L’economia dei token e il vero prezzo dell’intelligenza artificiale

Negli ultimi mesi, molte delle aziende che avevano sottoscritto contratti con OpenAI o Anthropic hanno avuto una brutta sorpresa. Lo scorso aprile, la società di noleggio auto con conducente Uber ha per esempio scoperto di aver già bruciato tutto il budget annuale destinato all’intelligenza artificiale. Una situazione simile si è verificata anche dalle parti del gigante dei supermercati Walmart, che ha introdotto in tutta fretta un limite all’utilizzo dei large language model da parte dei suoi dipendenti. Un’azienda rimasta anonima avrebbe invece speso 500 milioni di dollari in un solo mese a causa dell’utilizzo sfrenato di Claude da parte dei suoi dipendenti, mentre persino un colosso come Meta ha imposto dei limiti all’utilizzo dei sistemi d’intelligenza artificiale generativa, come hanno fatto anche Amazon, AT&T, Brex e numerose altre società. Che cos’è successo? Non eravamo nell’epoca del tokenmaxxing , ovvero la gara a chi usa di più l’intelligenza artificiale all’interno delle aziende? Per capire come mai la situazione sia cambiata così rapidamente basta sapere che, nel corso della prima metà del 2026, OpenAI e Anthropic hanno entrambi cambiato le condizioni dei contratti aziendali: non più una tariffa fissa anche per usare i loro sistemi più avanzati e specialistici, ma una tariffa a consumo – basata sulla quantità di “token” elaborati dai vari ChatGPT Codex, Claude Cowork e altri ancora – che ha fatto esplodere i costi in maniera imprevista. E così, praticamente da un giorno all’altro, i token – oggetto fino a poco fa noto soltanto agli addetti ai lavori – sono diventati uno degli argomenti più discussi dai manager di mezzo mondo. A questo punto, fermiamoci un secondo: che cosa sono i token? Che cosa sono i token, i mattoni alla base degli LLM In sintesi estrema, i token sono l’unità di testo fondamentale che i modelli linguistici elaborano quando leggono, interpretano o generano informazioni. Nella maggior parte dei casi, un token non equivale a una parola, ma a una porzione di essa (in inglese, in media, quattro caratteri). Può però anche essere un segno di punteggiatura, uno spazio o un carattere speciale. Nel momento in cui un modello deve elaborare la frase “il gattino sta dormendo sul divano?”, la scompone in token con una forma simile a “il / gatt / ino / sta / dorm / endo / sul / divano / ?”. Ogni volta che un modello linguistico elabora una forma testuale, indipendentemente dall’obiettivo o dalle mansioni per cui è impiegato, sta quindi elaborando una sequenza di token: li trasforma in rappresentazioni numeriche, li confronta con il contesto già ricevuto e calcola quale token abbia maggiore probabilità di venire dopo. È così che risponde a una domanda, riassume un documento, scrive codice o traduce una frase: non “capendo” le parole, ma prevedendo la sequenza di token più coerente con ciò che gli è stato chiesto. È il meccanismo noto come “ next token prediction ”. Un po’ come il consumo elettrico si calcola in kilowattora o il traffico internet in gigabyte, il lavoro svolto da un’intelligenza artificiale generativa si misura in token. Con una differenza: il consumo effettivo può crescere molto rapidamente, perché non dipende solo dalla lunghezza della richiesta o della risposta finale, ma anche dalla quantità di informazioni che il modello deve leggere prima di produrla. Una domanda posta all’inizio di una chat con Claude consumerà quindi meno token della stessa domanda inserita in una lunga conversazione, perché il “contesto” che il modello linguistico deve analizzare è, nel primo caso, molto più ridotto. Un ultimo elemento importante è che i token sono elementi linguistici nel caso degli LLM, mentre nei modelli che generano immagini possono corrispondere a porzioni di immagine, nei modelli audio a frammenti di suono, nei modelli video a sequenze di informazioni che combinano immagini, movimento e durata. Il principio però resta lo stesso: qualunque sia il contenuto generato — testo, voce, musica, immagini o video — il modello non lo elabora come un blocco unico, ma lo scompone in unità più piccole, le trasforma in numeri e lavora su quelle. Un altro aspetto importante è che nel corso degli anni, grazie alla crescente efficienza dei modelli, il costo dei token è crollato: se nel 2023 il prezzo di un LLM come GPT-4 era di 30 dollari per milione di token in fase di input (quindi il testo che inseriamo noi) e di 60 dollari in output (quindi quello generato dall’AI), oggi GPT-5.5 costa rispettivamente 5 e 30 dollari. Secondo alcune stime , dal 2020 al 2026 i prezzi medi per token sono calati addirittura di 600 volte. La paradossale economia dei token Ma se il prezzo dei token è crollato – e possiamo sostenere che sia sceso significativamente anche per le società che sviluppano LLM, pur in assenza di dati trasparenti a riguardo – com’è possibile che il passaggio a una tariffa a consumo abbia fatto esplodere i costi, al punto da consumare in pochi mesi l’intero budget annuale di Uber e costringere Meta a limitare l’uso dell’intelligenza artificiale in ufficio? La ragione è duplice. Da una parte, i modelli più avanzati e basati su “ragionamento” – che scompongono la richiesta in più passaggi – consumano molti più token delle loro controparti tradizionali (e spesso forniscono risposte più lunghe). Dall’altra, la diffusione dei modelli linguistici e il loro utilizzo spesso intensivo (e non mirato) hanno provocato un enorme aumento dei token da elaborare. Un singolo dipendente che usa ogni giorno un modello di frontiera può quindi consumare molti più token rispetto anche solo a due anni fa. Unendo questi due aspetti, si capisce perché Google – come spiegato dal CEO Sundar Pichai – sia passato in un trimestre da 10 a 16 miliardi di token elaborati ogni minuto. OpenAI ha invece dichiarato che la sua piattaforma API (cioè l’infrastruttura attraverso cui aziende e sviluppatori collegano i propri software ai modelli di OpenAI) è passata da 6 a oltre 15 miliardi di token al minuto tra l’autunno 2025 e la primavera 2026, dopo essere già cresciuta di circa venti volte nei due anni precedenti. Questa impennata del consumo di token è stata a lungo nascosta dalle tariffe fisse ed è invece improvvisamente diventata evidente con il passaggio a una tariffazione a consumo: “L’intelligenza