Dopo la corsa alle GPU: chi monetizzerà davvero gli agenti AI?

Negli ultimi tre anni il mercato ha premiato soprattutto chi ha costruito l’infrastruttura dell’AI: GPU, memoria, networking ed energia. Ora la domanda che mi pongo, da investitore prima ancora che da consulente è: dopo aver speso centinaia di miliardi, chi riuscirà a trasformare quella potenza di calcolo in ricavi, margini e ritorni sul capitale?

La mia tesi è che la prossima fase non sarà vinta semplicemente da chi produce più token o dal modello più intelligente. Il valore si sposterà verso chi saprà trasformare token sempre più economici in lavoro digitale affidabile: pratiche completate, software sviluppato, clienti serviti e decisioni prese.

Per capire chi potrà guadagnarci davvero dobbiamo seguire il margine lungo tutta la catena: dai chip agli hyperscaler, fino alle piattaforme di orchestrazione e ai software verticali.

Per ottimizzare il tuo tempo, ti racconto le mie principali conclusioni in breve:

• Il costo per token (unità di intelligenza artificiale) continuerà a diminuire drammaticamente.
• Gli agenti, però, utilizzano molti più token di un semplice chatbot.
• La domanda complessiva di capacità computazionale può quindi continuare a crescere.
• Il vantaggio competitivo si sposterà dal costo del token al costo per risultato affidabile.
• I vincitori saranno quelli capaci di controllare infrastruttura, orchestrazione dei modelli, workflow e relazione con il cliente.

Ma lasciami argomentare meglio ed entriamo nel profondo, in ciò che mi porta a questa tesi di investimento per capire quali saranno i migliori investimenti per la prossima fase (2-3 anni).

1. GPUs, chip proprietari e agenti AI

Negli ultimi tre anni la domanda dominante è stata: quanto spenderanno le grandi aziende tecnologiche (Alphabet, Amazon, Microsoft, Meta) per costruire l'infrastruttura dell'intelligenza artificiale? Nei prossimi due potrebbe diventare: quanti ricavi e profitti genereranno da ogni dollaro investito?

Finora il mercato ha premiato soprattutto chi fornisce GPU, memoria, networking, raffreddamento ed energia. Ma Vera Rubin (la nuova GPU di punta di Nvidia), i chip proprietari degli hyperscaler e gli agenti AI potrebbero spostare gradualmente il valore verso chi saprà utilizzare e monetizzare meglio quella capacità.

Questo non significa che la domanda di semiconduttori stia per diminuire. Potrebbe accadere esattamente il contrario. NVIDIA dichiara che Vera Rubin può offrire fino a 10 volte il throughput (output per unità di energia consumata) degli agenti e ridurre fino a un decimo il costo per token rispetto a Blackwell. La piattaforma integra GPU, CPU, networking e storage, perché un agente deve ragionare, recuperare informazioni, utilizzare strumenti ed eseguire codice. Sono prestazioni dichiarate su carichi specifici, non la promessa che il costo complessivo di un data center scenderà del 90%. Ma la direzione è chiara: produrre intelligenza digitale costa sempre meno.

Potremmo concludere che, se ogni token costa meno, serviranno meno chip. Ma un chatbot risponde a una richiesta; un agente può trasformarla in decine, centinaia o migliaia di passaggi: consulta documenti, interroga database, corregge errori e compie azioni. NVIDIA descrive workload che possono arrivare a mille step per prompt.

Se il costo per token diminuisce del 90%, ma il numero di token impiegati per completare un lavoro cresce di cento volte, il consumo complessivo di capacità computazionale continua ad aumentare. È una versione moderna del paradosso di Jevons: rendere una risorsa più efficiente può aumentarne il consumo totale, perché diventa economicamente conveniente utilizzarla in molte più applicazioni.

2. Quali ritorni possiamo attenderci?

Per capire il valore degli agenti bisogna smettere di ragionare soltanto in termini di token. Un milione di token può generare contenuti superflui oppure completare un'analisi che richiederebbe ore di lavoro umano. L'economia dell'agente dipende da una formula diversa: valore del compito completato meno costo dell'inferenza, orchestrazione, errori e supervisione umana.

