Allarme: la bolla dell’IA sta per scoppiare?

L’intelligenza artificiale, un settore che ha visto investimenti massicci negli ultimi anni, si trova oggi a un bivio. Mentre le aziende continuano a riversare capitali in questa tecnologia, alcuni esperti iniziano a sollevare dubbi sulla reale portata dei progressi compiuti e sulla sostenibilità di questo modello di crescita.

## Il rallentamento dell’innovazione e le critiche al modello “scaling-first”

Gary Marcus, neuroscienziato e critico del cosiddetto approccio “scaling-first”, ha espresso forti perplessità riguardo all’ultima versione di GPT, definendola “in ritardo, sovra-pubblicizzata e deludente“. La critica non si concentra tanto sui miglioramenti tecnici rivendicati, quanto sulla reale utilità per gli utenti e sull’assenza di un salto di qualità tangibile nell’esperienza d’uso. I modelli di intelligenza artificiale, pur eccellendo come “compagni di chat”, mostrano ancora limiti significativi in termini di ragionamento, affidabilità e accuratezza.

La validità dei benchmark stessi è messa in discussione, poiché i risultati ottenuti non sempre si traducono in benefici concreti e riproducibili in scenari reali. Questo solleva interrogativi sulla scalabilità dell’approccio dominante, basato sull’aumento massiccio di risorse come GPU, data center, energia e capitale, con l’aspettativa di miglioramenti esponenziali verso l’AGI (Artificial General Intelligence). Secondo Marcus e altri esperti, questo modello di sviluppo sembra favorire principalmente l’espansione finanziaria e l’entusiasmo mediatico, piuttosto che un’autentica avanzata tecnologica.

Michael Rovatsos, professore di IA all’Università di Edimburgo, ha evidenziato come l’introduzione di un “router” in GPT-5, per indirizzare le domande verso componenti più adatti, indichi un ripensamento strutturale. Invece di puntare su modelli sempre più opachi e monolitici, si torna a principi di meta-ragionamento e composizione di capacità specializzate, un segnale che potrebbe marcare un punto di svolta.

## L’impatto macroeconomico e i campanelli d’allarme finanziari

Le perplessità non arrivano solo dal mondo accademico. Già nel 2023, Bill Gates aveva parlato di una sorta di stallo della “AI scalabile”, una tesi che oggi risuona maggiormente considerando il lancio di prodotti percepiti come meno innovativi del previsto e una crescente cautela tra gli investitori.

Il quadro macro-finanziario rende queste dinamiche ancora più sensibili. Secondo analisi recenti, la forte espansione di spese per capitali legata all’IA ha contribuito in modo rilevante alla crescita recente dell’economia statunitense, superando persino la spesa complessiva dei consumatori. Questo è particolarmente significativo in un contesto in cui i grandi attori dell’infrastruttura cloud e dei semiconduttori coincidono con le aziende a più alta capitalizzazione dei listini.

Un primo campanello d’allarme è arrivato da CoreWeave, partner infrastrutturale chiave per OpenAI. Nonostante un notevole incremento dei ricavi, il titolo ha subito una flessione significativa dopo la pubblicazione dei primi risultati trimestrali da società quotata in borsa, a causa di previsioni sull’utile operativo inferiori alle aspettative di Wall Street. Questa dinamica è sintomo della sensibilità degli investitori a eventuali dati finanziari deludenti che possano suggerire un riallineamento delle aspettative.

## La corsa all’oro e i nuovi protagonisti: hedge fund e investitori

Parallelamente alle preoccupazioni sulla sostenibilità del modello di crescita, si assiste a una vera e propria “corsa all’oro” nel settore dell’intelligenza artificiale. Miliardi di dollari vengono investiti in aziende, startup e infrastrutture, con l’obiettivo di capitalizzare sull’entusiasmo generato da questa tecnologia.

