Scontro di strategie | Perché il CEO di IBM Arvind Krishna non crede nella visione da mille miliardi di dollari di Sam Altman: AGI allo zero-uno percento?
Pre-release di Xpert
Selezione vocale 📢
Pubblicato il: 4 dicembre 2025 / Aggiornato il: 4 dicembre 2025 – Autore: Konrad Wolfenstein
Scontro di strategie | Perché il CEO di IBM Arvind Krishna non crede nella visione da mille miliardi di dollari di Sam Altman: AGI allo zero-uno percento? – Immagine: Xpert.Digital
Intelligenza artificiale generale (AGI) e matematica spietata: perché il boom dei data center non darà mai i suoi frutti.
Il ciclo di morte di 5 anni: il rischio sottovalutato per Nvidia, Microsoft e altri.
Mentre la Silicon Valley è travolta da una frenesia di investimenti senza precedenti, con migliaia di miliardi investiti nella corsa alla superintelligenza artificiale, uno dei CEO più esperti del settore tecnologico al mondo sta tirando il freno di emergenza. Il CEO di IBM, Arvind Krishna, avverte: la scommessa non sta dando i suoi frutti.
Una mentalità da corsa all'oro attanaglia il settore tecnologico globale. Aziende come Microsoft, Google e Meta stanno facendo a gara per investire in nuovi data center, spinte dalla paura di rimanere indietro nella prossima grande rivoluzione tecnologica. La visione è chiara: lo sviluppo di un'intelligenza artificiale generale (AGI) pari o superiore all'intelligenza umana. Ma in mezzo a questa euforia, una voce potente si leva, non dalle fila dei critici della tecnologia, ma dal centro stesso del potere: Arvind Krishna, CEO di IBM.
In un'analisi sobria basata sulla pura aritmetica, Krishna smantella la narrativa prevalente sulla Silicon Valley. Il suo avvertimento è tanto semplice quanto terrificante: i costi delle infrastrutture stanno esplodendo, mentre l'hardware sta diventando obsoleto più velocemente di quanto possa essere ammortizzato. Krishna parla di investimenti fino a ottomila miliardi di dollari USA che sarebbero necessari per proseguire l'attuale traiettoria di sviluppo dell'AGI – una somma che potrebbe portare al fallimento finanziario anche le aziende più ricche del mondo se i profitti astronomici promessi non si materializzassero.
Ma le critiche di Krishna non si limitano ai dati finanziari. Mette in discussione la base tecnologica di questa propaganda. Mentre Sam Altman e OpenAI descrivono l'avvento della superintelligenza come quasi inevitabile, Krishna stima la probabilità di raggiungere questo obiettivo con l'attuale tecnologia di modellazione del linguaggio su larga scala a un preoccupante 0-1%.
Stiamo affrontando il più grande investimento sbagliato della storia economica? Il boom dell'intelligenza artificiale è una bolla sul punto di scoppiare o gli scettici stanno trascurando il potenziale trasformativo che si cela oltre i bilanci? Il seguente articolo esamina le argomentazioni, la matematica spietata dell'economia dei data center e il conflitto fondamentale tra i visionari di un approccio "tutto o niente" e i sostenitori del realismo pragmatico.
Adatto a:
Perché il CEO di IBM prevede la fine dell'esperimento più costoso nella storia della tecnologia
Il settore tecnologico globale potrebbe trovarsi di fronte a uno dei più grandi investimenti sbagliati della storia economica. Mentre aziende come Microsoft, Amazon, Meta e Google stanno investendo centinaia di miliardi di dollari nella costruzione di infrastrutture di intelligenza artificiale, una voce allarmante si leva dal cuore dell'industria IT. Arvind Krishna, CEO di IBM e in azienda dal 1990, ha presentato un'analisi economica fondamentale in un'intervista al podcast Decoder di The Verge a fine novembre 2025, che potrebbe infrangere l'euforia che circonda l'intelligenza artificiale in generale.
Le sue dichiarazioni, pubblicate il 30 novembre e il 1° dicembre 2025, vanno al cuore di un dibattito che sta prendendo sempre più piede nei consigli di amministrazione e negli ambienti degli analisti. Krishna non parla di rischi teorici o preoccupazioni filosofiche, ma di concrete impossibilità finanziarie che mettono in discussione l'attuale modello di investimento nel settore dell'intelligenza artificiale. I suoi calcoli stanno facendo riflettere anche gli osservatori più ottimisti del settore, poiché si basano su semplici calcoli aritmetici e solidi principi aziendali.
Adatto a:
La matematica spietata dell'economia dei data center
Krishna inizia la sua analisi con una valutazione obiettiva dell'attuale situazione dei costi. Un data center con una capacità di un gigawatt comporta spese in conto capitale pari a 80 miliardi di dollari USA secondo gli standard odierni. Questa cifra include non solo l'infrastruttura fisica e gli edifici, ma anche tutte le apparecchiature tecniche, dai server e componenti di rete ai processori grafici altamente specializzati necessari per i calcoli di intelligenza artificiale.
Negli ultimi mesi, il settore tecnologico si è impegnato in una massiccia espansione. Diverse aziende hanno annunciato pubblicamente piani per costruire tra i 20 e i 30 gigawatt di capacità di calcolo aggiuntiva. Ai costi attuali per gigawatt, ciò si tradurrebbe in investimenti totali di almeno 1,5 trilioni di dollari. Questa somma equivale all'incirca all'attuale capitalizzazione di mercato di Tesla e illustra l'enorme portata dell'impresa.
Ma il calcolo diventa ancora più drastico se si considerano le ambizioni nel contesto dell'intelligenza artificiale generale desiderata. Krishna stima che il percorso verso una vera AGI richiederebbe circa 100 gigawatt di potenza di calcolo. Questa stima si basa su estrapolazioni degli attuali requisiti di addestramento per grandi modelli linguistici e tiene conto della complessità esponenzialmente crescente che accompagna ogni fase di sviluppo. A 80 miliardi di dollari per gigawatt, la spesa di investimento ammonterebbe alla sbalorditiva cifra di ottomila miliardi di dollari.
Questa cifra relativa agli investimenti, tuttavia, è solo metà della storia. Krishna sottolinea un fattore spesso trascurato nel dibattito pubblico: il costo del capitale. Con un investimento di ottomila miliardi di dollari, le aziende dovrebbero generare circa 800 miliardi di dollari di profitti all'anno solo per coprire gli interessi sul capitale investito. Questa cifra presuppone un tasso di interesse conservativo del 10%, che riflette il costo del capitale, i premi di rischio e le aspettative degli investitori.
