La contrazione delle valutazioni di mercato che ha colpito Accenture e, in misura diversa, altri grandi nomi dei servizi tecnologici come IBM e Infosys viene letta da molti investitori non come un semplice ciclo macroeconomico, ma come un segnale più profondo di ridefinizione del ruolo stesso della consulenza nell’economia dell’intelligenza artificiale. Le narrative ufficiali parlano di transizione, di “AI transformation”, di nuove linee di ricavo legate all’implementazione di modelli generativi e agentici nelle imprese; tuttavia, la reazione dei mercati suggerisce una crescente incertezza sulla capacità di questi intermediari di catturare valore stabile in un contesto in cui la conoscenza operativa non è più concentrata nei centri di consulenza, ma diffusa dentro le organizzazioni clienti e nei modelli stessi.
Il caso di Accenture viene spesso utilizzato come cartina di tornasole. Le valutazioni recenti, che secondo diversi report di mercato hanno mostrato una pressione significativa al ribasso nel corso dell’anno, vengono interpretate come un voto implicito sulla sostenibilità del modello “productized consulting”, cioè la trasformazione della consulenza in pacchetti ripetibili legati all’AI. Gli investitori, più che contestare la domanda di servizi, sembrano mettere in dubbio la marginalità futura di un settore in cui l’implementazione tecnologica diventa sempre più automatizzata e meno dipendente da strutture intermediarie tradizionali.
In parallelo, IBM e Infosys si trovano a navigare una dinamica simile, anche se con intensità differenti. IBM ha storicamente costruito parte della propria resilienza proprio sulla capacità di adattare la consulenza all’evoluzione tecnologica, ma l’AI generativa introduce un livello di compressione del valore che colpisce non solo la delivery, ma la fase stessa di progettazione delle soluzioni. Infosys, dal canto suo, resta esposta a una domanda enterprise fortemente legata all’outsourcing e alla system integration, ma anche qui la promessa dell’automazione end-to-end riduce progressivamente lo spazio per la mediazione umana ad alto costo.
La critica più radicale che emerge in questo contesto non riguarda la domanda di consulenza in sé, ma la competenza effettiva necessaria per rendere l’AI operativa nei processi aziendali. Una parte crescente di analisti sostiene che i consulenti tradizionali non dispongano della profondità operativa richiesta per interrogare correttamente i sistemi di intelligenza artificiale o, ancora più delicato, per validarne l’output in contesti critici. In altre parole, la distanza tra “sapere implementare un modello” e “sapere come quel modello cambia un processo reale” si sta ampliando invece di ridursi. È una frattura che non riguarda la tecnologia, ma l’epistemologia del lavoro.
La questione diventa ancora più complessa quando si osserva la dinamica interna alle organizzazioni clienti. I lavoratori con conoscenza dettagliata dei processi, spesso ingegneri, analisti o professionisti altamente specializzati, sono teoricamente i candidati naturali per guidare l’adozione dell’AI. Tuttavia, molte indagini sul campo mostrano una resistenza diffusa, alimentata da sovraccarico cognitivo e da un utilizzo dell’AI imposto più come strumento di misurazione della produttività che come reale amplificatore del lavoro. Fenomeni come leaderboard interne o metriche di utilizzo, talvolta definiti in modo informale come forme di “tokenizzazione della produttività”, producono un effetto collaterale evidente: l’AI non diventa un moltiplicatore di competenze, ma un ulteriore livello di supervisione.
In questo scenario, la posizione dei consulenti appare paradossale. Da un lato, devono accelerare l’adozione dell’intelligenza artificiale nelle imprese; dall’altro, rischiano di essere percepiti come mediatori non necessari tra il know-how interno e i sistemi stessi. Le stesse aziende stanno iniziando a esplorare modelli alternativi, in cui il supporto consulenziale viene sostituito da piattaforme specialistiche o da team interni potenziati da AI, riducendo la dipendenza da grandi strutture esterne.
Il mercato finanziario osserva questa transizione con crescente pragmatismo. Morgan Stanley ha recentemente segnalato cautela su alcune dinamiche del settore, mettendo in discussione la capacità di generare crescita sostenibile attraverso acquisizioni e offerte “AI-driven” che rischiano di restare più narrative che operative. In parallelo, l’attenzione degli investitori si è progressivamente spostata verso infrastrutture pure, semiconduttori e cloud, dove attori come NVIDIA Corporation hanno catturato la maggior parte della creazione di valore legata al ciclo dell’intelligenza artificiale.
La trasformazione in corso suggerisce un ribaltamento strutturale della catena del valore digitale. La consulenza, che per anni ha rappresentato il livello di traduzione tra tecnologia e impresa, si trova ora compressa tra due forze convergenti: da un lato l’automazione dei processi decisionali, dall’altro la crescente internalizzazione delle competenze AI nelle organizzazioni clienti. Il risultato non è la scomparsa del settore, ma la sua ridefinizione in una forma meno intermedia e più embedded, dove la sopravvivenza dipenderà meno dalla capacità di spiegare l’intelligenza artificiale e più dalla capacità di operare dentro i sistemi che la eseguono.