Altri Economisti » Project Syndicate » Saggi in evidenza » Saggi, articoli su riviste. Krugman ed altri » Selezione del Mese
Quando la bolla dell’IA scoppia. Di WILLIAM H. JANEWAY (da Project Syndicate, 30 ottobre 2026)
Oct 30, 2026
When the AI Bubble Bursts
CAMBRIDGE—About a year ago, the idea that speculative investment has created an “AI bubble” began to take hold and soon became conventional wisdom. Since bubbles always burst, the fear now is that time is running out for this one.
The interplay between AI deployment and financial speculation can be analyzed independently of the debate between doomers and accelerationists over whether generative AI will liquidate humanity or usher in a golden age of abundance. In fact, the boom and the bubble could both be over before that debate is resolved.
In a recent blog post, Noah Smith examined how massive investments in AI infrastructure and training are reshaping the relationship between the real economy and the financial system. As hyperscalers increasingly rely on borrowed money to finance those investments, he observed, they will have to generate ever larger revenues and cash flows to justify them.
That makes this a good time to look beyond the current AI boom and adopt a longer-term perspective on financial bubbles. In my 2018 book Doing Capitalism in the Innovation Economy, I propose a framework for understanding the dynamics that drive bubbles and their potential consequences.
The first “law” of bubbles is that any tradable asset can become the object of speculation. Speculative demand can drive the valuation of any asset to levels decoupled from the cash flows—past, present, or prospective—that represent its fundamental value. This phenomenon can be traced to the dynamics of financial markets populated by investors who do not know and cannot know the future. Recognizing that no one else can know, either, market participants watch what others do and follow suit. Each investor rationally tries to anticipate their peers’ behavior, producing the collective exercise in irrationality we call a bubble.
John Maynard Keynes famously captured this dynamic in his metaphor of the beauty contest:
“Professional investment may be likened to those newspaper competitions in which the competitors have to pick out the six prettiest faces from a hundred photographs, the prize being awarded to the competitor whose choice most nearly corresponds to the average preferences of the competitors as a whole; so that each competitor has to pick, not those faces which he himself finds prettiest, but those which he thinks likeliest to catch the fancy of the other competitors, all of whom are looking at the problem from the same point of view.”
Two-Dimensional Bubbles
Neither regulatory changes nor technological advances have altered this basic dynamic. But while bubbles are ubiquitous, not all of them are the same. I have found it useful to distinguish bubbles along two dimensions, illustrated by the figure below.
The first dimension is the focus of speculation. Can the assets whose deployment is being financed by speculative investment expand the economy’s productive capacity? This was the case with the 19th-century railway manias, the bull market of the “Roaring Twenties” that financed the buildout of the US electricity grid, and, most recently, the dot-com bubble that funded the internet’s global deployment at the end of the 20th century.
By contrast, the Dutch tulip bubble of the 1630s revolved around tulip bulbs, which were decidedly unproductive. After some 15 years of experimentation and hype, much the same can be said of crypto. Real estate, both commercial and residential, has also repeatedly been the subject of speculative booms. The great credit boom of 2005–08, amplified by modern mathematical finance through seemingly endless varieties of derivative credit structures, is the most recent example of a thoroughly unproductive bubble.
Productive bubbles are just as certain to burst as unproductive ones. Sooner or later, economic fundamentals assert themselves. As the cash flows implicit in asset valuations fail to materialize, more and more investors recognize that the valuations cannot be sustained until a tipping point is reached. The collapse may be triggered by a high-profile failure, like that of Jay Cooke & Co. in New York in 1873. Or it may follow a less dramatic but ultimately decisive conviction that “enough is enough,” as happened in the spring of 2000. Either way, the bubble bursts.
The second dimension of bubbles is the locus of speculation, which becomes especially important when bubbles pop. Was the bubble financed principally through the relatively unleveraged equity and high-yield bond markets? Or did the speculation penetrate the core banking system that finances the working capital of businesses and the real estate that accounts for much of the net worth of workers and consumers?
