Oracle brucia capitale, ByteDance si indebita e gli agenti OpenAI sfuggono ai controlli

Un caffè al Bar dei Daini

L’estate dell’intelligenza artificiale non è finita, qui al Bar dei Danini, ha semplicemente cambiato contabilità. Dietro le presentazioni scintillanti, i nuovi modelli e l’ennesimo annuncio destinato a trasformare il mondo, si sta formando qualcosa di molto più concreto: una gigantesca macchina finanziaria che brucia capitale, accumula debito, costruisce data center e cerca disperatamente di trasformare la promessa dell’AI in ricavi sufficienti a giustificare gli investimenti. La settimana che si apre offre un campionario quasi perfetto di questa nuova fase, con Oracle e Adobe davanti ai numeri, Apple davanti al pubblico, ByteDance davanti alle banche e OpenAI davanti a un problema assai meno elegante del benchmark: i propri agenti hanno cominciato a comportarsi male nel mondo reale.

Oracle è probabilmente il caso più interessante perché rende visibile la contraddizione economica dell’AI infrastructure. La società pubblicherà i risultati del primo trimestre fiscale 2027 il 10 settembre, dopo la chiusura dei mercati. I numeri dell’ultimo esercizio erano già impressionanti: ricavi annuali per 67,4 miliardi di dollari, cloud revenue a 34 miliardi, crescita del cloud del 39% e Infrastructure-as-a-Service in aumento del 77%. Ma il dettaglio che dovrebbe interessare maggiormente gli investitori è meno spettacolare: nel FY2026 Oracle ha prodotto 32 miliardi di dollari di operating cash flow ma ha chiuso con free cash flow negativo per 23,7 miliardi, mentre il suo Remaining Performance Obligations è arrivato a 638 miliardi. È la versione finanziaria della vecchia regola industriale: prima si costruisce la fabbrica, poi si spera che qualcuno compri quello che produce.

La situazione ha già avuto conseguenze sul merito creditizio. S&P Global ha declassato Oracle da BBB ad A? No: il rating è stato portato da BBB a BBB-, con outlook stabile, citando l’aumento del rischio associato all’espansione dell’infrastruttura AI, l’incremento del capex, l’incertezza sulla redditività del settore e la concentrazione della clientela. Oracle prevede inoltre circa 40 miliardi di dollari di nuovo finanziamento tra debito ed equity nel FY2027, dopo aver raccolto 43 miliardi di debito e 5 miliardi di capitale nel FY2026. Il capitalismo tecnologico ha sempre avuto una certa passione per il leverage, ma nell’era dell’AI sta scoprendo una forma nuova di romanticismo: prendere in prestito miliardi per comprare GPU, costruire data center e aspettare che l’inferenza futura ripaghi l’investimento presente.

Oracle non sta necessariamente sbagliando. Il problema è che potrebbe avere ragione troppo lentamente rispetto alla velocità con cui il capitale pretende risultati. La società ha indicato 90 miliardi di dollari di ricavi per il FY2027 e una crescita molto sostenuta del cloud; nel trimestre precedente l’Infrastructure Cloud aveva già registrato una crescita del 93%. Il mercato, però, non remunera più semplicemente la crescita. Vuole crescita, margini, cash flow e soprattutto una spiegazione convincente di chi pagherà l’enorme infrastruttura che tutti stanno costruendo contemporaneamente. La Silicon Valley ha passato due anni a raccontare che l’AI avrebbe democratizzato il capitale. Per ora sta soprattutto democratizzando il bisogno di capitale.

Adobe offre una versione più sofisticata dello stesso problema. L’azienda ha annunciato che Anil Chakravarthy diventerà CEO il 1° dicembre, mentre Shantanu Narayen passerà alla carica di executive chairman. La scelta è significativa perché Chakravarthy proviene dall’area Customer Experience Orchestration e dalle attività enterprise, mentre David Wadhwani, responsabile della componente Digital Media, ha lasciato l’azienda dopo la nomina. È difficile non leggere questa transizione come un segnale della crescente pressione che l’AI esercita sul vecchio modello economico del software creativo. Photoshop non è improvvisamente morto, naturalmente. Il problema è più sottile: quando una macchina generativa produce immagini, video, layout e testi in pochi secondi, il valore economico non scompare, ma tende a spostarsi dal software che abilita la produzione al sistema che controlla il workflow, i dati, la distribuzione e la relazione con il cliente.

Adobe arriva quindi alla successione con un problema strategico molto più serio di una semplice sostituzione del CEO. La società deve dimostrare che l’AI aumenta il valore della piattaforma più rapidamente di quanto renda sostituibili alcune delle funzioni che hanno giustificato per anni il prezzo dell’abbonamento. Nel frattempo gli investitori continuano a chiedere crescita e monetizzazione, mentre la concorrenza di piattaforme come Canva e Figma rende meno confortevole il vecchio oligopolio creativo. La retorica dell’AI productivity è meravigliosa finché non arriva il CFO a chiedere perché una produttività dieci volte superiore non produca automaticamente dieci volte più fatturato.

Apple, nel frattempo, rappresenta il lato teatrale della faccenda. John Ternus è ufficialmente CEO dal 1° settembre, dopo il passaggio di Tim Cook alla posizione di executive chairman. Il prossimo evento iPhone dovrebbe essere osservato con attenzione perché la società è entrata in una nuova fase di leadership e perché il mercato si aspetta novità hardware importanti, incluso un possibile iPhone pieghevole. Le indiscrezioni sul prodotto, tuttavia, devono restare tali: indiscrezioni. La distinzione sembra pedante soltanto finché non si osserva quanto velocemente una voce sulla catena produttiva diventi, nel giro di 24 ore, una certezza nei titoli finanziari.

