Si parta dai luoghi in cui l’acqua è già scarsa. In Texas, dove la siccità resta un’emergenza persistente, i data center potrebbero consumare fino a 399 miliardi di galloni d’acqua all’anno entro il 2030, contro 49 miliardi di galloni nel 2025. Secondo una stima, quel volume sarebbe sufficiente ad abbassare il livello del Lake Mead, il più grande bacino idrico degli Stati Uniti, di oltre 16 piedi in un solo anno. Le macchine che fanno apparire senza sforzo l’output generato dall’AI hanno comunque bisogno di raffreddamento, e quel raffreddamento avviene sempre più spesso in regioni con poca acqua disponibile — regioni spesso scelte per terreni a basso costo, incentivi fiscali e connettività in fibra ottica, più che per la disponibilità idrica di lungo periodo.

Si consideri ora dove spendono i consumatori mentre l’output digitale diventa più economico. Nel 2025, un record di 159 milioni di fan ha partecipato a uno show di Live Nation, i ricavi hanno superato i $25 miliardi e, per la prima volta, gli spettatori provenienti da fuori degli Stati Uniti sono stati più numerosi di quelli interni. L’aumento si inserisce in un più ampio spostamento post-pandemia dei consumi verso le esperienze dal vivo — viaggi, ristorazione e intrattenimento — documentato in tutta l’economia del tempo libero. Mentre l’output prodotto dalle macchine si avvicinava alla gratuità, il prezzo dell’essere presenti a un evento unico e condiviso ha continuato a salire.

Questi fatti possono sembrare scollegati. Indicano invece lo stesso cambiamento economico. L’AI non ha eliminato la scarsità; l’ha ricollocata. La scarsità si sta spostando verso il basso, negli input fisici che l’AI consuma, e verso l’alto, nelle esperienze umane che non può riprodurre. Nessuna delle due forme di scarsità è sempre visibile nei cruscotti che le aziende usano per monitorare ciò che l’AI rende più economico.

Molti team dirigenziali pongono domande operative sensate: dove può l’AI ridurre i costi e aumentare l’output? Sono domande utili, ma possono oscurarne una più difficile. Quando tutto ciò che un’azienda produce diventa abbondante, che cosa diventa scarso, e l’azienda ne controlla ancora una parte?

Uno degli esempi iniziali più chiari arriva dal mercato del lavoro, dove i freelance hanno avvertito rapidamente il cambiamento. Dopo l’arrivo di ChatGPT, alcuni lavoratori che avrebbero potuto sembrare meglio posizionati sono stati tra i primi a subirne gli effetti. Uno studio su oltre tre milioni di annunci pubblicati su una piattaforma globale per freelance ha rilevato che, nel giro di pochi mesi, la domanda per le attività che l’AI generativa svolge bene è calata bruscamente. Le traduzioni verso lingue dell’Europa occidentale sono diminuite di circa il 30%, mentre la scrittura altamente standardizzata, come le pagine "About Us", si è dimezzata. Un’analisi separata dello stesso mercato ha rilevato che i freelance più esperti e più costosi sono stati colpiti almeno quanto gli altri. La competenza non li ha protetti.

Il loro lavoro non era peggiorato. Era diventato abbondante. È stata l’abbondanza, non l’incompetenza, a distruggerne il prezzo.

L’abbondanza può nascondere il vero vincolo

L’abbondanza prodotta dall’AI è al tempo stesso reale e fuorviante. Ciò che diventa abbondante è l’output in sé, non le condizioni che lo rendono affidabile o utile. Produrre una risposta è diventato più facile che mai. Produrre la risposta giusta, ed esserne responsabili quando è sbagliata, resta difficile.

Il mercato freelance illustra il meccanismo su piccola scala. L’AI non ha soltanto sostituito parte del lavoro; ha anche svalutato il lavoro che continuava a essere svolto dagli esseri umani. L’ingrediente scarso non è mai stato semplicemente un "testo competente". Un testo competente è ormai quasi gratuito. Ciò che è rimasto scarso è ciò che quel testo rappresentava: giudizio, responsabilità e la garanzia che una persona avesse associato il proprio nome a quelle parole.

