Venerdì 5 giugno 2026 il Nasdaq ha perso il 4,2 per cento, la peggiore seduta in oltre un anno. L’indice dei semiconduttori di Philadelphia è arretrato del 10,3 per cento, come non accadeva da più di sei anni. Il contesto, certo, era già nervoso: tassi, lavoro, valutazioni tech tirate. Ma la scintilla non è stata una cattiva notizia. È stata una notizia eccellente: Broadcom ha riportato una crescita esplosiva dei ricavi legati all’intelligenza artificiale. Solo che non ha alzato le previsioni di lungo periodo. E un mercato che ha pagato caro l’accelerazione perpetua non perdona chi si limita a correre “solo” fortissimo.
Conviene fermarsi su questo dettaglio, perché contiene quasi tutto. Quando i prezzi scontano la perfezione, la perfezione diventa il nuovo zero: tutto ciò che è soltanto straordinario viene letto come una delusione. Non serve che il re sia nudo; basta che il suo mantello sia un centimetro più corto del previsto: questa è la firma tecnica delle fasi avanzate di ogni grande ciclo speculativo. Ed è anche, paradossalmente, la prova che la domanda che tutti si fanno da tre anni (ossia “l’intelligenza artificiale è una bolla?”) è nei fatti posta male.
Indice degli argomenti
Quando la questione è sbagliata
È posta male perché pretende una risposta binaria da un fenomeno che binario non è. Sotto la possibile etichetta della “bolla AI” convivono infatti almeno cinque cose diverse, che il dibattito pubblico mescola di continuo: le valutazioni dei titoli quotati; le valutazioni dei mercati privati, da OpenAI ad Anthropic ai neocloud; l’investimento infrastrutturale in chip, data center ed energia, e il debito che lo finanzia; il ritorno economico per le imprese che l’AI la comprano e la usano; e infine la narrativa, cioè la promessa di un’intelligenza generale che giustificherebbe qualunque cifra. Ciascuno di questi livelli può gonfiarsi o sgonfiarsi per conto proprio. Chiamarli con un nome solo è come chiamare “Internet”, nel marzo del 2000, l’insieme indistinto di TCP/IP, Amazon, Pets.com, la fibra ottica e il Nasdaq: certo, tecnicamente possibile, ma analiticamente inutile.
C’è invece un modo più onesto di impostare il problema, ed è probabilmente quello di guardare ai tempi anziché ai prezzi. In questo momento stanno ticchettando due orologi incompatibili. Il primo è quello della finanza: trimestrale, impaziente, costruito su guidance, multipli e flussi di cassa attesi entro pochi anni. Il secondo è quello con cui le economie assorbono le tecnologie di uso generale: decennale, lento, fatto di riorganizzazione dei processi, formazione, tentativi falliti e capacità che maturano molto dopo gli investimenti. Le ferrovie, l’elettricità, il computer: ogni volta lo stesso copione. La bolla dell’AI Economy, se c’è, non abita nel codice dei modelli, ma piuttosto nel cronometro di chi li finanzia.
I numeri su cui nessuno litiga
Partiamo da ciò che nessuna delle due fazioni contesta. Secondo stime di FT/analisti, nel 2026 i quattro grandi dell’infrastruttura (Amazon, Google, Microsoft e Meta) prevedono di spendere insieme circa 725 miliardi di dollari in conto capitale, una cifra rivista al rialzo da 610 miliardi appena a febbraio. Gartner stima che la spesa mondiale legata all’AI raggiungerà 2,52-2,59 trilioni di dollari nel 2026, e comunque secondo le stime più aggressive il buildout AI richiederà migliaia di miliardi di dollari nei prossimi anni; il capex annuo 2026 è già stimato nell’ordine di molte centinaia di miliardi. Il Financial Times calcola che questa corsa stia spingendo il flusso di cassa libero dei colossi tecnologici ai minimi di un decennio: un’inversione storica per aziende che per vent’anni sono state, prima di ogni altra cosa, macchine da cassa.