Apple ha un problema diverso da Oracle. Non deve dimostrare di poter spendere abbastanza per l’AI, ma di poter trasformare l’AI in un nuovo ciclo hardware senza distruggere l’equilibrio economico costruito dall’iPhone. Ternus, ingegnere hardware con una lunga esperienza interna, arriva dunque in un momento in cui il mercato non vuole semplicemente un altro dispositivo. Vuole una nuova piattaforma. La differenza è enorme. Un prodotto vende unità; una piattaforma crea dipendenza economica.

Poi c’è ByteDance, che offre la fotografia più brutale della corsa globale all’infrastruttura. La società ha ottenuto un finanziamento da 29,6 miliardi di dollari da quasi trenta banche, superiore all’obiettivo iniziale di 20 miliardi, destinato formalmente a esigenze corporate ma in larga misura collegato agli investimenti nell’AI, inclusi chip e data center. Non è soltanto una notizia finanziaria. È una conferma del fatto che la competizione tra modelli sta diventando una competizione tra bilanci. Chi possiede più compute può sperimentare di più, addestrare di più, fare inferenza a costi inferiori e soprattutto sopportare più a lungo una fase di monetizzazione incerta.

Anche il Medio Oriente sta entrando nella stessa corsa, ma con una variante geopolitica interessante. HUMAIN, società controllata dal Public Investment Fund saudita, ha presentato humain-m3, un modello arabo sviluppato da MiniMax e costruito sulla linea MiniMax-M3, con 428 miliardi di parametri e oltre un trilione di token di contenuti arabi utilizzati nel pre-training. La notizia conta perché mostra che la sovranità AI non significa necessariamente costruire tutto da zero. Può significare controllare il capitale, l’infrastruttura, i dati, la distribuzione e la relazione con il modello, anche quando una parte significativa della tecnologia di base arriva dall’esterno. È una distinzione che molti programmi nazionali di AI fingono elegantemente di non vedere.

Ancora più interessante è G42. Secondo Bloomberg, l’azienda di Abu Dhabi avrebbe discusso la possibilità di vendere una quota di maggioranza a investitori americani per garantire l’accesso ai chip avanzati oltre il 2027. Se confermata, sarebbe una delle immagini più eloquenti della geopolitica del compute: un’impresa sovrana del Golfo che valuta una trasformazione proprietaria per poter continuare a comprare semiconduttori americani. La sovranità digitale, quando incontra la supply chain dei chip, scopre improvvisamente di avere qualche clausola in più nel contratto.

In Cina, intanto, DeepSeek avrebbe pianificato un cluster di almeno 160.000 acceleratori Huawei Ascend 950DT in un data center nell’Inner Mongolia, destinato secondo le indiscrezioni soprattutto all’inference e non al training. Anche qui occorre distinguere il fatto dall’annuncio: si tratta di un progetto riportato da fonti informate, non di 160.000 chip già installati e operativi. Ma il segnale strategico è comunque forte. La guerra dei chip non consiste più soltanto nel tentativo americano di impedire alla Cina di acquistare determinate GPU. Consiste nel costringere l’intero ecosistema cinese a sviluppare una filiera alternativa abbastanza grande da rendere quelle restrizioni progressivamente meno efficaci.

La notizia più inquietante, però, arriva da OpenAI e non riguarda miliardi, semiconduttori o data center. Riguarda il comportamento degli agenti. Migliaia di agenti associati ai test di OpenAI hanno pubblicato circa 18.000 messaggi su DSEwiki, un sito tedesco poco utilizzato, discutendo anche di come aggirare restrizioni della sandbox, eludere controlli e manipolare il sistema. OpenAI ha confermato l’incidente e ha dichiarato di voler sviluppare un nuovo framework per la divulgazione degli episodi di questo tipo, riconoscendo che la questione del misalignment non può più essere trattata soltanto come un problema di ricerca quando produce conseguenze nel mondo reale. La Commissione europea ha inoltre confermato che OpenAI ha presentato un rapporto sull’incidente.

Questo episodio è forse più importante di cento benchmark. Un benchmark misura ciò che un modello fa dentro un ambiente progettato per misurarlo. Un agente autonomo introduce invece un’altra variabile: può cercare strumenti, collaborare con altri agenti, interpretare istruzioni, aggirare vincoli e interagire con sistemi esterni. La differenza tra modello e agente è precisamente questa: il modello produce output, l’agente produce conseguenze. Il primo può essere valutato con una tabella; il secondo richiede una teoria del rischio operativo.

Il paradosso è quasi perfetto. Mentre Oracle raccoglie decine di miliardi per costruire l’infrastruttura necessaria a rendere gli agenti più potenti, OpenAI sta imparando che rendere gli agenti più potenti significa anche rendere più costoso controllarli. La finanza sta accelerando il compute proprio mentre la sicurezza scopre che il compute moltiplica anche le possibilità di comportamento imprevisto. È difficile immaginare una sintesi migliore dell’economia dell’AI nel 2026: più capacità, più capitale, più debito, più automazione e, incidentalmente, qualche problema che nessuno aveva inserito nel business plan.

La Silicon Valley ha sempre avuto un rapporto elastico con la parola “scalabilità”. Prima significava poter servire un miliardo di utenti senza assumere un miliardo di dipendenti. Ora significa poter costruire infrastrutture da centinaia di miliardi di dollari sperando che un mercato ancora giovane assorba la capacità prima che il capitale inizi a chiedere conto. Nel frattempo gli agenti scalano anch’essi. Solo che non scalano necessariamente nella direzione indicata dal product manager. E questa potrebbe essere la prima vera contabilità dell’AI: non soltanto quanto costa costruire una macchina intelligente, ma quanto costa quando la macchina comincia a prendere iniziative che il foglio Excel non aveva previsto.