Il value investing nell’era dell’IA-

Oggi l’intelligenza artificiale viene considerata soprattutto come una tecnologia abilitante di uso generale, capace di potenziare i processi decisionali, l’automazione e l’elaborazione delle informazioni trasversalmente a tutta l’economia. Le sue applicazioni spaziano dai servizi pubblici alle imprese globali, dalla scienza alla sanità, dalla difesa alle piattaforme di consumo, e si integrano nei flussi di lavoro anziché operare come strumenti autonomi.

Questo è ormai assodato. Assai meno chiaro è invece come questo cambiamento tecnologico si traduca in valore economico, vantaggio competitivo e rendimenti a lungo termine. Ora che l’IA sta passando rapidamente dalle promesse all’implementazione, riteniamo che la sfida cruciale per gli investitori sia distinguere i contesti in cui può creare valore sostenibile da quelli in cui le narrative di mercato corrono più dei fondamentali.

Poche tecnologie hanno attratto capitali con la stessa rapidità e nella stessa misura dell’IA. Gli hyperscaler del cloud, vale a dire Microsoft, Alphabet, Amazon, Meta e Oracle, hanno destinato complessivamente oltre 1.000 miliardi di dollari a data center, infrastrutture di rete e semiconduttori negli ultimi tre anni.¹ La spesa annua in conto capitale dei principali operatori sta arrivando a livelli che in passato erano associati solo a grandi compagnie petrolifere o programmi infrastrutturali nazionali.

Un aspetto fondamentale è che l’IA presenta dinamiche di miglioramento non lineari. Le prestazioni dei modelli potrebbero migliorare grazie a effetti di scala, cicli di retroazione dei dati e architetture di autoapprendimento, mentre la domanda potrebbe aumentare al diminuire dei costi e al migliorare delle capacità. Stiamo osservando progressi rapidi e con effetti cumulativi nelle funzionalità. Il consumo di token e la domanda complessiva di potenza di calcolo nell’IA stanno crescendo esponenzialmente, mentre il costo unitario del calcolo è in calo. Il progresso non è più determinato dai miglioramenti prevedibili dell’hardware descritti dalla legge di Moore, quanto da effetti di scala, dati e software che consentono alle capacità di accelerare e amplificarsi molto più rapidamente.²

Sebbene le curve di adozione dell’IA varieranno da settore a settore, prevediamo che questa tecnologia finirà per integrarsi universalmente nei flussi di lavoro digitali, proprio come Internet è passato dall’essere un prodotto a sé stante a un’infrastruttura invisibile nell’arco di due decenni.

L’IA non influenzerà tutte le imprese allo stesso modo. L’impatto commerciale e finanziario sarà disomogeneo e creerà grandi vincitori, vinti strutturali e un’ampia zona intermedia.

I principali beneficiari si dividono in due gruppi distinti. Il primo è costituito dai fornitori di infrastrutture e di “pale e picconi”: società che progettano, possiedono o controllano proprietà intellettuali e infrastrutture fondamentali per l’IA, tra cui produttori di semiconduttori all'avanguardia, piattaforme cloud, sviluppatori di modelli fondazionali, società specializzate in reti e fornitori di infrastrutture per data center.

La rilevanza tecnologia da sola, tuttavia, non garantisce rendimenti interessanti: sono l’intensità di capitale, le dinamiche competitive e il potere di determinazione dei prezzi a plasmare, in genere, i risultati economici. In molti mercati tecnologici, i rendimenti possono essere fortemente concentrati secondo una logica di tipo “winner takes most”, ma chi sarà il vincitore non è sempre evidente. Di conseguenza, la solidità di bilancio, la capacità di reinvestimento e il lock-in dell’ecosistema diventano fondamentali per la valutazione dei flussi di cassa di lungo periodo.

Il secondo gruppo è costituito da utilizzatori pragmatici dell’IA: imprese che utilizzano questa tecnologia per migliorare i rendimenti del capitale, anziché per sviluppare prodotti di punta. Le applicazioni spaziano dall’accelerazione della crescita dei ricavi al miglioramento dei prezzi fino alla personalizzazione delle offerte, dall’ottimizzazione delle catene di approvvigionamento alla riduzione strutturale dei costi: in ogni caso, l’IA funge da leva per margini e produttività, anziché essere un prodotto a sé stante.

Molte delle imprese che utilizzano l’IA con grande successo potrebbero non essere mai etichettate come “società IA”. Riteniamo che gli utilizzatori più interessanti siano spesso quelli che dispongono di dati proprietari, presentano cicli decisionali ad alta frequenza e hanno la capacità di integrare l’IA in flussi di lavoro che i clienti sono restii a sostituire completamente.

