Bill Gates ha appena compiuto una piccola inversione di marcia che, osservata da vicino, dice molto più sull’economia dell’intelligenza artificiale di quanto dicano molte delle consuete profezie sull’AGI. Nel suo nuovo saggio pubblicato su Gates Notes, Gates ammette che, per la prima volta nella sua vita, desidererebbe che una tecnologia avanzasse più lentamente. Non propone un generico ritorno al passato né sostiene che l’intelligenza artificiale debba essere fermata. La sua posizione è più sofisticata e, proprio per questo, più scomoda per l’industria: se esistesse un piano credibile per rallentare globalmente il progresso dell’AI, probabilmente lo sosterrebbe, ma riconosce che oggi un simile piano non esiste, perché gli incentivi economici e geopolitici spingono tutti nella direzione opposta. (Gates Notes)

Il punto centrale del ragionamento di Gates non riguarda soltanto la perdita di posti di lavoro. Il problema è la velocità della transizione. L’AI potrebbe intervenire nel diritto, nel customer service, nella medicina, nel software e nella manifattura nell’arco di circa un decennio, comprimendo in pochi anni trasformazioni che nelle precedenti rivoluzioni industriali si sono distribuite su generazioni. Gates individua soprattutto il rischio per le professioni entry-level e mid-level, mentre i nuovi impieghi richiederanno spesso competenze che non possono essere improvvisate attraverso un corso online di tre settimane, per quanto bene confezionato dall’ennesima startup “AI-powered”.

Gates suggerisce persino di considerare una tassazione sull’utilizzo dell’AI e sui robot, destinando le risorse alla formazione, alla protezione sociale e alla gestione della transizione occupazionale. Propone inoltre l’idea di “Human Reserved”, una sorta di riserva professionale per attività nelle quali il valore umano non è semplicemente una funzione di costo, velocità o accuratezza, ma comprende empatia, responsabilità e relazione. La medicina è l’esempio più evidente: una macchina può comunicare una diagnosi, ma la società potrebbe decidere che alcune responsabilità debbano rimanere necessariamente umane.

Questa prudenza arriva nello stesso momento in cui il principale beneficiario economico della rivoluzione AI ha appena fornito una risposta quasi involontariamente perfetta. Nvidia ha comunicato il 26 agosto risultati per il secondo trimestre fiscale 2027 con 96,2 miliardi di dollari di ricavi, in crescita del 106% rispetto allo stesso trimestre dell’anno precedente. Il Data Center ha prodotto 89 miliardi di dollari, con un incremento del 117%. L’utile netto è arrivato a 59,7 miliardi, contro 26,4 miliardi un anno prima. Il margine lordo è rimasto al 75%. Sono numeri talmente grandi da rendere quasi comica la vecchia abitudine di parlare di “boom dell’AI” come se fosse una moda passeggera. (vedi NVIDIA Investor Relations)

Jensen Huang non ha risposto direttamente a Gates, ma la sua formulazione durante la comunicazione dei risultati è eloquente: l’AI avrebbe raggiunto un punto di svolta perché sta svolgendo lavoro utile, i token stanno diventando produttivi e redditizi e il calcolo sta diventando ricavo. È una frase che riassume perfettamente la filosofia economica di Nvidia. L’intelligenza artificiale non viene più presentata soltanto come una tecnologia da sviluppare, ma come una nuova infrastruttura produttiva sulla quale costruire un gigantesco ciclo di investimento. Nvidia prevede inoltre 108 miliardi di dollari di ricavi nel trimestre successivo e, secondo le indicazioni comunicate al mercato, una crescita del 70% nel successivo esercizio fiscale.

Gates parla della necessità di governare la velocità della trasformazione. Nvidia, per ragioni perfettamente comprensibili dal punto di vista di un’azienda quotata, sta facendo esattamente l’opposto: sta cercando di rendere più veloce, più grande e più finanziabile la costruzione dell’infrastruttura necessaria all’AI. Non c’è necessariamente ipocrisia. Ci sono due funzioni obiettivo diverse. Gates guarda al sistema socioeconomico; Nvidia guarda alla domanda di calcolo. Il problema nasce quando la seconda diventa così potente da determinare implicitamente la prima.

