Il ricordo per dipendente è in crescita nelle Magnificent Seven, mentre le altre 493 società dell'S&P 500 restano sostanzialmente ferme, secondo una nuova analisi di Apollo Global Management.

Il mondo aziendale americano ha trascorso gli ultimi anni a dire agli azionisti che l'intelligenza artificiale avrebbe cambiato tutto. Secondo l'economista capo di Apollo Global Management, Torsten Slok, finora ha cambiato soprattutto le cose per sette aziende.

In una nota pubblicata il 24 ottobre 2026, Slok sostiene che l'AI sta facendo crescere il ricordo per dipendente nelle Magnificent Seven. In tutto il resto dell'S&P 500, lo stesso indicatore è rimasto quasi immutato. Il risultato è rilevante perché il ricordo per dipendente è uno dei modi più puliti per valutare se una tecnologia stia effettivamente rendendo un'azienda più produttiva. L'indicatore si calcola dividendo i ricavi di un'azienda per il numero di dipendenti, quindi aumenta solo quando le vendite crescono più rapidamente della forza lavoro.

Un indice, due mercati

Slok divide l'S&P 500 in due campi. Il primo è quello delle Magnificent Seven: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia e Tesla. Il secondo è costituito da tutte le altre — un gruppo che lui chiama "S&P 493". Questa suddivisione coglie di fatto due mercati diversi che operano sotto un unico benchmark. Poiché l'S&P 500 è ponderato per capitalizzazione di mercato, i suoi maggiori componenti esercitano un'influenza maggiore sulla performance complessiva dell'indice rispetto alle centinaia di società più piccole alle loro spalle.

Il divario tra i due è ampio. Il ricordo per dipendente, adeguato all'inflazione, delle Magnificent Seven è salito a circa 780.000 dollari, dai circa 565.000 dollari di inizio 2023. L'S&P 493, al contrario, resta intorno ai 525.000 dollari — un livello stabile dal 2019, il che significa che il resto dell'indice è di fatto rimasto ferma durante l'intero boom dell'AI.

Anche la redditività racconta una storia simile. Secondo i risultati, i margini di profitto delle Magnificent Seven si attestano vicino al 30%, mentre il resto dell'indice gira intorno al 10%.

Una base di spesa ristretta

La concentrazione si estende alla stessa spesa per l'AI. Il 10% delle società principali rappresenta il 99,5% della spesa per model-serving e inferenza — il costo di esecuzione dei modelli AI addestrati in produzione — e la stessa piccola fetta di aziende rappresenta oltre il 95% della spesa per i servizi di OpenAI e Anthropic, due dei principali fornitori commerciali di modelli AI. Ciò lascia meno dell'1% di tali spese attribuibile alle restanti società dell'indice.

Non è il primo avvertimento

Il tema non è nuovo per Slok. In un'analisi di giugno 2026 aveva già segnalato lo stesso schema, osservando che la crescita del ricordo per dipendente era limitata alle Magnificent Seven rispetto alle small cap e all'indice più ampio. Quattro mesi dopo, il quadro non è cambiato in modo significativo. La nota di ottobre rafforza l'idea che la storia della produttività dell'AI resti una storia di Big Tech, e non un fenomeno diffuso a tutta l'economia.

Cosa significa per investitori e aziende

Per gli investitori, la considerazione più immediata riguarda il rischio di concentrazione. Se i guadagni trainati dall'AI sono confinati in sette aziende, allora il trade sull'AI è di fatto una scommessa su quelle sette aziende, piuttosto che sull'S&P 500 nel suo complesso.

I risultati suggeriscono inoltre una prospettiva prudente per gli investimenti a tema AI al di fuori del settore tecnologico. Le aziende che presentano l'AI come un fattore di miglioramento dei margini potrebbero incontrare maggiore scetticismo se il loro ricordo per dipendente continua a restare fermo intorno ai 525.000 dollari.

Un superamento da parte dell'S&P 493 del livello di ricordo per dipendente dell'epoca 2019 sarebbe il primo segnale concreto che l'AI si sta diffondendo oltre i nomi più importanti della Silicon Valley. Se l'indicatore resta fermo mentre le Magnificent Seven continuano a salire oltre i 780.000 dollari circa, il divario tra il gruppo di testa e tutti gli altri diventerà sempre più difficile da ignorare.

Dato che il 10% delle società principali rappresenta il 99,5% della spesa per model-serving e inferenza, qualsiasi spostamento significativo di tale quota segnalerebbe se il mercato più ampio sta finalmente aderendo — o continua a guardare dalla parte degli spettatori.

Fonte: CryptoBriefing