Vincitori e vinti ai tempi dell’Intelligenza Artificiale

Vincitori e vinti ai tempi dell’Intelligenza Artificiale

Il mercato sta attraversando una fase di transizione nel modo in cui prezza l’Intelligenza Artificiale. Per oltre due anni l’Intelligenza Artificiale è stata soprattutto una storia di investimento, capex su data center, domanda di chip, espansione del cloud, narrativa di produttività e multipli in rialzo. Oggi, la prospettiva si sta spostando. L’Intelligenza Artificiale non è più solo una promessa di efficienza futura, ma una tecnologia che inizia a presentarsi sotto forma di prodotti concreti, capaci di svolgere compiti reali. Quando una tecnologia passa da tema a strumento operativo, il mercato cambia lente, smette di concentrarsi solo su chi vende la “pala e il piccone” e inizia a chiedersi chi rischia di essere scavato.

È in questo passaggio che nasce la dinamica recente di “vendi prima e chiedi dopo”. Gli investitori non stanno più soltanto cercando i vincitori dell’Intelligenza Artificiale, ma stanno provando a evitare in modo proattivo i potenziali perdenti. Questo produce movimenti bruschi, spesso indiscriminati, che colpiscono interi settori sulla base di un rischio percepito di disintermediazione. Non è la prima volta che i mercati reagiscono così a un’ondata tecnologica, ma la velocità con cui i nuovi strumenti vengono lanciati e migliorati rende la reazione più intensa rispetto al passato.

Il primo settore a essere colpito è stato quello del software. Qui la paura è strutturale, perché molti software sono costruiti su licenze per utente e su carichi di lavoro ripetitivi. L’Intelligenza Artificiale, per definizione, aumenta la produttività e riduce il numero di persone necessarie per svolgere un certo compito. Se un cliente può ottenere lo stesso output con meno utenti grazie a strumenti intelligenti, il modello “per postazione” entra in tensione. Il mercato ha iniziato a chiedersi quanta parte dei ricavi di alcune società di software rappresenti vero valore difendibile e quanta sia invece una forma di tassa sull’operatività quotidiana. Quando emergono applicazioni capaci di automatizzare analisi, scrittura, classificazione documentale o supporto decisionale, la percezione cambia rapidamente. Ciò che ieri era visto come indispensabile, oggi rischia di essere visto come replicabile.

A questo si è aggiunto un fattore psicologico. Per mesi il mercato ha cercato casi d’uso credibili dell’Intelligenza Artificiale. Ora che questi casi d’uso iniziano a emergere, la reazione non è più entusiasmo lineare, ma timore di rottamazione. Il software applicativo, soprattutto quello orizzontale e poco differenziato, diventa il primo candidato a subire una compressione dei multipli. Basta un trimestre debole o una guidance prudente, perché la narrativa della rottamazione venga utilizzata come amplificatore del ribasso. In molti casi l’Intelligenza Artificiale non è la causa diretta dei numeri deludenti, ma diventa la spiegazione che il mercato sceglie di adottare.

La seconda ondata ha colpito il wealth management. Qui il punto è ancora più delicato, perché il valore economico di molte attività è legato a consulenza personalizzata, pianificazione fiscale, costruzione di portafogli e gestione della relazione con il cliente. L’idea che strumenti di Intelligenza Artificiale possano generare strategie personalizzate in tempi rapidi e a costi marginali molto bassi mette in discussione la sostenibilità di fee su attività standardizzabili. Quando il mercato vede un esempio concreto di automazione in ambito fiscale o di pianificazione, tende a estrapolare rapidamente lo scenario più estremo, cioè compressione delle commissioni, concorrenza crescente e marginalità sotto pressione. Questo non significa che il consulente umano scompaia, ma che il mix di valore potrebbe cambiare. Parte del lavoro oggi fatturato come consulenza potrebbe diventare una commodity tecnologica. Il mercato, però, tende a muoversi in anticipo rispetto ai tempi reali di adozione. La storia della finanza è piena di innovazioni che promettevano di disintermediare banche e consulenti e che alla fine hanno portato più trasformazione che sostituzione. La differenza è che oggi la tecnologia appare più capace di entrare nel merito dei contenuti, non solo nella distribuzione.

La terza gamba del movimento ha coinvolto i servizi immobiliari. Qui la logica del mercato è stata per contagio. Se l’Intelligenza Artificiale può automatizzare analisi, comparazioni, documentazione, screening e parte della dovuta diligenza, allora anche i modelli ad alta intensità di lavoro umano e commissioni elevate diventano sospetti. In realtà, gli accordi complessi, le negoziazioni e le transazioni di grande dimensione restano attività dove relazione, fiducia e responsabilità legale hanno un peso rilevante. Tuttavia, quando la narrativa dominante diventa “l’Intelligenza Artificiale riduce l’intermediazione”, i titoli legati a servizi professionali vengono venduti in blocco.

