Big tech dell’AI: i ricavi crescono, ma il mercato chiede prove

Il test di mercato sull’economia dell’AI è diventato più severo. Le trimestrali appena pubblicate da Meta e Microsoft e la reazione della Borsa dice molto. Nella seduta del 30 luglio 2026 Meta era in calo di circa l’8%, mentre Microsoft avanzava di circa il 16%.

Il mercato non ha venduto l’AI in blocco: ha premiato Microsoft che mostra accelerazione di Azure, backlog e free cash flow ancora positivo, e ha punito Meta, società in cui la spesa infrastrutturale comprime la generazione di cassa e rinvia la monetizzazione a prodotti ancora da dimostrare.

Il conto dell’AI ora passa dalle trimestrali big tech

Il secondo trimestre 2026 di Meta mostra bene il nuovo punto di attrito. I ricavi sono saliti a 60,80 miliardi di dollari, in aumento del 28% anno su anno, e l’advertising continua a crescere: le impression sono aumentate del 14% e il prezzo medio per inserzione del 12%. Ma i costi e le spese sono cresciuti del 55% a 42,03 miliardi, anche per 2,40 miliardi di oneri legali e 1,18 miliardi di costi di severance. Il margine operativo è sceso dal 43% al 31%, l’utile netto è calato del 14% a 15,85 miliardi e il free cash flow si è ridotto a 784 milioni di dollari.

Il punto critico resta il capex. Meta ha contabilizzato 31,08 miliardi di dollari di investimenti nel trimestre, inclusi i pagamenti principali sui leasing finanziari, e ha ristretto la guidance 2026 a 130-145 miliardi, alzando il limite inferiore dalla precedente forchetta. Nel call con gli analisti, Mark Zuckerberg ha indicato più opzioni di monetizzazione, dagli agenti per le imprese alle API fino alla vendita diretta di capacità di calcolo. La società ha però ribadito che gran parte del compute serve a modelli, prodotti e advertising interni. Per gli investitori, questo significa ritorni meno leggibili nel breve periodo.

Microsoft ha offerto il controesempio. Nel quarto trimestre dell’esercizio 2026 i ricavi sono arrivati a 90 miliardi di dollari, in crescita del 18%, con Microsoft Cloud a 59,3 miliardi e Azure e altri servizi cloud in aumento del 43%. Il remaining performance obligation commerciale è salito dell’84% a 678 miliardi di dollari, e la società ha segnalato che la crescita sequenziale del backlog è arrivata da clienti diversi dalle frontier model company. Anche con 41 miliardi di dollari di capex nel trimestre, Microsoft ha generato 55,4 miliardi di cash flow operativo e 19,6 miliardi di free cash flow.

La differenza non è solo contabile. La direttrice finanziaria Amy Hood ha definito la carenza di capacità un momento relativamente estremo e ha spiegato che i guadagni di efficienza su Cpu e Gpu vengono monetizzati rapidamente perché la domanda supera l’offerta disponibile. Microsoft prevede oltre 50 miliardi di dollari di capex nel trimestre successivo, ma il mercato ha letto quella spesa dentro una macchina commerciale già capace di trasformare infrastruttura AI in contratti cloud, Copilot e margini ancora difendibili.

Perché l’ansia sul capex non è ancora una fuga dall’AI

La correzione selettiva aiuta a rimettere in ordine il dibattito. L’economia dell’AI non è ferma: cresce con una velocità che pochi mercati software hanno mostrato nella fase iniziale. Il report The State of the AI Economy 2026 di Exponential View, pubblicato il 25 giugno 2026 e costruito su modelli bottom-up di oltre mille imprese, stima 110 miliardi di dollari di ricavi generative AI negli ultimi dodici mesi e un run rate annualizzato superiore a 175 miliardi, al netto delle duplicazioni tra applicazioni, modelli e hosting.