Il ciclo di morte quinquennale dell'hardware AI
Un punto cruciale nell'argomentazione di Krishna riguarda la durata di vita dell'hardware installato. L'intera capacità di calcolo deve essere pienamente utilizzata entro cinque anni, poiché l'hardware installato dovrà poi essere smaltito e sostituito. Questa valutazione è in linea con le osservazioni del settore ed è oggetto di un intenso dibattito negli ambienti finanziari.
Il noto investitore Michael Burry, noto per le sue accurate previsioni sulla crisi finanziaria del 2008, ha sollevato preoccupazioni simili nel novembre 2025. Burry sostiene che le grandi aziende tecnologiche stiano sovrastimando la durata effettiva del loro hardware di intelligenza artificiale, mantenendone così artificialmente basso il deprezzamento. Prevede che i processori grafici e i chip di intelligenza artificiale specializzati rimarranno, in pratica, economicamente sostenibili solo per due o tre anni, prima di essere resi obsoleti da generazioni più recenti e potenti.
Il rapido sviluppo nel settore dei semiconduttori supporta questa tesi. Nvidia, il principale fornitore di chip per l'intelligenza artificiale, rilascia nuove generazioni di processori all'incirca ogni 12-18 mesi. Ogni generazione offre significativi miglioramenti delle prestazioni, rendendo rapidamente antieconomici i modelli più vecchi. Mentre un server convenzionale in un data center può essere utilizzato senza problemi per sei anni o più, all'hardware specifico per l'intelligenza artificiale si applicano regole diverse.
Nella pratica, il quadro è più sfumato. Alcune aziende hanno modificato i periodi di ammortamento. All'inizio del 2025, Amazon ha ridotto la vita utile stimata di alcuni server da sei a cinque anni, citando l'accelerazione dello sviluppo nel campo dell'intelligenza artificiale. Questa modifica ridurrà l'utile operativo dell'azienda di circa 700 milioni di dollari nel 2026. Meta, d'altra parte, ha esteso il periodo di ammortamento per server e apparecchiature di rete a 5,5 anni, riducendo i costi di ammortamento di 2,9 miliardi di dollari nel 2025.
Queste diverse strategie dimostrano che anche le aziende che investono miliardi in hardware per l'intelligenza artificiale non sono certe di quanto a lungo i loro investimenti rimarranno economicamente sostenibili. Lo scenario quinquennale descritto da Krishna rientra nell'intervallo ottimistico di queste stime. Se la vita utile effettiva si avvicinasse ai due o tre anni previsti da Burry, i costi di ammortamento, e quindi la pressione sulla redditività, aumenterebbero significativamente.
L'impossibilità di rendimenti redditizi
Il collegamento tra questi due fattori porta Krishna alla sua argomentazione centrale. Egli ritiene che la combinazione di enormi costi di capitale e cicli di vita brevi renda impossibile ottenere un ragionevole ritorno sull'investimento. Con costi di investimento pari a ottomila miliardi di dollari e la necessità di generare 800 miliardi di dollari di profitti annuali solo per coprire i costi di capitale, un sistema di intelligenza artificiale dovrebbe generare ricavi su una scala ben superiore a quella attualmente realistica.
A titolo di confronto, Alphabet, la società madre di Google, ha registrato un fatturato totale di circa 350 miliardi di dollari nel 2024. Anche ipotizzando una crescita aggressiva del 12% annuo, il fatturato salirebbe a circa 577 miliardi di dollari entro il 2029. Il fatturato totale necessario per giustificare gli investimenti nell'intelligenza artificiale supererebbe di gran lunga questa cifra.
OpenAI, la società dietro ChatGPT, prevede un fatturato annuo di oltre 20 miliardi di dollari per il 2025 e prevede di raggiungere centinaia di miliardi di dollari entro il 2030. L'azienda ha firmato accordi per un valore di circa 1,4 trilioni di dollari nei prossimi otto anni. Ma anche queste cifre ambiziose sollevano interrogativi. Gli analisti di HSBC stimano che OpenAI sosterrà 792 miliardi di dollari in costi per infrastrutture cloud e AI tra la fine del 2025 e il 2030, con impegni di capacità di calcolo totali che potrebbero raggiungere circa 1,4 trilioni di dollari entro il 2033.
Gli analisti di HSBC prevedono che il flusso di cassa libero cumulativo di OpenAI rimarrà negativo fino al 2030, con un conseguente deficit di finanziamento di 207 miliardi di dollari. Questo divario dovrà essere colmato attraverso ulteriore debito, capitale proprio o una generazione di ricavi più aggressiva. La questione non è solo se OpenAI possa diventare redditizia, ma anche se il suo intero modello di business, basato su ingenti investimenti in data center, sia sostenibile.
La probabilità estremamente piccola di AGI
Krishna aggiunge una dimensione tecnologica alla sua critica economica, che è ancora più fondamentale. Stima che la probabilità che le tecnologie attuali conducano all'intelligenza artificiale generale sia compresa tra lo zero e l'uno per cento. Questa valutazione è notevole perché non si basa su considerazioni filosofiche, ma piuttosto su una valutazione obiettiva delle capacità e dei limiti tecnici dei grandi modelli linguistici.
Sebbene la definizione di AGI sia controversa, in sostanza si riferisce a sistemi di intelligenza artificiale in grado di raggiungere o superare le capacità cognitive umane in tutto lo spettro. Ciò significherebbe che un sistema non solo dimostra una conoscenza approfondita in aree specifiche, ma è anche in grado di trasferire la conoscenza da un'area all'altra, comprendere nuove situazioni, risolvere problemi in modo creativo e migliorare continuamente senza dover essere riqualificato per ogni nuovo compito.
Krishna sostiene che i modelli linguistici di grandi dimensioni, che costituiscono il nucleo dell'attuale rivoluzione dell'intelligenza artificiale, presentano limiti fondamentali. Questi modelli si basano su modelli statistici in enormi set di dati testuali e possono ottenere risultati impressionanti in compiti basati sul linguaggio. Possono generare testi coerenti, rispondere a domande e persino scrivere codice di programmazione. Ma non comprendono veramente ciò che stanno facendo. Mancano di un modello del mondo, di un concetto di causalità e di una reale capacità di astrazione.