artificiale è oggi la voce di spesa che sta aumentando più rapidamente dei budget aziendali”, si legge in un report Deloitte di inizio anno. “Alcune società hanno affermato che oggi l’AI consuma fino alla metà della loro spesa in tecnologie dell’informazione. Nonostante il prezzo unitario dei token stia calando, la spesa complessiva delle aziende per i sistemi di intelligenza artificiale, e la loro scala di utilizzo, stanno aumentando. Il numero di utenti, la complessità dei modelli e l’intensità dei carichi di lavoro porteranno probabilmente a un maggiore consumo di token e, di conseguenza, a costi più elevati”. Il passaggio a una fatturazione a consumo è probabilmente il principale responsabile dell’impennata del fatturato di Anthropic, passato dai 4,8 miliardi di dollari del primo trimestre 2026 ai 10,9 miliardi attesi per il secondo trimestre. Sarà però interessante capire che cosa succederà nel trimestre ancora successivo, quando i manager delle aziende avranno definitivamente fatto i conti con le spese fuori controllo per utilizzare Claude Code, Cowork o gli altri sistemi avanzati di Anthropic: “I costi della computazione sono ormai diventati una priorità per i direttori finanziari e per i consigli d’amministrazione”, ha spiegato al Financial Times Costi Perricos, responsabile AI di Deloitte. “[OpenAI e Anthropic] hanno insegnato a utenti e aziende che l’intelligenza artificiale fosse economica o addirittura gratis, ma le cose non stanno affatto così”. Carter Busse, dirigente della società di software Workato, ha raccontato sempre al Financial Times come l’utilizzo dell’intelligenza artificiale sia esploso tra i suoi dipendenti non appena hanno iniziato a sfruttare gli agenti AI. La brutta sorpresa è arrivata alla prima fattura a consumo di Anthropic: “La nostra spesa è salita improvvisamente di 7 volte e ho pensato: ‘merda, abbiamo creato un mostro’”, ha spiegato Busse, che adesso sta spronando i suoi dipendenti a usare modelli più economici e in modo più responsabile. Ancora più preoccupanti per i colossi dell’intelligenza artificiale sono le dichiarazioni del presidente di Cisco Jeetu Patel: “Il costo dei token è molto più elevato dell’effettivo valore che essi generano su larga scala”. Il vicolo cieco di OpenAI e Anthropic Nel momento in cui le aziende iniziano a sobbalzare di fronte alle bollette e a domandarsi se il gioco valga la candela, OpenAI e Anthropic si trovano di fronte a quello che lo stesso Sam Altman ha definito “un enorme problema”. E come si risolve questo problema? Stando alle indiscrezioni, nell’unico modo (per ora) possibile: tagliando i prezzi pur di non perdere clienti, come starebbe per fare OpenAI anticipando una possibile mossa di Anthropic in questa stessa direzione. Come ha riassunto Ed Zitron sul suo blog, “sono passati meno di tre mesi da quando le aziende hanno iniziato a pagare il vero costo dei servizi basati su LLM e sono già così chiaramente infuriate che sia Anthropic sia OpenAI stanno pianificando di tagliare il prezzo dei loro servizi già in perdita, facendo probabilmente crollare il fatturato mentre aumentano i costi complessivi”. Il rischio è che i due colossi dell’intelligenza artificiale generativa si trovino alle prese con la più classica alternativa del diavolo: se non tagliano i prezzi, le aziende potrebbero ridurre l’impiego dei modelli linguistici (e come abbiamo visto, parecchie l’hanno già fatto). Se tagliano i prezzi, riducono gli introiti di società già oggi in rosso per decine di miliardi di dollari l’anno. E qui si crea un secondo vicolo cieco: se le aziende tagliano l’uso dell’AI generativa, a cosa serviranno i 190 gigawatt di capacità elettrica per data center già pianificati, in una corsa globale che secondo McKinsey potrebbe richiedere investimenti fino a 7mila miliardi di dollari entro il 2030? E se invece OpenAI e Anthropic devono tagliare i loro prezzi per non perdere clienti aziendali, come faranno a rispettare i contratti da centinaia e centinaia di miliardi di dollari che hanno sottoscritto con Microsoft, Amazon, Google, CoreWeave e altri fornitori di potenza di calcolo? Quanto pagheresti per usare ChatGPT? A questo punto, viene da chiedersi che cosa potrebbe succedere se anche noi utenti comuni di ChatGPT e Claude fossimo costretti a pagare una tariffa a consumo invece di quelle fisse, che per gli usi più intensivi coprono solo una piccola parte dei costi reali. In verità, qualcosa del genere si sta già verificando. A partire da giugno 2026, gli utenti di GitHub Copilot – ovvero l’assistente AI per scrivere codice collegato alla piattaforma per la condivisione di progetti software di proprietà di Microsoft – sono passati da un abbonamento fisso mensile a un sistema di fatturazione legato anche al consumo di token. Secondo quanto riporta un utente, il prezzo da lui pagato potrebbe salire da 29 fino a 750 dollari al mese; un altro segnala che nel suo caso il costo potrebbe schizzare fino a 3mila dollari. Attenzione, perché una parte della responsabilità va attribuita al cosiddetto “vibe-coding”, ovvero la scrittura di codice in cui tutti i passaggi tecnici sono affidati all’intelligenza artificiale, aumentando drasticamente il consumo di token. Difficile però incolpare i “vibe-coders” per il loro uso indiscriminato di Copilot, visto che è stata proprio Microsoft a incoraggiarlo e adesso invece lo punisce con bollette fuori controllo. E se anche OpenAI e Anthropic, conclusa la guerra al ribasso per conquistare gli utenti, dovessero decidere di far pagare i token in base al consumo? È qualcosa che, in realtà, potrebbe avvenire in un futuro non troppo distante, vista la probabile quotazione in borsa di entrambe e la conseguente necessità di ridurre le stratosferiche perdite (per colmare le quali hanno dovuto raccogliere finanziamenti tra i più elevati della storia) e mostrare bilanci in miglioramento. A questo punto, la domanda sorge spontanea: quanto dovremmo pagare per usare gli strumenti d’intelligenza artificiale se non avessimo a disposizione tariffe fisse tenute artificialmente basse? Una possibile risposta ce la fornisce una simulazione condotta dalla società di analisi SemiAnalysis. Secondo queste stime, il “vero prezzo” (inteso come il prezzo che pagheremmo se fossimo soggetti ad abbonamenti a consumo pari a quelli delle API) di un abbonamento a ChatGPT da 20 dollari al mese potrebbe