Un agente può utilizzare 100 volte più capacità di un chatbot ma completare un'attività dal valore di 50€ con un costo industriale di 2€. Non si venderà più soltanto l'accesso a un modello, ma un risultato: una pratica elaborata, una migrazione software completata o una richiesta del cliente risolta.

Il passaggio dal prezzo per utente al prezzo per utilizzo o risultato potrebbe ampliare enormemente il mercato, ma renderà più visibile la differenza tra demo affascinanti e prodotti affidabili.

NVIDIA possiede la piattaforma più completa: hardware, CUDA, librerie e networking. Nel primo trimestre fiscale 2027 i ricavi Data Center sono aumentati del 92% a 75,2 miliardi di dollari, con un margine lordo complessivo vicino al 75%. Google, Amazon e Meta non devono però sostituire completamente NVIDIA: basta trasferire una quota crescente dei workload prevedibili sui chip sviluppati internamente (silicio proprietario, Asics)

Le GPU restano fondamentali per addestrare i modelli di frontiera e gestire carichi variabili. Google TPU, Amazon Trainium e Meta MTIA possono invece essere ottimizzati per workload ripetitivi ad altissimo volume. Il proprietario riduce così il costo dell'hardware, controlla lo stack e trattiene più margine.

I risultati più recenti mostrano che il mercato sta già distinguendo tra semplice spesa e monetizzazione.

Secondo uno spunto di Nicolas Bustamante, ingegnere AI in Microsoft, siamo entrati nell'era del token engineering, nella quale il vantaggio non deriva semplicemente dall'utilizzare più AI, ma dall'impiegare il token giusto, sul modello giusto, nel momento giusto e con la cache giusta.

Questa distinzione è fondamentale perché un agente può trasformare una singola richiesta in decine di chiamate al modello, interrogazioni di database, utilizzo di software esterni, verifiche e tentativi falliti. Quindi il paradigma sta cambiando dal costo di 1 milione di token a quanto costa completare correttamente un lavoro?

Un loop agentico può essere rappresentato così:

pianificare → agire → osservare il risultato → verificarlo → correggere → consegnare.

Questo cambia anche il modo in cui bisogna misurare l'efficienza. Il costo per richiesta può essere fuorviante; conta il costo per output accettato. Un agente che costa 3 euro per esecuzione ma completa correttamente solo il 60% dei lavori ha un costo effettivo di 5 euro per risultato valido. Un sistema più sofisticato che costa 4 euro ma raggiunge il 90% di successo ha invece un costo per risultato di 4,44 euro.

Spendere di più in orchestrazione e rifinitura può quindi ridurre il costo finale. Un modello verificatore, una seconda passata o un controllo automatico aumentano i token utilizzati, ma possono abbattere retry, errori e interventi umani. La vera ottimizzazione non consiste nel minimizzare il compute; consiste nel minimizzare il costo complessivo di un risultato affidabile.

3. Agents economics: dove si costruisce il margine degli agenti AI

Vedo quattro leve principali.

1. Routing tra modelli. Non tutti i passaggi richiedono il modello più potente. Classificazione, estrazione, controllo del formato e ricerca possono essere affidati a modelli piccoli; il modello frontier interviene soltanto nei passaggi ad alto valore o elevata complessità. Ai prezzi attuali di OpenAI, per esempio, l'input di GPT-5.5 costa 5 dollari per milione di token, quello di GPT-5.4 mini 0,75 dollari. L'uso selettivo del modello più costoso può quindi cambiare radicalmente il costo medio del loop.

2. Contesto essenziale e caching. Gli agenti tendono ad accumulare istruzioni, cronologia, documenti e definizioni degli strumenti. Se tutto il contesto viene reinviato a ogni passaggio, il costo cresce più velocemente del lavoro prodotto. Bisogna comprimere la memoria, recuperare solo le informazioni necessarie e mantenere stabile la parte riutilizzabile del prompt. Sui modelli OpenAI più recenti, l'input in cache può costare circa il 90% in meno dell'input standard.