Queste limitazioni si manifestano in diversi ambiti. I modelli linguistici hanno spesso allucinazioni, ovvero inventano fatti che sembrano plausibili ma sono falsi. Hanno difficoltà con il ragionamento logico a più stadi e spesso falliscono in compiti che sarebbero banali per gli esseri umani se non fossero inclusi nel loro set di dati di addestramento. Sono privi di memoria episodica e non possono imparare dai propri errori senza un nuovo addestramento.
Scienziati e ricercatori di vari settori condividono sempre più questo scetticismo. Marc Benioff, CEO di Salesforce, ha espresso un simile scetticismo riguardo all'AGI nel novembre 2025. In un podcast, ha descritto il termine AGI come potenzialmente fuorviante e ha criticato l'industria tecnologica per essere sotto una sorta di ipnosi riguardo alle imminenti capacità dell'IA. Benioff ha sottolineato che, sebbene i sistemi attuali siano impressionanti, non possiedono né coscienza né vera comprensione.
Yann LeCun, scienziato senior di intelligenza artificiale presso Meta, sostiene che i modelli linguistici di grandi dimensioni non porteranno mai all'intelligenza artificiale generale, indipendentemente da quanto siano scalati. Sostiene approcci alternativi che vadano oltre la pura predizione del testo, includendo modelli del mondo multimodali che non solo elaborano il testo, ma integrano anche informazioni visive e sensoriali per costruire rappresentazioni interne del mondo.
La nostra competenza negli Stati Uniti nello sviluppo aziendale, nelle vendite e nel marketing
La nostra competenza negli Stati Uniti nello sviluppo aziendale, nelle vendite e nel marketing - Immagine: Xpert.Digital
Focus del settore: B2B, digitalizzazione (dall'intelligenza artificiale alla realtà aumentata), ingegneria meccanica, logistica, energie rinnovabili e industria
Maggiori informazioni qui:
Un hub di argomenti con approfondimenti e competenze:
- Piattaforma di conoscenza sull'economia globale e regionale, sull'innovazione e sulle tendenze specifiche del settore
- Raccolta di analisi, impulsi e informazioni di base dalle nostre aree di interesse
- Un luogo di competenza e informazione sugli sviluppi attuali nel mondo degli affari e della tecnologia
- Hub tematico per le aziende che vogliono informarsi sui mercati, sulla digitalizzazione e sulle innovazioni del settore
Bolla dell'intelligenza artificiale o motore del futuro? Il pericoloso divario tra investimenti, consumi energetici e profitti reali.
La necessaria svolta tecnologica
Krishna ritiene che il raggiungimento dell'AGI richiederà più tecnologie di quelle attualmente disponibili con modelli linguistici di grandi dimensioni. Egli suggerisce che integrare la conoscenza concreta con i modelli linguistici potrebbe essere un approccio praticabile. Per conoscenza concreta, intende una conoscenza strutturata ed esplicita di relazioni causali, leggi fisiche, principi matematici e altre forme di conoscenza che vanno oltre le correlazioni statistiche.
Questa prospettiva è in linea con la ricerca nel campo dell'intelligenza artificiale neurosimbolica, che mira a combinare le capacità di riconoscimento di pattern delle reti neurali con le capacità logiche dei sistemi di intelligenza artificiale simbolica. L'intelligenza artificiale simbolica, basata su regole e inferenza logica, è stata dominante nei primi decenni di ricerca sull'intelligenza artificiale, ma è stata superata dagli approcci neurali negli ultimi anni. L'ibridazione di entrambi gli approcci potrebbe teoricamente produrre sistemi capaci sia di apprendimento che di ragionamento logico.
Altre promettenti direzioni di ricerca includono l'intelligenza artificiale incarnata, in cui i sistemi apprendono attraverso l'interazione con un ambiente fisico o simulato; l'apprendimento continuo, in cui i sistemi possono espandere le proprie capacità senza perdere le conoscenze pregresse; e i sistemi intrinsecamente motivati che esplorano e apprendono autonomamente.
Nonostante queste tecnologie aggiuntive, Krishna rimane cauto. Se gli chiedessero se questo approccio ampliato potrebbe portare all'intelligenza artificiale generale, risponderebbe solo "forse". Questa cautela sottolinea l'incertezza che esiste anche tra gli esperti che lavorano con l'intelligenza artificiale da decenni. Lo sviluppo dell'intelligenza artificiale generale non è semplicemente una questione di potenza di calcolo o volume di dati, ma potrebbe richiedere nuove e fondamentali intuizioni sulla natura dell'intelligenza stessa.
Adatto a:
Il paradosso dell'intelligenza artificiale produttiva oggi
Nonostante il suo scetticismo nei confronti dell'intelligenza artificiale e degli investimenti massicci nei data center, Krishna non è affatto un pessimista dell'IA. Al contrario, parla con entusiasmo degli attuali strumenti di intelligenza artificiale e del loro impatto sul mondo aziendale. È convinto che queste tecnologie sbloccheranno migliaia di miliardi di dollari di potenziale di produttività all'interno delle aziende.
Questa distinzione è fondamentale per comprendere la sua posizione. Krishna non mette in dubbio il valore dell'IA in sé, ma piuttosto la sostenibilità economica del percorso specifico intrapreso dal settore. Gli attuali sistemi di IA, in particolare i modelli linguistici di grandi dimensioni, possono già consentire significativi incrementi di produttività in molti settori senza richiedere ottomila miliardi di dollari in infrastrutture.
IBM stessa fornisce un esempio lampante di questi guadagni di produttività. Da gennaio 2023, l'azienda ha implementato in modo completo l'intelligenza artificiale e l'automazione nelle proprie operazioni e prevede di raggiungere incrementi di produttività pari a 4,5 miliardi di dollari entro la fine del 2025. Questa iniziativa, che IBM chiama Client Zero, ha compreso l'implementazione di un'infrastruttura cloud ibrida, tecnologie di intelligenza artificiale e automazione e competenze di consulenza in diverse unità aziendali.
I risultati concreti di questa trasformazione sono impressionanti. IBM ha implementato strumenti basati sull'intelligenza artificiale nel servizio clienti, risolvendo il 70% delle richieste e migliorando i tempi di risoluzione del 26%. In tutte le unità aziendali, circa 270.000 dipendenti sono stati dotati di sistemi di intelligenza artificiale agentica che orchestrano flussi di lavoro complessi e supportano il personale umano.