arrivare fino a 700 dollari, mentre un abbonamento Pro da 200 dollari può raggiungere anche 14mila dollari (situazione simile per Anthropic). Il vantaggio della Cina Il problema, insomma, è sempre lo stesso: l’intelligenza artificiale generativa costa troppo e un modello di business sostenibile non è ancora all’orizzonte. È una situazione che riguarda però soprattutto i più avanzati modelli di frontiera sviluppati negli Stati Uniti. E che potrebbe invece avvantaggiare l’ecosistema AI della Cina. Il segnale più evidente arriva sempre dal consumo di token. Secondo i dati di OpenRouter, a giugno i tre modelli più utilizzati per quantità di token elaborati sono tutti cinesi: MiMo di Xiaomi, MiniMax e DeepSeek. È un segnale di come una quota crescente dell’uso degli LLM – a partire da quello che avviene all’interno di applicazioni, strumenti di lavoro, agenti e servizi aziendali – si stia spostando verso i più economici modelli made in China. Ad avvantaggiare la Cina è un mix di fattori, tra cui troviamo l’energia meno cara, i data center più economici, le infrastrutture sostenute dallo Stato, l’aggressiva concorrenza interna e il fatto che i modelli siano spesso progettati per consumare meno, grazie a scelte di architettura informatica e anche a causa delle restrizioni che impediscono alla Cina di avere accesso ai chip più avanzati. Il vantaggio cinese diventa ancora più evidente guardando i prezzi: i modelli cinesi più usati costano infatti una frazione dei modelli di punta di OpenAI e Anthropic. Il prezzo per milione di token è però solo una parte del costo reale. Come ha spiegato il ricercatore indipendente Wong Qi Han a CNA, se un modello sbaglia spesso e quindi richiede più tentativi, funziona peggio in una lingua straniera, ha maggiore latenza o pone problemi di sicurezza e compliance, il risparmio iniziale può essere illusorio. In linea teorica, la metrica decisiva non dovrebbe essere il costo per milione di token, ma quanto spendiamo per ottenere un risultato soddisfacente (per gli utenti comuni) o il ritorno sull’investimento (per le aziende). Il problema è che entrambe queste metriche sono estremamente difficili da misurare. È possibile che i più costosi modelli statunitensi continueranno a essere usati per le attività complesse, mentre quelli cinesi potrebbero conquistare la fascia più ampia del mercato, quella degli usi quotidiani come supporto professionale o assistente personale. Tutto è bene quel che finisce bene? Non è detto. Per la Cina, il rischio principale è l’eccessiva concorrenza sui prezzi e la compressione dei margini, che potrebbe mettere a rischio la profittabilità di DeepSeek e compagni. Per gli Stati Uniti, il rischio è invece che essere esclusi (a causa dei prezzi elevati) dalla massa dei casi d’uso quotidiani e ad alto volume causerebbe non tanto (o non solo) una riduzione dei potenziali ricavi, ma potrebbe provocare soprattutto una riduzione della potenza di calcolo necessaria. Considerando le cifre immense che stanno venendo investite in GPU, cloud e data center, ritrovarsi con una richiesta di potere computazionale inferiore alle attese potrebbe trasformare l’attuale corsa alle infrastrutture in un enorme azzardo finanziario. E a quel punto, la temuta bolla dell’intelligenza artificiale potrebbe scoppiare per davvero. * da Guerre di Rete 4 Luglio 2026 - © Riproduzione possibile DIETRO ESPLICITO CONSENSO della REDAZIONE di CONTROPIANO

Intelligenza e futuro

Intelligenza e futuro | In In Colonnino | Di Di Redazione Condividi Facebook Twitter WhatsApp Email Qualcuno teme che l’Intelligenza artificiale alla lunga porterà alla distruzione dell’umanità. Isaac Asimov, che era bravissimo a immaginare, ha mostrato nei suoi libri modalità molto diverse di convivenza tra umani e robot. Io non sono in grado di fare previsioni. Sono molto più preoccupato di quello che succede oggi e succederà domani. Se riuscissimo a governare adesso l’introduzione massiccia dell’IA nelle nostre vite, sarei assai più ottimista sul futuro. Giorgio Parisi, Nobel per la fisica

Di chi è l’intelligenza artificiale

Analisi azioni STMicroelectronics, la società che unisce robotica, difesa e intelligenza artificiale in un solo titolo

STMicroelectronics sembrerebbe stare attraversando una fase di trasformazione silenziosa ma profonda. Se questa convergenza tematica trovasse conferma nei numeri del secondo trimestre 2026, il profilo rischio/rendimento del titolo potrebbe cambiare in modo significativo rispetto alla narrativa attuale, che tende ancora a inquadrare STM principalmente come un player dell’automotive e degli smartphone. Per un investitore attento capire se questa transizione è già avviata o ancora sulla carta potrebbe fare la differenza tra cogliere una rivalutazione graduale oppure esporsi a una volatilità elevata. Una piattaforma tecnologica che parla tre lingue diverse STMicroelectronics è una società italo-francese quotata sia a Parigi che a Piazza Affari, il cui core business ruota attorno ai semiconduttori analogici e a segnale misto. Questa categoria di chip svolge una funzione che potrebbe sembrare banale ma che risulta strategicamente decisiva: traduce grandezze fisiche reali come temperatura, pressione e flusso di corrente in segnali digitali elaborabili da un processore. È esattamente il tipo di componente che si trova al cuore di qualsiasi sistema embedded che debba percepire l’ambiente circostante e reagire in tempo reale, dai bracci robotici nei capannoni industriali fino ai sistemi avionici militari, passando per le architetture di distribuzione energetica nei data center di ultima generazione. leggi anche Rame a prezzi record. E ora il mercato delle materie prime potrebbe non essere più lo stesso Il pilastro dell’intelligenza artificiale: da componente commodity a fornitore strategico Il segmento che attira maggiore attenzione tra gli analisti specializzati riguarda il posizionamento di STM nell’ecosistema dell’intelligenza artificiale applicata ai data center. Le previsioni interne di fatturato legate all’IA sarebbero state riviste al rialzo fino a $1 miliardo per il 2026, con un obiettivo dichiarato di $2 miliardi per il 2027. Si tratterebbe di un raddoppio del contributo di questo segmento nell’arco di dodici mesi, una progressione che, se confermata, riscalerebbe significativamente il peso relativo dell’IA all’interno del mix