In a 2015 paper, Òscar Jordà, Moritz Schularick, and Alan M. Taylor examined 140 years of historical financial data, concluding that “what makes bubbles dangerous is the role of credit.” Their findings are consistent with the distinction highlighted by former Federal Reserve Governor Frederic Mishkin and other policymakers in the aftermath of the 2008 financial crisis. Whereas “pure, unleveraged ‘irrational exuberance’ bubbles” may “pose a limited threat to financial stability or the macroeconomic outlook,” rising asset prices and increasing leverage reinforce one another during “credit boom bubbles.”
When credit boom bubbles burst, Mishkin explained, “the resulting deleveraging depresses business and household spending, which weakens economic activity and increases macroeconomic risk in credit markets.” This was very much the story of the 2008 crisis and the Great Recession. Indeed, when the dot-com bubble burst in 2000, WorldCom and Global Crossing—the two leading builders of the fiber-optic networks that carried internet traffic—went bankrupt, and WorldCom’s senior executives were even jailed for fraud. But these investments in infrastructure had been funded by junk bonds, not bank credit. The economic consequences were thus limited and could be managed through conventional monetary policy.
The Search for AI’s Killer Apps
Historically, when productive bubbles burst, the infrastructure they funded remained in place. No one tore up the railroad tracks, dismantled the electricity grids and power stations, or dug up the fiber-optic cables. While the first movers of each era lost vast amounts of their investors’ capital, those who followed eventually developed the killer applications and reaped the rewards.
For the railroads, the killer app was mail-order retail, pioneered by Montgomery Ward and Sears Roebuck in the 1880s and made possible by the development of Railway Express. Electrification took much longer, with 50 years passing between Edison’s launch of the first electricity-generating station in 1882 and the point when the electrification of manufacturing produced the fastest productivity growth in American history. In between came the buildout of regional electricity networks and the invention of the unit-drive motor.
Similarly, the fiber-optic backbone laid down during the telecom boom of the 1990s found its killer app in streaming, but only after broadband access became commonplace and advances in data-compression algorithms made it viable.
This is where the history of earlier general-purpose technologies offers a lesson for today’s AI boom. It is not too early to conclude that generative AI will deliver meaningful productivity gains across a wide range of applications. In other words, we can expect the current frenzy to be remembered as a productive bubble. But will those gains arrive soon enough, and will they be big enough, to justify the enormous investments already being made in AI infrastructure, let alone the hundreds of billions in commitments that have been announced?
We are now in a period of trial-and-error experimentation, of the kind Geoffrey A. Moore described during the IT revolution a generation ago. Identifying worthwhile applications, let alone world-beating ones, takes time, and complementary inventions are needed to adapt general-purpose technologies to particular uses. Another potential cause of delay is the need to insure against the risks of using AI across numerous domains, from medicine to autonomous vehicles. In fact, another factor slowing the buildout is the need to insure data centers and supporting power stations.
Slowing the Race for Returns
Because timing is everything for productive and unproductive bubbles alike, keeping track of leverage is critical for AI investment. Encouragingly, many observers are doing just that, and there are signs that financial markets are beginning to pay attention. CoreWeave’s recent selloff is a case in point.
As investment has surged, AI financing has become increasingly complex and leveraged. So-called “circular financing,” exemplified by Nvidia funding both the hyperscalers and their customers, the developers of large language models, provides ample grounds for concern, so much so that it now has its own Wikipedia entry. The growing reliance on private credit to fund today’s buildout, with lenders themselves borrowing from banks, is bringing the AI bubble closer to the core of the financial system.
The AI bubble may still deflate rather than burst. In that case, evidence of slowing growth among LLM providers, especially Anthropic and OpenAI, along with delays and cancellations in data-center construction, may paradoxically be good news for the system as a whole. The radical shift in public attitudes toward data centers is also dampening the irrational exuberance that greeted ChatGPT’s launch four years ago.
