Bryan Catanzaro Nvdia

L’economia fragile dell’intelligenza artificiale: quando i costi superano il mito

Esiste un momento, nelle grandi narrazioni tecnologiche, in cui la retorica incontra brutalmente il foglio Excel. Non accade spesso, perché la Silicon Valley è maestra nel differire la realtà attraverso storytelling, metriche opache e promesse esponenziali. Tuttavia, quando un dirigente di Nvidia come Bryan Catanzaro afferma che il costo del calcolo supera quello dei dipendenti, non siamo più nel territorio dell’hype, ma in quello della contabilità industriale. Ed è qui che l’intelligenza artificiale, improvvisamente, smette di sembrare inevitabile e inizia a sembrare costosa, complessa, e soprattutto economicamente instabile.

Il dato è tanto semplice quanto destabilizzante. Per anni abbiamo dato per scontato che l’automazione AI avrebbe ridotto i costi del lavoro, generando efficienze sistemiche e margini più ampi. Invece, nel breve periodo almeno, sta accadendo il contrario. Le aziende stanno sostituendo salari relativamente prevedibili con infrastrutture computazionali estremamente variabili, energivore e difficili da scalare senza effetti collaterali. Il capitale umano, con tutte le sue inefficienze, ha un vantaggio competitivo spesso ignorato: non richiede data center da miliardi di dollari né un consumo energetico paragonabile a quello di una piccola nazione.

Uno studio del Massachusetts Institute of Technology introduce un elemento di razionalità in questo dibattito, spesso dominato da entusiasmi quasi religiosi. Analizzando i requisiti tecnici per portare l’AI a livello umano in attività lavorative reali, i ricercatori hanno scoperto che solo il 23% dei ruoli basati sulla visione risulta economicamente automatizzabile. Nel restante 77% dei casi, continuare a impiegare esseri umani è semplicemente più economico. Non più etico, non più umano, non più sostenibile nel lungo termine. Più economico. Una distinzione che, nel capitalismo contemporaneo, tende a prevalere su tutte le altre.

Questa evidenza empirica si scontra frontalmente con la narrativa dominante. L’idea che l’AI sia una forza inevitabile di sostituzione del lavoro umano è seducente, ma prematura. Non perché la tecnologia non sia capace, ma perché il costo per renderla operativa su larga scala resta proibitivo. La storia dell’innovazione tecnologica è piena di esempi simili. Negli anni Sessanta, i computer esistevano già, ma erano così costosi da essere accessibili solo a governi e grandi istituzioni. Il vero impatto economico arrivò decenni dopo, quando i costi crollarono abbastanza da democratizzarne l’uso. Oggi, l’AI si trova in una fase analoga, ma con una differenza sostanziale: il consumo di risorse cresce in modo non lineare con le prestazioni.

Qui entra in gioco una dinamica poco discussa ma cruciale, quella che alcuni definiscono con ironia “tokenmaxxing”. Più token, più qualità. Più qualità, più costi. Il paradosso è evidente. La riduzione del costo per token viene compensata dall’aumento del numero di token necessari per ottenere risultati accettabili. Una spirale che ricorda da vicino il paradosso di Jevons, secondo cui l’aumento dell’efficienza porta a un aumento del consumo totale. L’AI diventa più economica per unità, ma più costosa nel suo utilizzo complessivo.

Nel frattempo, le aziende iniziano a fare i conti. Uber, attraverso il suo CTO Praveen Neppalli Naga, ha ammesso che i budget previsti per l’adozione di strumenti di coding basati su AI, come quelli sviluppati da Anthropic, sono già stati superati. Il linguaggio è diplomatico, ma il messaggio è chiaro: i conti non tornano. Quando una multinazionale con margini relativamente robusti è costretta a “tornare al tavolo da disegno”, significa che il problema non è marginale, ma strutturale.