di ricavi complessivo. Il canale tecnico di questa crescita sembrerebbe passare attraverso una collaborazione con Nvidia sullo sviluppo di architetture per data center ad alto voltaggio, specificamente attorno ai sistemi a 800 volt. La logica ingegneristica è rigorosa: i data center tradizionali operano a tensioni di distribuzione inferiori, ma i cluster di GPU ad altissima densità computazionale richiesti dall’IA generativa producono dissipazione termica e perdite elettriche che rendono necessario un salto di tensione per mantenere l’efficienza energetica entro soglie accettabili. STM disporrebbe di competenze specifiche nei dispositivi di potenza ad alta tensione, nonché di una presenza nel segmento dei componenti fotonici e ottici, anch’essi in fase di adozione rapida nei fabric di interconnessione dei data center più avanzati. Robotica, difesa aerospaziale e il ciclo industriale che sembrerebbe ripartire Il secondo asse della trasformazione riguarda il comparto industriale, con un’enfasi su due sotto-segmenti a domanda strutturalmente più robusta rispetto all’industria generica. Dopo circa due anni di forte destocking lungo tutta la catena di fornitura dei semiconduttori industriali, il ciclo sembrerebbe entrare in una fase di normalizzazione delle scorte, con i distributori che potrebbero tornare a collocare ordini in modo più regolare. All’interno di questo quadro, la robotica industriale e il segmento difesa/aerospaziale emergerebbero come vettori di crescita privilegiati per STM. La robotica dipende in misura critica da sensori inerziali, encoder, driver per motori brushless e sistemi di controllo del movimento che richiedono precisamente la tipologia di semiconduttori analogici e misti in cui l’azienda ha sviluppato un know-how consolidato nel tempo. Il comparto difesa e aerospaziale aggiunge una dimensione ulteriore: i componenti destinati a questi mercati richiedono qualifiche tecniche specifiche come le certificazioni MIL-SPEC o DO-254, cicli di approvazione molto lunghi e standard di affidabilità che creano barriere all’ingresso elevate. Una volta acquisita la qualifica su un programma militare o aerospaziale, la posizione del fornitore tende a essere stabile per l’intera durata del programma, generando visibilità di ricavo non comparabile con quella dei mercati consumer. Il segmento LEO: tre miliardi di dollari sul tavolo tra il 2026 e il 2028 Il terzo pilastro tematico è probabilmente quello meno discusso nel dibattito corrente su STM, ma potrebbe rivelarsi rilevante sul piano quantitativo. Il portafoglio ordini legato ai satelliti in orbita terrestre bassa potrebbe generare un fatturato cumulativo di $3 miliardi tra il 2026 e il 2028. Questo segmento si inserisce direttamente nell’accelerazione globale dei programmi di costellazioni satellitari commerciali e istituzionali, un mercato con caratteristiche per certi versi simili a quelle della difesa: contratti pluriennali, qualifiche difficilmente replicabili da nuovi concorrenti in tempi brevi, e profili di ricavo relativamente prevedibili una volta acquisita la posizione di fornitore qualificato. Le ombre sul quadro: automotive in transizione e smartphone sotto pressione Il profilo di STM non sarebbe completo senza considerare le aree di pressione che potrebbero pesare sui risultati nel breve e medio termine. Il segmento automotive, storicamente uno dei più rilevanti in termini di peso sul fatturato e che ha visto Tesla tra i principali clienti, attraverserebbe una fase di ridefinizione contrattuale. Alcuni accordi di capacità produttiva pluriennali stipulati durante la fase di scarsità dei chip sembrerebbero in progressiva scadenza, rendendo i confronti anno su anno potenzialmente difficili per diversi trimestri consecutivi. Sul fronte smartphone, una possibile flessione nella seconda metà del 2026 legata all’aumento dei prezzi delle memorie NAND e DRAM potrebbe comprimere i volumi sia nel segmento premium che in quello entry-level, riducendo temporaneamente la domanda di alcuni componenti analogici in cui STM è presente.

Perché l’intelligenza artificiale è la public utility del futuro. L’analisi di Cerra

L’Istat certifica una crescita della produttività dello 0,3 per cento l’anno dal 1995. La Banca d’Italia stima che l’intelligenza artificiale possa valerne oltre uno. Tre riforme, un Comitato al Cnel e la partita europea del calcolo. L’analisi di Rosario Cerra, fondatore e presidente del Centro Economia Digitale 21/07/2026 Un decimale può pesare quanto una generazione. Quello italiano si chiama 0,3 per cento: la crescita media annua della produttività del lavoro tra il 1995 e il 2024, certificata dall’Istat nelle serie diffuse a dicembre. Nell’ultimo decennio la Ue27 è avanzata dell’1,1 per cento l’anno, quasi quattro volte il nostro passo, e il 2024 si è chiuso con un altro segno meno: -1,9. Su questo sfondo arriva l’intelligenza artificiale. Nelle Considerazioni finali del 29 maggio il governatore della Banca d’Italia Fabio Panetta ha messo in fila i due scenari: 0,2 punti l’anno se l’adozione resta lenta, oltre un punto se diventa rapida e pervasiva. Per un Paese fermo allo 0,3 da trent’anni, la distanza tra quei due scenari vale un decennio di crescita. Chi guarda alla velocità ha argomenti seri. Nel 2025, secondo l’Istat, il 16,4 per cento delle imprese italiane con almeno dieci addetti utilizza almeno una tecnologia di intelligenza artificiale; un anno prima era l’8,2. Un raddoppio in dodici mesi, il ritmo più alto mai registrato, mentre la media europea si ferma al 20 e la Danimarca tocca il 42. Il ritardo esiste, la distanza si sta chiudendo. Il punto è la forma di quel 16,4. Dentro convivono due Italie: usa l’intelligenza artificiale il 53 per cento delle grandi imprese e il 16 delle piccole e medie. L’adozione ha preso la forma della nostra struttura produttiva, e ne eredita i limiti dimensionali. Al Centro Economia Digitale misuriamo questa asimmetria da anni; l’ultimo rapporto, High-Tech Economy, la fotografa con un paradosso: il 70,9 per cento della ricerca e sviluppo privata italiana si concentra in settori high-tech che pesano appena il 10,9 per cento del valore aggiunto. Lo sforzo innovativo c’è, ed è ben orientato; è il perimetro che lo ospita a essere stretto. E il perimetro decide molto: nell’Unione europea un’unità di valore aggiunto high-tech genera 3,9 unità di