Il settore dell'intelligenza artificiale sta attraversando una fase di consolidamento verticale accelerato: i principali laboratori di ricerca — da OpenAI ad Anthropic — stanno abbandonando il modello specializzato per espandersi lungo l'intera catena del valore dell'AI, sovrapponendosi alle startup che avevano costruito il loro business su quelle stesse fondamenta tecnologiche. Il fenomeno, in corso nel 2025, ridisegna gli equilibri competitivi a livello globale.
La dinamica è alimentata da una pressione finanziaria strutturale: le valutazioni miliardarie raggiunte dai grandi laboratori impongono la ricerca di nuovi flussi di fatturato, soprattutto in un momento in cui i modelli linguistici si stanno rapidamente trasformando in commodity. Con le quotazioni in borsa all'orizzonte, bruciare liquidità in segmenti dove non si eccelle diventa insostenibile, ma nel breve periodo la corsa all'espansione appare inarrestabile.
La mappa competitiva si è fatta rapidamente illeggibile. Anthropic, nota per il modello Claude, ha lanciato Claude Code, strumento di programmazione assistita che compete direttamente con Cursor e Cognition. Secondo screenshot circolati su X, la società starebbe sviluppando anche un costruttore di applicazioni per utenti non tecnici, entrando così in collisione con realtà come Lovable, Replit e Emergent — quest'ultima sostenuta da SoftBank e Lightspeed. Nel frattempo, OpenAI ha assunto Peter Steinberger, creatore di OpenClaw, segnalando un'accelerazione nel segmento degli agenti autonomi, dove già operano Sierra (fondata dall'ex chief technology officer di Meta, Bret Taylor) e Agentforce di Salesforce.
Mukund Jha, CEO di Emergent, ha dichiarato di aver anticipato l'arrivo di Anthropic nel mercato del vibe coding: "Non è una sorpresa, ci stavamo preparando da tempo." Jha sostiene che la programmazione rappresenti "circa il 20-30% del lavoro", mentre la parte più complessa risiede nel portare un'applicazione alla fase produttiva, un problema che le aziende "troppo diluite" potrebbero non saper risolvere con efficacia. È una difesa comprensibile, ma non priva di fragilità: dipende dal fatto che i grandi laboratori non investano risorse sufficienti per colmare quel gap.
Tom Sheridan, vicepresidente del fondo RTP Global — tra i primi investitori in Lovable — offre una lettura più strutturale: la competizione si risolverà con le IPO. "Una volta che queste aziende andranno in borsa, bruciare cassa smette di essere gratuito e presidiare categorie dove non si è i migliori smette di avere senso", ha dichiarato a Business Insider. La sua tesi è che l'idea di una "super app" — un unico ecosistema che assorba tutte le funzioni — sia "rumore di fondo".
Il parallelo storico con Google è evocativo. Michiel Kotting, partner del fondo europeo Northzone, ricorda come vent'anni fa il gigante di Mountain View tentasse di entrare in ogni segmento, lanciando Froogle in competizione con Shopping.com — la piattaforma da lui coffondata — per poi abbandonarlo silenziosamente. Il cosiddetto "Google Graveyard" cataloga 305 progetti abbandonati dalla società nel corso degli anni. Anche Apple è nota per il fenomeno del "Sherlocking" — rendere obsoleti strumenti di terze parti con funzionalità native — ma non sempre persevera: Pay Later, lanciato nel 2023 come rivale di Klarna e Affirm, fu dismesso nel 2024.
Per le startup, i rischi sono duplici. Il primo è la dipendenza: realtà come Cursor costruiscono il proprio prodotto sulle API di Anthropic, che è al tempo stesso fornitore e competitor. Il secondo è l'esclusione dai dati: l'espansione dei grandi laboratori spinge piattaforme come Reddit o LinkedIn a bloccare lo scraping, privando le startup dei dati necessari per addestrare i propri modelli.
Sheridan prevede che almeno una delle principali startup consumer di AI verrà acquisita entro 24 mesi, con Google come acquirente più probabile, grazie alla capacità del suo business pubblicitario di assorbire i costi. Chi vende per primo ottiene la valutazione migliore: una logica che accelera ulteriormente la pressione sul mercato. La vera domanda è se le startup riusciranno a costruire una differenziazione abbastanza profonda — nella comprensione del contesto utente, nella qualità dell'esperienza, nella verticalizzazione settoriale — prima che i laboratori smettano di essere distratti dalla corsa alle valutazioni e tornino a concentrarsi sulla qualità esecutiva.