La sorpresa, semmai, è che qualcuno abbia ancora bisogno di Gartner per prendere sul serio il problema. Quando un settore investe capitali a una velocità superiore a quella con cui riesce a trasformarli in ricavi, la tecnologia può anche essere straordinaria; il rendimento finanziario, però, resta una questione molto meno poetica. È il punto che accompagna da anni l’espansione dell’intelligenza artificiale: la domanda di capacità di calcolo cresce rapidamente, ma non è affatto dimostrato che i ricavi generati dall’AI possano remunerare l’intero capitale impiegato per costruirla.

Secondo le cifre riportate, oltre 3.500 miliardi di dollari di investimenti infrastrutturali potrebbero essere esposti a perdite di valore entro la fine del 2030, qualora i fornitori di AI mantenessero l’attuale traiettoria di spesa. La distinzione è essenziale: esposizione al rischio di svalutazione non significa che quella somma sarà necessariamente persa. Significa che una parte consistente degli investimenti potrebbe non produrre i rendimenti necessari a giustificarne il valore contabile ed economico. È una differenza che nei comunicati finanziari tende a passare in secondo piano, mentre nei bilanci può diventare decisiva.

I data center vengono costruiti oggi sulla base di una domanda futura attesa; GPU, acceleratori, sistemi di rete e impianti energetici richiedono capitali enormi, mentre i ricavi che dovrebbero ripagarli dipendono dalla capacità delle imprese di adottare servizi AI a prezzi sufficientemente remunerativi. Se la monetizzazione procede più lentamente del previsto, il capitale resta immobilizzato, i costi finanziari continuano a maturare e le apparecchiature perdono valore economico prima che l’investimento abbia raggiunto il rendimento atteso. Il progresso tecnologico, paradossalmente, può aggravare il problema: un acceleratore acquistato a caro prezzo oggi potrebbe risultare meno competitivo domani, non perché abbia smesso di funzionare, ma perché una nuova generazione offre prestazioni migliori a un costo inferiore.

Il dato più significativo non è nemmeno quello dei 3.500 miliardi è il divario fra i ricavi necessari e quelli che Gartner ritiene attribuibili all’infrastruttura AI. Per sostenere la spesa annunciata, coprire i costi di finanziamento e ottenere un rendimento sul capitale investito del 12%, i proprietari dei data center dovrebbero generare ricavi cumulativi per 8.500 miliardi di dollari entro il 2030. Le previsioni citate da Gartner si fermano invece a 3.600 miliardi. Sono grandezze che dipendono dalle ipotesi del modello e non costituiscono una previsione certa delle perdite, ma rendono evidente la fragilità economica di un’espansione costruita sull’aspettativa che la domanda futura assorba quasi qualsiasi capacità venga installata.

Il punto è che l’industria ha confuso, almeno in parte, tre fenomeni diversi: l’interesse per l’intelligenza artificiale, il suo utilizzo effettivo e la disponibilità delle imprese a pagarla abbastanza da produrre un ritorno sul capitale. Sono tre curve che possono crescere a velocità differenti. Un’azienda può adottare strumenti generativi e persino registrarne benefici operativi senza generare ricavi aggiuntivi sufficienti a giustificare l’infrastruttura necessaria per alimentarli. Un assistente integrato nel software aziendale può migliorare la produttività, ma il valore economico prodotto non coincide automaticamente con il fatturato del fornitore del modello, né con quello del proprietario del data center. La catena del valore è lunga; i costi, invece, arrivano puntualmente.

La conseguenza più importante riguarda chi possiede gli asset. Gartner prevede che oltre l’80% dei cosiddetti neocloud provider, cioè gli operatori specializzati nell’offerta di infrastrutture di calcolo per l’intelligenza artificiale, cesserà di operare in modo indipendente entro il 2030. La previsione non implica che quattro aziende su cinque scompariranno materialmente: alcune potrebbero essere acquisite, fuse o assorbite da concorrenti più grandi. Il consolidamento, quindi, è uno scenario plausibile, ma non necessariamente una liquidazione generalizzata del settore. Gli operatori con debito elevato, dipendenza da pochi clienti e scarsa differenziazione commerciale sono particolarmente esposti, perché devono recuperare investimenti ingenti prima che la generazione successiva di acceleratori riduca il valore competitivo di quella precedente.