Pil in tre anni, una low-tech si ferma a 1,28. Tre volte tanto. Il gap con Germania e Francia si chiama scala: delle imprese che adottano, dei settori che trainano; e di un mercato dei capitali che ancora non finanzia il salto. Da qui tre riforme, nessuna delle quali chiede risorse che non esistano già. Chiedono direzione. La prima fa dell’adozione la politica industriale: il punto di produttività promesso da quelle stime vale solo se la tecnologia permea l’intero sistema, piccole imprese comprese. Significa spostare il baricentro degli incentivi dall’acquisto di macchinari all’integrazione dell’IA nei processi, usare la domanda pubblica come primo cliente e puntare su modelli verticali addestrati sulle filiere in cui siamo forti, dalla meccanica avanzata al Made in Italy. La seconda riguarda le competenze: tra le imprese europee che hanno valutato l’IA senza adottarla, sette su dieci indicano come prima barriera la loro mancanza, e il divario tra il 53 e il 16 è organizzativo prima che tecnologico. Ogni euro pubblico che compra una tecnologia dovrebbe comprare anche le ore di chi imparerà a usarla. La terza riforma è istituzionale, ed è la condizione delle altre due: dare all’economia dell’intelligenza artificiale una sede. Lo scorso 8 giugno il Regno Unito ha creato l’AI Economics Institute, primo centro pubblico dedicato agli effetti economici dell’IA, che mette allo stesso tavolo sindacati, ricercatori e i principali sviluppatori di modelli. L’Italia sulla carta parte avvantaggiata: una legge sull’intelligenza artificiale, la 132 del 2025; una legge sulla partecipazione dei lavoratori, la 76 dello stesso anno, che ha già insediato al Cnel la Commissione nazionale permanente; due autorità e fino a un miliardo di risorse dedicate. Manca il ponte: il luogo dove misurare gli effetti dell’IA su produttività, occupazione e salari, e trasformare quei numeri in contrattazione. Il 13 luglio, sul Foglio, con il presidente del Cnel Renato Brunetta abbiamo proposto di costruirlo: un Comitato per l’economia dell’intelligenza artificiale presso il Cnel, l’organo che l’articolo 99 della Costituzione tiene pronto dal 1948, con iniziativa legislativa e rappresentanza delle categorie produttive. E, alla scala superiore, una sede europea sul modello di Cern ed Esa: una convenzione tra Stati, fuori dai Trattati, per produrre l’evidenza che nessun Paese raggiunge da solo. L’insistenza sulla misurazione ha un nome. Dopo il populismo nato dalla globalizzazione e quello alimentato dall’immigrazione, il terzo prenderà di mira la tecnologia; attecchisce dove la produttività riparte e i salari no, dove i benefici si concentrano e i costi si diffondono. Prevengono le istituzioni che misurano e la contrattazione che redistribuisce, assai più di qualunque campagna di rassicurazione. Resta la domanda scomoda: possiamo limitarci ad adottare, lasciando ad altri l’infrastruttura? Circa tre quarti della capacità di calcolo mondiale è nelle mani di cinque grandi aziende statunitensi, ha ricordato Panetta nello stesso discorso; il rapporto Draghi del settembre 2024 stima che oltre l’80 per cento di prodotti, servizi e infrastrutture digitali europei arrivi da fornitori esterni al continente. Giugno ha presentato il conto: il 25 il Consiglio dell’Unione ha dato il via libera definitivo all’accordo commerciale con gli Stati Uniti, quello del tetto al 15 per cento sui dazi; ventiquattr’ore dopo il presidente americano ha minacciato tariffe al 100 per cento contro qualunque Paese tassi le piattaforme digitali, precisando che prevarrebbero su ogni intesa firmata. L’arma tariffaria, che colpisce i beni, impiegata per blindare i servizi. Chi domina il calcolo può imporre un prezzo a chi prova a regolarlo. Autonomia, dunque, senza il riflesso autarchico che sarebbe la via più rapida per impoverirci. Nel rapporto Coopetizione abbiamo documentato una crescita del 159 per cento, tra il 2003 e il 2022, dei brevetti sviluppati in collaborazione tra concorrenti diretti: alla frontiera si compete e si coopera nello stesso tempo, e vale per le imprese come per gli Stati. Nessuno propone di spegnere le piattaforme; proponiamo che l’Europa sia in condizione di scegliere. Una direzione esiste già. Con EuroHPC l’Europa ha selezionato 19 AI Factory, e una delle prime, IT4LIA, è a Bologna: avviata nel settembre 2025 con il coordinamento di Cineca e circa 420 milioni di investimento in parti uguali tra Roma e Bruxelles, con supporto gratuito per PMI e startup e il supercomputer dedicato, aggiudicato in aprile, in arrivo al Tecnopolo. Dentro l’iniziativa InvestAI da 200 miliardi, 20 sono destinati alle gigafactory dell’IA, fino a cinque impianti da oltre centomila processori avanzati; il bando ufficiale è atteso da EuroHPC quest’estate, e l’Italia è in campo con un consorzio industriale nazionale. L’obiettivo, più che inseguire i giganti americani sui modelli di frontiera, è rendere contendibile l’accesso al calcolo: i sistemi proprietari funzionano come un ristorante esclusivo, dove si entra pagando il conto e accettando il menu di chi lo gestisce; il calcolo contendibile somiglia a una cucina comune, dove ognuno porta le proprie ricette e paga soltanto i fornelli che accende. Un secolo fa la politica si chiese chi dovesse possedere l’officina del gas e la rete elettrica: la legge Giolitti del 1903 sulle municipalizzate e l’Enel del 1962 furono la risposta. Ernesto Rossi, nei Padroni del vapore, attaccava la rendita che nasce quando il mercato smette di essere contendibile, risparmiando l’industria. L’input che entra nel costo di tutti gli altri allora era la corrente; oggi si chiama intelligenza, e la centrale che la genera si chiama calcolo. L’intelligenza artificiale è la public utility del futuro. Torno al numero di partenza. Trent’anni allo 0,3 significano anche che nessuna grande economia europea ha davanti un margine di recupero ampio quanto il nostro, e per la prima volta in una generazione esiste una tecnologia capace di aggredirlo. L’adozione, le competenze, una sede per governarne gli effetti: si parte con gli strumenti che già ci sono, a cominciare da un articolo della Costituzione fermo lì dal 1948. La trasformazione arriverà comunque; ciò che decidiamo noi è se l’Italia la attraversa da spettatrice o da azionista. Il costo del non scegliere, per una volta, ha già una misura ufficiale: quello 0,3.

