AI rivoluzione industriale
La finanza sta puntando sugli algoritmi predittivi perché i mercati sono diventati troppo rapidi e troppo densi di segnali per essere gestiti bene con l’intuizione e con l’analisi “a mano”. Ogni prezzo incorpora: aspettative, flussi, notizie, decisioni di banche centrali e reazioni a catena di operatori che si muovono tutti insieme; in questo ambiente chi arriva qualche minuto dopo spesso non trova più un’opportunità, trova un prezzo già scappato e costi impliciti più alti. Gli algoritmi servono a trasformare un caos di dati in una decisione ripetibile: non solo per cercare rendimento, ma soprattutto per governare rischio e liquidità con regole coerenti, senza farsi trascinare dall’emotività o dal panico del momento. La finanza li usa per rendere gestibile l’ingestibile: aiutano a leggere migliaia di strumenti in tempo reale, a reagire con costanza, e a sopravvivere quando il mercato accelera e la differenza tra una scelta buona e una cattiva si misura in secondi.
Partiamo da un fatto semplice: gli algoritmi funzionano. Li usi già senza accorgertene quando il telefono ti completa una frase, quando una mappa ti propone il percorso “migliore”, quando un sito ti suggerisce cosa comprare o quando una banca decide in pochi secondi se una transazione è sospetta.
Se però uno non sa cos’è un algoritmo, la definizione più onesta è questa: un algoritmo è una procedura, una serie di passi che trasformano un input in un output. Come una ricetta: ingredienti, istruzioni, risultato. Quando la procedura non è scritta da un umano ma “imparata” dai dati, entriamo nel campo dell’AI moderna: l’algoritmo guarda esempi del passato, riconosce regolarità, e prova a usarle per decidere o prevedere cosa succede dopo.
L’AI predice bene finché il mondo resta abbastanza simile a sé stesso. Poi, quando cambiano le regole del gioco, l’AI non smette di funzionare. Funziona, ma su un mondo che non c’è più.
Gli algoritmi predittivi sono, in sostanza, macchine addestrate sulla continuità. Per questo spesso sono utilissimi: in molte attività la continuità esiste davvero. Un impianto tende a guastarsi secondo schemi ripetuti, una domanda di mercato ha stagionalità, un processo produttivo ha colli di bottiglia ricorrenti. Il punto è che economia e mercati non sono una catena di montaggio. Sono un sistema fatto di persone che osservano, reagiscono, imitano e cambiano strategia. Il passato non è solo un archivio: è un campo di battaglia.
Quando i parametri cambiano, cambia tutto. Parametri significa contesto: tassi, inflazione, energia, geopolitica, regole, accesso al credito, catene di fornitura, fiducia. Un modello può aver “imparato” per anni che certe variabili si muovono insieme e che certe reazioni sono probabili. Ma se entri in un nuovo regime, quelle relazioni saltano. E qui conviene chiarirlo senza giri di parole: l’algoritmo non sta sbagliando perché è stupido, sta sbagliando perché è coerente con l’addestramento. È un ottimo allievo del passato, non un profeta.
Questo spiega anche una dinamica che oggi vediamo in forma quasi caricaturale sui mercati: basta una notizia, una frase, una dichiarazione di un attore politico ad alta visibilità, e i prezzi cambiano direzione in minuti. Perché sono cambiate le aspettative e, soprattutto, perché la reazione è diventata più sincronizzata. La finanza di oggi è piena di sistemi che leggono segnali simili, classificano la notizia in categorie simili, attivano regole simili di rischio e ribilanciamento. Gli umani imitavano già prima. L’AI rende l’imitazione più rapida e più omogenea. Questo crea isomorfismo comportamentale: non serve che tutti siano d’accordo, basta che tutti usino strumenti che li spingono verso decisioni simili.
Qui entra il tema della diversificazione, che molti trattano come un gesto estetico: “metto un po’ di tutto e sono a posto”. In realtà la diversificazione è una scommessa sui driver reali. Se i driver diventano comuni, perché la reazione collettiva si standardizza, la diversificazione di facciata delude proprio quando serve. Non è un argomento da manuale, è una conseguenza operativa: se molti modelli leggono lo stesso mondo, tenderanno a muoversi nello stesso modo, e nei momenti di stress quello “stesso modo” diventa un’accelerazione.