Il problema è la scala del capitale impegnato. L’analisi dell’Economist sui ricavi AI e il lavoro di Exponential View convergono su un punto: il mercato esiste, accelera, ma resta piccolo rispetto al fabbisogno finanziario della costruzione infrastrutturale. Exponential View calcola che nel primo trimestre 2026 i ricavi AI abbiano superato la sola quota trimestrale di deprezzamento dell’infrastruttura, con un margine di sicurezza del 19% per hyperscaler e neocloud e del 32% sull’intero mercato generative AI.

La copertura resta sottile: il deprezzamento assorbe ancora circa l’81% dei ricavi generative AI di hyperscaler e neocloud e il 68% dei ricavi totali, prima di energia, personale e altri costi operativi.

Questo spiega la nuova disciplina degli investitori. Il capex può essere razionale quando alimenta domanda vendibile, come nel cloud Microsoft. Diventa più vulnerabile quando la catena di ritorno passa da prodotti futuri, nuove interfacce consumer, laboratori di modelli e ipotesi ancora non misurate. Meta può avere ragione nel voler trattenere capacità per sé, ma deve chiedere al mercato di finanziare un ponte più lungo tra spesa e prova economica.

Adozione larga, uso ancora poco profondo

La questione dei ritorni non riguarda solo i bilanci delle piattaforme. Negli Stati Uniti il Census Bureau, sulla base del Business Trends and Outlook Survey raccolto tra dicembre 2025 e maggio 2026, rileva che l’uso dell’AI nelle imprese oscilla tra il 17% e il 20%, con una quota attesa tra il 20% e il 23% nei sei mesi successivi. Le imprese con almeno 250 addetti arrivano al 37%, mentre tra quelle fino a quattro addetti la quota resta sotto il 20%.

In Italia, Istat registra nel 2025 un uso di almeno una tecnologia di AI nel 16,4% delle imprese con almeno dieci addetti, contro l’8,2% del 2024 e il 5,0% del 2023. Il divario dimensionale è ampio: le grandi imprese salgono al 53,1%, le Pmi al 15,7%. In Europa, Eurostat misura nel 2025 un’adozione AI del 20,0% tra le imprese Ue con almeno dieci addetti, con Danimarca, Finlandia e Svezia sopra il 35%.

La profondità d’uso è il passaggio successivo. La Bce, nel blog del 24 giugno 2026 basato sulla Survey on the access to finance of enterprises condotta tra ottobre e dicembre 2025 su oltre cinquemila imprese dell’area euro, osserva che l’uso intensivo resta raro e dipende da competenze, integrazione nei sistemi e pressione competitiva. La Bundesbank segnala che nel 2024 il 63% delle imprese tedesche che usavano o prevedevano di usare AI generativa le attribuiva al massimo il 5% delle ore lavorate; per il 2026 la quota attesa scende al 51%, segno di maggiore diffusione, ma anche di un’intensità ancora limitata.

Il passaggio da sperimentazione a produttività misurabile richiede investimenti organizzativi: dati puliti, processi ridisegnati, responsabilità sul controllo degli output, metriche di valore per pratica e non soltanto per token. Senza questo strato intangibile, la domanda può crescere senza generare margini sufficienti a ripagare il capitale infrastrutturale.

La tokenomics misura il costo, non ancora il valore

La tokenomics collega infrastruttura e ricavi, ma non basta a misurare il valore. Exponential View stima volumi globali superiori a 30 quadrilioni di token al mese e un’elasticità in cui un taglio del prezzo del 10% è associato a un aumento dei volumi tra il 12% e il 18%. La domanda cresce perché i modelli costano meno e vengono usati di più, soprattutto nelle applicazioni agentiche. Resta aperto il passaggio decisivo: un milione di token che produce bozze inutili non equivale a un milione di token che chiude una pratica di compliance, qualifica un lead, riduce un errore operativo o accelera una decisione verificabile.

