Ultime notizie
GenAI: cresce l’utilizzo, aumentano gli investimenti
di Raphael Olszyna-Marzys, International Economist di J. Safra Sarasin
I primi dati indicano che l'intelligenza artificiale sta già contribuendo ad aumentare la produttività del lavoro negli Stati Uniti, con un incremento compreso tra lo 0,1% e lo 0,9%. Se ciò porterà a una crescita economica duratura dipenderà dalla rapidità con cui si diffonderà l'adozione di questa tecnologia, dalla sua integrazione nei flussi di lavoro e dalla capacità delle grandi aziende tecnologiche di trasformare i loro ingenti investimenti in profitti sostenibili.
È evidente che un numero maggiore di aziende ha sperimentato l'intelligenza artificiale. Secondo il sondaggio Business Trends and Outlook Survey condotto dal Census Bureau, il 9% delle aziende ha dichiarato di utilizzare l'intelligenza artificiale per la produzione di beni e servizi nel mese di agosto, in aumento rispetto al 5% circa dello scorso dicembre. Circa il 14% prevede di utilizzarla nei prossimi sei mesi. La direzione intrapresa è chiara.
Tuttavia, un maggiore utilizzo implica risultati migliori? Finora, la risposta è contrastante. Un recente studio del MIT su progetti pilota di IA ha rilevato che solo il 5% ha determinato un aumento significativo della produttività o dei profitti. La scarsa integrazione aziendale, manager di linea con poteri limitati e un'allocazione errata delle risorse – troppa attenzione agli strumenti di vendita, troppo poca all'automazione del back-office – sono in parte responsabili di questo risultato. Anche le aziende che sviluppano i propri strumenti GenAI tendono ad avere prestazioni inferiori alle aspettative. L'indice AI 2025 di Stanford rileva che, per ora, gli aumenti dei ricavi e i risparmi sui costi rimangono modesti. Tuttavia, studi su larga scala relativi alla produttività a livello di attività sono molto più incoraggianti. Essi rilevano che, in media, i lavoratori sono circa il 30% più produttivi all'ora quando utilizzano la GenAI.
Gli effetti variano a seconda del settore: i servizi informatici registrano il maggiore aumento di produttività (2,6%), mentre i settori del tempo libero e dell'ospitalità rimangono pressoché invariati (0,6%). Complessivamente, tra l'1,3% e il 5,4% delle ore di lavoro sono supportate dall'intelligenza artificiale, il che implica un aumento complessivo della produttività compreso tra lo 0,4% e l'1,8%, con una mediana dell'1,1%, in linea con i risultati più elevati degli studi macroeconomici.
Qual è la ragione di questa discrepanza? Un motivo importante è che gran parte dell'attuale applicazione rimane informale. I lavoratori potrebbero completare le attività più rapidamente senza che i loro manager ne siano a conoscenza, e quindi impiegare il tempo extra per attività personali piuttosto che per il lavoro, aumentando probabilmente il benessere sul posto di lavoro ma non necessariamente la produttività misurabile. Tuttavia, man mano che le aziende integrano l'IA nei flussi di lavoro formali, questi vantaggi dovrebbero riflettersi nel tempo nelle statistiche.
Tuttavia, permane un paradosso: mentre i singoli utenti, aiutati da strumenti gratuiti, ne promuovono l'adozione, le aziende rimangono caute nell'implementare soluzioni a pagamento. Ciò solleva interrogativi per i giganti della tecnologia, i cosiddetti “hyperscaler”, che hanno investito miliardi nell'intelligenza artificiale ma devono ancora vedere i frutti di tali investimenti.
I dati relativi al secondo trimestre rivelano che la spesa in conto capitale (capex) complessiva dei cinque principali hyperscaler è salita fino a raggiungere circa 100 miliardi di dollari per trimestre, pari a circa il 30% della capex totale dell'indice S&P 500. Tuttavia, la loro quota sul reddito netto dell'indice S&P 500 si è stabilizzata al di sotto del 20% negli ultimi trimestri, poiché l'atteso aumento degli utili derivante dall'intelligenza artificiale resta ancora incerto.
Attualmente, i ricavi legati all'intelligenza artificiale costituiscono solo una piccola parte del reddito totale degli hyperscaler, con la maggior parte delle loro spese in conto capitale finanziate attraverso flussi di entrate tradizionali. Di conseguenza, i loro margini di flusso di cassa libero si sono quasi dimezzati nell'ultimo anno.
Questo netto calo dei margini di flusso di cassa libero riflette le ingenti risorse che gli hyperscaler stanno impiegando. A differenza dei precedenti cicli di investimento, come il boom dello shale a metà degli anni 2010 o l'espansione della telefonia mobile all'inizio degli anni 2000, questo ciclo non ha fatto affidamento sui mercati del debito per finanziare la costruzione dei data center. Ciò sottolinea la solidità dei bilanci degli hyperscaler, un segnale positivo, ma aumenta anche il rischio di un eccesso di investimenti, poiché l'assenza di un controllo da parte dei creditori lascia indiscussa la redditività di queste spese.
Nel lungo termine, un rischio significativo risiede nella potenziale “commoditizzazione” dei modelli di IA. Sebbene il costo per l’addestramento di questi modelli continui a crescere in modo esponenziale, i miglioramenti nelle prestazioni dei modelli stanno diventando sempre più incrementali. Nel frattempo, il costo dell'inferenza, ovvero l'elaborazione delle richieste, continua a diminuire. Questa dinamica potrebbe alla fine portare a un mercato in cui l'inferenza viene prezzata al costo marginale e la formazione di nuovi modelli diventa proibitiva su larga scala.
Analogamente ai fornitori di infrastrutture durante la fase iniziale di sviluppo di Internet o agli operatori di reti mobili negli anni 2000, gli hyperscaler potrebbero trovarsi ad affrontare una compressione dei margini in un mercato altamente competitivo e caratterizzato da un eccesso di offerta. Dal punto di vista delle singole aziende, la risposta ottimale a questo rischio è quella di crescere rapidamente, poiché la concorrenza potrebbe dipendere sempre più dai costi piuttosto che dalla differenziazione dei prodotti. Tuttavia, per il settore nel suo complesso, questa strategia potrebbe erodere ulteriormente i margini, con i clienti aziendali, i consumatori, gli altri utenti e l'economia in generale che emergono come i principali beneficiari.
In conclusione, con l'accelerazione dell'adozione dell'IA, gli hyperscaler sono destinati a beneficiare di un mercato in rapida crescita. Tuttavia, dovranno affrontare potenziali pressioni sui margini dovute all'intensificarsi della concorrenza e alla “commoditizzazione” dei modelli di IA in futuro. I maggiori beneficiari della rapida espansione dell'infrastruttura IA saranno i clienti, che probabilmente si troveranno di fronte a un'ampia offerta di modelli diversi, con prezzi e qualità differenti.