Vincitori e vinti ai tempi dell’Intelligenza Artificiale

Quando l’AI smette di essere narrativa e diventa strumento operativo

Per oltre due anni l’Intelligenza Artificiale è stata una storia di investimento: data center, chip, cloud, capex, multipli in espansione. Era il tema dominante.

Oggi il mercato sta cambiando lente.

L’AI non è più solo promessa di produttività futura, ma una tecnologia che inizia a svolgere compiti concreti. Quando una tecnologia passa da “tema” a strumento operativo, l’attenzione si sposta:

  • Non solo chi vende la “pala e il piccone”
  • Ma chi rischia di essere sostituito

Nasce così una dinamica tipica delle transizioni tecnologiche: “vendi prima e chiedi dopo”.

Primo settore colpito: il software

Il software è stato il primo a subire pressione, per ragioni strutturali.

Molti modelli di business sono basati su:

  • Licenze per utente
  • Carichi di lavoro ripetitivi
  • Pricing legato al numero di postazioni

L’AI aumenta la produttività e riduce il numero di persone necessarie per svolgere determinate attività. Se un cliente può ottenere lo stesso risultato con meno utenti, il modello “per postazione” entra in tensione.

Il mercato ha iniziato a chiedersi:

  • Quanto dei ricavi è realmente difendibile?
  • Quanto rappresenta una “tassa operativa” che può essere automatizzata?

Non tutto il software però è uguale.

Le piattaforme profondamente integrate nei sistemi aziendali – come ServiceNow – che gestiscono processi critici e grandi volumi di dati appaiono più resilienti. In questi casi l’AI può rafforzare il vantaggio competitivo, non distruggerlo.

Seconda ondata: wealth management

Il settore della consulenza finanziaria e del wealth management è stato colpito per un motivo più sottile.

Il valore economico qui deriva da:

  • Pianificazione personalizzata
  • Costruzione portafogli
  • Ottimizzazione fiscale
  • Relazione fiduciaria

Quando strumenti di AI iniziano a generare strategie personalizzate a costi marginali molto bassi, il mercato teme una compressione delle fee.

La storia della finanza mostra però che le innovazioni raramente sostituiscono del tutto l’intermediario. Più spesso lo trasformano.

La differenza oggi è che l’AI entra nel merito dei contenuti, non solo nella distribuzione.

Terza area sotto pressione: servizi immobiliari

Qui il movimento è avvenuto per contagio.

Se l’AI può automatizzare:

  • Analisi comparativa
  • Screening
  • Documentazione
  • Parte della due diligence

Allora anche i modelli ad alta intensità di lavoro umano diventano sospetti.

Tuttavia, negoziazioni complesse, responsabilità legali e gestione della relazione restano elementi difficilmente automatizzabili nel breve periodo.

Come distinguere rischio reale e paura generalizzata

Il vero lavoro dell’investitore non è decidere se l’AI distruggerà un settore, ma capire dove il valore resta difendibile.

1. Vantaggio competitivo reale

Le aziende che parlano di AI solo per marketing sono più vulnerabili.

L’integrazione deve produrre:

  • Miglioramento misurabile
  • Efficienza tangibile
  • Pricing giustificabile

2. Modello di monetizzazione

Più esposti:

  • Modelli basati su input (utenti, licenze)

Più resilienti:

  • Modelli basati su output (risultati, performance, valore generato)

Se il prezzo è legato al risultato, l’AI diventa alleata.

3. Dati proprietari

I dataset strutturati e difendibili costituiscono una barriera significativa.

Operatori come Bloomberg o LSEG non sono facilmente sostituibili da modelli generativi generalisti. Il valore risiede nei dati proprietari, verificati e integrati nei processi.

4. Ruolo dell’essere umano

Dove il lavoro è meccanico, la sostituzione è rapida.

Dove servono:

  • Giudizio
  • Responsabilità
  • Gestione delle eccezioni
  • Relazione

l’AI tende a essere complementare.

5. Complessità operativa e regolamentare

I processi integrati e regolamentati non si sostituiscono con un semplice cambio di interfaccia.

Compliance, test, integrazione e gestione del rischio operativo rallentano la distruzione lineare.

Distruzione tecnologica: graduale, non lineare

La narrativa dei “vincitori e vinti” è corretta nella direzione, ma spesso semplicistica nell’applicazione.

La distruzione tecnologica:

  • Non è immediata
  • Non è uniforme
  • Non è lineare

Il mercato però tende ad anticipare e amplificare sia entusiasmo sia paura.

Per l’investitore sofisticato, questa fase non è solo rischio ma anche opportunità di selezione.

Conclusione

L’Intelligenza Artificiale non distruggerà in modo uniforme software e servizi.

Ridisegnerà la distribuzione del valore.

Avranno maggiori probabilità di stare tra i vincitori le aziende che:

  • Controllano dati proprietari
  • Sono integrate nei processi critici
  • Hanno modelli di pricing legati ai risultati
  • Gestiscono carichi di lavoro complessi

Chi vive di intermediazione standardizzata e di fee su attività ripetitive dovrà evolvere rapidamente.

Il vero punto non è prevedere quale sarà la prossima applicazione di moda.

Il punto è capire dove il valore economico resta difendibile anche in uno scenario di forte automazione.


Glossario

Intelligenza Artificiale (AI)
Insieme di tecnologie che consentono ai sistemi informatici di svolgere attività tipicamente umane come analisi, previsione, scrittura e decisione.

Capex
Spese in conto capitale destinate a investimenti strutturali (data center, infrastrutture, hardware).

Multipli di mercato
Indicatori utilizzati per valutare un’azienda (es. P/E, EV/EBITDA) che riflettono le aspettative di crescita futura.

Disintermediazione
Riduzione o eliminazione del ruolo dell’intermediario grazie alla tecnologia.

Modello di monetizzazione basato su input
Pricing legato al numero di utenti, licenze o ore lavorate.

Modello basato su output
Pricing legato al risultato generato (performance, efficienza, valore prodotto).

Lock-in
Dipendenza operativa del cliente da una piattaforma o sistema integrato.

Dati proprietari
Dataset esclusivi, strutturati e difendibili legalmente che costituiscono una barriera competitiva.

Compressione dei multipli
Riduzione delle valutazioni di mercato a causa di minori aspettative di crescita o aumento del rischio percepito.

Due diligence
Processo di analisi e verifica approfondita prima di una transazione o investimento.