L’intelligenza artificiale è diventata uno strumento di competizione geopolitica prima ancora che una tecnologia produttiva. Mentre il dibattito si divide tra promesse di crescita e timori di bolle finanziarie, come Krisis ha raccontato nella sua inchiesta, emerge una tensione strutturale lungo la filiera globale. Il problema è che un sistema progettato per accumulare potenza computazionale a monte fatica a generare valore e occupazione a valle. Il confronto tra l’approccio statunitense, fondato sulla leadership delle piattaforme private, e quello cinese, basato su un’integrazione forzata tra Stato e industria, rivela che la vera posta in gioco non è la superiorità tecnica. È il governo delle infrastrutture.
Ascolta l’articolo, narrato da Giulio Bellotto:
Architettura della potenza L’Ia non è solo tecnologia. È uno strumento geopolitico strutturato su tre livelli: hardware fisico, modelli operativi e integrazione economica finale.
Disfunzione del valore Mentre a monte si accumula potenza computazionale, a valle il valore fatica a distribuirsi nel tessuto produttivo, rallentando la creazione di lavoro e reddito.
Spirale infrastrutturale L’ecosistema attuale premia chi controlla i dati e i chip, alimentando investimenti massicci nella capacità tecnica che superano la reale capacità sociale di assorbimento.
Washington contro Pechino Gli Usa puntano sulla leadership delle piattaforme private. La Cina risponde con un’integrazione forzata tra Stato e industria per coordinare l’uso dell’Ia nei settori strategici.
Governance della filiera La sfida globale non riguarda la superiorità tecnica, ma il controllo delle infrastrutture e la capacità di trasformare la potenza in stabilità economica sistemica.
Negli ultimi mesi, il dibattito pubblico sull’Intelligenza artificiale ha cambiato tono. Alla narrazione iniziale fatta di promesse di crescita, automazione e nuova occupazione si è affiancata una serie di dubbi sempre più ricorrenti: l’Ia non crea abbastanza lavoro, costa più di quanto renda e concentra potere, tecnologico ed economico, in un numero ristretto di attori globali.
Queste tre critiche – occupazione, sostenibilità economica, concentrazione – vengono spesso trattate come sintomi separati, talvolta come segnali di una possibile «bolla» finanziario-tecnologica. Osservate da una prospettiva sistemica, però, offrono una chiave di lettura diversa: non indicano un malfunzionamento episodico del mercato, ma una tensione strutturale nel modo in cui l’intelligenza artificiale viene costruita, finanziata e distribuita lungo la sua filiera globale.
Il punto centrale è che l’Ia è diventata strumento di competizione geopolitica prima ancora che tecnologia produttiva. La sua filiera globale è stata costruita per massimizzare la produzione e il controllo della potenza, non per facilitare il trasferimento di valore verso il basso, dove dovrebbero nascere lavoro, produttività diffusa e crescita economica stabile.
Per comprendere questa dinamica è necessario partire dalla struttura stessa della catena del valore: una filiera integrata e stratificata, nella quale si intrecciano interessi aziendali, logiche di mercato e obiettivi statali. In questo assetto, la potenza costruita a monte non si traduce automaticamente, a valle, in trasformazioni economiche diffuse. Il flusso del valore tende invece a concentrarsi nei nodi che controllano l’infrastruttura e l’operatività, rafforzandone le asimmetrie.
È in questo scarto – tra una capacità tecnologica che cresce rapidamente e una capacità sociale ed economica di assorbimento che procede molto più lentamente – che trovano origine le critiche oggi al centro del dibattito pubblico.
In questo articolo cercheremo di comprendere questa dinamica partendo, come sempre, dall’aspetto tecnologico e legandolo alle dinamiche economiche e politiche. Dimostreremo che il problema riguarda chi controlla le infrastrutture e il modo in cui il loro valore viene distribuito.
