Costruire una startup di intelligenza artificiale in Africa significa sopravvivere a una contraddizione macroeconomica frontale. I fondatori devono affittare unità di elaborazione grafica (GPU), storage cloud e application programming interface (API) di modelli fondamentali prezzati in dollari statunitensi, per poi vendere il software risultante a imprese locali con budget ridotto all'osso. Questa compressione strutturale ha ribaltato l'unit economics da manuale del Software-as-a-Service (SaaS): a differenza del software tradizionale, dove i costi marginali si appiattiscono all'aumentare degli utenti, ogni nuovo utente attivo su una piattaforma AI-native fa salire di pari passo le fatture di compute in valuta estera.

Queste doppie pressioni sono il nucleo di AI Made in Africa: Voices from AI businesses across Africa, uno studio di 70 pagine pubblicato nell'ottobre 2026 dall'ufficio Unione Africana della Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) in partnership con la società di market intelligence Briter Bridges. Lo studio mappa 311 aziende AI a scopo di lucro che complessivamente hanno ricevuto 1,3 miliardi di dollari in finanziamenti pubblicamente divulgati in più di 35 settori tra il 2016 e il 2025, insieme a un'indagine approfondita su 85 imprese e 16 interviste agli stakeholder condotte tra aprile e luglio 2026.

Dall'AI-enabled all'AI-native

La maturazione del dibattito sull'AI nel continente si vede nel modo in cui le generazioni di fondatori sono cambiate dal rilascio pubblico dei modelli fondamentali come GPT, Llama e Mistral nel 2022. Nel più ampio dataset di 311 aziende, il 56 per cento delle imprese è "AI-enabled", ossia sovrappone machine learning a un servizio fintech, sanitario o agritech esistente che potrebbe funzionare anche senza. Tra le 85 imprese interrogate, che pendono fortemente verso realtà nate dopo il 2022, il 75 per cento è "AI-native".

Il risultato è un'evoluzione pragmatica nel modo in cui gli ingegneri africani progettano i loro stack tecnologici. Nelle fasi pre-seed e di bootstrap, le startup si dividono in tre parti uguali tra API commerciali di terze parti scelte per la velocità, modelli open-source adottati per evitare i costi per query e sviluppo interno. Tuttavia, quando le aziende crescono fino alla fascia di finanziamento tra 1 e 10 milioni di dollari, la dipendenza da API di terze parti diventa finanziariamente tossica: servire migliaia di utenti giornalieri può facilmente generare fatture mensili di token da 20.000 a 50.000 dollari. Le startup in fase di crescita convergono quindi su architetture ibride, effettuando fine-tuning di basi open-source con dataset locali proprietari.

In settori come sanità e agricoltura, costruire modelli interni o ibridi è una necessità più che una scelta: i modelli occidentali standard allucinano di routine sui referti clinici africani e identificano male le malattie delle colture locali. Questo requisito ribalta il modello globale prevalente del rilascio rapido su API commerciali: per i costruttori africani, il livello dei modelli è al tempo stesso dove si vince la differenziazione e dove si concentra la maggiore singola spesa di R&S della maggior parte delle startup.

Il tetto dei 208 dollari al mese

La matematica diventa presto brutale quando i costi di sviluppo incontrano il potere d'acquisto locale. Il 65 per cento delle startup interrogate indica cloud computing, GPU e infrastrutture come la maggiore singola spesa di ricerca e sviluppo (R&S), davanti all'acquisizione e alla pulizia dei dati. Al tempo stesso, più della metà delle aziende interrogate prezza i propri prodotti sotto i 2.500 dollari annui per cliente, ovvero circa 208 dollari al mese. Per le piccole imprese africane con ricavi annuali inferiori a 10.000 dollari, un abbonamento software mensile di 208 dollari compete direttamente con gli stipendi dei dipendenti e l'energia di backup.

La compressione dei margini è aggravata da gravi deficit infrastrutturali. L'Africa ospita il 18 per cento della popolazione mondiale ma accounta per meno dell'1 per cento della capacità globale di data centre, instradando circa l'80 per cento del proprio traffico internet attraverso server esteri. Il monitoraggio indipendente del 2026 AI Data Centre Index prevede 19 strutture AI-ready che raggiungeranno 1,3 GW di capacità in sette paesi africani, ma le reti elettriche restano il vincolo decisivo. Il report rileva che la rete elettrica nazionale nigeriana aveva una media di appena 4.000 MW di capacità disponibile all'inizio del 2026, contro 13.000 MW installati, mentre un progettato data centre geotermico da 1 miliardo di dollari in Kenya di Microsoft e G42 si è bloccato nell'agosto 2025 perché alimentarlo avrebbe privato di elettricità metà del paese.

