Podcast RSI – Le IA costano spesso più di chi dovrebbero sostituire. Avvisaglie di bolla in crisi

Questo è il testo della puntata del 13 luglio 2026 del podcast Il Disinformatico della Radiotelevisione Svizzera, scritto, montato e condotto dal sottoscritto. Il testo include anche i link alle fonti di questa puntata.

Le puntate del Disinformatico sono ascoltabili anche tramite iTunes, YouTube Music, Spotify e feed RSS. Il mio archivio delle puntate è presso Attivissimo.me/disi.

Uno studio dell’MIT indica che le intelligenze artificiali progettate per svolgere attività paragonabili a quelle di un lavoratore umano costano più di quel lavoratore in tre casi su quattro. Secondo i sondaggi degli esperti di ricerca e consulenza aziendale, tra le aziende che hanno tagliato il personale per sostituirlo con le IA, una su tre sta riassumendo persone per quelle stesse mansioni, e lo sta facendo con stipendi più alti. Un dirigente su due dichiara di rimpiangere di aver scelto di fare quei tagli.

Il vento sta cambiando intorno alle intelligenze artificiali, proprio nel momento in cui una bozza di rapporto redatta dal Dipartimento del Tesoro statunitense mette in guardia contro i rischi legati al mercato delle IA, paragonando l’attuale frenesia di spesa dei grandi nomi del settore alla bolla speculativa delle aziende legate a Internet, il cui scoppio sconvolse l’economia del Paese nei primi anni 2000.

Questa è la storia di quello che molti analisti chiamano l’“AI boomerang”, ossia il rapido e violento contraccolpo di realismo subìto dalle aziende che hanno adottato le IA pensando di risparmiare e ora si trovano a spendere più di prima, ed è anche la storia di come evitarne o almeno contenerne gli effetti.

Benvenuti alla puntata del 13 luglio 2026 del Disinformatico, il podcast mensile della Radiotelevisione Svizzera dedicato alle notizie e alle storie strane dell’informatica. Io sono Paolo Attivissimo.

[SIGLA di apertura]

Se chiedete in giro alle persone comuni, l’ansia principale legata all’intelligenza artificiale è la perdita del posto di lavoro. È un’ansia comprensibile, soprattutto quando si vedono certe dimostrazioni spettacolari orchestrate dalle grandi aziende del settore, che danno l’impressione che queste intelligenze artificiali siano ormai in grado di fare tutto e rimpiazzare chiunque a costi più bassi.

Ma le demo sono una cosa e la realtà è un’altra. Secondo le indagini della rivista economica Fortune, mancano tuttora prove chiare che l’IA aumenti realmente la produttività aziendale generale: ci sono contesti specifici nei quali l’IA indubbiamente funziona, ma è raro che dia risultati se viene fornita a tutti in azienda. Però spessissimo i dirigenti spingono lo stesso per introdurla pervasivamente, non perché hanno accertato che funziona nel loro settore, ma perché hanno paura di essere lasciati indietro e superati dalla concorrenza che magari riesce a farla funzionare. E i dirigenti della concorrenza fanno esattamente lo stesso ragionamento.

Il risultato è una situazione che il noto autore di fantascienza e attivista tecnologico Cory Doctorow riassume con una battuta amara: “L’intelligenza artificiale non è in grado di fare il tuo lavoro, ma un venditore di IA è in grado di convincere il tuo capo a licenziarti e rimpiazzarti con una IA che non è capace di fare il tuo lavoro” [Yahoo; Medium].

Certo, è una tentazione comprensibile. Infatti all’inizio la riduzione del personale sostituito dall’IA fa indubbiamente scendere i costi. Ci sono meno stipendi da pagare, mentre i ricavi per qualche tempo restano stabili per inerzia, e questo produce un bilancio trimestrale invidiabilmente positivo.

Ma poi i nodi arrivano al pettine: per usare l’intelligenza artificiale c’è da pagare una licenza alle aziende che la forniscono, e questi costi di licenza sono saliti mediamente fra il 20 e il 37% nell’ultimo anno [Fortune/Tropic]. In molti casi la spesa per l’IA è largamente superiore a quella per gli stipendi dei licenziati. E a volte eccede anche le previsioni più generose.

Per fare qualche nome, Uber ha esaurito ad aprile scorso l’intero budget annuale dedicato allo sviluppo di software con strumenti di intelligenza artificiale [Fortune]. Microsoft sta cancellando la maggior parte delle proprie licenze dirette di Claude Code [Fortune]. Bryan Catanzaro, vicepresidente del deep learning applicato presso Nvidia, ha dichiarato di recente che per il suo team “il costo della potenza di calcolo supera di gran lunga i costi del personale”.