I numeri del bilancio introducono infatti una seconda questione, meno spettacolare dei 96 miliardi di ricavi ma forse più importante per comprendere la struttura del boom. I crediti commerciali di Nvidia sono saliti a 63,1 miliardi di dollari al 26 luglio, dai 40,7 miliardi del trimestre precedente, con un incremento di circa il 55%. L’azienda ha inoltre indicato che per alcuni clienti investment-grade i tempi di pagamento sono passati da 45 a 60 giorni, in relazione a grandi accordi pluritrimestrali. Non significa che Nvidia non abbia incassato o che i ricavi siano fittizi. Significa però che una quota crescente del valore contabilizzato come vendita rimane temporaneamente immobilizzata nei crediti verso clienti.

Il risultato si vede nel cash flow operativo. Nel trimestre Nvidia ha generato 24,1 miliardi di dollari di cassa dalle attività operative, contro 50,3 miliardi nel trimestre precedente. La contrazione è quindi superiore alla metà. Il principale elemento negativo nel capitale circolante è stato l’aumento dei crediti commerciali, che ha assorbito 22,3 miliardi di dollari di cassa nel trimestre. È un dettaglio contabile che merita più attenzione di molte celebrazioni del fatturato, perché in un ciclo infrastrutturale di questa dimensione il fatturato misura la domanda, mentre la cassa misura quanto rapidamente quella domanda si trasforma in denaro disponibile.

Nvidia sta assumendo nel finanziamento dell’ecosistema che compra i suoi prodotti. A gennaio Nvidia ha investito 2 miliardi di dollari in CoreWeave, azienda costruita in larga misura sull’infrastruttura Nvidia. Ad agosto ha annunciato con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR piattaforme finanziarie indipendenti destinate a mobilitare oltre 500 miliardi di dollari di capitale di terzi per lo sviluppo dell’infrastruttura AI. Nvidia non sta più soltanto vendendo GPU ai costruttori di data center. Sta contribuendo a costruire il mercato finanziario attraverso il quale quei data center potranno essere costruiti.

La stessa logica appare nell’operazione con OpenAI. Nvidia ha annunciato un investimento progressivo fino a 100 miliardi di dollari collegato alla costruzione di almeno 10 gigawatt di infrastruttura AI. In agosto, inoltre, Nvidia ha assunto impegni fino a 105 miliardi di dollari a sostegno della struttura finanziaria legata a un grande data center di OpenAI in Ohio e ha investito 1,5 miliardi di dollari in SB Energy. Sono operazioni strategiche, non semplicemente prestiti mascherati, e Nvidia sostiene che i rendimenti attesi siano eccellenti. Ma è comprensibile che gli investitori parlino di “circular financing” quando il produttore dell’hardware investe nel cliente, il cliente utilizza l’infrastruttura per comprare hardware e il valore dell’intero ecosistema viene sostenuto da capitale che proviene, direttamente o indirettamente, dagli stessi protagonisti della catena.

La definizione di finanziamento circolare, tuttavia, va utilizzata con precisione. Non significa automaticamente frode, ricavi artificiali o bolla. Significa che capitale, domanda di infrastruttura e vendite di acceleratori stanno diventando sempre più interdipendenti. Nvidia dispone di una liquidità e di una redditività straordinarie, mentre la domanda reale di calcolo è evidente. Il rischio non è quindi che tutto sia immaginario. Il rischio è che una parte dell’economia dell’AI venga costruita su aspettative che si alimentano reciprocamente prima che la produttività finale dei sistemi abbia raggiunto dimensioni sufficienti a giustificare l’investimento complessivo.

È precisamente qui che la coincidenza temporale con il saggio di Gates diventa interessante. Gates non sta sostenendo che l’AI non produca valore. Al contrario, riconosce enormi benefici potenziali nella medicina, nella scienza e nell’istruzione. Il suo timore riguarda il disallineamento tra la velocità con cui il capitale finanzia la tecnologia e la velocità con cui istituzioni, lavoratori e società possono adattarsi. La finanza può spostare centinaia di miliardi in pochi trimestri; una persona licenziata a 52 anni non può trasformarsi in un ingegnere di sistemi AI semplicemente perché il mercato ha deciso che il futuro è arrivato.