Gli shock valutari aggravano il problema. La svalutazione della naira del 2023 ha fatto salire, secondo quanto riferito, le fatture cloud locali del 224 per cento. Di conseguenza, solo il 5 per cento dei professionisti AI africani ha il compute di cui ha bisogno, e iterazioni di modelli che nei paesi G7 richiedono 30 minuti possono richiedere sei giorni nel continente.

Costruire per acquirenti istituzionali

Di fronte a un fragile potere d'acquisto dei consumatori, i fondatori AI africani sviluppano per acquirenti istituzionali. Circa l'88 per cento delle aziende interrogate vende ad altre imprese (B2B) e il 44 per cento vende ai governi (B2G), facendo forte affidamento su abbonamenti ricorrenti e cavalcando al tempo stesso più segmenti di clienti per restare a galla.

Tuttavia, vendere alle istituzioni espone le startup al maggiore singolo ostacolo di scala dell'ecosistema: il 65 per cento dei fondatori indica la fiducia dei clienti e la bassa alfabetizzazione AI come ostacolo principale, davanti agli elevati costi di sviluppo (49 per cento), all'integrazione con sistemi legacy (34 per cento) e ai lunghi cicli di vendita (33 per cento). La startup nigeriana healthtech MyItura, per esempio, ha dovuto costruire dataset clinici proprietari ed equipaggiare gli agenti di assistenza sanitaria primaria con tablet finanziati da grant prima che i medici si fidassero dei suoi strumenti di trascrizione e prestito basati su AI. In Sudafrica, l'azienda AI per imprese The Awareness Company deve spesso installare sensori fisici per clienti mining e immobiliari che operano ancora su fogli di calcolo manuali, prima ancora che il suo software possa acquisire i dati.

Team snelli e divaro di talenti

All'interno di queste aziende, i team restano notevolmente snelli: solo il 2 per cento impiega più di 250 persone. Poiché l'Africa detiene appena l'1-3 per cento dei talenti AI globali, le startup locali non possono competere con gli stipendi remoti esteri. Circa il 51 per cento dei fondatori fa fatica a assumere ricercatori AI senior, e il 33 per cento fatica a trovare ingegneri MLOps. In risposta, il 47 per cento ha trasformato le proprie startup in accademie de facto, costruendo percorsi formativi interni formali per aggiornare i giovani laureati locali. La startup regtech ivoriana Danaya, per esempio, forma internamente giovani ingegneri locali sulla computer vision reclutando al tempo stesso leadership della diaspora dalla Francia per supervisionare l'architettura.

Capitale e politiche devono corrispondere alla realtà operativa

Il messaggio di fondo a investitori e policy maker è che capitale e politiche devono corrispondere alla realtà operativa. Sebbene 1,3 miliardi di dollari siano fluiti verso le aziende mappate nell'ultimo decennio, con un ticket mediano di 225.000 dollari, oltre il 75 per cento di quel capitale è andato a venture precedenti al 2020. Rapportato all'orientamento post-2022 e AI-native dell'indagine, questo divario significa che l'onda più recente di costruttori AI del continente ha finora attinguto solo a una minoranza dei finanziamenti divulgati del decennio. Quasi un terzo delle startup interrogate resta interamente autoprovvisto, solo il 15 per cento è redditizio, e il 60 per cento delle aziende redditizie opera oltre l'Africa, comprese startup dell'Africa settentrionale che hanno trasferito la sede a Dubai e Riad.

Due anni dopo che l'Unione Africana ha adottato la propria Strategia Continentale sull'AI nel luglio 2024, i fondatori non chiedono incubazione generica; meno del 5 per cento dei 470 hub tecnologici africani offre accesso a GPU o mentorship AI specializzata. I fondatori vogliono invece investitori pazienti che comprendano cicli di approvvigionamento B2G di 12-18 mesi e rischio valutario strutturale.

Verso i governi, le richieste sono concrete: il 62 per cento vuole sussidi per R&S e compute, il 49 per cento vuole regole armonizzate sui dati transfrontalieri tra mercati come Nigeria e Kenya, e il 26 per cento vuole sandbox normativi che sbloccino decenni di registri pubblici agricoli e sanitari non digitalizzati.

AI Made in Africa dimostra che gli ingegneri africani sono già passati dal consumare AI al costruirla. Il compito restante, chiarisce il report, spetta ai finanziatori, alle reti elettriche e ai regolatori del continente, che ora devono recuperare terreno. Le richieste politiche dell'indagine e la pipeline di costruzione dei data centre now servono anche da parametri per misurare quanto di questo recupero avverrà davvero.