Dalla chat agli agenti autonomi la nuova fase dell’AI
La recente volatilità dei mercati non ha modificato il quadro strutturale che sostiene l’intelligenza artificiale. Come si legge nel commento di Humberto Nardiello, Fund Manager di DPAM, il consolidamento del settore AI appare oggi ancora più evidente proprio perché i progressi tecnologici stanno diventando sistematici e sempre più difficili da ignorare.
Nardiello sottolinea come la programmazione assistita dall’intelligenza artificiale abbia ormai superato una soglia cruciale. Strumenti come Claude Code di Anthropic stanno evolvendo verso modelli pienamente agentici, capaci di sviluppare software avanzato con un intervento umano sempre più limitato. Non si tratta più soltanto di chatbot o strumenti di supporto, ma di sistemi in grado di eseguire compiti cognitivi complessi e continuativi.
Per Nardiello questo rappresenta un vero shock di produttività. L’adozione dell’AI nei processi di sviluppo software potrebbe infatti ridurre drasticamente i costi marginali, aumentando contemporaneamente produzione economica e redditi reali. Nardiello evidenzia come il settore software stia già mostrando i primi effetti di questa trasformazione: nonostante l’automazione crescente, la domanda globale di ingegneri continua infatti a rimanere elevata.
Il potenziale economico è enorme. A livello mondiale esistono tra 20 e 30 milioni di sviluppatori software, con un costo complessivo stimato intorno ai 2-3 trilioni di dollari. Secondo Nardiello, questo enorme bacino di lavoro rappresenta uno dei principali motori economici che l’intelligenza artificiale potrebbe potenziare nei prossimi anni.
Il passaggio più importante riguarda però l’evoluzione dagli strumenti conversazionali agli agenti autonomi. Nardiello cita l’esempio di OpenClaw per spiegare come questi sistemi non si limitino più a rispondere a richieste degli utenti, ma siano ormai in grado di svolgere attività articolate interagendo autonomamente con API e infrastrutture digitali.
Questa trasformazione cambia radicalmente anche il modello economico dell’AI. La domanda di calcolo non dipende più soltanto dal numero di utenti, ma dal numero di processi attivi eseguiti contemporaneamente. Per Nardiello, ciò implica una crescita esponenziale della domanda di infrastrutture computazionali.
Nuovi modelli di monetizzazione stanno cambiando l’economia dell’AI
Uno dei punti centrali dell’analisi di Nardiello riguarda il cambiamento del modello di monetizzazione dell’intelligenza artificiale. Il settore sta rapidamente passando da modelli basati su abbonamenti fissi a sistemi costruiti sull’utilizzo reale delle risorse AI.
Questo cambiamento permette ai fornitori di differenziare i prezzi in base all’intensità d’uso e al valore generato per gli utenti. Il report sottolinea come alcuni sviluppatori spendano già oggi decine di migliaia di dollari l’anno in token AI, mentre diverse aziende stanno offrendo ai propri ingegneri budget dedicati all’intelligenza artificiale pari addirittura al 50% dello stipendio base.
Per Nardiello si tratta di un passaggio fondamentale perché modifica profondamente la qualità dei ricavi del settore. La crescita non dipende più soltanto dall’acquisizione di nuovi utenti, ma dalla capacità dell’AI di aumentare concretamente produttività ed efficienza economica.
Secondo Nardiello, questa evoluzione contribuisce anche a dissipare molti dubbi sul cosiddetto “finanziamento circolare” dell’AI. Se l’utilizzo è direttamente collegato all’incremento di produttività, allora la monetizzazione diventa molto più sostenibile e legata all’economia reale.
Un altro elemento chiave riguarda la trasformazione dell’infrastruttura tecnologica. Nardiello spiega come il processo di inferenza AI si stia progressivamente separando in due fasi distinte: prefill e decode.
La fase di prefill, cioè la comprensione del prompt e del contesto informativo, richiede una grande capacità computazionale. Il decode, invece, cioè la generazione dei token, dipende maggiormente dalla larghezza di banda della memoria e dalla latenza.
Questa disaggregazione permette di ottimizzare in modo molto più efficiente i carichi di lavoro, riutilizzando anche GPU meno recenti per alcune operazioni specifiche. Secondo Nardiello, la conseguenza diretta è un significativo allungamento della vita utile dell’hardware.
Le GPU, che fino a poco tempo fa rischiavano di diventare obsolete nel giro di pochi anni, potrebbero ora restare economicamente produttive per quasi un decennio. Per gli hyperscaler questo significa minore intensità di capitale, ammortamenti più efficienti e rendimenti più elevati sul capitale investito.
Nardiello evidenzia come il sistema AI stia diventando progressivamente più efficiente proprio mentre la domanda accelera. L’intelligenza artificiale viene ormai descritta come un processo di trasformazione dell’energia in token economicamente validi, dove hardware e algoritmi lavorano insieme per aumentare la produttività complessiva del sistema.
