Il mercato dell’AI è soprattutto PR, oppure dietro i titoli c’è una matematica più profonda? Un’analisi di mercato della società di software AI Linkmate, in precedenza Linkomo, sostiene che la risposta stia in un insieme di dinamiche legate ai prestiti, alla spesa in conto capitale e a una domanda aziendale misurabile.

La matematica dei prestiti dietro l’hype dell’AI

Secondo The State of the Agentic Market, l’adozione dell’AI sta entrando in una fase più avanzata di maturità. In termini pratici, Linkmate afferma che il mercato sta smettendo di trattare l’AI come una bacchetta magica e sta iniziando a usarla come strumento per risolvere problemi aziendali ordinari.

Il report sostiene che l’AI venga spesso descritta come un grande elemento di rottura nel mercato del lavoro, ma anche come un capro espiatorio. Nella visione di Linkmate, un fattore importante alla base della debolezza del mercato del lavoro è la combinazione tra i prestiti dell’era COVID e gli aumenti dei tassi della Federal Reserve.

Nel 2019, le grandi aziende tecnologiche hanno iniziato a rivedere la propria presenza in ufficio, chiedendosi perché dovessero pagare quattro piani di uffici a New York o nella Silicon Valley se non ne avevano più bisogno. Quel cambiamento è diventato una prima misura di riduzione dei costi. Il periodo dei lockdown ha anche aumentato l’indebitamento societario, poiché le aziende hanno contratto più debito a tassi più bassi.

Tra il 2019 e il 2020, il tasso della Federal Reserve è arrivato allo 0,05%, rendendo il credito più economico che mai da oltre 70 anni. Linkmate cita dichiarazioni della Federal Reserve e dati FRED, secondo cui nel 2020 i prestiti societari erano allo 0,25%, il che nell’analisi significa che ogni dollaro preso a prestito valeva solo 0,25 centesimi, non 25 centesimi.

L’analisi sostiene che i prestiti societari non siano stati assunti con moderazione, come accade di solito. Normalmente, nei momenti critici, le aziende contraggono piccoli prestiti e li rimborsano in breve tempo. Ma in questo caso non è andata così: nell’arco di pochi anni, il totale dei prestiti societari è salito da circa $2T a $3.1T nella prima metà del 2020. In seguito, nel 2022, questo numero è diminuito solo di $0.6T (o $600B), arrivando a $2.4T, per poi risalire e continuare la propria crescita.

Durante ogni ciclo di mercato, le aziende hanno trovato un modo per aumentare i profitti e sottrarsi alla pressione del debito. Nel 2023, OpenAI ha introdotto un’idea semplice: un large language model, un chatbot interattivo in grado di rispondere dinamicamente alle domande. Secondo l’analisi di Linkmate, questo approccio ha dato agli investitori la falsa speranza di poter non solo sostituire alcuni costi, ma tagliare anche porzioni significative della forza lavoro per risparmiare sugli stipendi e ottenere davvero profitti.

Questa convinzione ha reso gli investitori eccessivamente fiduciosi, portando a licenziamenti di massa nelle grandi aziende tech: Oracle, Google, Amazon, Payoneer, Intel, HP, Meta, Fiverr, xAI, Salesforce, CISCO, Peloton. TechCrunch ha pubblicato un elenco completo per il 2025. Secondo Linkmate, ogni anno dal 2023 in poi ha visto aumentare il numero di licenziamenti, confermando la teoria secondo cui il mercato dell’AI si troverebbe al picco della Gartner’s Hype Cycle.

Dove si colloca l’AI nella Gartner’s Hype Cycle?

L’analisi di Linkmate della domanda reale di AI

La Market Hype di Gartner postula che ogni tecnologia attraversi fasi di maturità. Dopo aver raggiunto il picco delle aspettative gonfiate, ciò che di solito accade è una rivalutazione della situazione e un’analisi più sobria del mercato e del modo in cui la tecnologia vi si applica davvero.

Uno dei casi d’uso promettenti per l’AI è la soluzione di equivalenti nel mondo reale di compiti NP-complete. I veri casi d’uso dell’AI consistono nel risolvere catene proteiche, trovare nuove cure per malattie vecchie, far avanzare di decenni la ricerca sul cancro, salvare vite con metodi non convenzionali, scoprire nuovi materiali a cui nessuno aveva pensato e rendere le medicine più economiche. Pur non essendo una soluzione universale, l’AI, in particolare ML e LLM, può risolvere compiti troppo gravosi per gli approcci convenzionali.