Quando la cassa non basta più, arriva il debito. Ed è qui che il 2026 si distingue davvero dal 2025. Secondo Reuters e UBS, l’AI-related financing è salito a 125 miliardi nel 2025, una stima che gli stessi analisti considerano per difetto, perché molte operazioni sono private. Secondo le proiezioni più citate, entro il 2028 serviranno circa 1.500 miliardi di finanziamento esterno per colmare il divario tra i flussi di cassa e gli investimenti programmati. Morgan Stanley si aspetta per il 2026 emissioni tra i 250 e i 300 miliardi dai soli hyperscaler e dalle loro joint venture. In Bank of America, chi gestisce il credito globale ammette che numeri simili non si erano mai visti in venticinque anni di mestiere. Obbligazioni blue chip, debito ad alto rendimento, credito privato, cartolarizzazioni: tutti i compartimenti del mercato sono stati arruolati.
Dentro questa montagna di carta ci sono però già crepe visibili. Moody’s ha segnalato rischi sul profilo creditizio di Oracle e sui suoi grandi contratti AI; S&P/Moody’s hanno espresso preoccupazioni sul leverage e sugli impegni infrastrutturali: il debito di Oracle supera i 130 miliardi, cui si aggiungono quasi 250 miliardi di impegni di leasing, e il costo per assicurarsi contro un suo default è più che triplicato in pochi mesi, ai massimi di percezione del rischio in sedici anni. Secondo ricostruzioni di stampa finanziaria, JPMorgan avrebbe incontrato difficoltà nel sindacare parte del debito legato all’ecosistema Stargate, il progetto infrastrutturale di OpenAI, Oracle e SoftBank. E quattro senatori americani hanno chiesto per lettera un’attenzione regolatoria sulle strutture finanziarie che reggono la costruzione dei data center. Possono sembrare solo dettagli tecnici, ma in realtà raccontano una cosa semplice: il punto debole del ciclo si è spostato dall’azionario al credito.
C’è poi la questione più discussa di tutte, ossia la circolarità. I produttori di chip e di cloud (NVIDIA in testa) hanno investito nei laboratori di AI, che con quei capitali comprano chip e cloud dai loro stessi investitori. I difensori parlano di circolo virtuoso: in un mercato dove i chip scarseggiano, vincolare fornitura e finanziamento è il solo modo di pianificare. I critici notano che lo stesso dollaro, girando, gonfia i ricavi di tutti i partecipanti e rende difficile capire quanta domanda sia finale e quanta sia specchio. Non è uno schema Ponzi in senso tecnico; somiglia piuttosto a una forma estrema di vendor financing e circular financing, dove lo stesso capitale può sostenere contemporaneamente domanda, offerta e ricavi apparenti. In ogni caso probabilmente hanno ragione entrambi, ed è esattamente questo il problema: la circolarità è razionale finché la fiducia regge, e amplifica le perdite quando si spezza.
L’accusa: la bolla è qui, ed è già visibile
Il fronte ribassista non è fatto di blogger apocalittici. È fatto di banche centrali. La Bank of England ha avvertito che il rischio di una correzione brusca dei mercati è aumentato, osservando che su alcune metriche le valutazioni azionarie americane somigliano a quelle del picco della bolla dot-com (per capirci: ciò che accadde alla fine del ciclo della New Economy), e che i trilioni di finanziamento a debito potrebbero amplificare le perdite in caso di repricing. Il Fondo Monetario Internazionale, per voce della sua direttrice Kristalina Georgieva, ha messo in guardia su condizioni finanziarie che possono girare bruscamente. Ray Dalio richiama i pattern storici delle bolle tecnologiche. L’economista Paul Kedrosky ha coniato l’immagine forse più efficace: l’AI come buco nero di capitale, che assorbe risorse sottraendole al resto dell’economia, come fece il boom delle telecomunicazioni alla fine degli anni Novanta.