Filiera dell’Ai: tre strati, un solo sistema
L’ecosistema dell’Intelligenza artificiale può essere descritto come una filiera articolata in tre strati funzionali, ciascuno caratterizzato da attori, incentivi e logiche di crescita differenti. Il primo strato è quello della potenza fisica. È qui che operano attori come la statunitense Nvidia, che domina la progettazione delle Gpu (componenti hardware, ndr) indispensabili all’addestramento dei grandi modelli; la taiwanese Tsmc, che realizza fisicamente i chip più avanzati; l’olandese Asml, che controlla le macchine litografiche senza le quali quella produzione non sarebbe possibile. A questo livello si collocano anche i grandi operatori infrastrutturali – Microsoft, Google, Amazon – che investono decine di miliardi nella costruzione di data center e reti. Questo strato non produce applicazioni: produce capacità, potenza computazionale.
Il secondo strato è quello della potenza operativa. Qui troviamo le statunitensi OpenAI, Anthropic, Google DeepMind, Meta. A questo livello la capacità fisica viene trasformata in modelli, servizi e sistemi di inferenza. I modelli non sono semplicemente software: sono macchine cognitive che consumano potenza infrastrutturale in modo continuo. Ogni richiesta, ogni inferenza, ogni risposta rappresenta tempo-macchina fatturabile. Questo strato cresce rapidamente perché scala come una piattaforma: più potenza a monte significa più capacità vendibile a valle sotto forma di Api (insiemi di regole e strumenti che permettono a due software di comunicare tra loro, ndr) e servizi.
Il terzo strato è quello dell’integrazione economica. È il livello in cui l’Ia entra nei processi di banche, industrie, sanità, logistica, cybersecurity e pubblica amministrazione. È qui che l’intelligenza artificiale dovrebbe trasformarsi in produttività, nuovi servizi e riorganizzazione del lavoro. È solo in questo strato che la potenza diventa valore economico diffuso. Ma è anche il livello più frammentato, meno standardizzabile e privo di attori dominanti.
Questi tre strati non sono indipendenti: formano un unico sistema. Tuttavia, mentre il valore nasce a valle, il controllo e la velocità di crescita restano concentrati a monte.
Perché il valore non scende a valle
Il rallentamento del valore nel terzo strato non è un incidente, ma una conseguenza diretta delle sue caratteristiche strutturali.
Ogni settore economico ha dati, vincoli normativi e responsabilità differenti. La diffusione è lenta, perché richiede cambiamenti organizzativi, formazione e ridefinizione dei ruoli. È difficilmente standardizzabile e carica di attriti legali e sociali, che rendono impossibile una propagazione puramente tecnica.
Il valore che questo strato genera è reale, ma cumulativo e distribuito nel tempo. Non produce metriche semplici da presentare agli investitori né ritorni trimestrali facilmente leggibili. Di conseguenza, riceve meno capitale, meno attenzione e meno pazienza rispetto ai livelli superiori della filiera.
Qui emerge l’errore sistemico: l’ecosistema dell’Ia è ottimizzato per costruire potenza e venderne l’accesso, non per assorbirla economicamente nel tessuto produttivo. La velocità dei primi due strati supera strutturalmente la capacità del terzo di trasformare quella potenza in reddito e occupazione.
Razionalità degli attori, irrazionalità del sistema
Questa dinamica non è il risultato di comportamenti irrazionali. Al contrario, ogni attore della filiera agisce in modo coerente con i propri incentivi.
Chi produce infrastruttura investe per mantenere un vantaggio tecnologico e strategico. Chi sviluppa modelli spinge dimensioni e prestazioni per restare competitivo in un mercato globale. La finanza segue i segnali: crescita della potenza installata, aumento dell’uso dei modelli, concentrazione del controllo tecnologico. Da questi elementi deduce che l’Ia sarà una forza dominante nell’economia futura e investe di conseguenza.
Il problema è che la somma di razionalità individuali produce una dinamica sistemica irrazionale. Ogni nuovo investimento in infrastruttura rafforza l’incentivo a sviluppare modelli più potenti; ogni modello più potente giustifica ulteriori investimenti. Potenza, capitale e aspettative si rinforzano a vicenda in una spirale coerente, mentre il punto in cui tutto questo dovrebbe diventare economia reale riceve pochissima attenzione e, di conseguenza, investimenti.