3. Routing nel tempo. Molti lavori non richiedono una risposta immediata: code review, aggiornamento della documentazione, estrazione di dati, scansioni di sicurezza, pulizia delle caselle email, arricchimento del CRM, test e ricerche possono attendere trenta minuti, due ore o una notte. OpenAI e Google applicano già uno sconto del 50% ai workload batch completati entro 24 ore.

4. Verifica adattiva. Non tutti i risultati devono essere controllati allo stesso modo. Un loop può consegnare direttamente le attività a basso rischio, utilizzare un modello verificatore per quelle intermedie e richiedere revisione umana soltanto nei casi ad alto impatto o bassa confidenza. L'obiettivo è spendere la rifinitura dove modifica davvero il valore economico dell'output.

Queste leve trasformano l'orchestrazione in un vero strato infrastrutturale. Routing, caching, memoria, osservabilità, valutazione e gestione degli errori non sono semplici funzioni software: determinano quanti token diventano lavoro fatturabile.

La previsione più interessante di Bustamante riguarda i background agents. Oggi ragioniamo prevalentemente attraverso un prezzo fisso per milione di token. Ma la capacità di calcolo non ha la stessa scarsità in ogni momento: esistono picchi e periodi di minore utilizzo.

Le applicazioni interattive richiedono bassa latenza e consumano capacità soprattutto durante la giornata lavorativa. Gli agenti differibili possono invece essere eseguiti quando la capacità è meno richiesta. Per un hyperscaler questo produce un doppio vantaggio:

• vende il servizio sincrono a un prezzo premium;

• utilizza la capacità residua per processare workload batch a prezzo inferiore.

È una forma di yield management del compute, simile a ciò che avviene nei trasporti o nel mercato elettrico. Non conta soltanto quanta capacità è installata, ma quante ore viene monetizzata e con quale combinazione di prezzo e latenza.

L'impatto sull'economia del data center può essere notevole perché gran parte del costo è fisso: chip, edificio, rete, raffreddamento e ammortamenti esistono anche quando l'acceleratore non lavora. Una volta costruita l'infrastruttura, riempire le ore meno utilizzate genera costi marginali prevalentemente legati a energia, memoria, networking e manutenzione.

In un esempio puramente illustrativo, aumentare l'utilizzazione media dal 45% al 65%, mantenendo invariati prezzo e mix, accrescerebbe del 44% i ricavi prodotti dalla stessa capacità installata. Nella realtà una parte del beneficio verrebbe trasferita ai clienti attraverso prezzi batch inferiori, ma l'asset turnover e l'assorbimento degli ammortamenti migliorerebbero comunque.

4. Dalla vendita di token alla vendita di loop agentici

La catena del valore può essere letta attraverso quattro livelli:

1. capacità computazionale grezza;

2. inferenza venduta a consumo;

3. piattaforma di orchestrazione e runtime agentico;

4. loop verticale venduto per attività o risultato.

Salendo di livello diminuisce la confrontabilità basata sul solo prezzo del token e aumenta il valore percepito dal cliente. Un'impresa non vuole acquistare cinquanta milioni di token: vuole riconciliare fatture, aggiornare il CRM, controllare un contratto o completare una migrazione software.

Il modello economico può quindi passare da euro per milione di token a euro per pratica completata, per ticket risolto, repository controllato o lead qualificato. Il fornitore si assume una parte maggiore del rischio di esecuzione, ma può trattenere una quota molto più alta del valore creato.

Gli hyperscaler hanno la possibilità di monetizzare contemporaneamente più strati: vendono il compute, il modello, gli strumenti di orchestrazione, database, sicurezza e osservabilità. Tuttavia non è scontato che catturino tutto il margine. Le aziende software verticali possiedono il workflow, i dati di dominio e la relazione con il cliente: potrebbero acquistare token a prezzi sempre più bassi e vendere loop ad alto valore.

Il vero confronto competitivo sarà quindi tra chi controlla l'infrastruttura e chi controlla il processo aziendale.