Il nucleo quantitativo dell’accusa è il divario tra investimenti e ricavi. A fronte di un’infrastruttura da migliaia di miliardi programmata entro il 2030, i ricavi annualizzati dei laboratori di frontiera si misurano ancora in decine di miliardi. Nessuna tecnologia nella storia ha dovuto colmare un divario simile in così poco tempo. E c’è un secondo argomento, più sottile e più recente: la dipendenza macroeconomica. Nel primo trimestre del 2026 il PIL americano è cresciuto dell’1,6 per cento annualizzato secondo la stima più recente (la prima lettura diceva 2 per cento), ma l’investimento in computer e periferiche correva al 67 per cento; togliendo le categorie legate all’AI, la crescita scenderebbe attorno all’1 per cento, e togliendo anche l’indotto (i cantieri dei data center come anche l’energia) potrebbe avvicinarsi a zero. L’AI non è più solo un settore in fibrillazione: è la stampella di un’economia che altrove fatica. Il che rende un eventuale rallentamento del capex non un problema di Borsa, ma un problema di tutti.
Ma l’elemento davvero nuovo del 2026 è un altro: i dubbi arrivano infatti da dentro. Uber ha messo un tetto all’uso interno degli strumenti di AI dopo aver esaurito in quattro mesi il budget annuale destinato agli assistenti di programmazione, con un dirigente che ha definito quella spesa sempre più difficile da giustificare. Amazon ha chiuso una classifica interna sul consumo di token perché i dipendenti la gonfiavano con compiti inutili pur di scalare posizioni. GitHub ha spostato Copilot sulla fatturazione a consumo, mettendo milioni di sviluppatori davanti al costo reale dell’uso intensivo. E Bain, interpellando 951 grandi aziende, ha trovato risparmi molto sotto le attese, sintetizzando il paradosso in una frase che merita di essere ricordata: la tecnologia ha funzionato, il valore non è arrivato. Perfino Sam Altman, l’uomo che più di ogni altro incarna la scommessa, ha riconosciuto che la domanda su quando la spesa si tradurrà in ricavi è la critica più giusta che si possa muovere oggi (dopo aver ammesso, mesi prima, che qualcuno perderà una quantità fenomenale di denaro).
Una cautela, però, prima di trarre da questi casi la morale che sembrano suggerire: i prezzi di oggi non sono i prezzi di domani. Il costo di far girare questi modelli, a parità di capacità, sta crollando a un ritmo che non ha precedenti nella storia dell’informatica; l’AI Index di Stanford documenta cali di due ordini di grandezza in meno di due anni per prestazioni equivalenti. Uber che sfora il budget nel 2026 dice poco su quanto costerà lo stesso lavoro nel 2028. Il dettaglio interessante è che questa deflazione taglia in due direzioni opposte: rende l’adozione sempre più sostenibile per chi compra, e sempre più difficile da ripagare l’infrastruttura per chi ha costruito ai prezzi di oggi. È un sollievo per la tesi della rivoluzione e un problema per i bilanci che la finanziano (il che, a pensarci, è un altro modo di dire che i due orologi non segnano la stessa ora).
La difesa: questa volta i ricavi esistono
Il fronte rialzista, però, non è meno autorevole, e ha dalla sua un fatto che nel 2000 semplicemente non c’era: i soldi veri. In questo senso la cartina da tornasole è NVIDIA: nel trimestre chiuso ad aprile 2026 ha riportato 81,6 miliardi di dollari di ricavi, 75,2 dei quali dal solo segmento data center, in crescita del 92 per cento sull’anno. Sono, è vero, i ricavi di chi vende le pale durante la corsa all’oro: dicono quanto si scava, non quanto oro si trova (e una parte di quella domanda passa dai finanziamenti circolari descritti più sopra). Ma dicono anche una cosa che nessuna teoria può negare: a oggi, la fame di calcolo non mostra alcun segno di sazietà. Jerome Powell ha poi osservato che, a differenza delle bolle passate, le aziende al centro di questo ciclo generano ricavi reali e output economico misurabile. Morgan Stanley calcola che i flussi di cassa delle grandi aziende siano il triplo di quelli del 1999. I protagonisti dell’investimento non sono startup in perdita quotate sulla promessa, ma i monopoli più profittevoli della storia del capitalismo, che finanziano la costruzione in larga parte con utili correnti. Bank of America prevede per il 2026 una crescita americana del 2,4 per cento trainata proprio dall’AI e dichiara di non vedere una bolla, per ora. La domanda di capacità di calcolo, lungi dal rallentare, è proiettata in crescita di quasi il 20 per cento all’anno fino al 2030.