La scarsità diventa più difficile da vedere

Nell’economia industriale, la scarsità era spesso visibile e misurabile: scorte, posti disponibili, ore-ingegnere. Nell’economia dell’AI, la scarsità diventa più diffusa e talvolta quasi invisibile. Può nascondersi in una coda di calcolo dietro ciò che sembra un’ampia offerta, o nei secondi di latenza che rivelano quante poche macchine siano effettivamente disponibili. In altri casi, il vincolo non è affatto tecnico. Può essere legale, operativo o legato alla limitata attenzione residua di un cliente.

Questi vincoli sono facili da ignorare finché non provocano danni. Un servizio di streaming può mostrare istantaneamente mille titoli, ma la vera risorsa razionata è la serata dello spettatore e i pochi minuti che una persona dedicherà a scegliere cosa guardare. Una piattaforma logistica può prezzare ogni rotta in millisecondi, per poi incontrare un limite che non ha nulla a che fare con la potenza di calcolo: camion in fila davanti a un singolo punto di carico.

Herbert Simon individuò questo cambiamento nel 1971, osservando che un’abbondanza di informazioni crea una scarsità di attenzione. Quella che allora era un’intuizione è diventata una condizione operativa di base in molti settori. La scarsità non scompare. Si nasconde.

Molte organizzazioni continuano a comportarsi come se la scarsità fosse stata abolita, pur assorbendone le conseguenze: congestione, clienti frustrati e compromessi mai resi espliciti. Continuano a misurare unità vendute e organico, mentre l’azienda perde silenziosamente valore attraverso scarsità che non monitora.

Chi controlla la nuova scarsità?

Il mercato freelance affollato rende chiaro un punto: chiunque produca output a basso costo su larga scala spesso prende in affitto la scarsità da qualcuno a monte. Lo stesso vale per le aziende. Quando un’impresa spinge il costo marginale verso lo zero, spesso ha semplicemente spostato il collo di bottiglia di un gradino più in alto nella catena, verso chi controlla il calcolo e l’energia che lo alimenta.

La domanda di elettricità dei data center è aumentata del 17% nel 2025 ed è sulla traiettoria di un raddoppio, da circa 485 terawattora in quell’anno a circa 950 terawattora entro il 2030, con una domanda triplicata da parte dei siti focalizzati sull’AI. La spesa in conto capitale delle cinque maggiori società tecnologiche ha superato i $400 miliardi nel 2025 e dovrebbe aumentare di un altro 75% quest’anno. Entro la fine del decennio, l’International Energy Agency prevede che i data center negli Stati Uniti consumeranno più elettricità della produzione di alluminio, acciaio, cemento e prodotti chimici messi insieme.

I vincoli decisivi non sono sempre talento o capitale. Includono connessioni alla rete, turbine a gas, trasformatori e gallio, un materiale essenziale per i chip semiconduttori da cui dipende l’hardware dell’AI, di cui la Cina raffina circa il 99%. Anche l’acqua rientra ormai in quell’elenco. La pressione sui bacini idrici in Texas è un esempio iniziale, non un’eccezione. Il consumo diretto di acqua da parte dei data center statunitensi dovrebbe raddoppiare o più entro il 2028, e gran parte delle nuove costruzioni sta avvenendo in bacini già soggetti a vincoli idrici. L’IEA ha affermato che questi colli di bottiglia stanno già limitando i suoi scenari di crescita più aggressivi. In molti casi, un’azienda che celebra una produzione quasi gratuita ha semplicemente trasferito un margine durevole a chi possiede l’input scarso. Come ha detto il direttore dell’agenzia, non esiste AI senza energia.

La stessa logica si applica dal lato della domanda. Quando tutti possono generare un’offerta simile, ciò che diventa scarso è il luogo in cui guarda il cliente: il canale, o l’assistente che filtra le scelte. Chi controlla quel punto di attenzione controlla la scarsità che conta. Tutti gli altri competono nello strato abbondante.

Il prezzo segnala ciò che conta

Quando l’abbondanza diventa normale, il prezzo cambia funzione. Smette di indicare semplicemente quanto sia disponibile e comincia a segnalare ciò che viene prioritizzato.

Un prezzo premium non riflette più soltanto un costo più alto. Può rivelare una scarsità sottostante: accesso più rapido, minore esposizione al rischio o una garanzia più forte. Non compra necessariamente più volume; compra tempo e rassicurazione. Un prezzo fissato troppo in basso non è più solo un problema di margine. Può innescare una corsa che sovraccarica il sistema e nasconde compromessi che avrebbero dovuto essere resi espliciti.