Nevertheless, the risk of a sudden, destabilizing collapse remains. The Trump administration’s track record so far inspires little confidence in its ability to handle an AI bust. Investors would do well to remember the words of Bernard Baruch, the iconic mid-20th-century speculator and presidential adviser. When asked how he made his fortune, he replied, “By selling too soon.”
Quando la bolla dell’IA scoppia.
CAMBRIDGE – Circa un anno fa, l’idea che gli investimenti speculativi avessero creato una ” bolla dell’IA ” ha iniziato a diffondersi ed è presto diventata un’opinione comune. Poiché le bolle scoppiano sempre, ora si teme che anche per questa il tempo stia per scadere.
L’interazione tra l’implementazione dell’IA e la speculazione finanziaria può essere analizzata indipendentemente dal dibattito tra pessimisti e accelerazionisti sul fatto che l’IA generativa porterà all’annientamento dell’umanità o inaugurerà un’epoca d’oro di abbondanza. Di fatto, sia il boom che la bolla potrebbero finire prima che tale dibattito si concluda.
In un recente post sul suo blog , Noah Smith ha analizzato come i massicci investimenti in infrastrutture e formazione sull’intelligenza artificiale stiano rimodellando il rapporto tra l’economia reale e il sistema finanziario. Poiché le aziende hyperscale si affidano sempre più al denaro preso in prestito per finanziare tali investimenti, ha osservato, dovranno generare ricavi e flussi di cassa sempre maggiori per giustificarli.
Questo rende opportuno guardare oltre l’attuale boom dell’IA e adottare una prospettiva a lungo termine sulle bolle finanziarie. Nel mio libro del 2018, ” Doing Capitalism in the Innovation Economy” , propongo un quadro di riferimento per comprendere le dinamiche che alimentano le bolle e le loro potenziali conseguenze.
La prima “legge” delle bolle speculative è che qualsiasi bene negoziabile può diventare oggetto di speculazione. La domanda speculativa può spingere la valutazione di qualsiasi bene a livelli scollegati dai flussi di cassa – passati, presenti o futuri – che ne rappresentano il valore fondamentale. Questo fenomeno può essere ricondotto alle dinamiche dei mercati finanziari popolati da investitori che non conoscono e non possono conoscere il futuro. Riconoscendo che nessun altro può conoscerlo, i partecipanti al mercato osservano ciò che fanno gli altri e li imitano. Ogni investitore cerca razionalmente di anticipare il comportamento dei propri pari, dando vita a quell’esercizio collettivo di irrazionalità che chiamiamo bolla.
John Maynard Keynes ha colto alla perfezione questa dinamica nella sua celebre metafora del concorso di bellezza:
“Gli investimenti professionali possono essere paragonati a quei concorsi giornalistici in cui i partecipanti devono scegliere i sei volti più belli tra cento fotografie, e il premio viene assegnato al partecipante la cui scelta più vicina alle preferenze medie di tutti i partecipanti; quindi ogni partecipante deve scegliere non i volti che lui stesso trova più belli, ma quelli che ritiene più propensi a catturare l’attenzione degli altri partecipanti, i quali guardano al problema tutti dallo stesso punto di vista.”
Bolle bidimensionali
Né i cambiamenti normativi né i progressi tecnologici hanno alterato questa dinamica fondamentale. Ma sebbene le bolle speculative siano onnipresenti, non tutte sono uguali. Ho trovato utile distinguerle lungo due dimensioni, come illustrato nella figura seguente.
La prima dimensione riguarda l’ oggetto della speculazione. Gli asset il cui impiego è finanziato da investimenti speculativi possono espandere la capacità produttiva dell’economia? Questo è stato il caso delle eresie ferroviarie del XIX secolo, del mercato rialzista dei “ruggenti anni Venti” che ha finanziato la costruzione della rete elettrica statunitense e, più recentemente, della bolla delle dot-com che ha finanziato la diffusione globale di Internet alla fine del XX secolo.