Il punto cruciale per l’investitore non è decidere se il mercato abbia torto o ragione nel breve termine, ma dotarsi di un metodo per distinguere tra rischio reale e paura generalizzata. Non tutte le società di servizi sono ugualmente esposte alla rottamazione dell’Intelligenza Artificiale. Alcune hanno modelli che possono essere rafforzati, altre rischiano di vedere erosa la propria base economica. Come si fa a distinguere il rischio dalla semplice paura?

-Un primo elemento discriminante è la qualità del vantaggio competitivo. Le aziende che parlano di Intelligenza Artificiale solo per ragioni di marketing, senza mostrare un impatto misurabile su prodotti e  prezzi sono più vulnerabili. L’Intelligenza Artificiale non crea automaticamente una barriera, spesso la mette alla prova. Se l’integrazione dell’AI non genera un miglioramento tangibile per il cliente, la narrativa rischia di essere percepita come cosmetica.

-Un secondo elemento riguarda il modello di monetizzazione. I modelli legati agli input, come il numero di utenti o di licenze, sono più esposti, quando la tecnologia riduce il fabbisogno di lavoro umano. I modelli legati agli output e ai risultati, invece, possono beneficiare dell’Intelligenza Artificiale, perché catturano valore dal risultato prodotto, non dal numero di persone coinvolte. In questo scenario l’AI diventa un alleato che aumenta il valore generato dal software, non un nemico che ne riduce la base clienti.

-Un terzo fattore chiave è la profondità dei dati proprietari. I dati accumulati in decenni, strutturati, verificati e legalmente difendibili costituiscono una barriera significativa. I modelli generativi possono essere potenti, ma senza dati di qualità e contesto specifico perdono efficacia. Le aziende che controllano insiemi di dati unici e integrati nei processi dei clienti hanno una difesa naturale contro la rottamazione. Per fare un esempio pratico. Le banche d’affari non sostituiranno mai Reuters (ora LSEG) o Bloomberg con Chatgpt o Perplexity o Google Finance.

-Un quarto elemento riguarda il ruolo dell’essere umano nel processo.Dove il lavoro umano è prevalentemente meccanico e ripetitivo, la sostituzione è più rapida. Dove il lavoro richiede giudizio, responsabilità e gestione di eccezioni, l’Intelligenza Artificiale tende a essere complementare. Questo non elimina il rischio, ma ne allunga i tempi e ne riduce l’impatto immediato.

-Infine, la complessità del carico di lavoro rappresenta una protezione spesso sottovalutata. I processi aziendali integrati e regolamentati non possono essere rimpiazzati con un semplice cambio di interfaccia. L’adozione di nuove soluzioni richiede integrazioni, test, compliance e gestione del rischio operativo. In questi contesti l’Intelligenza Artificiale entra più facilmente come funzionalità aggiuntiva dentro piattaforme esistenti che come sostituto totale.

Applicando questo metro al settore software emergono differenze importanti. Le piattaforme profondamente integrate nei sistemi aziendali, (si pensi a Service Now) che gestiscono processi critici e grandi volumi di dati, appaiono più resilienti. Qui, l’Intelligenza Artificiale può aumentare l’efficienza e rafforzare la dipendenza del cliente dalla piattaforma. Al contrario, il software che vive su funzionalità facilmente replicabili o su carichi di lavoro semplici rischia una maggiore pressione competitiva, soprattutto se il prezzo resta rigido e legato alle postazioni. Nel contesto europeo, molte società software sono in realtà un ibrido tra prodotto e servizi. Questo le espone a una dinamica diversa rispetto ai software puri. Da un lato, l’automazione può comprimere parte delle ore fatturabili su attività standard, dall’altro, aumenta la domanda di integrazione, modernizzazione dei sistemi, governance dei dati e implementazione di soluzioni di Intelligenza Artificiale. Le aziende capaci di posizionarsi come partner di trasformazione più che come semplici fornitori di strumenti possono trarre beneficio da questa fase.

In definitiva, la narrativa dei “vincitori e vinti” dell’Intelligenza Artificiale è corretta nella direzione, ma spesso troppo semplicistica nell’applicazione. Raramente, la distruzione tecnologica è immediata e lineare. Tende a essere graduale, irregolare e mediata da fattori organizzativi, normativi ed economici. Il mercato, però, si muove in anticipo e tende a esagerare sia l’entusiasmo sia la paura. Per l’investitore sofisticato questa fase non è solo un rischio, ma anche un’opportunità di selezione. Quando la vendita diventa indiscriminata, il valore relativo delle aziende con veri vantaggi competitivi può emergere. Il vero lavoro non è prevedere quale applicazione sarà l’ultima novità, ma capire dove il valore economico resta difendibile, anche in uno scenario di forte automazione. L’Intelligenza Artificiale non distruggerà in modo uniforme il mondo dei servizi e del software, ma ridisegnerà la distribuzione del valore. Chi controlla dati, integrazioni, carichi di lavoro complessi e modelli di prezzo legati ai risultati ha maggiori probabilità di stare dalla parte dei vincitori. Chi vive di intermediazione standardizzata e di fee su attività ripetitive dovrà evolvere rapidamente.