Amazon, Microsoft e Google dispongono di attività cloud consolidate e di flussi di cassa provenienti da mercati molto più ampi dell’AI generativa. Questa diversificazione offre loro un margine di sopravvivenza che una società nata esclusivamente per affittare GPU non possiede. Ma non li rende immuni da un ciclo di investimenti sbagliato. Un gruppo può continuare a crescere e, contemporaneamente, distruggere valore attraverso spese in conto capitale che rendono meno di quanto costi finanziarle. Il mercato tende a premiare la crescita quando sembra illimitata; quando il rendimento marginale scende, comincia a chiedere conto del capitale impiegato.

La questione dei dividendi, tuttavia, richiede una precisazione non darei per scontato che tutti i grandi operatori reagiscano mantenendo invariata la remunerazione degli azionisti e destinando il flusso di cassa residuo al rimborso del debito. Le scelte dipenderanno dalla generazione di cassa, dalle scadenze finanziarie, dalle valutazioni di Borsa e dalla redditività dei singoli investimenti. Una società potrebbe tagliare o rinviare parte della spesa infrastrutturale, un’altra ridurre i riacquisti di azioni, un’altra ancora continuare a investire per difendere la propria posizione competitiva. La pressione sui dividendi non è quindi l’esito automatico, ma lo diventa un rischio concreto se il fabbisogno di capitale cresce più velocemente della cassa disponibile.

Il mercato sta già mostrando segnali di attenzione a questa asimmetria. Il 15 ottobre Reuters ha riferito delle crescenti preoccupazioni sul debito di CoreWeave, operatore specializzato nel cloud per AI, mentre il Financial Times ha descritto il rischio che gli investimenti nei data center alimentino una correzione dei titoli tecnologici. Sono segnali di tensione finanziaria, non la prova definitiva che l’intero ciclo dell’AI sia una bolla destinata a scoppiare. La distinzione conta: la tecnologia può continuare a diffondersi mentre alcuni investitori perdono denaro, esattamente come è accaduto in altri cicli di innovazione, quando infrastrutture utili sono state costruite a prezzi che i ricavi successivi non potevano giustificare.

È in questo passaggio che gli «efficientamenti» diventano più probabili, quando il capitale costa di più e i rendimenti deludono, il management cerca margini dove può trovarli: rallenta le assunzioni, accorpa funzioni, riduce i progetti con ritorni incerti e chiede alle divisioni di dimostrare il contributo economico delle iniziative AI. Il paradosso sarebbe notevole: dopo aver venduto l’intelligenza artificiale come strumento per liberare le imprese dalle inefficienze, una parte del settore potrebbe usarla anche per giustificare la riduzione dei costi del personale necessaria a compensare investimenti infrastrutturali troppo ambiziosi. Non è una conseguenza inevitabile dell’automazione, ma una possibile risposta alla pressione sui margini.

Resta infine il rischio più sottovalutato: una svalutazione non cancella i data center, ma modifica il modo in cui il loro valore deve essere rappresentato nei bilanci e può cambiare drasticamente le decisioni successive. Se un impianto è stato progettato per una domanda che non si materializza, oppure se il prezzo del calcolo scende più rapidamente del previsto, il proprietario può trovarsi con capacità inutilizzata e costi fissi ancora elevati. Se invece la domanda continua a crescere, ma si sposta verso sistemi più efficienti, il problema diventa la redditività relativa delle generazioni precedenti. In entrambi i casi, la capacità tecnica installata non garantisce un ritorno adeguato sul capitale.

Per questo la previsione di Gartner va letta senza trionfalismi e senza panico non dimostra che l’intelligenza artificiale abbia un valore economico insufficiente; mette in discussione l’idea che qualsiasi investimento effettuato per sostenerla possa essere remunerato. È una differenza fondamentale per chi gestisce un’impresa, valuta un titolo tecnologico o finanzia nuove infrastrutture. La prossima fase potrebbe premiare meno chi annuncia la maggiore capacità di calcolo e più chi dimostra di poterla vendere con margini sostenibili. Il mercato, prima o poi, presenta sempre il conto. L’innovazione non è un’esenzione dal rendimento del capitale.

Per approfondire, la fonte primaria è il comunicato ufficiale di Gartner del 14 ottobre 2026: Gartner, AI infrastructure spending and impairment risk.