La lettera annuale di Jamie Dimon ha il tono tipico dei leader che hanno già visto troppe rivoluzioni per credere davvero all’ennesima promessa, ma non abbastanza per ignorarla. Quando il CEO di JPMorgan Chase scrive che l’intelligenza artificiale è “trasformativa”, dopo aver esitato a usare proprio quella parola, non sta semplicemente facendo comunicazione agli investitori. Sta implicitamente ammettendo che il sistema bancario globale, uno dei più lenti e regolati della storia economica, è entrato in una fase di mutazione accelerata. E quando una banca cambia velocità, di solito il resto dell’economia segue, anche se con qualche trimestre di ritardo e parecchie illusioni nel mezzo.
Il punto interessante non è tanto che l’AI trasformerà il banking. Questo era già evidente. Il punto è la velocità con cui questa trasformazione sta avvenendo, e soprattutto la natura asimmetrica dei suoi effetti. Dimon paragona l’adozione dell’AI a quella dell’elettricità o di Internet, salvo poi suggerire che il ciclo sarà molto più rapido. È un’affermazione che merita attenzione, perché implica una compressione storica dei cicli tecnologici che non ha precedenti su scala industriale. L’elettricità ha impiegato decenni per ridefinire la produzione. Internet ha richiesto almeno una generazione per trasformare i modelli di business. L’AI, invece, sembra muoversi su una timeline quasi finanziaria, più vicina ai mercati che all’ingegneria.
Questa accelerazione ha conseguenze immediate sul modo in cui le banche operano. Quando Dimon afferma che “l’AI influenzerà ogni funzione”, non sta esagerando. Dalla gestione del rischio al customer service, dall’antiriciclaggio alla consulenza patrimoniale, ogni processo è potenzialmente automatizzabile, ottimizzabile o, più brutalmente, sostituibile. La banca, tradizionalmente una macchina organizzativa basata su gerarchie e procedure, diventa improvvisamente un sistema adattivo, dove il vantaggio competitivo non è più nella scala ma nella velocità decisionale.
Il dato che colpisce è l’investimento. Quasi 20 miliardi di dollari in tecnologia nel 2026, una cifra che supera il PIL di alcuni piccoli Stati e che segnala una verità semplice: l’AI non è un progetto, è un’infrastruttura. E come tutte le infrastrutture, richiede capitale, continuità e una certa tolleranza all’inefficienza iniziale. In questo senso, le banche stanno facendo ciò che hanno sempre fatto meglio: anticipare i cicli investendo quando gli altri stanno ancora discutendo.
Nel frattempo, il discorso sull’impatto sul lavoro inizia a perdere la sua patina teorica. Dimon è insolitamente diretto: alcuni lavori spariranno, altri emergeranno, e la transizione sarà tutt’altro che indolore. È una narrativa ormai consolidata, ma che nasconde una tensione più profonda. L’AI non elimina semplicemente posti di lavoro; ridefinisce il concetto stesso di competenza. Quando un ingegnere, come riportato da Dario Amodei, smette di scrivere codice per limitarsi a correggerlo, il valore si sposta dalla produzione alla supervisione. È un cambiamento sottile ma radicale, che riduce la domanda di competenze intermedie e aumenta quella di competenze estreme.
Il rischio, come sempre, è quello di una polarizzazione accelerata. Da un lato, una élite altamente qualificata che orchestra sistemi complessi; dall’altro, una massa di lavoratori che deve reinventarsi in un mercato sempre più fluido e incerto. In mezzo, quella classe media professionale che per decenni ha rappresentato la stabilità delle economie avanzate, ora improvvisamente esposta a una competizione algoritmica che non dorme, non chiede aumenti e non commette errori, o almeno non gli stessi errori.
Parallelamente, il dibattito politico inizia a prendere forma, anche se con il solito ritardo strutturale. OpenAI propone una revisione delle politiche fiscali e del lavoro, suggerendo che l’era dell’intelligenza artificiale potrebbe richiedere nuovi modelli di redistribuzione e protezione sociale. È una posizione che riflette una consapevolezza crescente: l’AI non è solo una questione tecnologica, ma un problema macroeconomico. E come tutti i problemi macroeconomici, tende a essere gestito male nelle fasi iniziali.