Questo tipo di applicazione di intelligenza artificiale non richiede nuovi enormi data center, ma può basarsi su infrastrutture esistenti. Si concentra su casi d'uso specifici in cui l'intelligenza artificiale offre miglioramenti dimostrabili, piuttosto che sull'ipotetico sviluppo dell'intelligenza generale. Questo è il nocciolo della tesi di Krishna: la tecnologia è preziosa e trasformativa, ma l'attuale approccio di investire migliaia di miliardi nel perseguimento dell'intelligenza artificiale generale non è economicamente sostenibile.
Studi di McKinsey stimano che l'IA generativa abbia il potenziale di creare un valore economico compreso tra 2,6 e 4,4 trilioni di dollari all'anno in 63 casi d'uso analizzati. Considerando l'impatto dell'integrazione dell'IA generativa in software attualmente utilizzati per altre attività, questa stima potrebbe quasi raddoppiare. Questi guadagni di produttività potrebbero incrementare la crescita annuale della produttività del lavoro di 0,1-0,6 punti percentuali entro il 2040.
Le strategie divergenti dei giganti della tecnologia
Mentre Krishna esprime le sue preoccupazioni, altri giganti della tecnologia stanno raddoppiando le loro scommesse sulle infrastrutture di intelligenza artificiale. La spesa dei Big Four illustra la portata di questo ciclo di investimenti. Microsoft prevede di investire circa 80 miliardi di dollari nella costruzione di data center abilitati all'intelligenza artificiale nell'anno fiscale 2025, con oltre la metà di tale investimento destinato agli Stati Uniti.
Amazon ha annunciato spese in conto capitale per circa 125 miliardi di dollari per il 2025, la maggior parte delle quali destinata all'intelligenza artificiale e alle infrastrutture correlate per Amazon Web Services. L'azienda ha già segnalato che la spesa sarà ancora più elevata nel 2026. Meta Platforms prevede spese in conto capitale comprese tra 70 e 72 miliardi di dollari per il 2025, in aumento rispetto alla precedente stima di 66-72 miliardi di dollari. Per il 2026, l'azienda ha indicato che la spesa sarà significativamente più elevata.
Alphabet, la società madre di Google, prevede spese in conto capitale comprese tra 91 e 93 miliardi di dollari per il 2025, in aumento rispetto alla precedente previsione di 85 miliardi di dollari. Insieme, queste quattro aziende prevedono di spendere tra 350 e 400 miliardi di dollari nel 2025, più del doppio di quanto speso due anni fa.
Questi ingenti investimenti avvengono in un contesto in cui i ricavi effettivi derivanti dai servizi di intelligenza artificiale sono ancora ben al di sotto delle aspettative. OpenAI registra un fatturato annuo di oltre 20 miliardi di dollari, ma rimane non redditizia. Microsoft genera circa 13 miliardi di dollari di fatturato annuo dall'intelligenza artificiale, con una crescita annua del 175%, mentre Meta non riesce a registrare un solo dollaro di fatturato diretto dall'intelligenza artificiale.
La discrepanza tra investimenti e ricavi è impressionante. Morgan Stanley stima che il settore dell'intelligenza artificiale spenderà circa tremila miliardi di dollari in data center entro il 2028. In confronto, i ricavi attuali sono trascurabili. Uno studio del MIT del luglio 2025 ha rilevato che circa il 95% delle aziende che hanno investito nell'intelligenza artificiale non ha ricavato alcun profitto da questa tecnologia. La spesa totale combinata di queste aziende è stimata in circa 40 miliardi di dollari.
Le crescenti voci dello scetticismo
L'avvertimento di Krishna si aggiunge a un coro crescente di voci scettiche provenienti da vari settori del mondo tecnologico e finanziario. Queste preoccupazioni si concentrano non solo sui benefici economici immediati, ma anche sui rischi sistemici derivanti dalle attuali dinamiche di investimento.
Gli economisti sottolineano che il settore dell'intelligenza artificiale ha rappresentato circa due terzi della crescita del PIL statunitense nella prima metà del 2025. Un'analisi di JPMorgan Asset Management mostra che la spesa per l'intelligenza artificiale nei data center ha contribuito alla crescita economica in misura maggiore rispetto ai consumi complessivi di centinaia di milioni di consumatori americani. L'economista di Harvard Jason Furman ha calcolato che senza i data center, la crescita del PIL nella prima metà del 2025 sarebbe stata solo dello 0,1%.
Questa concentrazione della crescita in un singolo settore comporta dei rischi. Daron Acemoglu, economista del MIT e premio Nobel per l'economia nel 2024, sostiene che l'impatto effettivo dell'intelligenza artificiale potrebbe essere significativamente inferiore a quanto suggerito dalle previsioni del settore. Stima che forse solo il 5% dei posti di lavoro sarà sostituito dall'intelligenza artificiale nei prossimi dieci anni, una cifra molto inferiore alle entusiastiche previsioni di alcuni leader tecnologici.
I timori di una bolla speculativa sono amplificati da diversi fattori. Le aziende tecnologiche utilizzano sempre più strumenti finanziari noti come veicoli per scopi specifici (SPV) per tenere fuori dai loro bilanci miliardi di dollari di spese. Questi veicoli, finanziati da Wall Street, fungono da società di comodo per la costruzione di data center. Questa pratica solleva interrogativi sulla trasparenza e sull'effettivo rischio sostenuto dalle aziende.
Sundar Pichai, CEO di Alphabet, ha descritto l'impennata degli investimenti nell'intelligenza artificiale come un momento straordinario in un'intervista alla BBC del novembre 2025, ma ha anche riconosciuto una certa irrazionalità che accompagna l'attuale boom dell'intelligenza artificiale. Ha avvertito che ogni azienda ne sarebbe stata colpita se la bolla dell'intelligenza artificiale fosse scoppiata. Persino Sam Altman, CEO di OpenAI e uno dei più importanti sostenitori dell'intelligenza artificiale, ha ammesso nell'agosto 2025 che l'intelligenza artificiale potrebbe trovarsi in una bolla, paragonando le condizioni di mercato a quelle del boom delle dot-com e sottolineando che molte persone intelligenti si stavano entusiasmando troppo per un nucleo di verità.