In un contesto di competizione globale, nessun attore ha incentivo a redistribuire il valore lungo la filiera. Farlo significherebbe rallentare la corsa al raggiungimento del picco di potenza e perdere posizione strategica, valore di mercato e influenza geopolitica.
Due filiere a confronto: Stati Uniti e Cina
La tensione tra produzione di potenza e assorbimento del valore non si manifesta in modo uniforme a livello globale. Stati Uniti e Cina affrontano lo stesso problema – come trasformare capacità tecnologica in potere economico e strategico – attraverso architetture di filiera profondamente diverse, radicate in modelli distinti di rapporto tra Stato, mercato e industria.
Negli Stati Uniti, la filiera dell’intelligenza artificiale si è sviluppata come estensione di un ecosistema già dominato da grandi piattaforme tecnologiche private. Il controllo della potenza computazionale, dei modelli e delle interfacce di accesso è concentrato in un numero ristretto di imprese che operano su scala globale e che rispondono primariamente a logiche di mercato e di valorizzazione finanziaria. In questo modello, lo Stato interviene soprattutto come facilitatore proteggendo i nodi strategici della filiera (chip, fonderie, export control), ma lascia che siano le piattaforme a decidere dove e come la potenza venga distribuita.
L’integrazione economica dell’Ia, in questo contesto, è guidata dalla domanda. Il valore dovrebbe emergere a valle attraverso l’adozione spontanea da parte di imprese, settori e consumatori. Tuttavia, la priorità sistemica non è garantire un assorbimento uniforme della tecnologia, ma mantenere il primato nella produzione e nel controllo della potenza, accettando che la trasformazione dell’economia reale proceda in modo diseguale, frammentato e temporalmente sfasato rispetto alla crescita dell’infrastruttura.
In Cina, la filiera dell’Ia è invece inserita in una cornice di politica industriale esplicita, in cui la produzione di potenza tecnologica è solo uno degli obiettivi. La costruzione di infrastrutture, modelli e capacità computazionale è accompagnata da programmi statali che ne indirizzano l’adozione in settori considerati strategici: manifattura avanzata, logistica, sorveglianza, sanità, amministrazione pubblica. Qui l’Ia non è solo una tecnologia da rendere disponibile, ma uno strumento da integrare forzatamente nei processi economici e amministrativi.
Questo modello riduce alcune delle frizioni tipiche del terzo strato: l’assorbimento del valore non è lasciato all’iniziativa dispersa del mercato, ma coordinato attraverso obiettivi, incentivi e obblighi. Il rovescio della medaglia è una minore flessibilità, una selezione centralizzata delle priorità e un controllo più stretto sull’uso della tecnologia.
Un primo esempio è legato al mondo della manifattura. Negli Stati Uniti e, più in generale, nel contesto occidentale, l’adozione dell’intelligenza artificiale nella manifattura avanzata è prevalentemente bottom-up. Le tecnologie dell’Intelligenza artificiale vengono offerte come soluzioni generiche – modelli, piattaforme di analytics e così via – che le imprese sono libere di integrare o meno nei propri processi produttivi. L’adozione dipende dalla convenienza economica immediata, dalla maturità organizzativa dell’azienda e dalla capacità di assorbire il cambiamento. Il risultato è una diffusione disomogenea: alcune grandi imprese riescono a integrare l’Ia in modo efficace, mentre una parte significativa del tessuto produttivo resta ai margini o procede per sperimentazioni limitate.
In Cina, l’integrazione dell’Intelligenza artificiale nella manifattura segue una logica diversa. Programmi statali come «Made in China 2025» e le successive strategie sull’industrial AI hanno legato esplicitamente l’adozione di sistemi di intelligenza artificiale a obiettivi di modernizzazione industriale. L’Ia viene incorporata in fabbriche, logistica e supply chain come requisito di sistema, spesso attraverso progetti pilota su larga scala e standard condivisi. In questo contesto, il terzo strato – quello dell’integrazione economica – non è lasciato all’iniziativa delle singole imprese, ma viene forzato attraverso coordinamento, incentivi e pianificazione.
