Chi continua a raccontare che l’intelligenza artificiale sia una semplice estensione del software tradizionale probabilmente non ha mai guardato davvero un conto economico. I risultati recenti di Google, Microsoft e Amazon confermano una verità che nel settore si sussurra da almeno diciotto mesi: il cloud cresce, sì, ma cresce perché è diventato il carburante dell’AI, non perché qualcuno abbia improvvisamente deciso di amare le macchine virtuali. Il punto interessante non è la crescita, ma la qualità di quella crescita, sempre più legata a workload imprevedibili, costosi e difficili da prezzare. In altre parole, la marginalità si sta trasformando in una variabile stocastica.

Dentro questo scenario, il caso Palantir Technologies merita una lettura meno superficiale di quanto suggeriscano i grafici di borsa. Il calo del titolo, in contrasto con un Nasdaq Composite ancora tonico, non è tanto una bocciatura quanto un segnale di incertezza strategica da parte del mercato. Gli investitori stanno cercando di capire una cosa semplice e scomoda: se gli agenti AI riducono il bisogno di software tradizionale, cosa resta del modello SaaS?

La narrativa dominante suggerisce che strumenti sviluppati da OpenAI e Anthropic possano cannibalizzare intere categorie software. È una lettura seducente, ma anche ingenua. L’idea che un agente linguistico possa sostituire sistemi enterprise complessi ricorda vagamente le previsioni di fine anni Novanta sulla morte dei database relazionali. Non è successo allora, difficilmente succederà ora. Piuttosto, cambierà il livello di astrazione, e con esso il modo in cui il valore viene catturato.

Palantir gioca su un piano diverso. Da anni costruisce infrastrutture per l’integrazione dei dati, un problema che nel mondo reale è meno glamour dell’AI generativa ma infinitamente più costoso. La sua piattaforma, che aggrega dati eterogenei e li rende operativi, rappresenta esattamente ciò che gli agenti AI non sanno fare bene da soli: navigare sistemi complessi, sporchi, incoerenti. In un certo senso, Palantir non compete con l’AI, la rende possibile. Una distinzione sottile, ma economicamente devastante.

I numeri citati nel briefing sono coerenti con questa lettura. La crescita del segmento commerciale statunitense, superiore a quella governativa, indica una transizione strutturale del business model. Per anni Palantir è stata percepita come un contractor governativo travestito da azienda tech. Oggi sembra sempre più una piattaforma enterprise che monetizza il caos informativo delle aziende. Il fatto che questo segmento cresca a ritmi superiori al 100% suggerisce che il mercato non solo esiste, ma è ancora largamente inesplorato.

La vera innovazione, tuttavia, non è tecnologica. È finanziaria. Il pricing basato sull’utilizzo o sui risultati rappresenta una rottura con il paradigma SaaS classico, costruito su licenze per utente. Quel modello funzionava in un mondo in cui il software era uno strumento passivo. Nell’era degli agenti, il software diventa un attore economico, e quindi deve essere prezzato come tale. Pagare per seat in un sistema dove un agente può sostituire dieci persone è semplicemente illogico.

Qui Palantir sembra aver anticipato il mercato. L’idea di legare il costo del software a metriche di performance, come l’aumento dei margini o l’efficienza operativa, introduce una logica quasi da revenue sharing. È un modello più rischioso, ma anche più allineato agli interessi del cliente. E, dettaglio non trascurabile, più difendibile rispetto alla commoditizzazione portata dagli LLM.

Altri player stanno cercando di adattarsi. Salesforce, Adobe e HubSpot stanno introducendo pricing basati sull’utilizzo dell’AI. Tuttavia, queste mosse sembrano più reattive che strategiche. Cambiare il modello di pricing senza ripensare l’architettura del prodotto è come aggiornare il listino prezzi di una carrozza nel momento in cui arriva l’automobile. Elegante, ma inutile.

Un altro elemento interessante è il ruolo dei cosiddetti field engineers di Palantir. In un’epoca ossessionata dall’automazione, l’azienda investe pesantemente in risorse umane altamente specializzate per implementare le sue soluzioni. Questo approccio, apparentemente anacronistico, riflette una verità che molti preferiscono ignorare: l’AI enterprise non è plug and play. È un processo artigianale, costoso, e profondamente contestuale.

Non sorprende che anche OpenAI e Salesforce stiano esplorando modelli simili, offrendo supporto diretto ai clienti per l’implementazione dell’AI. È un ritorno, in forma sofisticata, al modello delle società di consulenza. La differenza è che questa volta il prodotto non è PowerPoint, ma codice eseguibile.

Il rischio, naturalmente, è che questo modello non sia scalabile nel senso tradizionale del software. Ma forse è proprio questo il punto. L’ossessione per la scalabilità ha prodotto un’intera generazione di prodotti mediocri, progettati per milioni di utenti ma realmente utili a pochi. L’AI potrebbe riportare il pendolo verso soluzioni più personalizzate, meno scalabili ma più profittevoli.

Nel frattempo, il mercato continua a oscillare tra entusiasmo e paranoia. L’idea che l’AI possa distruggere il software tradizionale convive con la realtà di aziende che faticano a integrare anche semplici modelli predittivi nei loro processi. Questo divario tra narrativa e implementazione è il vero spazio competitivo. E Palantir, con la sua ossessione quasi ossessiva per l’integrazione dei dati, sembra averlo capito prima degli altri.

Una nota di cautela è comunque necessaria. Le previsioni di crescita, per quanto impressionanti, restano tali. Il passaggio da progetti pilota a implementazioni su larga scala è storicamente il punto in cui molte tecnologie enterprise si arenano. L’AI non fa eccezione. Anzi, amplifica il problema, introducendo variabili etiche, legali e operative che il software tradizionale non aveva.

Resta infine una domanda più ampia, quasi filosofica. Se il software viene pagato in base ai risultati che produce, chi controlla davvero il valore generato? Il fornitore, il cliente o l’algoritmo stesso? In un mondo in cui le decisioni operative vengono sempre più delegate a sistemi autonomi, la linea tra strumento e agente economico diventa sfumata. E con essa, anche le categorie tradizionali di costo e profitto.

La risposta, come spesso accade, non arriverà dai laboratori di ricerca ma dai bilanci trimestrali. Nel frattempo, conviene osservare con attenzione chi sta ridefinendo le regole del gioco invece di inseguire l’ultimo benchmark di AI. Perché, alla fine, la vera innovazione non è ciò che l’algoritmo può fare, ma ciò che qualcuno riesce a far pagare per farlo.