Adatto a:
La questione energetica come fattore limitante
Un altro problema fondamentale, che Krishna non affronta esplicitamente ma è implicito nei suoi calcoli dei costi, riguarda l'approvvigionamento energetico. Un data center da 100 gigawatt richiederebbe circa il 20% della produzione totale di elettricità degli Stati Uniti. Non si tratta di una sfida da poco, ma di un potenziale collo di bottiglia che potrebbe compromettere l'intero progetto.
L'Agenzia Internazionale per l'Energia prevede che la domanda globale di elettricità dei data center potrebbe più che raddoppiare entro il 2030, passando da circa 415 terawattora nel 2024 a una cifra compresa tra 900 e 1.000 terawattora. L'intelligenza artificiale potrebbe rappresentare dal 35 al 50% del consumo di elettricità dei data center entro il 2030. Negli Stati Uniti, si prevede che la domanda di elettricità dei data center aumenterà da 35 a 78 gigawatt entro il 2035, rappresentando l'8,6% del consumo di elettricità nazionale.
Questa richiesta arriva in un momento in cui molti Paesi stanno cercando di decarbonizzare le proprie reti elettriche e aumentare la quota di energia rinnovabile. La sfida è rappresentata dal fatto che i data center richiedono un'alimentazione elettrica costante, 24 ore al giorno, 365 giorni all'anno. Ciò rende la transizione verso le energie rinnovabili più complessa, poiché l'energia eolica e solare sono intermittenti e richiedono soluzioni di accumulo o capacità di backup.
Si prevede che le emissioni di carbonio dei data center aumenteranno da 212 milioni di tonnellate nel 2023 a potenzialmente 355 milioni di tonnellate entro il 2030, sebbene questa cifra vari considerevolmente a seconda della velocità delle soluzioni di energia pulita e dei miglioramenti dell'efficienza. Un singolo processo di generazione di immagini generate dall'intelligenza artificiale consuma la stessa quantità di elettricità necessaria per caricare completamente uno smartphone. L'elaborazione di un milione di token produce la stessa quantità di anidride carbonica di un'auto a benzina che percorre da 8 a 32 chilometri.
L'intelligenza artificiale generativa richiede circa sette-otto volte più energia rispetto ai carichi di elaborazione tradizionali. L'addestramento di modelli di intelligenza artificiale di grandi dimensioni può consumare la stessa quantità di elettricità di centinaia di famiglie nell'arco di diversi mesi. Questa intensità energetica implica che, anche se fossero disponibili le risorse finanziarie per costruire enormi data center, l'infrastruttura fisica per alimentare queste strutture potrebbe non essere pronta in tempo.
Adatto a:
Percorsi tecnologici alternativi e la loro importanza
Il dibattito sui limiti dei modelli linguistici su larga scala ha portato a un aumento degli sforzi di ricerca in campi alternativi. Il calcolo quantistico è visto da alcuni come una potenziale svolta in grado di superare i limiti attuali. Nell'ottobre 2025, Google ha presentato il suo chip quantistico Willow, che ha ottenuto un vantaggio quantistico verificabile. Questa è stata una pietra miliare che ha trasceso i confini della fisica classica e ha aperto nuove possibilità in campi come la medicina, l'energia e l'intelligenza artificiale.
I computer quantistici funzionano secondo principi completamente diversi rispetto ai computer classici. Utilizzano bit quantistici, o qubit, che possono esistere simultaneamente in più stati, consentendo calcoli paralleli su una scala impossibile con i sistemi convenzionali. Tuttavia, i computer quantistici devono affrontare sfide significative, in particolare la decoerenza, che influisce sulla stabilità dei qubit.
Le recenti scoperte nella stabilizzazione dei qubit suggeriscono che i computer quantistici scalabili potrebbero diventare realtà entro i prossimi anni. Aziende come PsiQuantum prevedono di mettere in funzione computer quantistici 10.000 volte più grandi di Willow entro la fine di questo decennio: computer sufficientemente potenti da affrontare importanti questioni relative a materiali, farmaci e aspetti quantistici della natura.
La convergenza tra calcolo quantistico e intelligenza artificiale potrebbe teoricamente aprire nuove possibilità. Gli algoritmi quantistici sono migliorati di oltre 200 volte nella simulazione di farmaci e materiali importanti. Alcuni ipotizzano che la combinazione di intelligenza artificiale quantistica e calcolo quantistico potrebbe essere possibile entro uno o due anni, seguita dalla superintelligenza artificiale entro cinque anni.
Altre promettenti direzioni di ricerca includono architetture di calcolo ottico che utilizzano la luce anziché l'elettricità per alimentare i chip. Un'architettura chiamata Parallel Optical Matrix-Matrix Multiplication, presentata nel novembre 2025, potrebbe eliminare uno dei maggiori colli di bottiglia nell'attuale sviluppo dell'intelligenza artificiale. A differenza dei precedenti metodi ottici, esegue più operazioni tensoriali simultaneamente con un singolo impulso laser, il che potrebbe aumentare significativamente la velocità di elaborazione.
Posizionamento strategico di IBM
La posizione di Krishna è particolarmente interessante se considerata nel contesto della strategia di IBM. Negli ultimi anni, IBM ha deliberatamente spostato la propria attenzione dal puro business hardware e infrastrutturale a quello del software aziendale, dei servizi cloud e della consulenza. L'azienda ha ceduto gran parte del suo tradizionale business IT e si è concentrata invece su soluzioni cloud ibride e applicazioni di intelligenza artificiale per le aziende.
Questa direzione strategica differisce fondamentalmente dagli approcci di Microsoft, Amazon, Google e Meta, che stanno tutti investendo massicciamente nella costruzione della propria infrastruttura. IBM, invece, si concentra sull'aiutare le aziende a implementare l'intelligenza artificiale secondo le proprie esigenze, con trasparenza, scelta e flessibilità. Questa filosofia riflette la convinzione che non tutte le aziende utilizzeranno un unico cloud pubblico e che, in particolare, i settori regolamentati e le aziende al di fuori degli Stati Uniti preferiranno approcci ibridi.
La critica di Krishna agli ingenti investimenti infrastrutturali può quindi essere intesa anche come una difesa implicita dell'approccio di IBM. Se il perseguimento dell'AGI attraverso investimenti da migliaia di miliardi di dollari nei data center non fosse effettivamente economicamente sostenibile, ciò confermerebbe la strategia di IBM di concentrarsi su casi d'uso specifici e in grado di creare valore, che possano basarsi su infrastrutture esistenti o moderatamente ampliate.