Il prezzo diventa lo strumento attraverso cui un’azienda riconosce una scarsità e decide se proteggerla o monetizzarla. È una decisione strategica, non soltanto aritmetica. Poiché l’AI può misurare in tempo reale vincoli un tempo vaghi, può rendere queste scelte più nette e le loro conseguenze immediate.

Alcune aziende stanno già facendo pagare cose che pochi avrebbero pensato di vendere cinque anni fa. Un fornitore cloud vende non solo capacità, ma priorità garantita quando la domanda aumenta. Una società finanziaria smette di vendere dati, ormai abbondanti, e vende invece la tracciabilità dell’origine e la fiducia che quei dati reggeranno al vaglio di un’autorità di regolamentazione. Nel software per le costruzioni, Graitec ha costruito la propria strategia AI attorno a una premessa simile, scommettendo che gli ingegneri pagheranno non semplicemente per una generazione più rapida, ma per progetti sufficientemente verificabili da poterci apporre la propria firma. Un gestore patrimoniale fa pagare meno il portafoglio, un’allocazione che oggi un robo-advisor può assemblare per pochi punti base, e di più il giudizio che mantiene un cliente investito durante un crollo, il coaching che secondo Vanguard aggiunge l’alpha del consulente oltre la selezione dei titoli, e la responsabilità che nessun modello offrirà.

In ciascun caso, il prezzo smette di remunerare lo sforzo della produzione e comincia ad attribuire valore a una scarsità che il cliente non può trovare altrove.

La domanda che spesso sfugge ai dirigenti

I leader che affrontano questa transizione nel modo più efficace condividono un’abitudine. Non chiedono soltanto che cosa l’AI consenta loro di produrre in quantità maggiori. Sanno dire con chiarezza che cosa, nella loro attività, è diventato abbondante e che cosa è diventato raro.

Tre domande rivelano la posizione di un’azienda. Che cosa è diventato abbondante nel business ma viene ancora prezzato come se fosse scarso? Che cosa è diventato scarso ma non viene ancora misurato? E, tra queste nuove scarsità, quali controlla davvero l’azienda, e quali sono già state catturate da una piattaforma, da un fornitore di calcolo o da un concorrente senza che il management se ne accorgesse?

La trappola è quasi sempre la stessa. Di fronte all’abbondanza, le aziende spesso cercano di competere più duramente sullo strato abbondante, producendone di più e più velocemente. È proprio quello lo strato in cui i margini tendono a collassare verso lo zero, perché i concorrenti hanno accesso agli stessi strumenti. Il valore migra verso il collo di bottiglia e si stabilisce presso chi lo controlla.

I freelance che si sono ripresi non hanno avuto successo producendo più parole. Quelli che oggi vanno bene si sono riposizionati intorno a ciò che era rimasto scarso. I freelance con competenze complementari all’AI guadagnano circa il 40% in più rispetto ai colleghi che non le hanno, e i contratti di maggior valore sono aumentati. Sono tornati a vendere scarsità.

L’AI continuerà a rendere abbondante l’output. È questa la sua promessa, e in gran parte rappresenta progresso. Ma l’abbondanza non è il luogo in cui risiede il margine. Il margine si sposta verso ciò che resta scarso: accesso difficile da ottenere, fiducia difficile da conquistare, potenza e priorità che non possono essere semplicemente create su richiesta.

Le aziende che producono di più con l’AI non necessariamente cattureranno il valore. Il valore andrà a chi saprà identificare la nuova scarsità, controllarla e prezzarla prima di un concorrente.

Questo richiede disciplina, non istinto. Ogni strategia ha ora bisogno di una mappa della scarsità: che cosa l’azienda sta rendendo abbondante, dove ciò crea un collo di bottiglia, chi controlla quel collo di bottiglia e se il prezzo riflette qualcosa di tutto questo. La parte difficile è costruire il business attorno a quella scarsità invece che all’output che l’AI ha reso economico, soprattutto mentre ogni incentivo continua a spingere verso una maggiore produzione.

Le opinioni espresse nei commenti pubblicati su Fortune.com sono esclusivamente quelle dei rispettivi autori e non riflettono necessariamente le opinioni e le convinzioni di Fortune.

Questa storia è stata originariamente pubblicata su Fortune.com.