Per le imprese, la metrica da costruire è il costo per processo assistito, per pratica conclusa, per decisione supportata e controllata. Il numero di utenti, il consumo di token e la spesa cloud indicano intensità di utilizzo; il ritorno sull’AI nasce quando questi indicatori vengono collegati a margine, rischio, tempi ciclo, qualità e responsabilità.

Questa è la prima contabilità da considerare.

Il punto cieco: la qualità dell’output

La seconda contabilità riguarda la qualità. Negli ultimi dodici mesi le quattro maggiori società di consulenza hanno offerto una casistica difficilmente liquidabile come incidente isolato. Deloitte Australia ha accettato di rimborsare in parte il governo australiano dopo errori in un report da 440mila dollari australiani preparato per il Department of Employment and Workplace Relations, con riferimenti inesistenti e una citazione giudiziaria inventata, secondo la ricostruzione dell’Associated Press.

Il 14 maggio 2026 GPTZero ha pubblicato un’indagine sul report di EY Canada Points of Attack: Uncovering Cyber Threats and Fraud in Loyalty Systems, attribuendo al documento citazioni fabbricate, riferimenti rotti e statistiche non verificabili. A giugno la stessa società ha esaminato un report di Kpmg sull’agentic AI, sostenendo che solo cinque delle 45 citazioni rimandavano correttamente a fonti reali. Il 29 luglio 2026 GPTZero ha poi descritto quattro pubblicazioni di PwC Middle East con footnote false, claim non verificabili e perfino un framework pubblico, Citizen Pulse, di cui non risultavano tracce indipendenti al di fuori dei report stessi.

Questi casi non dimostrano che l’AI non possa produrre valore. Mostrano che l’uso intensivo senza verifica può trasformare il volume in rischio: report pubblicati, fonti apparenti, claim plausibili, contenuti indicizzati e poi riassorbiti da motori di ricerca e sistemi generativi. Il costo non è solo reputazionale. Un output sbagliato proveniente da un soggetto autorevole può diventare dato di input per decisioni, gare, policy, modelli successivi e sistemi di knowledge management aziendale.

La doppia contabilità dell’economia dell’AI

In altre parole: la prima contabilità misura se i ricavi AI e cloud crescono abbastanza da sostenere data center, chip, energia, leasing, debito e deprezzamento. La seconda misura se ciò che viene prodotto con quell’infrastruttura possiede qualità verificata, responsabilità e valore per il processo che dovrebbe migliorare.

Wall Street non sembra avere abbandonato l’AI. Sta chiedendo prove più ravvicinate. Microsoft è stata premiata perché ha presentato crescita cloud, backlog, utenti paganti di Copilot e free cash flow dopo investimenti pesanti. Meta è stata punita perché il mercato vede una compressione della cassa e un insieme di opportunità ancora distribuite tra advertising, agenti, API, modelli e possibile vendita di compute.

La distinzione conta anche per l’Europa e per l’Italia. L’accesso a infrastrutture pubbliche e sovrane, dalle AI Factories della rete EuroHPC al pacchetto europeo sulla sovranità tecnologica, ha senso solo se collegato a casi d’uso, dati, procurement, filiere e controllo della qualità. La spesa AI deve uscire dal capitolo indistinto dell’innovazione ed entrare in un conto economico di progetto: costo dell’infrastruttura, costo dell’adozione organizzativa, valore prodotto, rischio evitato, qualità controllata.

Il boom dell’AI può continuare, ma non può più vivere soltanto di crescita dei token, modelli più capaci e annunci di capex. La prossima fase sarà giudicata sulla capacità di trasformare infrastruttura in ricavi sostenibili e automazione in output affidabili. Le due misure vanno tenute insieme: un mercato che consuma calcolo più velocemente di quanto dimostri valore economico rischia lo stesso errore delle organizzazioni che pubblicano output senza verificarli. Produce scala prima di produrre fiducia.

Fonti principali