C’è inoltre l’argomento che i rialzisti più seri considerano decisivo, e che il dibattito sulla bolla tende stranamente a ignorare: per chi costruisce, il calcolo non è mai stato il ritorno a tre anni. È il valore d’opzione. Sundar Pichai lo ha detto con una franchezza rara: il rischio di investire troppo poco è drammaticamente più grande del rischio di investire troppo. Nella logica degli hyperscaler, perdere qualche centinaio di miliardi in capacità inutilizzata è un errore recuperabile; arrivare secondi nella tecnologia che potrebbe ridefinire il software, la ricerca e il lavoro non lo è. Giudicare questa spesa con i criteri del ROI trimestrale significa, dal loro punto di vista, sbagliare unità di misura. È un argomento serio. Ha un solo difetto, ed è strutturale: il valore d’opzione giustifica qualunque cifra, e una logica che giustifica qualunque cifra è esattamente il materiale di cui sono fatte le bolle. Ogni mania della storia ha avuto la sua versione di “non possiamo permetterci di restare fuori”.
E poi c’è l’evidenza che gli scettici tendono a saltare: quella microeconomica. Gli studi pubblicati o ampiamente citati, con livelli diversi di maturità scientifica (Noy e Zhang sulla scrittura professionale, Brynjolfsson, Li e Raymond sul servizio clienti, Peng e colleghi sulla programmazione) misurano guadagni di produttività tra il 5 e oltre il 25 per cento sui compiti esposti, con effetti maggiori proprio sui lavoratori meno esperti. Un working paper NBER di questa primavera, basato su centinaia di dirigenti, registra guadagni positivi in tutti i settori misurati. A livello di singolo compito, di singola mansione, di singolo team ben organizzato, l’AI quindi funziona e si vede. Chi paragona tutto questo a Pets.com sta confondendo un’azienda senza ricavi con una tecnologia senza precedenti di adozione: gli strumenti generativi sono entrati nelle abitudini di centinaia di milioni di persone più in fretta del PC e del web.
Il punto dove le due verità si scontrano
Come possono essere vere entrambe le cose, ovvero produttività reale nei laboratori e valore che non arriva nei bilanci? La risposta più seria viene dall’accademia, e ha la forma di due risultati apparentemente opposti che in realtà si completano.
Il primo è il tetto di Daron Acemoglu. Nel suo lavoro più citato sulla macroeconomia dell’AI, l’economista del MIT, premio Nobel, parte da un’osservazione disarmante: l’effetto aggregato di una tecnologia dipende da quanti compiti tocca e da quanto li rende più economici. Poiché oggi solo una frazione del lavoro è automatizzabile con profitto, il suo calcolo assegna all’AI generativa un guadagno di produttività totale dei fattori inferiore al punto percentuale nell’arco di un decennio. Non zero: piccolo. Troppo piccolo, da solo, per giustificare i multipli correnti su orizzonti brevi. Va poi detto che quella di Acemoglu è la stima più prudente in circolazione, e mezza professione la considera troppo bassa: Goldman Sachs, all’estremo opposto, arriva a quasi un punto e mezzo di produttività in più all’anno per un decennio. Ma è proprio l’ampiezza della forchetta a fare il punto: quando gli economisti migliori divergono di un fattore venti, i mercati che prezzano la certezza probabilmente stanno anche prezzando qualcosa che non esiste.
Il secondo è la curva a J di Erik Brynjolfsson. Studiando l’elettrificazione e l’informatizzazione, Brynjolfsson e coautori hanno mostrato che le tecnologie di uso generale deprimono la produttività misurata prima di esaltarla: le imprese devono prima spendere in capitale intangibile (cioè in riorganizzazione, competenze, processi) che la contabilità nazionale registra come costo e non come investimento. Le fabbriche impiegarono trent’anni a riprogettarsi attorno al motore elettrico; il paradosso di Solow sui computer durò due decenni. Se questa lettura è giusta, l’assenza di produttività aggregata oggi non smentisce la rivoluzione: è esattamente ciò che ci si aspetterebbe di osservare nella pancia della J.
