infrastrutture

Big Tech dopo le midterm: i soldi non bastano a ottenere consenso sull’AI


Indirizzo copiato

Le Big Tech finanziano le campagne, ma l’espansione dei data center incontra resistenze crescenti. Le midterm rafforzano candidati favorevoli a vincoli, moratorie e revisione degli incentivi. Energia, acqua e consenso locale diventano variabili decisive per gli investimenti nell’intelligenza artificiale americana

Pubblicato il 9 nov 2026

Alessandra Talarico

Giornalista pubblicista, redazione agendadigitale.eu



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
big-tech-midterm-2026




Le Big Tech escono dalle ultime midterm con un problema che i finanziamenti elettorali non hanno risolto: ottenere consenso per l’espansione dell’AI. Il voto del 3 novembre 2026 ha rafforzato i democratici e premiato, in diversi Stati decisivi per gli investimenti, candidati che chiedono più vincoli ai data center.

Il caso più emblematico è il Texas: James Talarico ha sconfitto Ken Paxton, sostenuto da Elon Musk, anche puntando sulle preoccupazioni per i nuovi impianti. La governatrice eletta Gina Hinojosa si è spinta oltre Talarico, chiedendo una moratoria sui data center in attesa di maggiori tutele per le comunità.

Secondo un sondaggio elettorale citato dalla CNN il 7 novembre, circa un quarto degli elettori ha considerato AI e data center cruciali per il proprio voto; la costruzione di nuovi impianti nella propria comunità vedeva contrari e favorevoli in un rapporto di circa tre a uno.

Midterm 2026, i contributi delle Big Tech e il consenso mancato

Per le aziende tech si apre, dunque, una trattativa su energia, acqua, incentivi e poteri delle comunità locali.

La contraddizione riguarda il modo in cui il settore esercita la propria influenza. Imprese, investitori e fondatori possono sostenere candidati e campagne pubblicitarie con risorse enormi. La costruzione delle infrastrutture passa però attraverso decisioni distribuite fra più istituzioni, spesso vicine a quei cittadini che temono di veder lievitare i costi delle bollette elettriche e idriche. È su questo terreno che il peso economico della tecnologia incontra una resistenza politica più organizzata.

Il caso Musk mostra i limiti del denaro elettorale

La distanza fra mobilitazione finanziaria e successo è evidente proprio nel caso di Elon Musk. Secondo Reuters, sulla base dei dati OpenSecrets, l’imprenditore ha speso 445 milioni di dollari nelle competizioni federali. Nel bilancio aggiornato dell’agenzia, pubblicato il 5 e rivisto il 6 novembre, tre dei 37 candidati repubblicani alla Camera da lui sostenuti avevano vinto, 33 avevano perso e una gara restava aperta. Al Senato, sei dei sette candidati appoggiati risultavano sconfitti, con una competizione ancora da assegnare.

Vittorie3 candidati
Sconfitte33 candidati
Gara aperta1 candidati
Scala 0-37 candidati. Fonte: Reuters, dati OpenSecrets; 37 candidati alla Camera sostenuti da Musk; periodo: bilancio aggiornato al 6 novembre 2026.

Per Musk l’esposizione è anche istituzionale, perché le sue imprese hanno rapporti con il governo e contratti pubblici. David Hopkins, politologo del Boston College, ha spiegato a Reuters: «È particolarmente esposto perché ha fatto parte dell’amministrazione Trump e le sue aziende hanno rapporti diretti con il governo». L’agenzia riferisce le intenzioni democratiche di intensificare le indagini sulle sue società. L’allineamento politico può dunque diventare un’ulteriore fonte di scrutinio quando cambia il controllo parlamentare.

Il rendimento degli investimenti politici resta comunque diseguale. Nell’analisi post voto di OpenSecrets, ripubblicata da NCIJ Network, i gruppi AI ottengono successi in alcune competizioni per la Camera e incontrano sconfitte altrove. In South Carolina, Darline Graham, sostenuta dalla rete Leading the Future, perde contro Annie Andrews, favorevole a una moratoria biennale sui data center. Vittorie e battute d’arresto convivono: il settore mantiene capacità di intervento, ma deve fare i conti con candidati che trasformano l’opposizione alle infrastrutture in un tema di campagna.

In Texas la campagna ha seguito la mappa degli impianti

La ricostruzione CNN mostra come il dissenso sia diventato una campagna mirata sul territorio. Lone Star Rising PAC, schierato con Talarico, ha raggiunto in 55 contee gli elettori residenti entro cinque miglia, circa otto chilometri, da un data center proposto o autorizzato. Lettere e annunci digitali collegavano i progetti a Paxton. Nella contea repubblicana di Kaufman, interessata da due grandi progetti, Talarico ha vinto con un punto di vantaggio.