Al contrario, la bolla dei tulipani olandesi del 1630 ruotava attorno ai bulbi di tulipano, che erano decisamente improduttivi. Dopo circa 15 anni di sperimentazione e clamore mediatico, si può dire più o meno la stessa cosa delle criptovalute. Anche il settore immobiliare, sia commerciale che residenziale, è stato ripetutamente oggetto di boom speculativi. Il grande boom del credito del 2005-2008, amplificato dalla finanza matematica moderna attraverso una varietà apparentemente infinita di strutture di credito derivate, è l’esempio più recente di una bolla totalmente improduttiva.
Le bolle produttive sono destinate a scoppiare tanto quanto quelle improduttive. Prima o poi, i fondamentali economici si impongono. Quando i flussi di cassa impliciti nelle valutazioni degli asset non si concretizzano, sempre più investitori si rendono conto che tali valutazioni non possono essere sostenute fino al raggiungimento di un punto di svolta. Il crollo può essere innescato da un fallimento di alto profilo, come quello della Jay Cooke & Co. a New York nel 1873. Oppure può seguire la convinzione, meno drammatica ma in definitiva decisiva, che “è ora di dire basta”, come accadde nella primavera del 2000. In entrambi i casi, la bolla scoppia.
La seconda dimensione delle bolle speculative è il luogo in cui si è verificata la speculazione, aspetto che assume particolare importanza quando la bolla scoppia. La bolla è stata finanziata principalmente attraverso i mercati azionari e obbligazionari ad alto rendimento, relativamente poco indebitati? Oppure la speculazione ha penetrato il sistema bancario centrale che finanzia il capitale circolante delle imprese e il settore immobiliare, che rappresenta gran parte del patrimonio netto di lavoratori e consumatori?
In un articolo del 2015 , Òscar Jordà, Moritz Schularick e Alan M. Taylor hanno esaminato 140 anni di dati finanziari storici, concludendo che “ciò che rende pericolose le bolle è il ruolo del credito”. Le loro conclusioni sono coerenti con la distinzione evidenziata dall’ex governatore della Federal Reserve Frederic Mishkin e da altri responsabili politici all’indomani della crisi finanziaria del 2008. Mentre le “bolle di ‘esuberanza irrazionale’ pure e non indebitate” possono “rappresentare una minaccia limitata per la stabilità finanziaria o le prospettive macroeconomiche”, l’aumento dei prezzi degli asset e la crescente leva finanziaria si rafforzano a vicenda durante le “bolle del boom del credito”.
Come spiegava Mishkin, quando le bolle del boom creditizio scoppiavano, “il conseguente deleveraging deprimeva la spesa delle imprese e delle famiglie, indebolendo l’attività economica e aumentando il rischio macroeconomico nei mercati del credito”. Questa è stata in gran parte la storia della crisi del 2008 e della Grande Recessione. Infatti, quando la bolla delle dot-com scoppiò nel 2000, WorldCom e Global Crossing, le due principali società costruttrici delle reti in fibra ottica che trasportavano il traffico internet, fallirono e i dirigenti di WorldCom furono addirittura incarcerati per frode. Ma questi investimenti in infrastrutture erano stati finanziati da obbligazioni spazzatura, non da credito bancario. Le conseguenze economiche furono quindi limitate e poterono essere gestite attraverso la politica monetaria convenzionale.
Alla ricerca delle applicazioni rivoluzionarie dell’IA
Storicamente, quando le bolle produttive scoppiavano, le infrastrutture che avevano finanziato rimanevano al loro posto. Nessuno smantellava i binari ferroviari, le reti elettriche e le centrali, né dissotterrava i cavi in fibra ottica. Mentre i pionieri di ogni epoca perdevano ingenti capitali dei loro investitori, coloro che li seguivano sviluppavano in seguito le applicazioni di successo e ne raccoglievano i frutti.
Per le ferrovie, l’applicazione rivoluzionaria fu la vendita al dettaglio per corrispondenza , introdotta da Montgomery Ward e Sears Roebuck negli anni 1880 e resa possibile dallo sviluppo di Railway Express. L’elettrificazione richiese molto più tempo: trascorsero 50 anni tra l’avvio della prima centrale elettrica da parte di Edison nel 1882 e il momento in cui l’elettrificazione della produzione manifatturiera registrò la crescita di produttività più rapida nella storia americana. Nel frattempo, si assistette alla costruzione di reti elettriche regionali e all’invenzione del motore a trazione unitaria.
