Altri Economisti » Project Syndicate » Saggi, articoli su riviste. Krugman ed altri » Selezione del Mese
20 maggio 2026 Una doccia fredda per la mania dell’IA. Di RAGHURAM G. RAJAN (da Project Syndicate, 20 maggio 2026)
May 20, 2026
A Cold Shower for the AI Mania
CHICAGO—AI tools will undoubtedly transform the nature of work. Large language models can already generate referee reports on my own research papers that rival those by human referees. Unlike humans, who are always pressed for time, an LLM “knows” or can access much more of the literature in an instant, and often exhibits fewer biases. AI points out my analytical weaknesses, checks proofs, and makes suggestions for improvement. Only rarely are human reports better, typically because they connect the dots and offer new insights.
Nonetheless, the market euphoria around AI has become worrisome, especially given the extent of large-scale debt issuance by the sector. It is therefore worth considering where in the AI supply chain things could go wrong.
The supply chain starts with producers and designers of AI infrastructure: firms like TSMC and Samsung, which fabricate chips; Nvidia, which designs them; and Cisco, which provides connectivity. Then come the hyperscalers like Amazon, Google, and Microsoft. They are building data centers both for the use of their own AI models and in order to sell compute (processing power) to others. In addition to the hyperscalers are more specialized companies like Equinix (data centers) and, of course, Anthropic and OpenAI, the developers of foundational LLMs.
Finally, there are the individual and corporate end users of AI services. Individual use is growing fast, and corporate use in some areas (software development and customer support) is exploding.
But most large businesses, while experimenting intensely, have yet to implement end-to-end uses. Many still need to organize their historical data to train AI for their own purposes, and to restructure their traditional operations so that AI can be deployed to improve with experience. Moreover, many firms rightly worry about data security, AI errors, and hallucinations that could destroy their brand image. Still, as less conservative younger companies find more AI uses, they will put competitive pressure on older, larger firms to change.
The AI rollout could nevertheless get interrupted in a number of ways, generating risk for debt-funded players. For instance, if graphics processing units, CPUs, and memory chips become faster and more energy efficient, the equipment filling existing data centers could depreciate rapidly, making it harder for them to amortize their costs. And LLMs, which have become extraordinarily capable based on what is essentially next-word prediction, could plateau until some new technique emerges.
For now, AI labs are investing massive sums to train newer, larger models, on the assumption that the first model to reach some magic point where it becomes self-improving will rule the AI world, and reap enormous profits. But this scenario seems implausible. Even if there is such a point, competitors could still match the first mover’s model (including by hiring away key employees to obtain technical trade secrets).
So far, no AI model seems to have gained a sustained advantage. Unless Gemini (Google), Claude (Anthropic), and ChatGPT (OpenAI) can eventually differentiate themselves by appealing to specific user segments (or by merging or colluding), it is hard to see where the profits justifying their enormous training investments will come from.
Moreover, although politicians have been largely standing on the sidelines so far, policy interventions to address AI risks and concerns are inevitable. Since data centers consume tremendous amounts of power—driving up the power price for everyone—state and local governments will be under increased political pressure to limit their construction. In Indiana, for example, multiple counties recently proclaimed a moratorium on data-center construction.
Projections into next year already suggest that hardware makers and data centers will be unable to supply enough US compute. And as shortages of compute mount, end users will have more reasons to delay implementation. You cannot reorganize all your operations around AI if you have good reason to worry about the reliability of access or reasonable pricing in the future.
Worse, whereas broader use may take longer than many expect, malevolent use by hackers and deepfakers, as well as unsupervised use by children, is growing rapidly. It is not difficult to imagine disaster scenarios—such as a deadly cyber incident, gross data misuse by AI agents, or poorly trained AI models advising children to commit acts of violence against themselves or others (something that has already happened). The chorus demanding regulation and more liability for AI models will only grow louder. The risks posed by rogue AI could even prompt a sorely needed dialogue among major powers, perhaps leading to some kind of AI Geneva Convention.
Perhaps the most important trigger for political intervention would be massive AI-related job losses. Fearful of the political or social backlash, even firms that are inclined to adopt AI may be hesitant to shed redundant employees outside of a recession, reducing any gains from AI deployment and diffusion.