Questo eccesso di spesa ha tre cause fondamentali. La prima è che nella foga di spingere i dipendenti a usare l’IA, i dirigenti l’hanno fornita a tutti, dimenticandosi di considerare che nella realtà aziendale i power user, ossia quelli che sanno usare efficacemente ed efficientemente un software, sono sempre una manciata.

È lo stesso fenomeno che si osserva da decenni per il software d’ufficio come Word, Excel e PowerPoint: la maggior parte dei dipendenti ne usa solo le funzioni di base, perché non conosce quelle avanzate o non ha motivo di usarle. Per queste persone, una licenza full optional è uno spreco di denaro. Anzi, potrebbero benissimo usare software libero e gratuito come per esempio LibreOffice. Il problema è che nel caso delle IA, i costi di licenza sono altissimi e sono a consumo, per cui più le si usa, più si spende.

La seconda causa è legata a un fenomeno che si manifesta ogni volta che viene introdotta una nuova tecnologia. All’inizio si pensa che verrà usata semplicemente per fare meglio o più efficientemente le attività correnti, ma poi ci si rende conto che la si può usare per fare cose prima impossibili o troppo onerose o semplicemente non indispensabili. Per esempio, la presentazione PowerPoint è più bella e fa più colpo sui colleghi se è abbellita con grafica e immagini generate dall’intelligenza artificiale. E così la spesa aumenta.

La terza causa è la pigrizia inevitabile. Le attività che prima si facevano a mano, mettendoci la testa, vengono delegate alla IA. Per tornare all’esempio del PowerPoint, perché fermarsi alla grafica carina quando puoi dire all’IA di creare l’intera presentazione? O una bella mail prolissa e dettagliata, oppure un intero documento stupendamente impaginato? E così, ancora una volta, la spesa aumenta.

A tutto questo si è aggiunta la scelta di molte grandi aziende del settore informatico di premiare chi usava di più questa IA, creando delle gare interne con tanto di classifiche dei maggiori consumatori, come è successo presso Meta e Amazon [Wired.it]. Ma in queste classifiche non si valutava come veniva usata l’IA, se generava qualcosa di utile oppure no, e quindi i dipendenti si sono messi a usarla per qualunque cosa pur di arrivare alti in classifica e dimostrare ai propri capi di essere ”produttivi”.

È stata una scelta dirigenziale incredibilmente stupida: l’equivalente di misurare la produttività di un lavoratore semplicemente in base a quanti fogli di carta consuma, senza pensare che quel lavoratore, pur di non essere visto come “improduttivo” e rischiare il licenziamento, stamperà qualunque cosa gli capiti a tiro, magari in duplice o triplice copia. O meglio ancora, prenderà le risme di carta e le alimenterà direttamente al distruggidocumenti. Questa la cosiddetta legge di Goodhart [Wikipedia]: quando una misura diventa l’obiettivo di un lavoro, cessa di essere un buon modo di misurare quel lavoro, perché gli individui imparano a manipolarla a proprio vantaggio. Il risultato di questa diffusa scelta aziendale è stato un aumento vertiginoso dei costi aziendali per l’uso dell’intelligenza artificiale.

Questo aumento è ovviamente piaciuto moltissimo alle aziende che producono le intelligenze artificiali commerciali. Ma ora che è arrivata la doccia gelata dell’impatto con la realtà, i clienti di queste aziende stanno riducendo fortemente le spese. E questo è un problema per chi vende IA e sta investendo quantità immense di denaro (si parla di 750 miliardi di dollari [Notus] solo nel corso dell’anno corrente) per costruire i datacenter colossali ed energivori necessari per creare e aggiornare questi software, sperando di cominciare prima o poi a guadagnare qualcosa. Se il mercato frena, la bolla speculativa che attualmente regge gran parte delle aziende legate alle intelligenze artificiali rischia di scoppiare.

Un monito forte in questo senso arriva da una bozza di rapporto del Dipartimento del Tesoro statunitense, che avvisa [Notus] che le aziende del settore IA sono radicate nell’economia del Paese molto più profondamente rispetto ai loro predecessori del settore dot-com e rappresentano un rischio significativo per l’intero sistema qualora le condizioni finanziarie dovessero cambiare, gli obiettivi di produttività non venissero raggiunti o vari colli di bottiglia ostacolassero la crescita. Una flessione nel mercato dell’IA provocherebbe onde d’urto in tutto l’ecosistema economico, hanno scritto gli analisti, notando che gli investitori in questo settore stanno assumendo rischi così significativi che gran parte del sistema finanziario ora dipende dal fatto che l’IA soddisfi le aspettative in termini di aumenti di produttività e redditività.

