Anthropic e OpenAI, duello all’ultimo milione di dollari.
Anthropic ha ufficializzato la nascita di una nuova società di servizi AI insieme a Blackstone, Hellman & Friedman e Goldman Sachs. Nelle stesse ore, Bloomberg ha riferito che anche OpenAI starebbe chiudendo una struttura analoga, chiamata The Deployment Company, sostenuta da 19 investitori del private equity. La notizia conta per una ragione precisa: la competizione tra i due laboratori non si gioca più soltanto sui modelli, ma sulla capacità di portarli dentro i processi reali delle imprese.
Per anni il confronto nel mercato dell’intelligenza artificiale si è concentrato su potenza di calcolo, qualità dei modelli e raccolte miliardarie. Ora il passaggio più delicato è un altro: trasformare quei modelli in strumenti che funzionano davvero nelle operation aziendali, con tempi, costi e ritorni misurabili.
È qui che le due iniziative si assomigliano di più. Entrambe puntano a creare un canale dedicato per accompagnare l’adozione enterprise, soprattutto nelle aziende di medie dimensioni e nelle portfolio company dei grandi investitori finanziari.
Indice degli argomenti:
Anthropic formalizza il modello dei servizi AI dedicati
Nel comunicato pubblicato il 4 maggio 2026, Anthropic spiega che la nuova società lavorerà con aziende mid-sized di diversi settori per portare Claude nelle funzioni operative più rilevanti. Il modello non è quello di una semplice vendita di licenze software. L’idea è mettere insieme il team della nuova società e gli Applied AI engineers di Anthropic per individuare i casi d’uso, costruire soluzioni su misura e seguirne l’evoluzione nel tempo.
Il messaggio è che il deployment dell’AI non viene trattato come un’estensione commerciale, ma come un’attività ad alta intensità di lavoro tecnico e conoscenza del contesto. Anthropic cita esplicitamente casi come gruppi sanitari multi-sede, dove l’intervento può partire da funzioni come documentazione clinica, codifica medica, autorizzazioni e compliance.
Il valore, in questa logica, non sta nel chatbot in sé, ma nella capacità di inserirlo nei flussi che le persone usano già.
Secondo quanto riportato dal Wall Street Journal e ripreso da Reuters e TechCrunch, la venture sarebbe valutata 1,5 miliardi di dollari. La struttura vedrebbe Anthropic, Blackstone e Hellman & Friedman impegnati con circa 300 milioni di dollari ciascuno, mentre Goldman Sachs figura tra i partner fondatori. Accanto a loro, Anthropic indica anche un consorzio di investitori che comprende Apollo Global Management, General Atlantic, GIC, Leonard Green e Sequoia Capital.
OpenAI segue una traiettoria simile, ma su scala più ampia
Poche ore prima dell’annuncio di Anthropic, Bloomberg ha riferito che OpenAI avrebbe raccolto oltre 4 miliardi di dollari per una nuova venture chiamata The Deployment Company, su una valutazione di 10 miliardi. Tra i nomi citati compaiono TPG, Brookfield Asset Management, Advent e Bain Capital. Axios ha confermato il quadro generale, descrivendo l’operazione come parte della stessa corsa a rafforzare l’adozione enterprise dell’AI, soprattutto nelle aziende di fascia media.
Il punto da tenere fermo è che, a oggi, il lato OpenAI resta meno trasparente sul piano documentale rispetto a quello Anthropic. Ma la logica industriale che emerge dalle ricostruzioni è la stessa: raccogliere capitali da soggetti che controllano grandi portafogli di aziende, usare quel network come base commerciale e costruire una macchina di delivery capace di trasformare la domanda potenziale in ricavi ricorrenti.
Non è un passaggio secondario. Il 31 marzo 2026 OpenAI ha annunciato un round da 122 miliardi di dollari a una valutazione post-money di 852 miliardi. Quando le cifre di raccolta raggiungono questa scala, cresce anche la pressione a dimostrare che l’AI enterprise può produrre adozione estesa e ritorni economici meno episodici di quelli legati alla sola sperimentazione.
Perché il private equity è il partner giusto per questa fase
Il vero asset che il private equity porta in dote non è solo il capitale. Sono le aziende in portafoglio. Fondi come Blackstone, Bain, Advent o Brookfield hanno accesso diretto a centinaia di società che cercano produttività, riduzione dei costi, automazione dei processi e nuove leve di crescita. In altre parole, hanno già il bacino di clienti e hanno anche l’interesse finanziario a velocizzare risultati operativi misurabili.
Per i laboratori AI è una scorciatoia importante. Vendere AI alle grandi imprese richiede tempi lunghi, integrazioni complesse e un coordinamento stretto tra IT, operations, legal e business unit. Le portfolio company del private equity possono diventare un terreno più ordinato: governance più centralizzata, pressione al risultato più alta, e una maggiore disponibilità a standardizzare approcci replicabili da un’azienda all’altra.
