminare, basato su interviste, sondaggi e analisi di progetti pubblici, non una misura su tutto il mercato;
secondo gli autori il problema non è la qualità dei modelli ma come vengono usati: strumenti generici che non si adattano ai processi dell'azienda;
più della metà dei budget va a vendite e marketing, mentre i ritorni migliori arrivano dal back office (amministrazione, documenti, processi interni).

METR: con l'AI più lenti, ma convinti di essere più veloci

È lo studio che mi ha colpito di più. METR ha fatto un esperimento controllato con 16 sviluppatori esperti al lavoro sui loro progetti reali: ogni compito veniva assegnato a caso «con AI» o «senza AI». Risultato: con l'AI ci mettevano il 19% in più. Prima di iniziare si aspettavano di essere il 24% più veloci, e alla fine pensavano ancora di esserlo stati del 20%.

Anche qui i limiti contano: pochi partecipanti, strumenti dei primi mesi del 2025, progetti grandi e complessi. Gli stessi ricercatori chiedono di non generalizzare. La lezione però è preziosa: la sensazione di risparmiare tempo non è una misura.

I segnali che non sono bolla: l'uso reale

Adozione. Secondo l'AI Index 2026 di Stanford l'88% delle organizzazioni intervistate usa l'AI, e circa metà della popolazione usa strumenti di AI generativa: una diffusione più rapida di quella del personal computer e di internet.
Costi in picchiata. Nell'AI Index 2025 Stanford aveva misurato che il costo per usare un modello del livello di GPT-3.5 era sceso di oltre 280 volte tra fine 2022 e fine 2024. Quello che due anni fa era un progetto costoso oggi può costare pochi euro al mese.
In Italia. Secondo Istat, nel 2025 usa almeno una tecnologia di AI il 16,4% delle imprese con almeno 10 addetti, il doppio dell'anno prima (8,2%). Ma il divario è enorme: 53,1% nelle grandi imprese, 15,7% nelle PMI. La media europea è circa il 20% (Eurostat).
Lavoro. Lo stesso AI Index segnala un calo dell'occupazione tra i giovani all'inizio della carriera nei ruoli più esposti (sviluppo software, assistenza clienti), mentre i profili esperti tengono. È un effetto reale, non da bolla.

Cosa significa per una piccola azienda

Se scoppia la bolla, a perdere sono soprattutto chi ha investito miliardi in infrastrutture e chi ha comprato azioni a prezzi alti. Gli strumenti non spariscono: modelli che funzionano oggi continueranno a funzionare, e probabilmente costeranno ancora meno. Per una PMI il rischio vero non è la bolla: è spendere in progetti che non rendono, proprio come il 95% del MIT. Ecco come lo evito nei progetti che faccio:

Parti da un processo, non dallo strumento. «Ricopiamo 100 fatture al mese» è un buon punto di partenza; «vogliamo usare l'AI» no. I ritorni migliori, dice anche il MIT, sono nel back office.
Misura prima e dopo. La lezione di METR: cronometra quanto ci vuole oggi e quanto ci vuole con l'AI. Senza numeri, anche gli esperti si sbagliano.
Integra, non aggiungere una chat. L'AI rende quando lavora dentro i tuoi dati e i tuoi strumenti (il gestionale, i documenti, la posta) e ogni azione resta visibile. È quello che ho fatto con Aria, l'assistente vocale del gestionale di magazzino.
Non legarti a un solo fornitore. Tieni i dati nei tuoi sistemi e fai in modo che il modello si possa cambiare. Se un fornitore alza i prezzi o chiude, cambi motore, non progetto.
Spesa piccola e reversibile. Un progetto di prova di poche settimane, con un obiettivo misurabile, vale più di un grande piano annuale.

In sintesi

Gli investimenti hanno caratteristiche da bolla: crescita più veloce dei ricavi, debito, accordi circolari.
L'uso cresce davvero e i costi scendono: la tecnologia resterà anche se i prezzi in Borsa si sgonfiano.
Le ricerche dicono che il problema è quasi sempre come si usa l'AI, non l'AI in sé.
Per una piccola azienda la strategia sensata è la stessa con o senza bolla: processi concreti, misure vere, dati tuoi, spese reversibili.

Se vuoi capire se nella tua azienda c'è un processo dove l'AI può far risparmiare tempo davvero (e misurarlo), scrivimi.