Una volta che il mercato esce dalla fase delle aspettative gonfiate e della sobrietà deludente, i casi d’uso reali iniziano a emergere e a essere ampiamente riconosciuti come soluzioni deliberate a problemi esistenti.

Uno dei passaggi che il mercato dell’AI attraversa è la presa di coscienza che le persone sono ancora più economiche dell’AI. Il tokenmaxxing, una tendenza a massimizzare l’uso dei token, è emerso come il picco delle aspettative gonfiate dell’AI che risolve tutto al posto degli esseri umani. In realtà, la fattura per tali token AI è molto più alta dello stipendio medio di un software engineer.

Nelle parole di Microsoft: “Using tech is more expensive than paying human employees”. Ulteriori dati sono emersi da Uber, dove i dirigenti hanno pubblicamente deciso di decimare il dipartimento HR dopo aver capito di aver bruciato il budget AI in 4 mesi. Secondo l’attuale VP di Nvidia, l’AI costa “far more than humans”.

Secondo le proiezioni di Goldman Sachs, al ritmo attuale, l’uso dell’AI potrebbe impennarsi fino a 120 quadrillion tokens entro il 2030. Bank of America ha rafforzato la previsione rialzista di Goldman Sachs, affermando che la spesa in AI potrebbe পৌঁreach $155B entro il 2030

Cosa dicono i numeri sull’uso dell’AI?

Confrontare i filing SEC con le dichiarazioni pubbliche offre un quadro leggermente più chiaro. Secondo gli analisti di Linkmate, l’hype sull’AI è reale e misurabile in tre metriche distinte:

La Average PJM Power Price Spike, ovvero il prezzo per MW-day, è aumentata del +833% ;

La memoria HBM è esaurita al 100% in anticipo rispetto al mercato;

Il CapEx previsto dei hyperscaler per il 2026 sull’AI è di $660B .

Ma esiste una discrepanza tra il CapEx promesso e il reale Free Cash Flow registrato nei filing SEC. In particolare, Amazon e Google sono in flussi di cassa negativi, mentre Microsoft mostra in qualche modo numeri positivi.

Uno dei segnali più preoccupanti riguarda la salute del principale attore di mercato — OpenAI. Secondo la PR, il traguardo di APR previsto per il 2026 è di $40B, mentre la perdita operativa annua reale è di -$20B nel 2025 e di -$14B prevista nel 2026. Questa discrepanza tra metriche fondamentali e dati divulgati potrebbe diventare un problema in futuro se il caso d’uso reale dell’AI non si materializzerà.

L’attuale narrativa di mercato suggerisce che l’uso principale dell’AI sia fare da assistente, leggere le email e creare riassunti dalla ricerca Google. I numeri, però, indicano che la domanda esiste, ma che l’applicazione reale si trova altrove — nel campo della risoluzione di compiti equivalenti nel mondo reale di NP-compete tasks.

Le metriche di adozione ci sono, così come il venture capital, con almeno $510B di spese . Suddividendo per settore, quasi l’80% del VC globale del Q1 2026 è andato a startup AI , pari a circa $242B su $300B.

Secondo le migliori stime di mercato, il mercato AI per il 2026 è valutato tra $375B e $0.9T , con un CAGR previsto dal 14% al 39%.

Le analisi di Linkmate suggeriscono che i numeri mostrino una domanda concreta e presente su tutta la linea, ma che manchi l’offerta di proposte con reale product-market-fit utilizzabili in scenari del mondo reale. In sostanza, nel prossimo futuro il mercato dell’AI potrebbe attraversare una fase di correzione, nella quale tutti gli operatori più deboli verrebbero sostituiti da chi offre casi d’uso applicabili al mercato reale. Le migliori stime di Linkmate collocano la possibile fase di correzione tra il 2027 e il 2028, se non emergerà un caso d’uso reale ampiamente applicabile.

The post 2026 AI Market Claims Vs SEC Filings: Linkmate Analysis appeared first on Metaverse Post .