Per gli investitori, invece, il vantaggio è doppio. Da un lato ottengono accesso privilegiato a capacità tecniche che molte partecipate non hanno in casa. Dall’altro possono catturare più valore economico dal deployment dell’AI, non solo come clienti indiretti ma come partner dell’infrastruttura commerciale e operativa che lo rende possibile.
Dal modello al deployment: entra in scena la logica FDE
Dietro queste operazioni c’è un cambio di impostazione che ricorda il modello dei forward-deployed engineers reso noto da Palantir. Non basta mettere a disposizione un modello generale e aspettare che il cliente trovi da solo il modo di usarlo. Serve un lavoro sul campo: capire dove si perdono ore, dove si accumulano colli di bottiglia, quali dati sono disponibili, quali sistemi vanno integrati e quali vincoli regolatori pesano sul progetto.
Dietro queste operazioni c’è una logica da forward-deployed engineering (FDE): non semplice vendita di software, ma team tecnici che lavorano insieme al cliente per integrare l’AI nei processi operativi, adattandola a dati, vincoli e obiettivi specifici.
Axios osserva che Anthropic vuole usare la joint venture anche per sviluppare template di deployment replicabili. È un passaggio importante perché prova a tenere insieme due esigenze che di solito si scontrano: personalizzazione e scalabilità. Se ogni progetto resta del tutto artigianale, i margini si comprimono e la crescita rallenta. Se invece si riesce a codificare una parte del lavoro in modelli operativi riusabili per sanità, finanza, manifattura o servizi professionali, allora il deployment può diventare una vera linea di business.
Questo è forse il punto più interessante. La nuova partita non riguarda solo chi ha il modello migliore, ma chi riesce a costruire un’organizzazione capace di tradurre l’AI in applicazioni concrete, con un equilibrio sostenibile tra servizio, prodotto e piattaforma.
Che cosa cambia per partner, system integrator e imprese clienti
Anthropic, nel suo annuncio, precisa che continuerà a investire nel Claude Partner Network e nelle relazioni con società come Accenture, Deloitte e PwC. Ma l’apertura di una società dedicata manda comunque un segnale forte. I laboratori AI non vogliono restare fornitori di tecnologia a valle di altri attori; vogliono avvicinarsi di più al punto in cui si genera il valore, cioè l’implementazione.
Per i system integrator tradizionali questo può aprire una fase più competitiva. Se i vendor dei modelli iniziano a presidiare direttamente i progetti a maggiore impatto, il rischio è che una parte del lavoro consulenziale più redditizio si sposti verso strutture ibride, dove chi controlla il modello controlla anche il deployment. Non significa che la consulenza classica perderà centralità ovunque, ma significa che dovrà ridefinire il proprio ruolo più rapidamente.
Per le imprese clienti, il vantaggio potenziale è evidente: accesso a competenze rare, tempi di avvio più rapidi e una maggiore aderenza tra tecnologia e processi. Il rovescio della medaglia è altrettanto chiaro: aumenta il rischio di dipendenza dal fornitore, sia sul piano tecnico sia su quello operativo.
Se la soluzione nasce già molto legata a un modello, a un partner finanziario e a un team esterno che conosce i processi meglio dell’azienda stessa, cambiare rotta in seguito può diventare costoso.
I nodi aperti: ROI, governance e scalabilità reale
La domanda che resta aperta è se questo modello regga su larga scala. L’AI enterprise promette produttività, ma il passaggio dalla demo al processo stabile richiede qualità del dato, integrazione applicativa, supervisione umana, misurazione dei risultati e gestione dei rischi. Non basta avere capitale abbondante o accesso alle portfolio company per trasformare tutto questo in un business ripetibile.
C’è poi il nodo della governance. Nei settori regolati, dall’healthcare ai servizi finanziari, il deployment dell’AI tocca privacy, compliance, responsabilità decisionale e tracciabilità. Più il modello entra nelle operation, più serve una struttura che non si limiti a ottimizzare l’efficienza, ma sappia reggere verifiche, audit e controlli interni.
Infine c’è un tema di equilibrio economico. I servizi ad alta componente ingegneristica possono accelerare l’adozione, ma sono anche più costosi da scalare rispetto alla vendita pura di software.
La scommessa di OpenAI e Anthropic è che il controllo più diretto del deployment consenta di costruire casi d’uso più profondi, più stabili e più redditizi. Se ci riusciranno, una parte crescente del mercato AI enterprise si giocherà meno nei benchmark dei modelli e molto di più nella capacità di entrare in azienda, adattarsi ai processi e restarci.
Nota
Sul fronte Anthropic esiste un annuncio ufficiale del 4 maggio 2026. Per OpenAI, diversi dettagli della nuova venture restano attribuiti a Bloomberg, Reuters e Axios, in assenza di una comunicazione diretta comparabile.