Ragaini (AIPB) a Financialounge.com: "L'intelligenza artificiale non è bolla, ma rally"

DAL PRIVATE BANKING ALLA SFIDA DELLA LIQUIDITÀ Nei momenti di volatilità, il private banking accompagna i clienti con equilibrio: contenere l'emotività nei ribassi, cogliere le opportunità e costruire portafogli pensati per durare nel tempo. Infine, il nodo degli oltre 2000 miliardi di euro fermi sui conti correnti degli italiani. "L'inflazione è una tassa subdola che agisce proprio sulla liquidità", avverte Ragaini: la sfida è canalizzare il risparmio verso investimenti produttivi, a beneficio dell'economia e delle famiglie. E la buona notizia è che gli italiani hanno iniziato a muoversi in questa direzione.Clicca qui sotto per vedere l'intervista completa:

L’intelligenza artificiale corre, ma le competenze più richieste restano quelle umane

La Wibo Future Skills Research 2026 fotografa un profondo gap su intelligenza artificiale, leadership e adattabilità. Entro cinque anni il 39% delle competenze di oggi sarà obsoleto Consapevoli ma non ancora pronte: è questo il paradosso delle imprese italiane davanti all’evoluzione del mondo del lavoro. A rivelarlo è la Wibo Future Skills Research 2026. Intervistando i leader HR, L&D e People & Culture, la ricerca ha misurato la distanza tra la percezione delle competenze strategiche del domani e l’effettiva preparazione delle aziende per metterle in campo. Il dato centrale restituisce una fotografia chiara: il livello medio di competenze percepito oggi nelle organizzazioni è pari a 5 su 10, ben al di sotto del livello ritenuto necessario per rimanere competitivi (8,9 su 10). Un divario comune a tutte le aree analizzate e che misura una tensione quotidiana vissuta dalle aziende. Ovvero sapere dove si dovrebbe andare ma senza avere ancora strumenti, modelli e culture organizzative adeguate per arrivarci. Come si presenta il futuro del mondo del lavoro La ricerca si inserisce in un contesto di trasformazione accelerata del lavoro. Secondo il Future of Jobs Report 2025 del World Economic Forum, nei prossimi cinque anni il 39% delle competenze core di un lavoratore medio diventerà obsoleto, mentre l’adozione di IA e automazione creerà circa 170 milioni di nuovi ruoli, rendendone superati 92 milioni. In pratica, possiamo contare sul progresso tecnologico, ma mancano le competenze per gestirlo. La Wibo Future Skills Research ha preso in analisi quattro aree chiave: leadership e comunicazione, adattabilità e mentalità imprenditoriale, pensiero strategico e analitico, AI e produttività digitale. In tutte emerge un forte scollamento tra importanza attribuita e preparazione attuale, con un dato trasversale che accomuna le diverse aree. Il fattore umano, che è tuttora percepito come il vero vantaggio competitivo nell’era dell’IA. Le competenze più richieste in area IA e produttività, infatti, non sono di natura tecnica bensì applicativa: il 68% degli HR indica il miglioramento dell’efficienza dei processi come priorità, mentre il 50% ritiene essenziale lo sviluppo di skill di prompt engineering, ovvero la capacità di dialogare in modo efficace con l’IA. Dalle risposte qualitative emerge una visione condivisa: l’AI deve agire come copilota dell’intelligenza umana, non come suo sostituto. L’intelligenza artificiale e il rapporto con le aziende «L’IA è riconosciuta come la forza trasformativa più dirompente, ma è anche l’area in cui le aziende si sentono meno preparate. Il punto non è la mancanza di tecnologia, quanto la difficoltà di integrarla nei processi quotidiani e nel lavoro delle persone», commenta Tommaso Seita, cofounder di Wibo. «Dalla ricerca emerge chiaramente che le competenze più carenti non sono tecniche, ma applicative: saper usare l’IA per migliorare l’efficienza, prendere decisioni migliori e supportare dunque il lavoro umano. Senza una reale alfabetizzazione e senza un approccio che metta le persone al centro, il rischio è che l’IA resti una promessa, anziché diventare un reale fattore di competitività». Per quanto riguarda l’area leadership e comunicazione, in un mondo del lavoro sempre più ibrido e distribuito, le competenze relazionali diventano centrali. Dare e ricevere feedback è indicata come competenza urgente dal 70% del campione, seguita dalla gestione dei conflitti (55%). «I dati segnalano con chiarezza che il modello di leadership richiesto oggi alle aziende è profondamente diverso da quello del passato. Emerge la figura del leader-coach: meno comando e controllo, più ascolto, fiducia e sicurezza psicologica. Il punto critico, però, è che molte organizzazioni riconoscono questo cambiamento a livello teorico, ma faticano ancora a sostenerlo nella pratica quotidiana», continua Alessandro Busso, cofondatore di Wibo. «Senza un’evoluzione reale delle culture organizzative, dei sistemi di valutazione e dei modelli decisionali, il rischio è quello di chiedere alle persone di cambiare comportamento senza metterle nelle condizioni di farlo davvero». I limiti all’inserimento dell’intelligenza artificiale Anche i dati relativi all’area di adattabilità e mentalità imprenditoriale mostrano un gap rilevante. Il 75% degli HR indica il change management come competenza critica, seguito da resilienza (65%) e learnability, ovvero la capacità di imparare continuamente (60%). Le aziende riconoscono la necessità di essere più agili, ma scontano ancora culture organizzative che penalizzano l’errore, scoraggiano l’iniziativa e mantengono strutture gerarchiche rigide. Il risultato è una reattività costante, che lascia poco spazio al pensiero strategico. Infine, sul fronte del pensiero strategico e analitico, la difficoltà principale rilevata non è tanto l’accesso ai dati, quanto la capacità di trasformarli in decisioni. Non a caso, il problem solving complesso è la competenza indicata in assoluto come più rilevante nell’intera survey (80%), seguita proprio dal pensiero critico (70%). In un contesto di sovraccarico informativo, saper «collegare i puntini» diventa una competenza chiave e distintiva, in linea con i trend globali che indicano il pensiero analitico come la skill più richiesta dalle aziende a livello mondiale. «Dalle interviste emerge una tensione che le aziende vivono ogni giorno: tutti sanno che il cambiamento è necessario, ma pochi riescono davvero a trasformarlo in azione. L’urgenza operativa schiaccia la visione strategica e, paradossalmente, rallenta proprio quella trasformazione che dovrebbe accelerare», raccontano i fondatori di Wibo. «In questo contesto, il vero vantaggio competitivo non è la tecnologia in sé, ma il fattore umano: pensiero critico, empatia e capacità di riflettere restano competenze insostituibili, soprattutto nell’era dell’IA. Colmare lo skill gap non significa fare più corsi, ma costruire una learning culture continua, trattare le soft skill come prerequisiti tecnici e progettare percorsi di apprendimento orientati a un cambiamento comportamentale misurabile, che permetta alle persone di governare il cambiamento invece di subirlo».