Questo produce una delle asimmetrie più importanti dell’attuale rivoluzione tecnologica. Il beneficio dell’AI è spesso immediatamente monetizzabile dal proprietario dell’infrastruttura, mentre il costo sociale della trasformazione viene distribuito nel tempo e fra soggetti diversi. Nvidia registra ricavi quando vende un acceleratore. Un cloud provider monetizza l’inferenza. Un laboratorio AI monetizza un servizio. Un’impresa può ridurre il costo del personale. Il costo della riqualificazione, della perdita di reddito, della disuguaglianza o della diminuzione della capacità critica viene invece trasferito in gran parte allo Stato, alle famiglie e agli individui.

Gates aggiunge un altro elemento che la contabilità aziendale non può facilmente catturare: la possibilità che l’AI modifichi il rapporto fra persone e conoscenza. Nel suo saggio cita rischi legati alla cybersecurity, alla disinformazione, ai rapporti con sistemi AI e agli effetti sui giovani. È una preoccupazione che supera la classica domanda “quanti posti di lavoro perderemo?”. Se gli strumenti cognitivi diventano onnipresenti, il problema non sarà soltanto chi verrà sostituito, ma quali capacità gli esseri umani smetteranno progressivamente di esercitare perché non sarà più conveniente esercitarle personalmente.

La Silicon Valley tende naturalmente a misurare il progresso in capacità, benchmark, token al secondo e ricavi ricorrenti. Gli Stati devono invece misurarlo in stabilità sociale, produttività diffusa, sicurezza, occupazione e capacità istituzionale. Confondere queste due metriche è pericoloso. Un modello più potente è un progresso tecnologico; non è automaticamente un progresso economico. Un data center più grande è un investimento; non è automaticamente maggiore produttività nazionale. Un miliardo di dollari di GPU vendute è ricchezza per il produttore, ma deve ancora dimostrare di diventare ricchezza sostenibile per il sistema che le utilizza.

La posizione di Gates è quindi meno “anti-AI” di quanto possa sembrare. È quasi una richiesta di controllo industriale sulla velocità del cambiamento. Il paradosso è che proprio mentre lui chiede un piano credibile per governare la transizione, il mercato sta costruendo una macchina finanziaria che rende sempre più difficile rallentarla. Nvidia non ha bisogno che tutti credano nell’AGI domani mattina. Ha bisogno che governi, hyperscaler, startup, fondi infrastrutturali e imprese continuino a credere che il calcolo AI genererà abbastanza valore da giustificare il prossimo data center, il prossimo acceleratore e il prossimo miliardo di capitale.

La frase più importante di questa settimana, dunque, potrebbe non essere quella di Gates sulla necessità di rallentare, né quella di Huang sull’AI diventata utile. È il rapporto fra le due. Gates sta chiedendo se la società possieda ancora un freno. Nvidia sta dimostrando che il motore ha trovato un nuovo carburante finanziario. Il problema, per una volta, non è decidere chi dei due abbia ragione. Il problema è che potrebbero aver ragione entrambi: l’AI può essere già abbastanza utile da generare decine di miliardi di dollari di ricavi e, contemporaneamente, avanzare abbastanza rapidamente da rendere obsolete le istituzioni progettate per governarne le conseguenze.

La storia delle rivoluzioni tecnologiche insegna che l’innovazione raramente chiede il permesso alla società. La rivoluzione AI introduce però qualcosa di diverso: non sta soltanto automatizzando macchine, fabbriche o procedure, ma una parte crescente del lavoro cognitivo. Per questo il tema non è più soltanto quanto velocemente possiamo costruire sistemi intelligenti. È quanto velocemente possiamo costruire istituzioni altrettanto intelligenti. Se il primo problema viene risolto da Nvidia, OpenAI, Google, Microsoft e dagli altri laboratori, mentre il secondo resta affidato alla politica del prossimo ciclo elettorale, la sproporzione fra tecnologia e governance potrebbe diventare il vero rischio sistemico dell’era dell’intelligenza artificiale.