La vicinanza agli impianti ha offerto ai democratici un modo concreto per collegare costo della vita e potere delle aziende. La strategia ha trasformato la localizzazione degli impianti in uno strumento di mobilitazione. Il sondaggio elettorale misura il rilievo dichiarato del tema; per quantificare i voti spostati servirebbe un’analisi degli altri fattori della competizione.

Bollette e acqua portano i data center nel voto locale

Il dissenso trova un punto di raccolta nei costi che le comunità associano ai progetti. Nell’analisi Brookings di Nicol Turner Lee e Darrell M. West, pubblicata il 25 agosto, elettricità, acqua e aspettative occupazionali spiegano la crescita di un’opposizione che attraversa i partiti. Il data center rende visibile sul territorio un’espansione tecnologica altrimenti difficile da influenzare: richiede terreno, connessioni alla rete e autorizzazioni. I cittadini possono intervenire su questi passaggi e chiedere chi sosterrà i costi.

Una ricerca USC Annenberg pubblicata il 2 novembre misura il problema di fiducia. L’indagine probabilistica nazionale, condotta nell’ottobre 2026 su 2.980 americani attraverso l’Understanding America Study, rileva che il 77% considera insufficiente la regolazione dei data center e il 71% dichiara di non fidarsi affatto delle Big Tech nel perseguire l’interesse della società durante il loro sviluppo. La richiesta di controllo riguarda dunque anche il comportamento delle aziende e la distribuzione dei benefici.

I referendum danno una misura circoscritta di questa resistenza. Il monitoraggio Redbud Consulting, riportato da Associated Press il 6 novembre, registra restrizioni approvate in 44 delle 45 consultazioni locali con conteggio concluso, su 47 quesiti seguiti. È un dato relativo ai territori chiamati a pronunciarsi su quelle misure. L’AP Voter Poll rileva inoltre che circa tre elettori su quattro si oppongono a un nuovo data center nella propria comunità, mentre soltanto circa un quarto considera il tema cruciale per il voto al Congresso: costo della vita e corruzione pesano di più.

Il costo elettrico: cosa misurano i dati PJM

Una misura economica arriva da Monitoring Analytics, il controllore indipendente del mercato PJM. Nel rapporto del 30 ottobre 2026 sull’asta per il 2028/2029, attribuisce alla domanda esistente e prevista dei data center 6,27 miliardi di dollari di maggiori costi. PJM coordina la rete in un’area che comprende 13 Stati e Washington; le sue aste della capacità remunerano la disponibilità degli impianti a fornire elettricità quando serve.

Il valore deriva da una simulazione dell’asta senza quella domanda, confrontata con l’esito effettivo. Nelle quattro aste dal 2025/2026 al 2028/2029, il monitor stima un effetto cumulato di 29,37 miliardi. Sono costi del mercato della capacità riferiti ad anni di fornitura, alcuni futuri: il trasferimento alle bollette dipende da contratti, tariffe e decisioni delle autorità competenti.

2025/20269,33
2026/20277,27
2027/20286,50
2028/20296,27
Scala 0-10 miliardi di dollari. Fonte: Monitoring Analytics, tabella 1; effetto stimato di tutta la domanda dei data center sui ricavi delle aste della capacità, non sulla bolletta finale; periodo: anni di fornitura 2025/2026–2028/2029; rapporto 30 ottobre 2026.

Per l’acqua, il problema richiede una verifica locale altrettanto precisa: consumi, disponibilità della risorsa e investimenti negli acquedotti incidono in modi diversi sui territori. Un aumento della tariffa comunale, da solo, non quantifica la quota imputabile a un data center. La trattativa riguarda anche chi finanzia tubature, trattamento e riserve necessari ai nuovi insediamenti.

Dai programmi elettorali alle condizioni per costruire

Il passaggio decisivo è la traduzione del dissenso in scelte amministrative. Data Center Watch, progetto della società di consulenza 10a Labs, ha classificato le posizioni pubbliche dei candidati e analizzato gli esiti preliminari al 4 novembre. Fra i 34 vincitori delle elezioni a governatore considerati, 20 sostengono regole o sviluppo condizionato e 12 divieti o moratorie; per due manca una posizione qualificante documentata. Sono programmi e orientamenti, la cui applicazione richiederà decisioni normative e amministrative.