Allo stesso tempo, IBM è fortemente impegnata in settori come l'informatica quantistica, che potrebbe potenzialmente rappresentare la prossima ondata tecnologica. L'azienda sta investendo in modo significativo nello sviluppo di computer quantistici e sta collaborando con altre aziende tecnologiche per far progredire questa tecnologia. Ciò suggerisce che Krishna non sia contrario all'innovazione o a obiettivi tecnologici ambiziosi, ma piuttosto a un approccio specifico che considera economicamente non sostenibile.
🎯🎯🎯 Approfitta della vasta e quintuplicata competenza di Xpert.Digital in un pacchetto di servizi completo | BD, R&D, XR, PR e ottimizzazione della visibilità digitale
Approfitta dell'ampia e quintuplicata competenza di Xpert.Digital in un pacchetto di servizi completo | Ottimizzazione di R&S, XR, PR e visibilità digitale - Immagine: Xpert.Digital
Xpert.Digital ha una conoscenza approfondita di vari settori. Questo ci consente di sviluppare strategie su misura che si adattano esattamente alle esigenze e alle sfide del vostro specifico segmento di mercato. Analizzando continuamente le tendenze del mercato e seguendo gli sviluppi del settore, possiamo agire con lungimiranza e offrire soluzioni innovative. Attraverso la combinazione di esperienza e conoscenza, generiamo valore aggiunto e diamo ai nostri clienti un vantaggio competitivo decisivo.
Maggiori informazioni qui:
Produttività sì, AGI no: perché i progetti di intelligenza artificiale mirati potrebbero essere più redditizi dei mega-modelli
La prospettiva della leadership di OpenAI
Lo scetticismo di Krishna è in netto contrasto con le dichiarazioni pubbliche di Sam Altman, CEO di OpenAI. Altman ha ripetutamente sottolineato che OpenAI è pronta a investire ingenti somme per raggiungere l'AGI. L'azienda ha stipulato accordi per un totale di circa 1,4 trilioni di dollari nei prossimi otto anni, inclusi accordi significativi con Oracle, Broadcom e altri partner.
Altman prevede che OpenAI raggiungerà un fatturato annuo di centinaia di miliardi di dollari entro il 2030. Questa proiezione si basa sul presupposto che la domanda di servizi di intelligenza artificiale crescerà esponenzialmente con l'aumentare della potenza dei sistemi. Il modello di business di OpenAI si basa sulla disponibilità di aziende e privati a pagare somme ingenti per accedere a funzionalità di intelligenza artificiale avanzate.
Krishna ha dichiarato nel podcast di comprendere la prospettiva di Altman, ma di non condividerla. È un modo straordinariamente diplomatico di esprimersi, suggerendo di rispettare la visione di OpenAI, ma di avanzare ipotesi fondamentalmente diverse sulla sua fattibilità tecnologica e sulla sua sostenibilità economica. Krishna risponde alla domanda se OpenAI possa generare un ritorno sugli investimenti con un netto "no".
Questo disaccordo rappresenta un conflitto fondamentale nel settore tecnologico tra coloro che credono in un'imminente IA trasformativa e sono disposti a investire somme astronomiche e coloro che sono più scettici e preferiscono un approccio incrementale, più sostenibile dal punto di vista economico.
Adatto a:
Il ruolo della politica di ammortamento e degli standard contabili
Il dibattito sulla reale vita utile dell'hardware di intelligenza artificiale solleva questioni fondamentali in materia di contabilità e trasparenza. Il modo in cui le aziende ammortano i propri asset ha un impatto diretto sugli utili dichiarati e, di conseguenza, sui prezzi e sulle valutazioni delle azioni.
Michael Burry sostiene che le grandi aziende tecnologiche sovrastimano la vita utile dei loro chip di intelligenza artificiale per mantenere bassi gli ammortamenti e gonfiare i profitti. Ad esempio, se Meta spende 5 miliardi di dollari per un nuovo rack per server Nvidia Blackwell nel 2025 e lo ammortizza in 5,5 anni, i costi di ammortamento annuali saranno ripartiti su circa 909 milioni di dollari. Tuttavia, se la vita utile effettiva è di soli tre anni, l'ammortamento annuale dovrebbe essere di circa 1,67 miliardi di dollari, una discrepanza significativa.
Burry stima che questa maggiore durata di vita potrebbe incrementare i profitti di diverse grandi aziende per un totale di 176 miliardi di dollari tra il 2026 e il 2028. Nvidia ha contestato queste affermazioni in una nota interna del novembre 2025, sostenendo che gli hyperscaler deprezzano le GPU su un periodo compreso tra quattro e sei anni, in base alla longevità effettiva e alle tendenze di utilizzo. L'azienda ha sottolineato che le GPU più vecchie, come la A100 rilasciata nel 2020, continuano a essere utilizzate con elevati tassi di utilizzo e mantengono un valore economico significativo.
La realtà probabilmente si trova da qualche parte nel mezzo. Le GPU possono certamente funzionare fisicamente per più di tre anni, ma il loro valore economico può diminuire rapidamente con l'ingresso sul mercato di modelli più nuovi ed efficienti. Un fattore chiave è la distribuzione a cascata del valore: le GPU più vecchie, non più ottimali per l'addestramento dei modelli più recenti, possono comunque essere utili per attività di inferenza e per l'esecuzione di modelli già addestrati. Possono anche essere utilizzate per applicazioni meno impegnative o vendute su mercati secondari.
Queste sfumature rendono difficile una valutazione univoca. CoreWeave, un fornitore di servizi cloud focalizzato sull'intelligenza artificiale, ha esteso il periodo di ammortamento delle sue GPU da quattro a sei anni nel gennaio 2023. I critici vedono questa decisione come un tentativo di migliorare artificialmente la redditività. I sostenitori, d'altro canto, sostengono che l'effettivo utilizzo dell'hardware giustifichi periodi più lunghi.
