Nel dibattito europeo sull'intelligenza artificiale, raramente si affronta con la necessaria profondità la dimensione geopolitica ed economica che sottende ogni scelta infrastrutturale. L'analisi sviluppata da Paolo Benanti, teologo e membro del Comitato delle Nazioni Unite sull'AI governance, offre un contributo originale che va ben oltre la consueta discussione tecnica: il cuore della questione non riguarda la qualità dei modelli o le performance dei benchmark, ma il modo in cui la dipendenza computazionale dalle grandi piattaforme americane stia ridisegnando silenziosamente gli equilibri di potere industriale e istituzionale in Europa. È un'analisi che merita approfondimento critico, perché tocca variabili spesso ignorate nei board aziendali italiani: la struttura economica degli hyperscaler, il lock-in cognitivo delle organizzazioni e il significato reale di sovranità digitale.
Il punto di partenza è la natura economica del token, l'unità di misura con cui i grandi fornitori di AI — da OpenAI a Google, da Microsoft ad Amazon Web Services — fatturano l'accesso ai propri modelli. Il token non è una misura neutrale: è lo strumento attraverso cui si costruisce un modello di ricavi basato sull'espansione continua del consumo computazionale. La dinamica ricalca fedelmente quella del cloud negli ultimi quindici anni, dove la riduzione del costo unitario ha generato non risparmio, ma un aumento esponenziale dei workload, delle integrazioni e, in ultima analisi, della spesa complessiva. Più il compute diventa economico, più le organizzazioni lo impiegano in modo sistematico e indiscriminato, trasformando quello che sembrava un guadagno di efficienza in una nuova forma di dipendenza operativa.
Gli operatori cloud hanno un incentivo strutturale a migliorare la propria efficienza infrastrutturale, poiché il margine operativo nasce dalla differenza tra costo energetico e computazionale sostenuto e prezzo praticato al cliente enterprise. Il problema, come evidenziato nell'analisi, è che questi guadagni di efficienza raramente si traducono in una riduzione proporzionale della spesa per le imprese. Si tratta di una legge quasi termodinamica dell'IT enterprise: ogni miglioramento nell'efficienza del singolo processo genera nuovi casi d'uso, nuovi workflow automatizzati, nuove integrazioni API, ampliando costantemente il perimetro della dipendenza tecnologica.
Sul fronte degli investimenti infrastrutturali, le stime aggregate indicano centinaia di miliardi di dollari di capital expenditure allocati dagli hyperscaler statunitensi nel biennio 2025-2026 per datacenter, GPU, networking e infrastrutture energetiche. NVIDIA è diventata il simbolo quasi emblematico di questa corsa al compute, con una capitalizzazione che riflette la centralità delle GPU nell'ecosistema AI. La sostanza strategica del fenomeno rimane invariata indipendentemente dalla cifra precisa: una quota crescente della spesa digitale europea alimenta asset strategici che risiedono — fisicamente, giuridicamente e finanziariamente — fuori dal continente.
Un aspetto spesso sottovalutato riguarda il ruolo dei consulenti e dei system integrator nel processo di adozione AI. L'analisi segnala come il concetto di "advisor indipendente" sia diventato progressivamente sfumato in un mercato dove co-selling, programmi di partnership commerciale, rebate e fondi marketing condivisi sono parte del normale funzionamento. Questo non implica necessariamente che ogni raccomandazione architetturale sia in conflitto con l'interesse del cliente, ma suggerisce che i board aziendali dovrebbero leggere le proposte tecnologiche anche come oggetti economici, valutando gli incentivi sottostanti con la stessa attenzione riservata alle clausole contrattuali.
Il lock-in contemporaneo che preoccupa maggiormente non è quello infrastrutturale — già ampiamente documentato nel cloud — ma quello cognitivo e organizzativo. Quando migliaia di dipendenti costruiscono i propri workflow attorno ad API proprietarie, LLM closed-source e servizi gestiti da piattaforme esterne, il costo di migrazione smette di essere misurabile in termini tecnologici e diventa culturale. Cambiare provider significa riaddestrare persone, ridisegnare processi, riallineare compliance e supply chain applicativa. È il motivo per cui molte aziende europee, pur dichiarando preoccupazione per la dipendenza americana, continuano sistematicamente ad aumentare la propria esposizione agli stack statunitensi.
Particolarmente rilevante, in questo contesto, è la questione della pubblica amministrazione, sollevata nel dibattito da Franco Bernabè. L'idea che la PA debba privilegiare modelli open source, più compatti e deployabili su infrastrutture controllate, è coerente con le traiettorie dell'AI Act europeo e con il principio di sovranità digitale promosso dalle istituzioni comunitarie. Quando un sistema AI contribuisce a decisioni amministrative o giuridiche — classificazione di pratiche, supporto a procedimenti legali, profilazione per l'accesso a servizi pubblici — la trasparenza algoritmizzata non è una feature accessoria: è un requisito democratico che nessun modello closed-source può soddisfare pienamente, per definizione.
Occorre però precisare un punto critico nel dibattito europeo: open source non equivale automaticamente a sovranità tecnologica. Molti modelli con licenze aperte vengono addestrati su infrastrutture americane, dipendono da GPU prodotte negli Stati Uniti e sono mantenuti da ecosistemi industriali non europei. La vera sovranità richiederebbe una filiera integrata che comprenda semiconduttori, infrastrutture cloud, modelli, approvvigionamento energetico, networking e — elemento spesso trascurato — le competenze umane per gestire l'intera catena. Questa filiera completa l'Europa non la possiede ancora in modo coerente, anche se vanta vantaggi competitivi reali in alcuni verticali specialistici dove modelli più piccoli, efficienti e task-specific possono risultare superiori ai grandi LLM generalisti per accuracy e costo di inferenza.
Nel panorama aziendale italiano, l'adozione della GenAI — l'AI generativa basata su architetture transformer di grandi dimensioni — sta attraversando una fase che ricorda le prime stagioni del cloud: entusiasmo diffuso, governance limitata, metriche di ROI poco mature e pressione interna per "fare qualcosa con l'AI" come segnale di modernità manageriale. Il risultato documentato è una proliferazione di proof-of-concept, spese cloud difficilmente controllabili, strumenti ridondanti e un'esposizione crescente verso fornitori la cui continuità di servizio, politica di pricing e conformità normativa sfuggono al controllo delle imprese adottanti.
La nozione di "sobrietà computazionale" che emerge dall'analisi di Benanti non è un invito al luddismo tecnologico né una critica ideologica agli hyperscaler, che stanno effettivamente costruendo infrastrutture con livelli di innovazione difficilmente replicabili nel breve periodo in Europa. È piuttosto un invito a comprendere che ogni architettura tecnologica incorpora rapporti di forza economici e politici, e che delegare le scelte infrastrutturali senza una strategia di lungo periodo significa accettare passivamente condizioni che verranno rinegoziabili solo a costi molto elevati.
La domanda che rimane aperta per i prossimi anni riguarda la capacità dell'ecosistema europeo — regolatori, imprese, centri di ricerca, provider italiani inclusi — di costruire alternative credibili e competitività reale in segmenti verticali ad alto valore, dove la specializzazione dei modelli può compensare la scala degli hyperscaler. La sfida non è soltanto tecnica: è la capacità di trasformare il vantaggio normativo dell'AI Act in un vantaggio industriale concreto, prima che la dipendenza operativa invisibile si consolidi in una condizione strutturale difficile da invertire.