Given all these uncertainties, it is far from clear how widely and quickly AI will be rolled out, and who will profit. Hardware manufacturers and designers seemed well positioned, given the tremendous demand for compute. But if data-center construction is interrupted, that could shift profits to hyperscalers and AI labs. They might reduce the amount of compute dedicated to training better models, which gives them only fleeting advantages, and shift to selling the compute they have sewn up to firms using their already capable models. Such shifts are also likely if model capabilities plateau. Regulation might also force modelers to spend more effort on improving the training and safety of existing models, building broader public trust.
The good news is that a more limited, careful AI rollout could give firms more time to find labor-augmenting (as opposed to labor-displacing) uses, and governments and workers more time to adjust. The bad news is that euphoric visions of quick exceptional profits could be unfounded, a particular problem for AI firms that have to make unforgiving debt payments. AI advances will likely pay off eventually. But not every provider will profit, or even survive.
Una doccia fredda per la mania dell’IA
CHICAGO – Gli strumenti di intelligenza artificiale trasformeranno indubbiamente la natura del lavoro. I modelli linguistici avanzati (LLM) sono già in grado di generare report di revisione sui miei articoli di ricerca che rivaleggiano con quelli redatti da revisori umani. A differenza degli esseri umani, sempre a corto di tempo, un LLM “conosce” o può accedere a una quantità di letteratura molto maggiore in un istante e spesso presenta meno pregiudizi. L’IA evidenzia le mie debolezze analitiche, verifica le dimostrazioni e suggerisce miglioramenti. Solo raramente i report umani sono migliori, in genere perché collegano i punti e offrono nuove prospettive.
Tuttavia, l’euforia del mercato nei confronti dell’IA è diventata motivo di preoccupazione, soprattutto considerando l’entità dell’emissione di debito su larga scala da parte del settore. Vale quindi la pena di valutare in quale punto della catena di fornitura dell’IA potrebbero sorgere problemi.
La catena di fornitura inizia con i produttori e i progettisti di infrastrutture per l’IA: aziende come TSMC e Samsung, che fabbricano i chip; Nvidia, che li progetta; e Cisco, che fornisce la connettività. Poi arrivano i colossi del settore come Amazon, Google e Microsoft. Questi costruiscono data center sia per l’utilizzo dei propri modelli di IA sia per vendere potenza di calcolo ad altri. Oltre ai colossi, ci sono aziende più specializzate come Equinix (data center) e, naturalmente, Anthropic e OpenAI, gli sviluppatori dei modelli di apprendimento per rinforzo (LLM) fondamentali.
Infine, ci sono gli utenti finali, sia individuali che aziendali, dei servizi di intelligenza artificiale. L’utilizzo individuale è in rapida crescita, mentre l’impiego aziendale in alcuni settori (sviluppo software e assistenza clienti) è in forte espansione.
Tuttavia, la maggior parte delle grandi aziende, pur sperimentando intensamente, non ha ancora implementato soluzioni end-to-end basate sull’IA. Molte devono ancora organizzare i propri dati storici per addestrare l’IA ai propri scopi e ristrutturare le proprie operazioni tradizionali in modo che l’IA possa essere implementata e migliorare con l’esperienza. Inoltre, molte aziende sono giustamente preoccupate per la sicurezza dei dati, gli errori dell’IA e le possibili distorsioni che potrebbero danneggiare la loro immagine. Ciononostante, man mano che le aziende più giovani e meno conservatrici scopriranno nuove applicazioni dell’IA, eserciteranno una pressione competitiva sulle aziende più grandi e consolidate affinché si adeguino.
L’implementazione dell’IA potrebbe tuttavia subire diverse interruzioni, generando rischi per le aziende finanziate tramite debito. Ad esempio, se le unità di elaborazione grafica, le CPU e i chip di memoria diventassero più veloci ed efficienti dal punto di vista energetico, le apparecchiature presenti nei data center esistenti potrebbero deprezzarsi rapidamente, rendendo più difficile l’ammortamento dei costi. Inoltre, i modelli lineari latenti (LLM), che hanno raggiunto livelli di efficacia straordinari basandosi essenzialmente sulla previsione della parola successiva, potrebbero stabilizzarsi fino all’emergere di una nuova tecnica.
Per ora, i laboratori di intelligenza artificiale stanno investendo somme ingenti per addestrare modelli più nuovi e complessi, partendo dal presupposto che il primo modello a raggiungere un punto magico in cui diventi in grado di auto-migliorarsi dominerà il mondo dell’IA, generando profitti enormi. Ma questo scenario sembra improbabile. Anche se un simile punto esistesse, i concorrenti potrebbero comunque eguagliare il modello del pioniere (anche assumendo dipendenti chiave per ottenere segreti tecnici).