Anche il fronte dei vinti si divide in due gruppi. Nel primo gruppo vi sono le imprese che adottano l’IA in misura insufficiente, ossia quelle che investono poco nell’IA e in cambiamenti organizzativi per compiacenza o scarsa capacità di attuazione, e che rischiano di registrare una lenta erosione della loro competitività man mano che i concorrenti si adattano più rapidamente.

Il secondo gruppo, quello più pericoloso per gli investitori value, comprende realtà consolidate soggette a disruption strutturale: imprese i cui fondamentali economici vengono compromessi da concorrenti terzi abilitati dall’IA.

Quest’ultima categoria è particolarmente insidiosa perché i ricavi o gli utili dichiarati possono apparire stabili, anche se i rendimenti sul capitale investito si deteriorano.

La rapidità dell’innovazione comprime i tempi con cui gli effetti della disruption emergono nei bilanci, facendo sì che possano formarsi trappole di valore più rapidamente rispetto alla maggior parte degli altri settori e che multipli apparentemente convenienti possano rivelarsi un miraggio anziché un margine di sicurezza.

Tradizionalmente, gli investitori value attribuiscono maggiore importanza al presente e al passato, privilegiando evidenze concrete rispetto a visioni più speculative del futuro.

L’IA mette in discussione questo approccio. I successi passati non costituiscono più un indicatore affidabile della capacità di tenuta futura e gli investitori devono accettare apertamente che il rischio di disruption dei modelli di business è aumentato. L’IA mette in discussione anche un secondo presupposto fondamentale: il ritorno alla media. In molti mercati tecnologici, rendimenti superiori alla norma possono persistere più a lungo del previsto, perché l’economia del software e gli effetti di rete possono rafforzare nel tempo i vantaggi competitivi. Nel frattempo, i vinti rischiano di diventare irrilevanti, anziché tornare a rendimenti “equi”.

La priorità assoluta è evitare i vinti. Il problema è che raramente sono evidenti a priori.- Molte imprese soggette a disruption appaiono infatti convenienti, stabili e in grado di generare liquidità.- Questo rafforza il ruolo centrale dell’analisi delle trappole di valore- nel nostro processo di investimento. Valutando sistematicamente i tassi di reinvestimento, la capacità di adattamento del management, il potere di determinazione dei prezzi, i costi di sostituzione per i clienti- e la flessibilità di bilancio, cerchiamo di distinguere temporanee anomalie di valutazione da un declino strutturale. La storia insegna che gli asset la cui rilevanza strategica scema tendono a non recuperare valore, rimanendo convenienti o diventandolo ancora di più.

Chiaramente, però, le opportunità ci sono. -L’incertezza generata dall’IA ha creato situazioni in cui le notizie negative sono state scontate in misura eccessiva e il valore delle opportunità future è stato ignorato. Applicare un ampio margine di sicurezza rimane fondamentale. Un settore che riteniamo interessante è quello delle società di software che supportano specifici settori verticali. In questo senso, le applicazioni SaaS (Software as a Service) sono specifiche per settore, personalizzate e profondamente integrate. Questo software viene utilizzato abitualmente in settori regolamentati od operativamente complessi, in cui i costi per passare a un altro fornitore sono elevati a causa della presenza di set di dati proprietari e relazioni con i clienti profondamente consolidate. Quando queste imprese sono in grado di incorporare l’IA come fattore di potenziamento piuttosto che come elemento sostitutivo, riteniamo che possano sviluppare vantaggi competitivi duraturi e offrire opportunità di -valutazione che i mercati guidati dalle narrative stanno oggi ignorando.

Inoltre, gli investitori possono scoprire valore nascosto in imprese che presentano un’esposizione all’IA ancora non riconosciuta o latente. Lo stesso ragionamento vale anche per alcune aree di “pale e picconi” dell’IA. Se da un lato l’attenzione degli investitori si è concentrata sui titoli infrastrutturali di grande visibilità, dall’altro il sovraffollamento dei posizionamenti fa sì che, in molti casi, questi titoli siano scambiati a multipli molto elevati. Al contrario, noi ci siamo concentrati su segmenti di supporto meno evidenti, come ad esempio i semiconduttori specializzati legati ai dispositivi mobili e all’Internet delle cose (IoT).

In generale, nelle valutazioni le sfumature contano: una società che presenta un multiplo apparentemente “elevato” può comunque rappresentare un investimento value se genera rendimenti sul capitale sostenibilmente elevati, una forte capacità di conversione della cassa e ampi margini di reinvestimento; viceversa, un multiplo basso può risultare costoso se la capacità di tenuta nel tempo è in deterioramento.

