A osservare gli eventi organizzati questa settimana da OpenAI e Microsoft emerge una realtà che spesso viene nascosta dietro l’entusiasmo mediatico per chatbot, immagini generate e assistenti virtuali. La vera battaglia dell’intelligenza artificiale non si combatte più tra studenti che chiedono a ChatGPT di scrivere una tesina o professionisti che generano email più rapidamente. Si combatte nei consigli di amministrazione, negli uffici acquisti e nelle divisioni IT delle grandi imprese, dove si decidono contratti da milioni di dollari e, soprattutto, dove si determina chi controllerà la prossima piattaforma tecnologica dominante.
L’evento di OpenAI a New York ha mostrato con una chiarezza quasi brutale questa trasformazione. Sul palco non c’erano influencer tecnologici, startup fondate in un garage o sviluppatori che applaudivano l’ultima demo spettacolare. C’erano dirigenti finanziari, manager bancari e rappresentanti di grandi aziende. Una platea che, fino a pochi anni fa, sarebbe stata considerata quasi noiosa per una società nata nel cuore della Silicon Valley. Oggi rappresenta invece il pubblico più importante.
Il dato probabilmente più interessante emerso dall’evento riguarda i ricavi. OpenAI afferma che circa il 40% del proprio fatturato proviene ormai dal segmento enterprise. La cifra racconta una storia diversa rispetto alla narrativa dominante che continua a identificare l’azienda esclusivamente con ChatGPT. Dietro l’enorme popolarità del chatbot consumer si sta sviluppando un business B2B che potrebbe rivelarsi molto più redditizio e, soprattutto, più stabile nel lungo periodo.
Le aziende pagano volentieri per strumenti che aumentano la produttività, riducono i costi operativi o migliorano i processi decisionali. Gli utenti consumer, invece, tendono a essere molto più sensibili al prezzo. È una lezione che il settore software ha imparato decenni fa e che ora viene riproposta nell’era dell’intelligenza artificiale generativa.
La scelta di sviluppare strumenti verticali per settori specifici come investment banking e trading finanziario segue una logica industriale precisa. I modelli generalisti stanno rapidamente diventando una commodity. Il valore economico si sposta verso la specializzazione, l’integrazione con i flussi di lavoro aziendali e la capacità di incorporare conoscenze specifiche di settore. Non è molto diverso da quanto accaduto nel cloud computing: la potenza infrastrutturale conta, ma i margini migliori arrivano dai servizi ad alto valore aggiunto costruiti sopra quella infrastruttura.
In questo contesto emerge un elemento interessante. Molti osservatori considerano ancora OpenAI il leader mediatico dell’intelligenza artificiale, ma nel mercato enterprise la situazione è molto meno scontata. Anthropic ha costruito una reputazione particolarmente forte tra le grandi imprese grazie alla qualità dei suoi modelli e a una strategia commerciale orientata fin dall’inizio ai clienti aziendali. Nel frattempo Microsoft, Google e numerosi fornitori di software enterprise stanno investendo miliardi per evitare che OpenAI conquisti una posizione dominante.
L’aspetto forse più curioso riguarda la crescente confusione generata dall’abbondanza di strumenti disponibili. Sam Altman ha ammesso che alcuni clienti non sono sicuri di quale applicazione utilizzare tra ChatGPT, Codex e gli altri prodotti dell’ecosistema OpenAI. È un problema che sembra banale ma che in realtà segnala una fase delicata dell’evoluzione del mercato.
Quando una tecnologia diventa sufficientemente matura, la semplicità dell’esperienza utente diventa più importante della potenza tecnica. Gli utenti non vogliono imparare dieci strumenti diversi; vogliono una piattaforma unica capace di svolgere molte funzioni. La decisione di integrare sempre più profondamente Codex con ChatGPT va letta in questa prospettiva. Non si tratta soltanto di una scelta tecnica, ma di una strategia commerciale destinata a ridurre la complessità percepita dai clienti.
Parallelamente, Microsoft continua a percorrere una strada differente ma complementare. L’annuncio di nuovo hardware progettato specificamente per l’intelligenza artificiale evidenzia come la competizione non riguardi soltanto i modelli linguistici. L’intera catena del valore sta diventando terreno di scontro: chip, infrastrutture cloud, software, agenti intelligenti e servizi professionali.
Qui emerge una delle contraddizioni più interessanti dell’attuale corsa all’IA. Le aziende promettono automazione, efficienza e riduzione del lavoro umano, ma contemporaneamente stanno assumendo eserciti di consulenti, specialisti di implementazione e cosiddetti “field engineers” per spiegare ai clienti come utilizzare questi sistemi. L’intelligenza artificiale avrebbe dovuto semplificare tutto; nella pratica sta generando una nuova industria di intermediari altamente qualificati.
Un altro elemento decisivo riguarda i costi. Altman ha ribadito l’obiettivo di ridurre continuamente il prezzo dell’utilizzo dei modelli. Non è un dettaglio secondario. Molte imprese hanno scoperto che implementare l’IA generativa su larga scala può essere significativamente più costoso del previsto. I costi di inferenza, integrazione, governance e sicurezza si accumulano rapidamente. In molti casi il ritorno economico promesso dagli evangelisti dell’IA non è ancora così evidente come le presentazioni commerciali suggeriscono.
La pressione sui prezzi potrebbe quindi diventare il principale fattore competitivo nei prossimi due anni. Se OpenAI riuscirà davvero a ridurre i costi più rapidamente dei concorrenti, potrebbe conquistare quote di mercato significative. Se invece Anthropic, Google o Microsoft troveranno modi più efficienti per offrire prestazioni equivalenti, la fedeltà dei clienti potrebbe rivelarsi sorprendentemente fragile.
L’impressione complessiva è che il mercato stia entrando in una nuova fase. L’epoca delle dimostrazioni spettacolari sta lasciando spazio all’epoca dei contratti, delle integrazioni e dei fogli Excel. Gli investitori continuano a discutere di modelli sempre più intelligenti, ma i responsabili degli acquisti aziendali si pongono domande molto più concrete: quanto costa, quanto fa risparmiare e quanto rapidamente può essere implementato.
Nell’intelligenza artificiale del 2026, il vero benchmark non è più il quoziente intellettivo del modello. È la sua capacità di convincere un direttore finanziario a firmare un ordine d’acquisto. E questa, storicamente, è sempre stata la prova più difficile per qualsiasi rivoluzione tecnologica.