Finora, nessun modello di intelligenza artificiale sembra aver ottenuto un vantaggio duraturo. A meno che Gemini (Google), Claude (Anthropic) e ChatGPT (OpenAI) non riescano a differenziarsi rivolgendosi a specifici segmenti di utenti (o tramite fusioni o collusioni), è difficile immaginare da dove proverranno i profitti che giustificheranno i loro enormi investimenti in addestramento.
Inoltre, sebbene finora i politici siano rimasti in gran parte a guardare, gli interventi politici per affrontare i rischi e le preoccupazioni legati all’IA sono inevitabili. Poiché i data center consumano enormi quantità di energia – facendo lievitare il prezzo dell’elettricità per tutti – i governi statali e locali saranno sottoposti a crescenti pressioni politiche per limitarne la costruzione. In Indiana, ad esempio, diverse contee hanno recentemente proclamato una moratoria sulla costruzione di data center.
Le proiezioni per il prossimo anno suggeriscono già che i produttori di hardware e i data center non saranno in grado di fornire una potenza di calcolo sufficiente negli Stati Uniti. E con l’aumentare della carenza di risorse di calcolo, gli utenti finali avranno più motivi per rimandare l’implementazione. Non è possibile riorganizzare tutte le proprie attività attorno all’intelligenza artificiale se si hanno validi motivi per temere che in futuro l’affidabilità dell’accesso o la disponibilità di prezzi ragionevoli non saranno garantite.
Peggio ancora, mentre un utilizzo più diffuso potrebbe richiedere più tempo di quanto molti si aspettino, l’uso malevolo da parte di hacker e creatori di deepfake, così come l’uso non supervisionato da parte dei bambini, è in rapida crescita. Non è difficile immaginare scenari catastrofici, come un incidente informatico mortale, un grave abuso di dati da parte di agenti di intelligenza artificiale o modelli di IA mal addestrati che consigliano ai bambini di commettere atti di violenza contro se stessi o altri (cosa che è già accaduta). Il coro che chiede una regolamentazione e una maggiore responsabilità per i modelli di IA non farà che farsi più forte. I rischi posti da un’IA fuori controllo potrebbero persino innescare un dialogo quanto mai necessario tra le grandi potenze, che potrebbe portare a una sorta di Convenzione di Ginevra sull’IA.
Probabilmente, il fattore scatenante più importante per un intervento politico sarebbe la massiccia perdita di posti di lavoro legata all’intelligenza artificiale. Temendo ripercussioni politiche o sociali, anche le aziende propense ad adottare l’IA potrebbero esitare a licenziare i dipendenti in esubero al di fuori di una recessione, riducendo così i vantaggi derivanti dall’implementazione e dalla diffusione dell’IA.
Date tutte queste incertezze, non è affatto chiaro quanto e con quanta rapidità e diffusione si diffonderà l’IA e chi ne trarrà profitto. I produttori e i progettisti di hardware sembravano ben posizionati, data l’enorme domanda di potenza di calcolo. Ma se la costruzione di data center dovesse subire interruzioni, i profitti potrebbero spostarsi verso gli hyperscaler e i laboratori di IA. Questi potrebbero ridurre la potenza di calcolo dedicata all’addestramento di modelli più performanti, che offre loro solo vantaggi effimeri, e concentrarsi sulla vendita della potenza di calcolo già acquisita ad aziende che utilizzano i loro modelli già efficienti. Tali cambiamenti sono probabili anche se le capacità dei modelli dovessero stabilizzarsi. La regolamentazione potrebbe inoltre costringere i progettisti a dedicare maggiori sforzi al miglioramento dell’addestramento e della sicurezza dei modelli esistenti, rafforzando la fiducia del pubblico.
La buona notizia è che un’implementazione più limitata e prudente dell’IA potrebbe dare alle aziende più tempo per trovare applicazioni che potenzino il lavoro (anziché sostituirlo), e ai governi e ai lavoratori più tempo per adattarsi. La cattiva notizia è che le visioni euforiche di profitti eccezionali e rapidi potrebbero rivelarsi infondate, un problema particolare per le aziende di IA che devono far fronte a pagamenti di debiti insostenibili. I progressi dell’IA probabilmente daranno i loro frutti alla fine. Ma non tutti i fornitori ne trarranno profitto, o addirittura sopravvivranno.
By mm
E' possibile commentare l'articolo nell'area "Commenti del Mese"