Analogamente, la dorsale in fibra ottica realizzata durante il boom delle telecomunicazioni degli anni ’90 ha trovato la sua applicazione di punta nello streaming, ma solo dopo che l’accesso alla banda larga è diventato comune e i progressi negli algoritmi di compressione dei dati lo hanno reso fattibile.
È qui che la storia delle precedenti tecnologie di uso generale offre una lezione per l’attuale boom dell’IA. Non è prematuro concludere che l’IA generativa porterà significativi aumenti di produttività in un’ampia gamma di applicazioni. In altre parole, possiamo aspettarci che l’attuale frenesia venga ricordata come una bolla produttiva. Ma questi vantaggi arriveranno abbastanza presto e saranno abbastanza consistenti da giustificare gli enormi investimenti già effettuati nelle infrastrutture di IA, per non parlare delle centinaia di miliardi di dollari di impegni annunciati?
Ci troviamo ora in un periodo di sperimentazione per tentativi ed errori, del tipo descritto da Geoffrey A. Moore durante la rivoluzione informatica di una generazione fa. Individuare applicazioni valide, per non parlare di quelle rivoluzionarie, richiede tempo, e sono necessarie invenzioni complementari per adattare le tecnologie generiche a usi specifici. Un’altra potenziale causa di ritardo è la necessità di assicurarsi contro i rischi derivanti dall’utilizzo dell’IA in numerosi ambiti, dalla medicina ai veicoli autonomi. Di fatto, un altro fattore che rallenta lo sviluppo è la necessità di assicurare i data center e le relative centrali elettriche.
Rallentare la corsa ai rendimenti
Poiché il tempismo è fondamentale sia per le bolle produttive che per quelle improduttive, tenere sotto controllo la leva finanziaria è cruciale per gli investimenti nell’IA. Fortunatamente, molti osservatori lo stanno già facendo e ci sono segnali che i mercati finanziari stiano iniziando a prestare attenzione. Il recente crollo delle azioni di CoreWeave ne è un esempio.
Con l’impennata degli investimenti, il finanziamento dell’IA è diventato sempre più complesso e basato sulla leva finanziaria. Il cosiddetto “finanziamento circolare”, esemplificato dal fatto che Nvidia finanzia sia i grandi fornitori di servizi cloud che i loro clienti, ovvero gli sviluppatori di modelli linguistici complessi, è motivo di grande preoccupazione, tanto da meritare ora una voce su Wikipedia . La crescente dipendenza dal credito privato per finanziare lo sviluppo attuale, con gli stessi finanziatori che prendono in prestito denaro dalle banche, sta avvicinando la bolla dell’IA al cuore del sistema finanziario.
La bolla dell’IA potrebbe ancora sgonfiarsi anziché scoppiare. In tal caso, le prove di un rallentamento della crescita tra i fornitori di LLM, in particolare Anthropic e OpenAI, insieme ai ritardi e alle cancellazioni nella costruzione di data center, potrebbero paradossalmente rappresentare una buona notizia per il sistema nel suo complesso. Il radicale cambiamento nell’atteggiamento del pubblico nei confronti dei data center sta inoltre smorzando l’esuberanza irrazionale che ha accolto il lancio di ChatGPT quattro anni fa.
Ciononostante, il rischio di un crollo improvviso e destabilizzante rimane. Il comportamento dell’amministrazione Trump finora non ispira molta fiducia nella sua capacità di gestire un fallimento nel settore dell’IA. Gli investitori farebbero bene a ricordare le parole di Bernard Baruch, l’iconico speculatore e consigliere presidenziale della metà del XX secolo. Quando gli fu chiesto come avesse fatto fortuna, rispose: “Vendendo troppo presto”.
By mm
E' possibile commentare l'articolo nell'area "Commenti del Mese"