La questione si complica ulteriormente quando si considera la produttività. Diversi studi, inclusi quelli condotti da Atlassian e dallo stesso MIT, non trovano evidenze solide di un miglioramento significativo. Questo non significa che l’AI non aumenti la produttività in singoli casi, ma che, a livello aggregato, l’impatto è ancora ambiguo. In altre parole, stiamo investendo centinaia di miliardi in una tecnologia il cui ritorno economico resta incerto. Una situazione che, in altri contesti, verrebbe definita speculativa.

Il paradosso raggiunge il suo apice quando si osserva il mercato del lavoro. Nonostante i licenziamenti nel settore tecnologico siano in aumento, il Yale Budget Lab sottolinea l’assenza di dati che colleghino direttamente l’AI alla perdita di posti di lavoro su larga scala. Le aziende stanno spendendo cifre record, oltre 740 miliardi di dollari in capital expenditure, ma senza un corrispondente impatto occupazionale. Si tratta di una discrepanza che dovrebbe far riflettere. Se l’AI fosse davvero una forza di sostituzione immediata, ci aspetteremmo una correlazione più evidente.

Nel frattempo, il sistema continua a muoversi per inerzia. Le Big Tech investono perché non possono permettersi di non farlo. È una corsa agli armamenti tecnologici, dove il rischio maggiore non è perdere denaro, ma perdere posizione strategica. Questo crea una dinamica perversa in cui anche investimenti economicamente discutibili vengono giustificati in nome della competizione. La logica non è più quella del ritorno sull’investimento, ma quella della sopravvivenza nel lungo periodo.

Keith Lee, professore presso lo Swiss Institute of Artificial Intelligence, introduce un elemento di pragmatismo che manca in molte discussioni. Il problema non è solo rendere l’AI più economica degli esseri umani, ma anche più prevedibile. Affidabilità e stabilità diventano variabili economiche, non solo tecniche. Un sistema che richiede supervisione umana costante, che produce allucinazioni o errori critici, genera costi indiretti difficili da quantificare ma impossibili da ignorare. L’automazione incompleta è spesso più costosa della non automazione.

Questo ci porta a una considerazione più ampia. L’AI non è semplicemente una tecnologia, ma un’infrastruttura. E come tutte le infrastrutture, richiede investimenti iniziali enormi, tempi lunghi di maturazione e una massa critica di utilizzo per diventare economicamente sostenibile. La differenza rispetto al passato è che l’AI è anche un prodotto, venduto e monetizzato fin da subito. Questa doppia natura crea tensioni inevitabili tra sviluppo tecnologico e sostenibilità economica.

La narrativa dominante tende a ignorare queste complessità. Si parla di rivoluzione, di discontinuità, di fine del lavoro umano. Ma la realtà, come spesso accade, è più banale e più interessante. L’AI sta entrando nelle aziende non come sostituto immediato, ma come strumento costoso, imperfetto e in continua evoluzione. Un investimento strategico più che una soluzione operativa.

Nel lungo periodo, è plausibile che i costi diminuiscano e le prestazioni migliorino. La storia della tecnologia suggerisce questa traiettoria. Tuttavia, nel breve e medio termine, le aziende dovranno navigare un terreno complesso, fatto di costi elevati, benefici incerti e pressioni competitive. Non è una situazione nuova, ma è una situazione che richiede lucidità, non entusiasmo.

La vera domanda, quindi, non è se l’AI sostituirà gli esseri umani, ma quando e a quale costo. E soprattutto, chi pagherà questo costo. Per ora, la risposta sembra essere: le aziende, gli investitori e, indirettamente, i consumatori. Un modello che può funzionare finché il capitale è abbondante e la fiducia elevata. Ma che potrebbe diventare fragile in un contesto economico meno favorevole.

Alla fine, l’ammissione di Nvidia non è solo una curiosità, ma un segnale. Un’indicazione che, dietro la facciata scintillante dell’intelligenza artificiale, si nasconde un’economia ancora immatura, ancora in cerca di equilibrio. E come tutte le economie immature, è destinata a oscillare tra euforia e disillusione, tra investimenti massicci e improvvisi ripensamenti. La storia insegna che è proprio in queste oscillazioni che si creano le vere opportunità. Ma anche le più grandi illusioni.