Le dimensioni sociali e politiche
Il dibattito sugli investimenti nell'intelligenza artificiale ha anche una dimensione politica e sociale. David Sacks, investitore di capitale di rischio e consulente della Casa Bianca per criptovalute e intelligenza artificiale, ha avvertito nel novembre 2025 che un'inversione del boom degli investimenti nell'intelligenza artificiale avrebbe rischiato una recessione. Le sue parole suggeriscono che l'economia è diventata così dipendente dagli investimenti nell'intelligenza artificiale che un arresto o un rallentamento significativo avrebbero conseguenze macroeconomiche sostanziali.
Questa dipendenza solleva la questione se la società si sia trovata in una situazione in cui è costretta a continuare a investire, indipendentemente dalla sua sostenibilità economica, semplicemente per evitare uno shock improvviso. Questa sarebbe una classica dinamica da bolla speculativa, in cui le considerazioni economiche razionali sono oscurate dalla paura delle conseguenze di una bolla che scoppia.
La concentrazione di investimenti e risorse sull'intelligenza artificiale solleva anche interrogativi sui costi opportunità. I trilioni di dollari che confluiscono nei data center dedicati all'intelligenza artificiale potrebbero teoricamente essere utilizzati per altre priorità sociali, dal miglioramento dei sistemi educativi all'espansione delle energie rinnovabili, fino alla risoluzione dei deficit infrastrutturali. La giustificazione di questa massiccia allocazione di risorse dipenderà dalla concreta concretizzazione dei benefici promessi.
Allo stesso tempo, l'intelligenza artificiale sta già avendo effetti positivi dimostrabili. In Germania, secondo uno studio IBM del novembre 2025, due terzi delle aziende segnalano significativi incrementi di produttività grazie all'intelligenza artificiale. Le aree con i maggiori incrementi di produttività correlati all'intelligenza artificiale includono lo sviluppo software e l'IT, il servizio clienti e l'automazione dei processi aziendali. Circa un quinto delle aziende in Germania ha già raggiunto i propri obiettivi di ROI grazie a iniziative di produttività basate sull'intelligenza artificiale e quasi la metà prevede un ritorno sull'investimento entro dodici mesi.
Questi dati dimostrano che l'intelligenza artificiale crea effettivamente valore economico, ma supportano anche la tesi di Krishna secondo cui questo valore non deriva necessariamente dal perseguimento dell'intelligenza artificiale intelligente con investimenti di migliaia di miliardi di dollari, bensì da applicazioni più mirate e specifiche.
La prospettiva storica delle trasformazioni tecnologiche
Per inquadrare la situazione attuale in prospettiva, è utile considerare i parallelismi storici. Il boom delle dot-com della fine degli anni '90 è spesso citato come un esempio ammonitore. All'epoca, enormi somme di denaro affluirono alle aziende di Internet, sulla base della giustificata convinzione che Internet avrebbe avuto un impatto trasformativo. Molti di quegli investimenti si rivelarono sbagliati e, quando la bolla scoppiò nel 2000, migliaia di miliardi di dollari di valore di mercato furono spazzati via.
Ciononostante, la tecnologia di base si è rivelata davvero rivoluzionaria. Aziende come Amazon e Google, sopravvissute alla crisi, sono diventate le forze dominanti dell'economia globale. Le infrastrutture costruite durante il boom, comprese quelle delle aziende fallite, hanno costituito le fondamenta dell'economia digitale dei decenni successivi. In questo senso, si potrebbe sostenere che anche investimenti eccessivi nelle infrastrutture di intelligenza artificiale potrebbero rivelarsi vantaggiosi a lungo termine, anche in caso di fallimento di molti degli attori attuali.
Tuttavia, una differenza fondamentale risiede nell'intensità di capitale. Le aziende Internet di prima generazione potevano crescere con investimenti relativamente bassi una volta implementata l'infrastruttura di base. Un sito web o un servizio online, una volta sviluppato, poteva raggiungere milioni di utenti con costi aggiuntivi minimi. L'intelligenza artificiale, soprattutto così come viene praticata attualmente, non segue questo schema. Ogni query a un modello linguistico di grandi dimensioni comporta costi computazionali significativi. La scalabilità dei servizi di intelligenza artificiale richiede aumenti proporzionali dell'infrastruttura, alterando radicalmente l'economia.
Un altro paragone storico riguarda lo sviluppo dell'elettricità. Quando l'energia elettrica divenne disponibile per la prima volta, ci vollero decenni prima che le aziende imparassero a riprogettare i propri processi produttivi per sfruttare appieno le nuove possibilità. Inizialmente, le fabbriche sostituirono semplicemente le macchine a vapore con motori elettrici, ma per il resto mantennero i vecchi layout e processi. I veri guadagni di produttività si verificarono solo quando ingegneri e manager impararono a progettare le fabbriche da zero, sfruttando la flessibilità dell'energia elettrica.
Lo stesso potrebbe valere per l'intelligenza artificiale. Le applicazioni attuali potrebbero solo scalfire la superficie di ciò che è possibile, e le vere trasformazioni potrebbero non arrivare finché le organizzazioni non impareranno a riorganizzarsi radicalmente per sfruttare le capacità dell'intelligenza artificiale. Ciò richiederebbe tempo, forse anni o decenni, e non è chiaro se le attuali dinamiche di investimento possano permettersi una tale pazienza.
Il futuro dello sviluppo dell'IA
Nonostante tutto lo scetticismo e gli avvertimenti, lo sviluppo dell'IA continuerà. La questione non è se l'IA sia importante, ma quale sia il percorso più promettente ed economicamente sostenibile. L'intervento di Krishna può essere interpretato come un appello a rivalutare la strategia, non come un invito a fermare la ricerca sull'IA.
Lo sviluppo più probabile è una diversificazione degli approcci. Mentre alcune aziende continueranno a investire massicciamente nella scalabilità di modelli linguistici di grandi dimensioni, altre esploreranno percorsi alternativi. Approcci neurosimbolici, sistemi multimodali, intelligenza incarnata, apprendimento continuo e altre direzioni di ricerca saranno perseguiti in parallelo. Le innovazioni nell'hardware, dal calcolo quantistico alle architetture di calcolo ottico e ai chip neuromorfici, potrebbero cambiare la situazione.
Un fattore chiave sarà l'effettiva accettazione da parte del mercato. Se aziende e consumatori saranno disposti a pagare cifre ingenti per i servizi di intelligenza artificiale, anche gli elevati costi infrastrutturali potrebbero essere giustificati. Finora, tuttavia, la questione rimane in gran parte aperta. ChatGPT e servizi simili hanno attratto milioni di utenti, ma la disponibilità a pagare cifre ingenti per ottenerli è limitata. La maggior parte degli utenti utilizza versioni gratuite o fortemente sovvenzionate.