I mercati azionari stanno cercando attivamente di scontare l’impatto economico dell’IA, ma dispongono di dati concreti molto limitati. Il comportamento degli investitori ha oscillato tra entusiasmo e paura, sfociando talvolta in un atteggiamento del tipo “prima spara, poi chiedi”. I modelli SaaS vengono dati per morti, mentre interi segmenti di imprese del middleware e delle piattaforme sono considerati strutturalmente compromessi.

La nostra visione è deliberatamente contraria. Le transizioni tecnologiche raramente si risolvono in questo modo. A nostro avviso, l’IA non elimina la domanda di software, ma ridefinisce i bacini di creazione del valore, i modelli di pricing e i meccanismi di erogazione. La storia suggerisce che le estrapolazioni guidate dalla paura e l’inseguimento dei trend alimentato dalla FOMO possono sì generare momentum, ma raramente creano valore duraturo a lungo termine.

Gli investitori disciplinati devono guardare oltre il fumo narrativo per identificare i casi in cui la disruption percepita rischia di essere valutata a torto come declino permanente. Nello specifico, nel settore del software il rischio di disruption è reale, ma anche disomogeneo. Le imprese che dispongono di dataset proprietari non accessibili ai modelli generalisti e di sistemi centrali integrati nei flussi operativi dei clienti potrebbero essere più difficili da sostituire di quanto il mercato presuma. In alcuni casi, funzionalità IA come copiloti e livelli di automazione possono generare ricavi incrementali o migliorare la fidelizzazione dei clienti, anziché contribuire semplicemente alla commoditizzazione del prodotto principale.

Viceversa, alcuni segmenti dell’industria dei semiconduttori e delle infrastrutture abilitanti potrebbero beneficiare dell’IA secondo dinamiche strutturalmente differenti. Queste aree mostrano caratteristiche sempre più simili a quelle di un oligopolio, in cui una maggiore disciplina dell’offerta e una domanda durevole possono ridefinire la capacità di generare utili nel lungo periodo rispetto ai cicli precedenti. Tuttavia, questa è un’opportunità d’investimento solo se la struttura del settore, l’intensità di capitale e le dinamiche di prezzo offrono supporto.

Nel loro insieme, queste dinamiche sottolineano l'importanza di un approccio di investimento fondamentale: distinguere tra disruption narrativa e cambiamento strutturale richiede un’analisi approfondita del posizionamento competitivo, delle dinamiche economiche del settore e della capacità di tenuta dei flussi di cassa, non una semplice esposizione tematica.

Sebbene siamo prudenti nel fare confronti diretti con Internet, la storia può fornire indicazioni utili.

Le grandi innovazioni tecnologiche con applicazioni trasversali tendono a diventare pervasive, ma nelle prime fasi il loro potenziale di diffusione viene spesso sottovalutato. Allo stesso tempo, i leader iniziali non sono sempre quelli che prevalgono: AOL dominò le prime fasi dell’accesso a Internet, ma non riuscì poi ad adattarsi al cambiamento delle dinamiche economiche del settore. Alcune delle aziende che oggi beneficiano del vantaggio del first mover potrebbero in ultima analisi restare indietro se non riusciranno a monetizzare le proprie soluzioni e a finanziare la crescita.

Infine, il settore tecnologico mostra una persistente tendenza alla concentrazione. Il mercato della ricerca online si è consolidato intorno a Google, quello dei social network intorno a Meta e quello dell’e-commerce intorno ad Amazon. A nostro avviso, l’IA non farà eccezione. Il meccanismo alla base di questa concentrazione comprende spesso reinvestimenti aggressivi, l’espansione dell’offerta di prodotti e l’acquisizione di concorrenti emergenti, elementi che possono rafforzare i leader ma rendono anche più difficile identificare chi saranno i vincitori nel lungo periodo.

Per gli investitori, la sfida non consiste nel prevedere la narrativa, ma nel valutare correttamente la capacità di tenuta nel tempo, l’adattabilità e la generazione di cassa man mano che tale narrativa evolve.

¹ Big Tech to Spend USD 650 Billion This Year as AI Race Intensifies, Bloomberg, 6 febbraio 2026 e Charted: The USD 448B AI Spending Surge by Big Tech, Visual Capitalist, 20 aprile 2026.
² La legge di Moore descrive l’osservazione empirica secondo cui il numero di transistor in un microchip raddoppia ogni due anni circa, mentre il costo della capacità di calcolo si dimezza. Formulato nel 1965 dal cofondatore di Intel Gordon Moore, questo principio ha rappresentato per oltre mezzo secolo la linea guida dell’industria dei semiconduttori.