Messi insieme, i due risultati dicono una cosa precisa e scomoda: i guadagni arriveranno probabilmente più tardi e, almeno all’inizio, saranno più piccoli di quanto i prezzi correnti pretendano. È la formalizzazione accademica dei due orologi. Una tecnologia può vincere la sua epoca mentre la finanza che l’ha anticipata sbaglia il suo tempo. Anzi: nella storia è quasi sempre andata così. La mania ferroviaria britannica degli anni Quaranta dell’Ottocento rovinò una generazione di risparmiatori ma lasciò al Paese la rete su cui viaggiò la rivoluzione industriale. Il crollo delle telecom nel 2001 bruciò capitalizzazione per trilioni però lasciò la fibra spenta su cui sarebbero corsi YouTube, Netflix e lo streaming. Insomma, gli speculatori passano, i binari restano.
Sarebbe però un errore usare la storia come anestetico. Due cose distinguono il 2026 dal 2000, e nessuna delle due è rassicurante. La prima è il canale del credito: la bolla dot-com fu quasi interamente azionaria, e per questo bruciò ricchezza senza incendiare le banche; questa volta una parte crescente della costruzione poggia su debito, leasing e credito privato, cioè su strutture che in caso di correzione non si limitano a ridurre i portafogli ma trasmettono lo stress, su asset molto fisici dell’economia reale. È il punto su cui la Bank of England insiste di più. La seconda è la concentrazione: mai una manciata di titoli aveva pesato così tanto sugli indici globali, sui fondi pensione, sui risparmi delle famiglie, e mai un singolo filone di investimento aveva spiegato una quota simile della crescita americana. Quando l’esposizione è di tutti, la correzione non è mai solo degli speculatori. E questo dovrebbe farci stare davvero molto attenti.
La strada italiana ed europea
C’è un’ultima distorsione da correggere, ed è prospettica: in Italia e in Europa questo dibattito viene raccontato come una faccenda americana, da osservare con il binocolo. Non lo è. L’Europa è dentro fino al collo, per almeno tre vie, e quasi nessuna è frutto di una scelta consapevole.
La prima è il risparmio: chiunque abbia un fondo pensione, un PAC su un indice globale o una polizza a gestione separata con componente azionaria è esposto alla concentrazione americana, perché gli Stati Uniti pesano ormai intorno al 70 per cento degli indici mondiali e una manciata di titoli AI spiega una quota record di quel peso. Milioni di risparmiatori europei hanno comprato la bolla (o il boom?) senza aver mai deciso di farlo.
La seconda via è il capitale: l’Europa è esportatrice netta di risparmio, e una parte di quel risparmio sta finanziando, attraverso fondi, obbligazioni e credito privato, proprio il buildout americano descritto in queste pagine; non a caso anche la BCE, nei suoi rapporti sulla stabilità finanziaria, ha messo in fila concentrazione, valutazioni e canali di contagio verso il sistema europeo.
La terza via è fisica: i data center stanno arrivando anche qui (Milano stessa è diventata uno dei mercati in più rapida crescita del continente) ma arrivano dentro una rete elettrica più fragile e con costi dell’energia che restano un multiplo di quelli americani, il che significa che l’Europa rischia il paradosso peggiore: prendersi i costi dell’infrastruttura senza l’economia che altrove la giustifica. Sullo sfondo, l’ironia regolatoria: il continente che ha scritto la legge più ambiziosa del mondo sull’AI non ha quasi voce in capitolo sull’economia che la sostiene.
Se la correzione arriverà, l’Europa incasserà la volatilità di un boom di cui non ha incassato i dividendi. Per una volta, la domanda giusta da farsi a Bruxelles e a Roma non è come regolare la bolla americana. È quanta ne abbiamo già comprata.