L’Italia nell’era della fine della scarsità: perché l’Intelligenza Artificiale impone un nuovo progetto di Paese

/ Foto generata con l'Ai L'intervento L'IA apre una nuova fase dello sviluppo, per il nostro Paese è una sfida ma anche un'occasione: il capitale culturale smette di essere soltanto un elemento identitario e diventa una vera infrastruttura della competitività Negli ultimi diciotto mesi il mondo ha iniziato a investire nell’Intelligenza Artificiale con una velocità che non ha precedenti nella storia recente dell’innovazione. Le principali economie mondiali hanno trasformato la capacità di calcolo in una priorità strategica, destinando centinaia di miliardi di euro alla costruzione di nuovi data center, allo sviluppo di semiconduttori avanzati, alla produzione di energia necessaria ad alimentare le infrastrutture digitali e alla formazione di competenze altamente specializzate. La corsa globale all’autonomia tecnologica Gli Stati Uniti hanno avviato un nuovo ciclo di investimenti industriali sull’AI, la Cina continua a considerare l’autonomia tecnologica un elemento centrale della propria strategia geopolitica, mentre l’Europa, attraverso l’AI Act, gli IPCEI, il Programma Europa Digitale e le iniziative dedicate alle AI Factory, sta cercando di costruire una propria autonomia nel governo delle tecnologie emergenti. Il ruolo delle innovazioni nell’organizzazione delle società Se osservassimo soltanto questi dati potremmo essere portati a credere che il XXI secolo sarà ricordato come il secolo dell’Intelligenza Artificiale. Sarebbe però una lettura incompleta. La storia insegna che le grandi trasformazioni non sono determinate dalle tecnologie in sé, ma dal modo in cui esse modificano le condizioni sulle quali una società si era organizzata. La macchina a vapore non cambiò il mondo perché era una macchina più efficiente delle precedenti. Lo cambiò perché rese abbondante un’energia meccanica che fino a quel momento era rimasta una risorsa scarsa. L’elettricità trasformò l’industria perché rese disponibile ovunque una fonte energetica prima limitata. Internet rivoluzionò l’economia perché ridusse drasticamente la scarsità dell’informazione. La novità introdotta dall’Intelligenza Artificiale Oggi l’Intelligenza Artificiale sta facendo qualcosa di ancora più profondo. Per la prima volta nella storia una tecnologia rende progressivamente abbondante una parte della capacità di elaborare conoscenza. Non distribuisce semplicemente informazioni. Le interpreta, le collega, le sintetizza, suggerisce soluzioni, costruisce simulazioni e supporta decisioni. È questo il motivo per cui governi e imprese stanno investendo somme così ingenti: non stanno acquistando software. Stanno costruendo quella che diventerà l’infrastruttura cognitiva della prossima economia. La domanda centrale sul futuro delle nazioni Ed è proprio qui che il dibattito italiano rischia di fermarsi alla superficie. Continuiamo a domandarci quante professioni cambieranno, quanto crescerà la produttività o quali servizi pubblici potranno essere automatizzati. Sono domande necessarie, ma non ancora sufficienti. La questione decisiva è un’altra. Che cosa accade a una nazione quando cambia ciò che, per secoli, ha rappresentato la principale forma di scarsità? Il modello di sviluppo italiano Ogni Paese, infatti, costruisce la propria identità economica e istituzionale attorno alle risorse che considera strategiche. Per decenni l’Italia ha trovato la propria forza nella manifattura di qualità, nella creatività diffusa, nella capacità imprenditoriale dei territori, nel patrimonio culturale e nella ricchezza delle relazioni sociali. Il nostro modello di sviluppo non è mai stato fondato esclusivamente sulla dimensione delle imprese o sulla disponibilità di grandi risorse naturali. Ha sempre fatto leva sulla qualità delle persone e sulla capacità di trasformare conoscenze, competenze e cultura in valore economico. L’Intelligenza Artificiale non mette in discussione questo patrimonio. Al contrario, lo rende ancora più prezioso. Ma ci costringe a reinterpretarlo. Se una parte crescente dell’intelligenza operativa diventa disponibile attraverso infrastrutture digitali accessibili a tutti, il vantaggio competitivo non potrà più derivare soltanto dal possesso delle competenze. Dipenderà dalla capacità di combinarle con cultura, visione, responsabilità e capacità di orientare l’innovazione verso obiettivi condivisi. La vera competizione del XXI secolo La vera competizione del XXI secolo non sarà tra chi possiede più tecnologia, ma tra chi saprà costruire le istituzioni migliori per governarne gli effetti. È una sfida eminentemente politica. Perché riguarda la scuola che formerà le nuove generazioni, le università che produrranno ricerca, le imprese che trasformeranno innovazione in sviluppo, la Pubblica Amministrazione che dovrà utilizzare l’Intelligenza Artificiale senza compromettere diritti e trasparenza e, soprattutto, la capacità dello Stato di definire una visione nazionale dentro uno scenario geopolitico sempre più competitivo. La trasformazione digitale oltre il tema tecnologico Per molti anni abbiamo pensato che la trasformazione digitale fosse principalmente un tema tecnologico. Oggi comprendiamo che è, prima di tutto, una questione di progetto di Paese. Ogni grande transizione della storia ha premiato le nazioni che sono riuscite a comprendere per prime quale nuova scarsità stesse emergendo e a costruire istituzioni capaci di valorizzarla. È esattamente questa la domanda che l’Italia è chiamata ad affrontare nei prossimi anni. Non come semplice utilizzatrice dell’Intelligenza Artificiale, ma come protagonista di una nuova idea di sviluppo nazionale. Il confine tra dipendenza tecnologica e autonomia strategica Se la diagnosi è corretta, allora anche le risposte non possono essere quelle del passato. Per troppo tempo il dibattito sull’innovazione si è ridotto a una discussione sulle tecnologie da adottare o sulle