Forse è già finito l’hype per l’intelligenza artificiale (ma tutti la useranno ancora)

C’è una curva che racconta le illusioni umane meglio di tante statistiche: il Gartner Hype Cycle. È il grafico che mostra come ogni nuova tecnologia attraversi sempre lo stesso destino. Prima, l’euforia per l’innovazione, con titoli roboanti e promesse di rivoluzioni imminenti. Poi, l’impennata del clamore, seguita dal crollo nella disillusione, quando i progetti non mantengono ciò che avevano promesso. Solo dopo, lentamente, arrivano la maturità e la produttività reale. È una parabola che si è vista con Internet, con le biotecnologie, con le stampanti 3D. Ed è la stessa curva su cui oggi corre, forse troppo in fretta, l’intelligenza artificiale generativa che sta incontrando i primi veri ostacoli dopo mesi di hype.

Un ampio studio del MIT Media Lab mostra che il novantacinque per cento dei progetti aziendali basati su intelligenza artificiale generativa non ha prodotto alcun ritorno economico concreto. Nonostante investimenti miliardari, solo il cinque per cento delle iniziative è riuscito a passare dalla fase di test a un utilizzo stabile e davvero utile.

I motivi sono diversi. Molte aziende hanno introdotto l’IA senza ripensare i propri processi, limitandosi a prove superficiali che restano sulla carta. Spesso, mancano dati di qualità su cui addestrare i sistemi, oppure i dati esistenti non possono essere usati per questioni legali o di privacy. I costi per infrastrutture e consulenti superano i benefici immediati e, soprattutto, i sistemi attuali non lavorano in autonomia: hanno bisogno di essere continuamente controllati e corretti da persone, il che riduce l’impatto reale sui conti aziendali. In pratica, l’IA resta un esperimento promettente, ma ancora lontano dall’essere uno strumento che genera profitti diffusi.

Questa difficoltà ricorda il cosiddetto paradosso della produttività degli anni Ottanta, quando l’uso dei computer si diffondeva, ma le statistiche economiche non mostravano miglioramenti evidenti. Solo dopo anni, con nuove infrastrutture e competenze, l’informatica ha cominciato a produrre effetti misurabili. Come spiega il New Yorker in un interessante approfondimento, la traiettoria dell’IA sembra ripetere esattamente quel copione: enormi investimenti, entusiasmo diffuso, ma risultati economici ancora invisibili.

Nel frattempo, i mercati hanno iniziato a reagire. Nell’ultima settimana, titoli simbolo del settore come Nvidia, Meta e Palantir hanno perso tra il tre e il nove per cento. Il raffreddamento ha coinciso con i dubbi degli stessi protagonisti dell’industria, che parlano apertamente di valutazioni gonfiate e rischi di bolla. Anche la fiducia degli amministratori delegati vacilla: secondo una ricerca della società di consulenza Akkodis, la quota di chi si dice «molto fiducioso» nelle strategie di implementazione dell’IA è scesa dall’ottantadue per cento del 2024 al quarantanove per cento di quest’anno.

Eppure, gli investimenti non rallentano. Google, Amazon, Microsoft e Meta hanno già annunciato spese per settecentocinquanta miliardi di dollari in data center solo tra il 2025 e il 2026. Morgan Stanley stima che la spesa globale arriverà a tremila miliardi entro il 2029. Secondo la studiosa Carlota Perez, che ha analizzato le grandi rivoluzioni tecnologiche dal vapore a Internet, fasi di euforia seguite da crash sono fisiologiche: la corsa iniziale serve a costruire infrastrutture, spesso pagate a caro prezzo dagli investitori, che solo dopo anni permettono l’uso diffuso della nuova tecnologia.

Il paradosso è che, mentre le aziende arrancano, gli utenti individuali sperimentano già benefici quotidiani. ChatGPT viene usato da milioni di persone per scrivere relazioni di lavoro, preparare presentazioni o semplificare comunicazioni complesse; Claude viene impiegato per analizzare contratti o riassumere documenti di decine di pagine; Copilot assiste gli sviluppatori generando frammenti di codice e correggendo errori in tempo reale.

In molti uffici e studi professionali, dipendenti e consulenti hanno iniziato ad affiancare questi strumenti alle proprie attività senza attendere linee guida ufficiali. È la cosiddetta shadow AI economy: un’adozione spontanea, non contabilizzata nei bilanci societari, che produce comunque un aumento di efficienza individuale. Un avvocato che riduce il tempo necessario per redigere una bozza, un designer che genera varianti grafiche in pochi minuti, un consulente che automatizza l’analisi di un dataset sono esempi di valore già reale, ma invisibile nelle statistiche macroeconomiche.

Siamo quindi nel pieno della fase di disillusione, con mercati che tremano e aziende che rivedono le proprie strategie. La storia insegna che, dopo la caduta, possono aprirsi nuove possibilità, a patto di trasformare le promesse in applicazioni stabili e infrastrutture durevoli. Chi saprà resistere alla selezione naturale di questa curva? I colossi che oggi guidano la corsa o nuovi attori capaci di costruire, nel silenzio dopo il clamore, l’altopiano della produttività?