Anthropic e OpenAI mostrano una nuova scala economica senza precedenti
Uno degli aspetti più sorprendenti della rivoluzione AI riguarda la velocità con cui i grandi laboratori stanno scalando ricavi e produttività.
Anthropic ha recentemente dichiarato una run rate di ricavi annualizzati pari a 30 miliardi di dollari, rispetto ai 9 miliardi registrati appena tre mesi prima. In pratica, l’azienda ha aggiunto 21 miliardi di ARR in un solo trimestre. Anche OpenAI sta registrando una crescita molto rapida, passando da circa 20 miliardi di ARR a fine 2025 a oltre 25 miliardi all’inizio di marzo.
Per contestualizzare questi numeri, Nardiello osserva come la crescita trimestrale dell’ARR di Anthropic superi da sola quella combinata delle prime dieci società software mondiali, escludendo Microsoft, nello stesso periodo.
Ma il dato forse ancora più impressionante riguarda l’efficienza operativa. Anthropic e OpenAI operano entrambe con circa 3.000 dipendenti, contro i circa 30.000 dipendenti che Alphabet impiegava quando generava una scala di ricavi analoga.
Secondo Nardiello, questo rappresenta un modello economico completamente nuovo, in cui la scalabilità tipica del software si combina con la monetizzazione tipica delle infrastrutture digitali. Il risultato è una capacità di generare ricavi per dipendente senza precedenti nella storia recente della tecnologia.
Per Nardiello, questa è la dimostrazione più concreta del fatto che i grandi modelli linguistici siano ormai in grado di monetizzare su larga scala. Il mercato starebbe entrando stabilmente nella cosiddetta fase di inferenza dell’intelligenza artificiale, cioè la fase in cui le infrastrutture AI iniziano a produrre ritorni economici concreti.
Dall’economia digitale al mondo fisico l’AI accelera la trasformazione globale
L’evoluzione dell’intelligenza artificiale non riguarda più soltanto il mondo digitale. La prossima fase sarà infatti caratterizzata dall’estensione dell’AI ai sistemi fisici.
Nardiello evidenzia come stiano convergendo tre fattori decisivi: modelli linguistici avanzati, grandi ecosistemi di dati e infrastrutture integrate. I sistemi AI non si limitano più a riconoscere oggetti o elaborare testi, ma iniziano a ragionare su ambienti dinamici e situazioni complesse.
Le implicazioni vanno ben oltre il miglioramento di robot umanoidi o veicoli autonomi. Per Nardiello, sta emergendo un vero strato di intelligenza generale applicabile ai sistemi fisici, capace di adattarsi a diversi settori industriali. Nardiello richiama anche un parallelo storico importante. Nelle precedenti rivoluzioni tecnologiche, la costruzione dell’infrastruttura ha sempre preceduto la diffusione delle applicazioni. Oggi lo stesso schema si sta ripetendo, ma a una velocità molto più elevata.
Secondo Nardiello, il mercato dell’intelligenza artificiale per le imprese potrebbe raggiungere una dimensione compresa tra 3 e 5 trilioni di dollari, mentre il livello di penetrazione attuale sarebbe ancora inferiore al 10%.
Il percorso evolutivo dell’AI appare ormai sempre più definito: dalle semplici chat si passa agli strumenti integrati nei flussi di lavoro, poi agli strumenti verticali per compiti specifici, quindi agli agenti autonomi e infine a reti coordinate di agenti intelligenti.
Nardiello sottolinea inoltre come l’attuale instabilità macroeconomica stia accelerando ulteriormente il processo di adozione. In un contesto di crescita più fragile e margini sotto pressione, l’AI diventa infatti una leva fondamentale per comprimere costi e aumentare produttività.
Storicamente, osserva Nardiello, le fasi di rallentamento economico tendono a spingere le aziende ad abbandonare modelli operativi obsoleti per adottare tecnologie più efficienti. Un processo che sarebbe già visibile nelle recenti dinamiche occupazionali e nelle strategie di ottimizzazione dei costi adottate dalle imprese globali.
Per questo motivo, secondo Nardiello, l’intelligenza artificiale continua a rappresentare una delle aree di investimento più interessanti del mercato. La combinazione tra domanda crescente, monetizzazione più efficiente, infrastrutture più longeve e produttività in accelerazione rende il quadro particolarmente favorevole.
Ed è proprio qui che si inserisce il messaggio centrale dell’analisi di Nardiello: nonostante il forte rally degli ultimi anni, l’intelligenza artificiale potrebbe essere ancora sottopesata rispetto alla reale portata dell’opportunità economica e finanziaria che sta emergendo.
di Francesco Sicuro