risorse economiche da investire. È stato un approccio comprensibile, ma oggi non è più sufficiente. La vera sfida non consiste nell’acquistare più Intelligenza Artificiale, bensì nel costruire un Paese capace di utilizzarla meglio degli altri. La differenza può sembrare sottile, ma è enorme. La prima strategia produce dipendenza tecnologica; la seconda costruisce autonomia strategica. Uno spazio originale per l’Italia L’Italia, in questo scenario, parte con alcuni limiti evidenti. La dimensione media delle imprese è ridotta rispetto ai grandi competitor internazionali. Gli investimenti privati in ricerca e sviluppo rimangono inferiori rispetto alle principali economie avanzate. La frammentazione amministrativa rallenta spesso la diffusione dell’innovazione e il declino demografico rende ancora più urgente valorizzare ogni competenza disponibile. Sarebbe però un errore fermarsi a questo elenco di criticità. Ogni trasformazione storica modifica infatti le gerarchie competitive. Le qualità che hanno determinato il successo di ieri non sono necessariamente le stesse che determineranno quello di domani. Ed è proprio qui che l’Italia potrebbe trovare uno spazio originale. Il vantaggio competitivo del capitale culturale In un’economia nella quale una parte crescente dell’intelligenza operativa tende a diventare una commodity, acquistabile e accessibile ovunque, il vantaggio competitivo si sposta inevitabilmente verso ciò che è più difficile copiare. La qualità delle istituzioni, la capacità di integrare discipline diverse, la ricchezza culturale, la creatività progettuale, la fiducia sociale e la forza delle comunità territoriali diventano risorse economiche prima ancora che valori civili. In altre parole, il capitale culturale smette di essere soltanto un elemento identitario e diventa una vera infrastruttura della competitività. L’investimento nella formazione Per questo motivo il progetto di Paese richiesto dall’Intelligenza Artificiale non può limitarsi a una strategia digitale. Deve diventare una strategia di trasformazione nazionale. Significa investire nelle infrastrutture computazionali, certamente, ma anche nella scuola che forma capacità critiche e non soltanto competenze tecniche; nell’università che collega ricerca e impresa; in una Pubblica Amministrazione che utilizza i dati per semplificare la vita dei cittadini senza rinunciare alla trasparenza; in una politica industriale che favorisca la crescita di ecosistemi dell’innovazione anziché sostenere esclusivamente singole imprese. Una moderna idea di sovranità La stessa idea di sovranità merita di essere ripensata. Nel Novecento essa veniva misurata soprattutto attraverso il controllo del territorio, delle risorse naturali e delle infrastrutture fisiche. Nel XXI secolo si aggiungono nuove dimensioni: la capacità di governare i dati, sviluppare competenze avanzate, partecipare alla costruzione degli standard tecnologici, proteggere le infrastrutture digitali e mantenere autonomia nelle decisioni strategiche. Non è una sovranità chiusa o autarchica. È una sovranità fondata sulla capacità di contribuire da protagonisti ai grandi ecosistemi internazionali dell’innovazione. L’evoluzione del rapporto tra Stato e mercato Anche il rapporto tra Stato e mercato dovrà evolvere. L’Intelligenza Artificiale non potrà essere considerata soltanto una leva di efficienza economica. Sarà una tecnologia capace di influenzare il lavoro, la salute, la giustizia, l’educazione, l’informazione e perfino la qualità della democrazia. Per questa ragione servirà una nuova alleanza tra istituzioni pubbliche, sistema produttivo, università e centri di ricerca. Non per sostituire il mercato, ma per orientarlo verso obiettivi condivisi di sviluppo, sicurezza e coesione sociale. Il passaggio dalla scarsità all’abbondanza La politica del XXI secolo sarà chiamata sempre meno ad amministrare la scarsità e sempre più a governare l’abbondanza. È una responsabilità nuova. Quando informazioni, conoscenze e strumenti intelligenti diventano disponibili su scala globale, il vero compito delle istituzioni consiste nel creare le condizioni affinché quella ricchezza diffusa produca opportunità anziché nuove disuguaglianze. Non sarà sufficiente distribuire tecnologia. Occorrerà distribuire capacità di comprenderla, di utilizzarla responsabilmente e di trasformarla in benessere collettivo. La grande occasione dell’Italia Forse è proprio questa la grande occasione dell’Italia. Per ragioni storiche e culturali il nostro Paese ha sempre espresso il meglio di sé quando ha saputo mettere in relazione saperi diversi: arte e tecnica, manifattura e design, impresa e territorio, innovazione e tradizione. L’Intelligenza Artificiale rende questa capacità di integrazione ancora più preziosa. In un mondo nel quale molti avranno accesso agli stessi strumenti tecnologici, la differenza sarà determinata dalla qualità del progetto culturale, economico e istituzionale nel quale quegli strumenti verranno inseriti. Per questo il vero interrogativo non è se l’Italia sarà pronta ad adottare l’Intelligenza Artificiale. La domanda è molto più ambiziosa: saprà utilizzare questa trasformazione per ridefinire il proprio modello di sviluppo? Se riusciremo a comprendere che la competizione del futuro non riguarda soltanto la tecnologia, ma la capacità di costruire istituzioni adatte a una società nella quale la conoscenza e l’intelligenza diventano sempre più abbondanti, allora questa rivoluzione potrà rappresentare non una minaccia, ma l’occasione per inaugurare una nuova stagione di crescita, responsabilità e protagonismo internazionale. La storia insegna che ogni volta che cambia ciò che è raro, cambia anche il destino delle nazioni. La sfida dell’Italia è decidere se limitarsi ad assistere a questo cambiamento oppure contribuire a guidarlo. *Professore e delegato del Rettore per la Terza Missione, l’Innovazione Didattica e l’intelligenza Artificiale dell’Università degli Studi IUL