Chi e cosa deciderà la partita
Se questa analisi è giusta, i prossimi dodici mesi non risponderanno alla domanda “bolla sì o no”, ma a quattro domande più piccole e forse più dure. La prima è la prova del ritorno: il 2026 è l’anno in cui, per consenso crescente tra gli stessi operatori e analisti, i budget smettono di premiare le demo e iniziano a pretendere valore misurabile; le trimestrali d’autunno diranno quanta della spesa epocale del 2024-2025 si è trasformata in ricavi, margini, costi evitati. La seconda è il rifinanziamento: una parte rilevante del debito contratto per i data center andrà rinnovata in condizioni che dipenderanno dalla fiducia del momento, e i prestatori (a differenza degli azionisti) non si possono pagare solo con la visione. La terza è la tenuta del capex: se anche uno solo dei grandi committenti rallentasse, l’effetto si propagherebbe lungo l’intera filiera, dai chip all’energia ai cantieri, e da lì al PIL. E ci sono due cose in particolare che potrebbero riscrivere ogni scenario: l’energia, che è il collo di bottiglia fisico della costruzione (i cantieri si fermano dove la rete non arriva, e la rete arriva sempre più tardi dei capitali) e la Cina, che ha già dimostrato almeno una volta, con i suoi modelli a basso costo, di poter comprimere in una notte i margini attesi dell’intero settore (vedi ad esempio il fenomeno di DeepSeek). La quarta è la più sfuggente: la qualità dell’adozione. La lezione dei pionieri pentiti (Uber, Amazon, le aziende del campione di Bain) dice: non è che l’AI non funzioni, ma che spruzzata indiscriminatamente su ogni processo non si ripaga, mentre puntata con precisione chirurgica rende moltissimo. La vera bolla, ha scritto Axios in uno dei commenti più lucidi di queste settimane, potrebbe essere stata l’idea che bastasse distribuirla ovunque perché si pagasse da sola. In pratica l’idea era cannibalizzare il mercato; il rischio è scoprire di aver cannibalizzato i propri margini, in un’autofagia di sé stessi.
Vale la pena registrare anche il termometro più spassionato che esista, quello di chi scommette denaro vero: sui mercati di previsione, lo scoppio della bolla dell’AI Economy entro la fine del 2026 è quotato attorno a una probabilità su quattro o cinque. Significativa, non maggioritaria. Il denaro, come sempre, è più agnostico dei titoli di giornale.
Una bolla dell’AI Economy esiste?
E quindi? La risposta onesta è meno spettacolare di un sì e meno consolatoria di un no. L’intelligenza artificiale non è una bolla nel suo nucleo tecnologico: l’evidenza di guadagni reali, misurati e replicati è ormai troppo solida per la tesi del fumo. Ma attorno a quel nucleo si sono formate sacche di eccesso riconoscibili (valutazioni che scontano l’accelerazione perpetua, debito che corre più veloce dei ricavi, applicazioni comprate per moda e non per ritorno, promesse di intelligenza generale usate come moltiplicatore di multipli) e alcune di quelle sacche quasi certamente si sgonfieranno, in modo selettivo e doloroso, prima che la tecnologia abbia avuto il tempo di mantenere ciò che davvero può mantenere. Perciò, almeno secondo me, lo scenario più probabile non è il 2000: è una resa dei conti per gradi, con vincitori infrastrutturali e una lunga lista di vittime finanziarie. Ma il rischio di coda esiste, e passa dal credito, non dalle azioni; chi lo liquida non ha letto i rapporti delle banche centrali, e sta sottovalutando l’intera questione.
Resta una previsione che si può fare con ragionevole sicurezza, perché è compatibile con ogni scenario: qualcuno, in questa storia, perderà una quantità fenomenale di denaro. Lo ha detto l’uomo che ha più da guadagnare dal contrario. La domanda che conta, per un investitore come per un’impresa come per un governo, non è dunque se la bolla dell’AI Economy esista. È più semplice e più personale: dei due orologi, quale stai usando per misurare le tue decisioni? Perché alla fine di tutte le grandi transizioni tecnologiche il bilancio è sempre stato lo stesso, e non c’è motivo di credere che questa farà eccezione. La tecnologia vince la sua epoca. La finanza, spesso, sbaglia la sua ora. E il conto, puntualmente, lo paga chi aveva confuso i quadranti.
Partecipa alla community