Un secondo esempio riguarda l’uso dell’intelligenza artificiale nella pubblica amministrazione e nei servizi urbani. Negli Stati Uniti, l’adozione dell’Ia nella Pubblica amministrazione è frammentata e sperimentale. Singole agenzie, città o Stati federali avviano progetti pilota su analisi dei dati, gestione del traffico, prevenzione delle frodi o supporto decisionale. Questi progetti sono spesso limitati nel perimetro, soggetti a vincoli legali e politici stringenti, e raramente scalano in modo uniforme a livello nazionale. Anche quando la tecnologia è disponibile, l’integrazione sistemica resta lenta e discontinua.
In Cina, l’Ia è invece integrata nella gestione urbana e amministrativa come infrastruttura di governance. Sistemi di analisi predittiva, computer vision e automazione decisionale vengono adottati su scala cittadina o regionale come parte di programmi coordinati di smart city. Qui l’intelligenza artificiale non è un servizio opzionale, ma un componente strutturale dell’amministrazione e del controllo dei flussi urbani, logistici e sociali.
I due modelli non rappresentano una contrapposizione tra efficienza e inefficienza, né tra apertura e chiusura, ma due strategie differenti di governo della stessa tensione strutturale. Il modello statunitense privilegia velocità, leadership tecnologica e rendite di piattaforma, accettando un disallineamento persistente tra potenza e valore economico diffuso. Il modello cinese privilegia coordinamento, assorbimento e allineamento tra infrastruttura e obiettivi statali, accettando vincoli più rigidi sull’uso e sulla distribuzione della tecnologia.
Confronto geopolitico Usa-Cina
Rilette alla luce di questo approccio sistemico, le critiche che attraversano oggi il dibattito sull’intelligenza artificiale appaiono meno contraddittorie di quanto sembri.
L’Ia non crea abbastanza lavoro perché il lavoro nasce nel punto più lento e complesso della filiera, quello dell’integrazione economica e organizzativa. Costa più di quanto renda perché i costi sono sostenuti nei livelli in cui la potenza è misurabile e difendibile, mentre i benefici si distribuiscono in modo frammentato e ritardato nell’economia reale. Concentra potere perché il controllo dell’infrastruttura e dell’operatività precede strutturalmente la diffusione del valore.
Questi fenomeni non sono anomalie temporanee né segnali di una bolla destinata a sgonfiarsi. Sono l’espressione coerente di una filiera progettata – per ragioni industriali, finanziarie e geopolitiche – per costruire e controllare potenza più che per garantirne l’assorbimento diffuso.
È in questo quadro che il confronto tra Stati Uniti e Cina assume un significato pienamente geopolitico. I due sistemi non competono solo sulla quantità di potenza tecnologica prodotta, ma sul modo in cui quella potenza viene governata lungo la filiera. Il modello statunitense privilegia velocità, leadership tecnologica e rendite di piattaforma, accettando un disallineamento persistente tra crescita infrastrutturale e trasformazione dell’economia reale. Il modello cinese, al contrario, tenta di ridurre quello scarto attraverso meccanismi di coordinamento e integrazione forzata, accettando vincoli più rigidi sull’uso della tecnologia e una minore flessibilità di mercato.
La posta in gioco non è stabilire quale modello sia «migliore», ma comprendere che la competizione sull’Ia è ormai una competizione tra architetture di filiera, non tra singole tecnologie. Ciò che differenzia i sistemi non è la disponibilità dell’intelligenza artificiale, ma il punto in cui ciascuno decide di intervenire per governare lo scarto tra potenza e valore.
Il nodo centrale non è se l’Ia funzionerà – sta già funzionando – ma chi riuscirà a trasformare la potenza accumulata in valore economico e stabilità sistemica, e a quale prezzo in termini di coordinamento, controllo e autonomia.
Licenza Creative Commons CC BY-NC-ND Ver. 4.0 Internazionale
