C’è un momento in cui ogni tecnologia smette di sembrare magia e inizia a comportarsi come una voce di costo. Per l’AI è ora.

Quando un’azienda prova a mettere davvero un agente AI dentro un processo reale, la domanda cambia:

“È abbastanza affidabile?”
e subito dopo
“Quanto ci costa davvero?”

Perché un conto è usare l’AI per scrivere una mail o riassumere un documento.
Un altro è lasciarle fare attività in autonomia: cercare dati, usare software, compilare report, prendere decisioni in sequenza. Qui l’AI diventa una questione di fiducia, controllo e margini.

Il problema vero: un agente AI non deve solo parlare bene, deve comportarsi bene

Un LLM tradizionale è un modello AI che produce risposte plausibili. Un agente AI fa un passo in più: agisce. Usa strumenti, consulta dati, esegue task. E quando un sistema agisce, il rischio non è più solo “dire una sciocchezza”, ma fare la cosa sbagliata. È proprio per questo che, nel mercato enterprise, il tema si sta spostando sulla governabilità. Microsoft stessa insiste sul fatto che, per portare gli agenti in produzione, servono identità, monitoraggio, e controlli continui, non solo modelli più forti.

Qui entra in gioco un concetto di verifica. Le aziende proveranno a rendere sempre più verificabili i confini entro cui un agente può muoversi: cosa può fare, a cosa può accedere, quando deve fermarsi, quando serve un controllo umano. In pratica, meno “fidati di me”, più “fidati del perimetro”. È molto poco sexy, ma molto utile.

Poi arriva il secondo problema: il token costa poco, ma il conto finale no

Qui c’è uno dei paradossi più interessanti del 2026.

Da un lato, i costi di inferenza per unità sono crollati. Dall’altro, la spesa totale delle imprese continua a crescere, perché gli agenti consumano molte più chiamate, più passaggi, più verifiche e più tempo macchina. In altre parole: il singolo “getto d’acqua” costa meno, ma adesso stiamo lasciando il rubinetto aperto tutto il giorno.

Il problema non è più capire se usare l’AI, ma come evitare che diventi una riga di costo ingestibile.

Il costo nascosto è ancora più grande: i datacenter

Ma il conto non finisce ai token.

Dietro l’AI c’è una corsa gigantesca all’infrastruttura: chip, reti, energia, trasformatori, raffreddamento, immobili, connessioni. Il consumo elettrico dei datacenter è cresciuto del 17% nel 2025 e che, da qui al 2030, la domanda elettrica dei datacenter potrebbe raddoppiare, mentre quella dei siti focalizzati sull’AI potrebbe addirittura triplicare.

Tradotto: l’AI non è solo una storia software. È una storia molto materiale.
E molto energivora.

Il settore è previsto in crescita a doppia cifra. E il punto chiave è la disponibilità di energia. In molti casi sarà la potenza elettrica disponibile, non il prezzo del terreno, a decidere dove si costruisce il prossimo datacenter.

In più, l’AI sta cambiando anche il design fisico dei datacenter: centri più densi, più calore, più bisogno di liquid cooling, più pressione su reti, trasformatori e sistemi di backup.

Quindi dove guardare? Più che “nomi”, temi

La lista della spesa delle filiere da osservare.

1. Energia e utility
Se i datacenter diventano uno dei grandi motori della domanda elettrica, torna centrale tutto ciò che riguarda generazione, connessioni alla rete, trasformatori e capacità di portare potenza in tempi rapidi. Il tech sta già spingendo sulle rinnovabili, ma anche su nucleare modulare, ed energia geotermica.

2. Raffreddamento e gestione termica
Più densità di calcolo significa più calore. E più calore significa che il raffreddamento diventa un collo di bottiglia, non un dettaglio tecnico. La mia opinione è che saranno richiesti sempre più soluzioni di liquid cooling e strutture progettate per carichi molto più intensi.

3. Semiconduttori, memoria e networking
La corsa all’inferenza non richiede solo GPU, ma anche memoria ad alte prestazioni, switch di rete, fibra e tutta la componentistica che permette scalabilità.

4. Software di governance e ottimizzazione dei costi
Più gli agenti entrano nei processi aziendali, più crescerà il valore di chi aiuta a controllare spesa, sicurezza, routing dei modelli, permessi, monitoraggio e auditabilità. —

*Quindi chi guadagnerà davvero quando l’AI uscirà dalla fase demo ed entrerà nella fase infrastruttura?**

Perché finché parliamo solo di modelli, parliamo di hype.
Quando iniziamo a parlare di costi, energia, controllo e supply chain, iniziamo a parlare di economia vera.

Ed è di solito lì che il mercato smette di sognare e inizia a prezzare.

Le analisi pubblicate su questo sito sono a scopo informativo e non costituiscono consulenza finanziaria. Per una valutazione del tuo portafoglio alla luce delle tendenze descritte, puoi richiedere una analisi indipendente.