Nvidia, produttrice di GPU (unità di elaborazione grafica), è diventata uno dei principali beneficiari di questa corsa, vedendo la sua capitalizzazione di mercato crescere esponenzialmente. L’azienda, fondata nel 1993, ha impiegato trent’anni per raggiungere un giro d’affari da mille miliardi, e solo due anni per arrivare a quattro trilion.

Un altro segnale della febbre per l’IA è l’aumento degli investimenti negli hedge fund specializzati in questo settore. Leopold Aschenbrenner, un giovane influencer nel campo dell’intelligenza artificiale, ha raccolto oltre 1,5 miliardi di dollari per il suo hedge fund, Situational Awareness, che ha ottenuto un rendimento del 47% nella prima metà dell’anno. Altri hedge fund, come Value Aligned Research Advisors (Var) e Turion, hanno raccolto miliardi di dollari e registrato rendimenti significativi.

Tuttavia, questa corsa all’oro non è priva di rischi. La volubilità degli investitori e la possibilità di un calo dei mercati potrebbero mettere a dura prova le valutazioni delle aziende considerate vincitrici nell’ambito dell’IA. Inoltre, con un numero limitato di aziende quotate in borsa che operano in questo settore, i fondi specializzati spesso finiscono per accumulare le stesse posizioni, aumentando il rischio di una correzione.

## Verso un futuro più sostenibile e mirato

Per un futuro più sostenibile e orientato agli obiettivi, il dibattito si sposta ora dall’inseguimento di record nei benchmark alla valutazione del reale valore d’uso, alla sostenibilità dei costi (inclusi quelli energetici) e all’urgenza di un programma di ricerca in grado di superare le limitazioni intrinseche degli attuali Modelli Linguistici di Grandi Dimensioni (LLM). È necessario un approccio più mirato e integrato, che privilegi la qualità e l’efficacia rispetto alla quantità e alla velocità.

Il futuro dell’intelligenza artificiale non è necessariamente legato a una crescita esponenziale e incontrollata, ma a uno sviluppo più sostenibile e orientato alla risoluzione di problemi reali. Solo in questo modo sarà possibile evitare una bolla speculativa e garantire che questa tecnologia porti benefici concreti alla società.

## Intelligenza Artificiale: Oltre l’Hype, Verso la Sostenibilità
L’intelligenza artificiale, come ogni innovazione dirompente, ha attraversato una fase di entusiasmo incontrollato, alimentata da promesse di trasformazioni radicali e da investimenti massicci. Tuttavia, come abbiamo visto, la realtà si sta rivelando più complessa e sfumata. È giunto il momento di abbandonare l’hype e concentrarsi su uno sviluppo più sostenibile e mirato, che tenga conto dei limiti strutturali degli attuali modelli e delle esigenze reali degli utenti.

Per comprendere meglio questa dinamica, è utile introdurre due concetti chiave dell’intelligenza artificiale: il machine learning e il deep learning. Il machine learning è un approccio che consente ai computer di apprendere dai dati senza essere esplicitamente programmati. Il deep learning, una branca del machine learning, utilizza reti neurali artificiali con molti livelli (da cui il termine “deep”) per analizzare i dati in modo più complesso e sofisticato.

Un esempio di machine learning applicato al tema dell’articolo è l’utilizzo di algoritmi per prevedere il successo di un hedge fund specializzato in IA, basandosi su dati storici, performance del mercato e competenze del team di gestione. Un esempio di deep learning, invece, potrebbe essere l’analisi di grandi quantità di dati finanziari per identificare pattern e tendenze che sfuggono all’analisi umana, al fine di ottimizzare le strategie di investimento.

Ora, immagina di essere un investitore che si affaccia a questo panorama complesso e in continua evoluzione. Quali sono i criteri che utilizzeresti per valutare un’opportunità di investimento nel settore dell’IA? Ti lasceresti guidare dall’entusiasmo del momento o cercheresti di analizzare attentamente i fondamentali, la sostenibilità del modello di business e il reale valore aggiunto offerto dalla tecnologia? La risposta a questa domanda potrebbe determinare il successo o il fallimento del tuo investimento, e contribuire a plasmare il futuro dell’intelligenza artificiale.