L’intelligenza artificiale è stata presentata come la forza capace di replicare, o addirittura superare, il miracolo del boom dot-com degli anni Novanta: un balzo di produttività tale da abbassare i costi di produzione, aumentare la competizione e, in ultima analisi, ridurre i prezzi al consumo.
La narrazione era semplice e potente: più AI, più efficienza, meno inflazione. Eppure i dati più recenti raccontano una storia diversa, almeno nella fase iniziale di questo ciclo. L’investimento massiccio nelle infrastrutture necessarie per far funzionare l’AI sta generando pressioni al rialzo sui prezzi in settori molto specifici ma strategici, creando un paradosso che le banche centrali e gli analisti macro non possono più ignorare.Il cuore del problema sta nella distinzione tra il potenziale futuro dell’AI e i costi immediati della sua costruzione.
Gli apparenti benefici dell’AI
Per ottenere i benefici di produttività promessi — automazione di compiti complessi, ottimizzazione di catene di fornitura, scoperta accelerata di farmaci o materiali — è necessario prima investire cifre enormi in data center, chip avanzati, reti elettriche e manodopera specializzata. Questa fase di “build-out” assorbe risorse scarse proprio quando l’economia sta ancora digerendo gli effetti della pandemia e delle tensioni geopolitiche.
Il risultato è che, mentre l’AI un giorno potrà rendere tutto più economico, oggi sta contribuendo a rendere più care alcune componenti chiave dell’economia.Secondo le stime più aggiornate, i principali hyperscaler — tra cui Microsoft, Amazon, Alphabet e Meta Platforms — hanno speso complessivamente oltre 500 miliardi di dollari in capex nel 2025, con proiezioni che superano i 600-800 miliardi per il 2026.
Questa spesa, concentrata in larga parte su infrastrutture per l’AI, rappresenta un’accelerazione senza precedenti e sta già trasmettendo pressioni inflazionistiche. Nel paniere del PCE (Personal Consumption Expenditures), la misura preferita dalla Federal Reserve, la componente legata a software, accessori e tecnologie per l’AI ha contribuito in modo significativo all’aumento dell’inflazione core goods, con rialzi annualizzati superiori al 5% in alcuni periodi recenti, spinti soprattutto da memoria e componenti hardware.
leggi anche
Prezzi oro, ripresa o nuovi crolli in vista con i tassi Fed di Warsh? Gli esperti rispondono a Money.it
Gli effetti del boom tecnologico
Parallelamente, il boom dei data center sta modificando il mercato del lavoro nel settore delle costruzioni. I salari per i lavoratori impegnati in progetti di data center sono cresciuti del 25-32% rispetto ai cantieri tradizionali. Operai specializzati come elettricisti, idraulici e tecnici HVAC guadagnano in media 81.800 dollari all’anno sui siti AI, contro circa 62.000 dollari per lavori non specializzati nella stessa categoria. In alcuni casi estremi, elettricisti e supervisori under 30 raggiungono i 200-280.000 dollari annui grazie a bonus e straordinari.
Questa dinamica si spiega con la scarsità di manodopera qualificata: i data center richiedono fondazioni speciali, sistemi di raffreddamento avanzati, cablaggi ad altissima densità e collegamenti elettrici massicci, in un momento in cui il settore edile soffre già di un deficit di circa 400-500 mila lavoratori specializzati.A completare il quadro ci sono i semiconduttori. La domanda esplosiva di chip di ultima generazione, in particolare le GPU di Nvidia e le memorie ad alta larghezza di banda (HBM), ha fatto schizzare i prezzi.
Le memorie NAND sono aumentate di oltre il 246% in alcuni periodi del 2025, mentre i costi delle memorie HBM sono raddoppiati o cresciuti del 20% su base contrattuale per le consegne 2026. Questo squilibrio si riflette a cascata sui prezzi di server, memorie e, progressivamente, anche su prodotti elettronici di consumo: smartphone, PC e tablet hanno visto rincari del 10-20% in diversi mercati, con aziende come Apple costrette ad annunciare aumenti sui prezzi di iPad e MacBook proprio per via dei costi di memoria e storage legati alla domanda AI.
Un ciclo di investimento che genera offerta ma non domanda
Queste tre dinamiche — prezzi delle tecnologie AI nel PCE, salari edili in accelerazione e costo dei chip alle stelle — non sono fenomeni isolati. Si alimentano a vicenda. I data center richiedono enormi quantità di energia elettrica: le previsioni indicano che i prezzi dell’energia potrebbero salire del 5-6% annuo nel 2026-2027 proprio per effetto della domanda dei centri di calcolo, che assorbiranno quasi la metà della crescita della domanda di potenza negli Stati Uniti fino al 2030. La costruzione di questi impianti assorbe manodopera e materiali, spingendo ulteriormente i costi.
E la fame di chip alimenta un ciclo di investimenti che, per il momento, genera più domanda che offerta. Dal punto di vista macroeconomico, questo significa che l’AI sta agendo, almeno temporaneamente, come uno shock dal lato dell’offerta negativo in alcuni settori chiave, anziché come il grande shock positivo di produttività atteso. Le banche centrali si trovano di fronte a un dilemma complicato: da un lato vedono segnali di rallentamento in altre parti dell’economia, dall’altro devono confrontarsi con pressioni inflazionistiche persistenti proprio nei comparti più “caldi” del momento.
Tagliare i tassi troppo presto rischierebbe di convalidare queste pressioni; tenerli alti troppo a lungo potrebbe soffocare la ripresa proprio mentre l’AI inizia a produrre i suoi frutti.La storia economica offre un precedente utile. Anche il boom di internet degli anni Novanta richiese anni di investimenti massicci in infrastrutture prima che la produttività decollasse davvero. All’inizio ci fu una bolla, poi una correzione, infine un lungo periodo di crescita trainata dalla tecnologia. L’AI potrebbe seguire un percorso simile, ma su scala molto più ampia e con tempi potenzialmente più lunghi, perché la complessità tecnica e infrastrutturale è maggiore.
Un trend destinato a durare a lungo
Nel frattempo, le imprese che stanno spendendo centinaia di miliardi in capex per l’AI si trovano a dover giustificare questi investimenti agli azionisti. Finché i ricavi generati dall’AI non compenseranno i costi, il mercato continuerà a interrogarsi sulla sostenibilità del ciclo. E finché i costi di costruzione, chip ed energia resteranno elevati, una parte di queste spese finirà per riflettersi sui prezzi finali.
Non si tratta di negare il potenziale trasformativo dell’AI. La tecnologia ha già dimostrato di poter migliorare drasticamente l’efficienza in compiti specifici e, nel lungo periodo, è ragionevole attendersi un impatto positivo sulla produttività aggregata. Il punto è temporale: la fase di investimento precede quella dei rendimenti, e durante questa fase l’economia paga un prezzo in termini di inflazione settoriale e di allocazione di risorse scarse.
