L’idea che l’intelligenza artificiale serva soprattutto a tagliare il costo del lavoro si sta scontrando con una realtà molto meno lineare. In parecchie aziende, infatti, il conto dell’AI — tra infrastrutture, potenza di calcolo e licenze — sta diventando più pesante di quello degli stipendi, mentre i licenziamenti continuano. È un paradosso che racconta bene la fase che stanno attraversando i grandi gruppi tecnologici e, di riflesso, il resto del mercato: si spende come se il ritorno fosse vicino, ma intanto i costi salgono subito e i benefici restano, spesso, tutti da dimostrare. Il punto, per chi lavora, per chi investe e per chi guida un’azienda, è tutto qui.
Da Nvidia a Uber, i casi in cui la potenza di calcolo supera il costo del personale
Il nodo non è che l’intelligenza artificiale non serva o che le imprese abbiano smesso di crederci. Il problema è un altro: portarla su larga scala costa molto più del previsto. Tra gli esempi più citati c’è quello di Nvidia, dove lo stesso management ha ammesso che la spesa per la potenza di calcolo necessaria ai sistemi di deep learning può superare quella del personale impegnato nelle stesse attività. Ed è un segnale ancora più pesante perché arriva da uno dei principali fornitori mondiali di AI. Anche Uber, secondo quanto emerso nelle ultime settimane, avrebbe bruciato in fretta il budget annuale destinato all’intelligenza artificiale, proprio dopo l’arrivo di nuovi strumenti avanzati. Situazioni simili si vedono anche in altre grandi aziende tecnologiche e industriali. Segno che non si tratta di un caso isolato, ma di un modello di spesa che si sta ripetendo. In sostanza, sostituire o comprimere il lavoro umano non sta producendo quel vantaggio economico immediato che molti avevano già messo a bilancio.
Token, infrastrutture e software: le voci di spesa che stanno gonfiando i budget 2026
La parte più visibile dell’AI è il software. Ma il costo vero, spesso, resta dietro le quinte. Servono server, chip, data center, energia, sistemi di sicurezza, integrazione con le piattaforme aziendali. E poi c’è una manutenzione continua che cresce insieme all’uso. A questo si aggiunge il prezzo dei token, cioè dell’elaborazione richiesta ai modelli, che aumenta con il numero delle richieste e con la complessità dei compiti affidati all’intelligenza artificiale. Più un’azienda spinge su automazione dei processi, assistenza clienti, analisi dei documenti o produzione di contenuti, più il conto si allarga. Per questo il 2026 rischia di diventare l’anno della verifica. Dopo una prima fase segnata dall’entusiasmo, molti gruppi stanno scoprendo che i budget erano stati costruiti su stime troppo ottimistiche. E senza nemmeno mettere nel conto i costi indiretti: errori operativi, controlli umani ancora necessari, problemi di qualità che in certi settori impediscono di ridurre davvero la presenza del personale. La promessa di efficienza resta sul tavolo, ma per ora assomiglia più a un investimento che assorbe cassa che a un risparmio già concreto.
Più investimenti in AI, meno occupati: perché i tagli al personale continuano anche senza risparmi immediati
È qui che il quadro si fa più delicato. Se oggi l’AI costa molto, verrebbe da pensare che i tagli possano rallentare. Invece, spesso, sta succedendo il contrario. Proprio perché gli investimenti sono enormi, le aziende cercano margini da un’altra parte. E li trovano nel lavoro. I grandi gruppi del digitale, da Alphabet a Microsoft, da Meta ad Amazon, continuano a destinare somme gigantesche all’intelligenza artificiale e intanto annunciano migliaia di esuberi o nuove riorganizzazioni. La ragione è semplice: l’AI viene considerata strategica e quindi intoccabile, anche quando non porta risultati immediati. A finire sotto pressione sono così le spese più flessibili: organici, funzioni doppie, attività ritenute automatizzabili o meno centrali. Per i lavoratori significa una cosa molto chiara: l’aumento dei costi tecnologici non offre alcuna garanzia di tutela, anzi può accelerare le ristrutturazioni. Per il mercato, invece, vuol dire che si sta aprendo un divario tra chi può permettersi di sostenere a lungo questi investimenti e chi rischia di restare schiacciato tra costi in crescita e produttività ancora troppo debole. I prossimi mesi diranno se questa corsa si tradurrà davvero in utili e competitività, oppure se una parte dell’industria sarà costretta a ridimensionare aspettative e promesse.