Nel settore aziendale, la situazione è leggermente diversa. Qui, c'è una comprovata disponibilità a pagare per soluzioni di intelligenza artificiale che risolvono specifici problemi aziendali. Microsoft segnala una forte crescita dei suoi servizi di intelligenza artificiale per le aziende. La domanda è se questi flussi di fatturato possano crescere abbastanza rapidamente da giustificare gli ingenti investimenti.
Adatto a:
Risultati di un'analisi multidimensionale
Le preoccupazioni sollevate da Arvind Krishna nel podcast Decoder toccano il nocciolo di una delle più significative scommesse economiche e tecnologiche della storia. La sua argomentazione si fonda su solidi principi economici e su una solida conoscenza tecnica. La combinazione di enormi costi di capitale, brevi cicli di vita dell'hardware e la bassa probabilità che le tecnologie attuali conducano all'AGI (Automated Generating Intelligence) rappresenta un argomento convincente contro l'attuale strategia di investimento.
Allo stesso tempo, la posizione di Krishna non è priva di controargomentazioni. I sostenitori di ingenti investimenti nell'intelligenza artificiale sostengono che le tecnologie trasformative richiedono spesso enormi investimenti iniziali, che il costo per unità di elaborazione è in continua diminuzione, che emergeranno nuovi modelli di business non ancora prevedibili e che il rischio di rimanere indietro rispetto a una tecnologia potenzialmente rivoluzionaria è maggiore del rischio finanziario di investimenti eccessivi.
La verità probabilmente si trova da qualche parte tra queste posizioni estreme. L'intelligenza artificiale è senza dubbio una tecnologia importante e trasformativa che creerà un valore economico significativo. Gli attuali modelli linguistici e le applicazioni di intelligenza artificiale dimostrano già capacità impressionanti e stanno generando guadagni di produttività misurabili in molti settori. Allo stesso tempo, l'idea che il semplice ampliamento degli approcci attuali porterà all'intelligenza artificiale generale è sempre più controversa, anche tra i principali ricercatori nel campo dell'intelligenza artificiale.
L'analisi economica la dice lunga. L'entità degli investimenti richiesti e la necessità di generare enormi profitti in un breve lasso di tempo rappresentano una sfida senza precedenti. Se i calcoli di Krishna fossero anche solo lontanamente accurati, è difficile immaginare come l'attuale strategia di investimento possa essere sostenibile.
Tuttavia, questo non significa necessariamente che il disastro sia imminente. I mercati hanno la capacità di adattarsi. I flussi di investimento possono variare, i modelli di business possono evolversi e le innovazioni tecnologiche possono modificare radicalmente l'economia. La storia della tecnologia è ricca di esempi in cui lo scetticismo iniziale è stato smentito e sfide apparentemente impossibili sono state superate.
Ciò che sembra probabile è un periodo di consolidamento e rivalutazione. Gli attuali tassi di crescita degli investimenti in intelligenza artificiale non possono continuare all'infinito. A un certo punto, investitori e leader aziendali vorranno vedere prove di rendimenti effettivi. Le aziende in grado di offrire casi d'uso convincenti e un valore economico dimostrabile prospereranno. Altre potrebbero dover adattare le proprie strategie o uscire dal mercato.
L'intervento di Krishna rappresenta un importante monito alla cautela in un contesto caratterizzato da euforia e dalla voglia di stare al passo. La sua decennale esperienza nel settore tecnologico e la sua posizione alla guida di una delle aziende IT più antiche e affermate al mondo conferiscono peso alle sue parole. Il tempo dirà se ha ragione. Quel che è certo, tuttavia, è che le questioni da lui sollevate devono essere prese sul serio e discusse a fondo prima che migliaia di miliardi vengano investiti in una strategia il cui successo è tutt'altro che garantito.
Una nuova dimensione della trasformazione digitale con 'Managed AI' (Intelligenza Artificiale) - Piattaforma e soluzione B2B | Xpert Consulting
Una nuova dimensione della trasformazione digitale con 'Managed AI' (Intelligenza Artificiale) – Piattaforma e soluzione B2B | Xpert Consulting - Immagine: Xpert.Digital
Qui scoprirai come la tua azienda può implementare soluzioni di intelligenza artificiale personalizzate in modo rapido, sicuro e senza elevate barriere all'ingresso.
Una piattaforma di intelligenza artificiale gestita è il pacchetto completo e senza pensieri per l'intelligenza artificiale. Invece di dover gestire tecnologie complesse, infrastrutture costose e lunghi processi di sviluppo, riceverai una soluzione chiavi in mano su misura per le tue esigenze da un partner specializzato, spesso entro pochi giorni.
I principali vantaggi in sintesi:
⚡ Implementazione rapida: dall'idea all'applicazione operativa in pochi giorni, non mesi. Forniamo soluzioni pratiche che creano valore immediato.
🔒 Massima sicurezza dei dati: i tuoi dati sensibili rimangono con te. Garantiamo un trattamento sicuro e conforme alle normative, senza condividere i dati con terze parti.
💸 Nessun rischio finanziario: paghi solo per i risultati. Gli elevati investimenti iniziali in hardware, software o personale vengono completamente eliminati.
🎯 Concentrati sul tuo core business: concentrati su ciò che sai fare meglio. Ci occupiamo dell'intera implementazione tecnica, del funzionamento e della manutenzione della tua soluzione di intelligenza artificiale.
📈 A prova di futuro e scalabile: la tua intelligenza artificiale cresce con te. Garantiamo ottimizzazione e scalabilità continue e adattiamo i modelli in modo flessibile alle nuove esigenze.
Maggiori informazioni qui:
Il tuo partner globale per il marketing e lo sviluppo aziendale
☑️ La nostra lingua commerciale è l'inglese o il tedesco
☑️ NOVITÀ: corrispondenza nella tua lingua nazionale!
Konrad Wolfenstein
Sarei felice di servire te e il mio team come consulente personale.
Potete contattarmi compilando il modulo di contatto o semplicemente chiamandomi al numero +49 89 89 674 804 (Monaco) . Il mio indirizzo email è: wolfenstein ∂ xpert.digital
Non vedo l'ora di iniziare il nostro progetto comune.