5. Il ROI potenziale degli hyperscaler (Amzon, Google, Microsoft e Meta)

Per Google, Amazon, Microsoft e Meta il rendimento dell'AI arriva da tre motori differenti.

Monetizzazione esterna. Vendita di GPU, chip proprietari, token, storage, database, agent runtime e applicazioni enterprise. È il ritorno più facilmente osservabile nei ricavi cloud.

Monetizzazione interna. Migliore targeting pubblicitario, maggiore conversione, riduzione dei costi di assistenza, automazione dello sviluppo software, ottimizzazione logistica e maggiore engagement. Questo valore non compare necessariamente come “ricavo AI”, ma può emergere nei margini delle attività esistenti.

Ritorno strategico. Maggiore dipendenza del cliente dallo stack cloud, consumo di più servizi e crescita del valore dei dati ospitati sulla piattaforma. Un agente che utilizza modello, database, ricerca, identità e strumenti dello stesso provider aumenta sensibilmente i costi di sostituzione.

La formula corretta dovrebbe quindi essere:

profitto operativo AI esterno + risparmi interni + incremento dei ricavi esistenti, al netto di cannibalizzazione e costi di sviluppo, diviso per capitale AI realmente impiegato.

Gli hyperscaler non pubblicano questi dati in modo separato. Le seguenti sono quindi forchette analitiche, non risultati osservati:

• rivendita di capacità su acceleratori di terzi: margine lordo potenziale del 35-50% e ROIC incrementale ante imposte del 10-20%;

• inferenza ottimizzata con silicio proprietario, caching e alta utilizzazione: margine lordo del 50-65% e ROIC del 20-30%;

• piattaforme gestite e orchestrazione agentica: margine di contribuzione del 60-80% sullo strato software e ROIC incrementale del 25-35%, purché il volume sia elevato;

• loop verticali venduti per risultato: margini potenzialmente superiori, ma molto più sensibili a errori, responsabilità, costi delle API esterne e revisione umana.

Il ROIC complessivo del data center sarà generalmente inferiore a quello dello strato software, perché deve assorbire l'intero capitale fisico. Nel mio scenario base, un ritorno incrementale del 15-20% sul capitale AI sarebbe già soddisfacente. I leader capaci di combinare silicio proprietario, alta utilizzazione e monetizzazione applicativa potrebbero raggiungere il 25-35%.

6. La conclusione: il vincitore non venderà i token più economici

Per un investitore, quindi, avere ragione sul trend dell’intelligenza artificiale non basta. Bisogna individuare il punto della catena in cui i margini resteranno difendibili quando modelli e token diventeranno sempre più economici.

NVIDIA mantiene una posizione eccezionale nell’infrastruttura. Gli hyperscaler possono monetizzare contemporaneamente compute, chip proprietari, modelli, dati e software. Le aziende verticali, invece, controllano il processo aziendale e la relazione con il cliente.

La mia conclusione è che il valore non si sposterà necessariamente da un vincitore all’altro: potrebbe distribuirsi tra più livelli, ma con ritorni sul capitale molto differenti.

La domanda decisiva non è più chi costruirà l’AI più potente. È chi riuscirà a trasformarla nel lavoro digitale più utile, affidabile e profittevole. È il tipo di domanda che voglio affrontare con Capitale Intelligente: non inseguire la narrativa del momento, ma capire dove finiranno ricavi, margini e ritorni sul capitale.

Gli hyperscaler, a mio avviso, sono ben posizionati per tratte il massimo valore dall'orchestrazione dei modelli e dagli agenti di AI per le aziende che per questioni di sicurezza non potranno utilizzare solo gli agenti messi a disposizione dai vari Open AI e Anthropic (che comunque utilizzano potenza cloud per girare).

Disclaimer: possiedo quote di proprietà di Amazon (AMZN), Microsoft (MSFT), Alphabet (GOOGL) e Meta (META) e Nvidia (NVDA). Le stime e gli scenari riportati rappresentano valutazioni dell'autore e non costituiscono una raccomandazione di investimento.