Regole o sviluppo condizionato20 governatori
Divieti o moratorie12 governatori
Senza posizione qualificante documentata2 governatori
Scala 0-20 governatori. Fonte: Data Center Watch, 34 vincitori analizzati. Posizioni dichiarate, non misure approvate; periodo: esiti preliminari al 4 novembre 2026; analisi 5 novembre.

I governatori hanno rilievo per la supervisione di alcune autorità statali, gli incentivi e i procedimenti che interessano i progetti. Il rischio per le imprese consiste nella possibilità che le nuove amministrazioni introducano condizioni più stringenti, verifiche o pause. Per valutare l’effetto sulla capacità futura servirà osservare il contenuto delle misure, i poteri disponibili e il trattamento riservato agli impianti già autorizzati.

Nella successiva analisi Brookings del 4 novembre, Turner Lee e West individuano fra i possibili interventi la revisione delle esenzioni fiscali, una maggiore trasparenza negli accordi e il rafforzamento della partecipazione locale. Il consenso può quindi tradursi in obblighi verificabili per gli sviluppatori: accesso pubblico alle condizioni degli incentivi, coinvolgimento dei residenti e responsabilità più chiare sui costi delle reti.

OpenAI offre garanzie alle comunità

Le aziende cercano di rispondere a questa richiesta di controllo locale. Il 5 novembre OpenAI ha pubblicato un National Community Compact e proposte per lo sviluppo dei campus. Per le future strutture di sua proprietà e gestione, la società promette di coprire i costi dell’elettricità e delle infrastrutture necessarie a servirle, offrendo garanzie finanziarie a protezione degli altri utenti anche se un progetto viene ridotto o cancellato.

Gli impegni comprendono piani idrici, pubblicazione dei consumi e confronto anticipato con i residenti. OpenAI chiede inoltre regole sui costi di rete e trasparenza negli incentivi pubblici. È un’iniziativa aziendale che prosegue un lavoro avviato prima delle elezioni; la sua portata dipenderà dagli accordi locali e dall’attuazione delle promesse. La domanda rivolta al settore diventa però esplicita: rendere verificabili costi e benefici per chi ospita gli impianti.

Il rischio politico entra nei conti dell’espansione AI

Per le Big Tech e i loro partner infrastrutturali, questa trattativa può incidere sulla convenienza dei singoli progetti. Se un operatore deve finanziare una quota maggiore dei collegamenti elettrici o accettare nuove condizioni per gli incentivi, cambiano le spese da sostenere. Se l’autorizzazione richiede ulteriori verifiche o incontra una moratoria, può slittare la disponibilità della capacità di calcolo prevista. Il voto rende questi scenari più rilevanti; i loro effetti andranno misurati sulle decisioni effettive.

Il grado di esposizione varia anche con la possibilità di spostare gli investimenti. In un’analisi preelettorale del 29 ottobre, Oxford Economics sostiene che l’opposizione locale tende soprattutto a ricollocare i progetti. Lo scenario più sfavorevole sarebbe un irrigidimento simultaneo in più Stati. Benefici per le comunità e disponibilità di energia propria possono invece ridurre il dissenso: per questo gli economisti mantenevano lo scenario di base nonostante la crescita delle resistenze.

Tre condizioni che incidono sui progetti
Chi paga gli allacciamenti

Se il contratto pone a carico del gestore del data center gli ampliamenti necessari alla rete, quell’investimento entra nei costi del progetto. Garanzie finanziarie e obblighi minimi di pagamento possono proteggere gli altri utenti quando la domanda promessa non si realizza.

Quanto durano gli incentivi

Un’esenzione fiscale riduce le spese previste. La revisione dei benefici può cambiare la convenienza di un sito; per gli impianti già autorizzati conta il contenuto degli accordi e delle eventuali tutele contrattuali.

Quando si può iniziare a costruire

Una moratoria può rinviare l’avvio dei progetti che rientrano nel suo perimetro. Per stimare i ritardi occorre conoscere durata della pausa, deroghe e trattamento degli interventi già approvati.

Lettura dei meccanismi economici e amministrativi descritti da Brookings, 4 novembre 2026, e Oxford Economics, 29 ottobre 2026. Effetti condizionati al contenuto delle misure e dei contratti.

Le risorse destinate alla politica restano una componente del potere delle imprese tecnologiche. L’espansione dei data center richiede anche accordi su chi paga l’energia, come vengono protette le risorse locali e quali obblighi accompagnano i benefici fiscali. Le prossime decisioni delle amministrazioni e i patti con le comunità diranno quanto costa ottenere quel consenso e quali progetti riescono a conquistarlo.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x