Anche altri economisti e altre istituzioni di spicco, tra cui la Banca d’Inghilterra e il direttore del Fondo Monetario Internazionale, si sono dichiarati preoccupati per la sopravvalutazione delle aziende di IA e per i rischi che questo comporta per il sistema economico in generale [Notus].

Bloomberg ha illustrato bene l’enormità e la fragilità di questa bolla economica in un recente articolo [Bloomberg; Medium] che ne mostra la cosiddetta circolarità: aziende come OpenAI, Nvidia, Microsoft, Intel, Oracle, Anthropic e Google investono centinaia di miliardi di dollari l’una nell’altra, tenendosi in piedi a vicenda. Per esempio, a fine 2025 Nvidia ha annunciato un investimento di circa 100 miliardi di dollari in OpenAI per finanziare dei nuovi datacenter. Allo stesso tempo, OpenAI si è impegnata a comprare milioni di processori Nvidia per quei datacenter. In sintesi, Nvidia dà a OpenaAI i soldi per comperare i prodotti di Nvidia. Cosa mai potrebbe andare storto?

È importante chiarire che qui non è sotto accusa l’intelligenza artificiale, ma il modello economico speculativo che la sostiene attualmente. Esistono IA specializzate che consumano pochissima energia, sono efficaci nei loro compiti molto selettivi, rispettano la riservatezza dei dati e la sovranità digitale e non creano dipendenze da aziende Big Tech che possono fare il bello e il cattivo tempo; ne ho parlato in altre puntate di questo podcast. Non sono quelle che vengono promosse fragorosamente dai colossi del settore.

Grazie a queste avvisaglie e a queste esperienze fatte da altri, ci si può organizzare meglio portando a casa alcune lezioni fondamentali.

Per esempio, è chiaro che l’IA attuale è uno strumento adatto solo per alcuni compiti aziendali di basso livello. Un chatbot può gestire l’assistenza clienti nei casi più semplici, ma non ha la capacità di capire le sfumature delle situazioni più complesse: per quelle ci vuole ancora un essere umano, e la clientela esige di poter parlare con una persona in carne e ossa che la capisca.

Per esempio, uno studio del MIT del 2024 [Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?] ha analizzato i requisiti tecnici dei modelli di IA necessari per svolgere mansioni a livello umano, scoprendo che l’automazione tramite intelligenza artificiale è economicamente sostenibile solo nel 23% dei ruoli in cui la visione è una parte fondamentale del lavoro. Nel restante 77% dei casi, è più economico che gli esseri umani continuino a svolgere il proprio lavoro.

Questo concetto è stato dimostrato molto vistosamente da Klarna, un gigante svedese del settore fintech, che nel 2024 fece scalpore annunciando che avrebbe rimpiazzato 700 addetti all’assistenza clienti con una singola IA che, a detta del CEO, lavorava bene tanto quanto un essere umano. Sembrava il segnale della maturità delle IA e dell’inizio della sostituzione dei lavoratori, ma ai primi del 2026 l’azienda ha fatto discretamente dietrofront [DigitalApplied], di fronte al crollo della soddisfazione della clientela, perché l’IA era incapace di gestire i casi marginali o insoliti o che richiedevano soluzioni articolate in varie fasi successive.

Funziona invece molto bene, stando ai dati, il cosiddetto modello ibrido: una IA che gestisce i casi semplici e passa a un umano esperto quelli più complessi, che richiedono sensibilità nei rapporti interpersonali o conoscenza approfondita del mondo reale o delle procedure aziendali.

Un’altra lezione utile è che l’IA non va data a tutti indiscriminatamente e non va assolutamente imposta. Conviene affidarla a un gruppo ristretto di utenti esperti, che sappiano usarla in modo approfondito ed efficiente, giustificando il costo del suo utilizzo.

Un’ulteriore lezione è trovare un criterio realistico di misura dei risultati di quell’utilizzo: qualcosa di tangibile, non un semplice conteggio dei token di IA utilizzati.

Se le aziende rivalutano l’IA non come un chiaro sostituto del lavoro umano, finalizzato al risparmio sui costi, ma come uno strumento complementare, allora quell’ansia di perdere il lavoro può essere messa da parte. E magari sostituita da una riqualificazione e, perché no, da un sommesso e soddisfatto “ve l’avevamo detto.”