Dimon, tuttavia, introduce una nota di realismo che spesso manca nel dibattito pubblico. I rischi esistono, sono concreti e includono deepfake, disinformazione e minacce alla cybersecurity. Nulla di sorprendente, ma la sua osservazione più interessante riguarda la gestione di questi rischi. Il vero pericolo, suggerisce, non è tanto la tecnologia in sé quanto la reazione delle istituzioni. Sovraregolare dopo il primo incidente o ignorare i segnali fino a quando è troppo tardi sono due facce della stessa incompetenza sistemica.
Questa dinamica ricorda da vicino altre fasi della storia finanziaria. La crisi del 2008, ad esempio, non fu causata da un singolo strumento, ma da una combinazione di innovazione mal compresa e regolamentazione tardiva. L’AI potrebbe seguire un percorso simile, con la differenza che questa volta la velocità è molto più elevata e l’impatto potenzialmente più diffuso.
Nel frattempo, la ricerca scientifica continua a promettere salti qualitativi che sembrano usciti da un laboratorio di fantascienza. Studi come quello della Loughborough University suggeriscono che l’efficienza dell’AI potrebbe aumentare fino a 2000 volte grazie a chip ispirati al cervello umano. Se queste promesse dovessero materializzarsi, il problema energetico che oggi limita la scalabilità dei modelli potrebbe ridursi drasticamente, aprendo la porta a una diffusione ancora più capillare.
Qui emerge un altro paradosso interessante. Mentre le aziende investono miliardi per costruire infrastrutture sempre più potenti, la ricerca punta a ridurre il costo computazionale in modo radicale. È una tensione tipica dei cicli tecnologici maturi, dove l’innovazione si sposta dall’espansione all’ottimizzazione. E chi riesce a dominare entrambe le dimensioni, di solito, conquista il mercato.
Nel settore bancario, questo si traduce in una competizione sempre più intensa tra istituzioni tradizionali e nuovi entranti. Le fintech, agili e focalizzate, rappresentano una minaccia reale, ma anche un laboratorio di innovazione. Le grandi banche, con le loro risorse e la loro base clienti, hanno il vantaggio della scala, ma devono affrontare la sfida della trasformazione interna. Un equilibrio delicato, dove ogni errore può essere amplificato dalla velocità del cambiamento.
La vera domanda, tuttavia, rimane aperta. L’AI aumenterà davvero la produttività in modo significativo, come sostiene Dimon, o stiamo assistendo a una nuova fase di hype tecnologico destinata a ridimensionarsi? La risposta, probabilmente, è entrambe le cose. L’AI sta già generando valore reale in molti contesti, ma le aspettative attuali potrebbero essere difficili da sostenere nel lungo periodo.
Una frase, tra le molte dichiarazioni, merita di essere isolata: “L’AI avrà un enorme impatto positivo sulla produttività”. È una promessa potente, quasi inevitabile. Ma la storia economica insegna che la produttività non è solo una funzione della tecnologia, ma anche delle istituzioni, della cultura e della capacità di adattamento. Senza questi elementi, anche la tecnologia più avanzata rischia di produrre risultati inferiori alle aspettative.
Nel frattempo, il sistema continua a muoversi. Le banche investono, le startup innovano, i regolatori osservano e i lavoratori si adattano, spesso senza avere il tempo di capire cosa stia realmente accadendo. È una fase di transizione, ma anche di ridefinizione, dove le regole del gioco vengono riscritte in tempo reale.
Il paradosso finale è quasi ironico. L’intelligenza artificiale promette di rendere il mondo più efficiente, più sicuro, più prevedibile. Ma nel breve termine, sta facendo esattamente l’opposto. Aumenta l’incertezza, amplifica i rischi e costringe tutti, dalle banche ai governi, a prendere decisioni in un contesto di informazione incompleta.
Dimon lo sa, e forse per questo il suo tono è più cauto di quanto ci si aspetterebbe. Non è scetticismo, ma esperienza. Dopo tutto, chi ha attraversato più cicli di mercato tende a riconoscere un pattern ricorrente: ogni rivoluzione tecnologica promette ordine, ma inizialmente genera caos. La differenza, questa volta, è che il caos è algoritmico, scalabile e straordinariamente veloce. E come ogni sistema veloce, premia chi anticipa e punisce chi esita. Tutto il resto, come sempre, è narrativa.
JP: https://www.jpmorganchase.com/ir/annual-report/2025/ar-ceo-letters