Due corpi celesti che orbitano l'uno attorno all'altro tracciano percorsi stabili e prevedibili. Aggiungetene un terzo e il sistema diventa caotico: ciascun corpo è abbastanza grande da piegare le traiettorie degli altri, e una piccola spinta di uno solo può deviare la rotta di tutti e tre. È così che l'autore di un commento pubblicato su Fortune inquadra l'economia dell'IA nel 2026 — tre corpi che si attraggono a vicenda: i laboratori di frontiera closed-source, guidati da OpenAI e Anthropic; i modelli open-weight, in larga parte provenienti dalla Cina; e le aziende di applicazioni costruite sopra entrambi. Ciascuno è abbastanza potente da ridefinire l'orbita degli altri, ma nessuno può dettare dove il sistema alla fine si assesterà.

Diversi eventi delle ultime settimane e mesi hanno accresciuto l'instabilità del sistema. Lo spostamento più drastico riguarda lo slancio accumulato — e i nuovi ostacoli affrontati — dai laboratori di frontiera. Guidati da Anthropic, hanno visto una domanda senza precedenti e, con essa, una crescita straordinaria dei ricavi. Tale espansione ha contribuito a diffondere più ampiamente gli strumenti di IA nell'economia, ma ha anche reso più pressante la domanda che molti acquirenti si pongono oggi: qual è il ritorno di tutta questa spesa? Secondo la stima dell'autore, la spesa per l'IA si aggira oggi tra lo 0,5 e l'1 per cento di tutti i salari dei colletti bianchi negli Stati Uniti — una scala che, a suo avviso, merita un attento scrutinio.

A luglio, Alex Karp di Palantir ha detto a CNBC che «qualcosa è andato completamente storto» nel modo in cui i laboratori vendono il loro prodotto: le imprese, a suo avviso, stanno facendo «tokenmaxxing» — spendendo furiosamente in token senza un corrispondente aumento di produttività. Nello stesso periodo la concorrenza alla frontiera si è intensificata, con Meta (Muse Spark 1.1) e xAI (Grok 4.5) che hanno messo in campo modelli sempre più capaci accanto ad Anthropic, OpenAI e Google.

Sono migliorati anche i modelli aperti, in particolare quelli delle aziende cinesi. GLM 5.2 di Zhipu e Kimi K3 di Moonshot oggi performano al livello della frontiera o vicino a esso su diversi benchmark importanti. Prezzati a una frazione dei modelli closed comparabili pur essendo così vicini per capacità, hanno creato un forte slancio per l'ecosistema open-weight. I modelli open-weight statunitensi stanno aggiungendo credibilità per conto proprio: guidati da Inkling di Thinking Machines e Nemotron 3 di Nvidia — altamente capaci, anche se non ancora del tutto alla frontiera — offrono un'alternativa nazionale alle release cinesi. Per le aziende di applicazioni questa offerta più ampia conta, perché la scelta del modello incide sia sui costi sia sul controllo, ed è per questo che molte delle principali hanno intensificato gli sforzi per costruire sopra i modelli open-weight.

I sistemi a tre corpi sono notoriamente difficili da prevedere. Ciononostante, l'autore individua alcune traiettorie generali nel corso del secondo semestre del 2026.

In primo luogo, il disagio verso i prezzi della frontiera si attenuerà — in parte perché la concorrenza spingerà i prezzi al ribasso, in parte perché i ritorni della spesa in IA inizieranno a manifestarsi. Gran parte dell'ansia di oggi, secondo questa lettura, riflette uno sfasamento temporale: l'adozione sta correndo più veloce dell'utilità effettiva. Per la maggior parte delle tecnologie precedenti, come automobili e telefoni cellulari, l'adozione di massa è seguita al calo dei prezzi. Nel caso dell'IA, l'adozione è avvenuta molto più rapidamente, quindi la pressione per dimostrare il valore arriva mentre l'utilizzo è ancora in fase di crescita. Il ritorno arriverà, scrive l'autore, sotto forma di crescita più rapida per alcune aziende, di risparmi sui costi per altre e, alla fine, di una produttività più alta in tutta l'economia.

In secondo luogo, la transizione verso un mondo multi-modello continuerà, trainata dalla concorrenza e, idealmente, da una reale differenziazione in ciò che ciascun modello fa meglio.

In terzo luogo, i modelli open-weight statunitensi diventeranno vere alternative a quelli cinesi e otterranno di conseguenza una reale adozione. Avranno inoltre un modello di business più chiaro, rendendo più facile per i clienti fare scommesse a più lungo termine. L'autore si aspetta che la distinzione tra aperto e chiuso finisca per attenuarsi, poiché saranno gli stessi laboratori di frontiera a supportare la personalizzazione dei modelli per le esigenze specifiche dei loro clienti.

Anche sotto altri profili gli attori convergeranno: i laboratori di frontiera scenderanno più a fondo nello stack di prodotto per ampliare i propri fossati e sostenere margini elevati, mentre le aziende di applicazioni scenderanno più a fondo nello stack dei modelli per costruirne di propri. Questa convergenza è razionale, argomenta il commento: le aziende software godono tipicamente di margini lordi superiori al 70%, mentre i clienti ritengono che il prodotto valga il prezzo pagato.

Alla luce di queste mosse e contromosse, il sistema resta a tre corpi e il suo equilibrio è ancora instabile. Gran parte del rumore di oggi — il dibattito tra aperto e chiuso, il panico sulla Cina e l'angoscia sui ritorni — appare temporaneo. La domanda davvero interessante, conclude l'autore, non è se l'IA ripaghi l'investimento, ma chi catturerà il valore quando lo farà: i laboratori alla frontiera, i modelli aperti che incalzano alle loro calcagna, o le applicazioni che detengono il rapporto con il cliente.

Le opinioni espresse negli articoli di commento di Fortune.com riflettono esclusivamente le vedute dei rispettivi autori e non necessariamente le opinioni e le convinzioni di Fortune.

Questo articolo è stato pubblicato originariamente su Fortune.com.