Fin qui il quadro globale. Ora spostiamoci sull’Italia, perché il punto non è solo come si muovono i mercati, ma come si muoverà l’industria. L’Italia è manifattura, distretti, artigianato evoluto, capacità di fare bene cose difficili. Questo è un vantaggio competitivo reale, ma per l’AI è anche un problema tecnico: molto sapere italiano non è codificato. Non è in un database, non è in una base dati condivisa, non è in un linguaggio leggibile da macchine. È in procedure tramandate, in scelte fatte “a mestiere”, in settaggi ottimizzati da anni di esperienza, in documenti disordinati, in archivi locali. In sintesi, è spesso “in cantina”, anche quando è in azienda.
L’algoritmo non impara dalla tua cultura, impara dai tuoi dati. Se i dati che contano non esistono o non circolano, i modelli che useremo arriveranno da contesti dove quei dati esistono eccome. USA e Cina non stanno solo costruendo tecnologia. Stanno costruendo standard, processi, linguaggi e, nel tempo, aspettative. Se noi adottiamo modelli addestrati principalmente su altre strutture produttive, rischiamo di adattarci noi a loro, non il contrario. E questo ha una conseguenza che non è “identitaria” in senso romantico. È industriale: prodotti, processi e metriche di qualità tendono a convergere verso lo standard dominante.
Il gap di investimento tra Stati Uniti ed Europa, e tra Europa e Italia, non è una gara di vanità. È la spiegazione più concreta del perché molte aziende italiane vedranno l’AI come prodotto importato invece che come leva costruita su misura. Non è un destino inevitabile, ma è la traiettoria naturale se non succede una cosa: creare campi di addestramento con dati e casi d’uso italiani, dentro le filiere dove siamo forti. Meccanica, moda, agroalimentare, arredamento, costruzioni, logistica, turismo. Non serve l’ennesimo documento programmatico. Serve trasformare know-how in dati utilizzabili, con governance sensata, protezione della proprietà informativa, e incentivi a condividere dove ha senso. Se questa parte non si fa, discuteremo di “AI” per anni e poi useremo, di fatto, la stessa AI di tutti.
C’è poi l’altra grande contraddizione italiana: la micro e piccola impresa spesso è più veloce, più ideativa, più pragmatica. Non deve passare per burocrazie infinite, comitati tecnici, riunioni che producono slide e poche decisioni. Questo è un vantaggio nell’innovazione. Il limite è che per industrializzare un’idea servono soldi, competenze, tempo e infrastruttura. Qui l’AI può essere una leva enorme, ma solo se viene portata in azienda come strumento operativo, non come oggetto da conferenza. In molti casi la risposta non è “ognuno faccia la sua AI”. È creare strumenti replicabili di filiera, accessibili, e orientati a processi reali: qualità, manutenzione, preventivazione, documentazione tecnica, controllo tempi e costi, gestione ordini, assistenza clienti, compliance.
Ed eccoci al punto che ti interessa di più: questa non è una bolla, è una nuova rivoluzione industriale. Cambierà lavori, ne farà morire alcuni, ne creerà altri. E conviene dirlo senza drammatizzare e senza minimizzare.
Moriranno soprattutto i lavori costruiti su attività ripetitive di informazione: compilazioni, report standard, back-office puro, analisi descrittive che si fanno “a mano”, traduzioni operative, customer care di primo livello, una parte della produzione di contenuti generici. Non perché qualcuno lo desideri, ma perché il costo marginale di queste attività scenderà drasticamente e la qualità “sufficiente” sarà automatizzabile.
Si modificheranno i lavori dove il valore sta nel giudizio, nella relazione e nella responsabilità, ma dove una parte del tempo oggi si perde in compiti accessori: commerciali, consulenti, tecnici, ingegneri, amministrazione e finanza, legale, HR, project management. Qui la trasformazione sarà brutale nel modo più semplice: chi usa bene l’AI farà in un giorno ciò che prima richiedeva una settimana, e il mercato non pagherà più la lentezza come se fosse inevitabile.
Nasceranno lavori nuovi e, più ancora, nasceranno funzioni nuove dentro lavori esistenti. Serviranno persone che sanno tradurre processi in dati, che sanno verificare qualità e bias, che sanno progettare flussi di lavoro “uomo più macchina”, che sanno mettere governance dove oggi c’è improvvisazione. Serviranno competenze ibride: non “geni”, ma profili capaci di stare tra operazioni, tecnologia e business. In Italia questo può essere un vantaggio, se smettiamo di separare il mondo tecnico da quello operativo come se fossero due pianeti.
L’obiettivo non è sostituire le persone, è migliorare la loro vita. Ma questo non succede automaticamente. Succede se l’AI viene usata per togliere, errori, tempi morti, attività a basso valore e per aumentare qualità, sicurezza e capacità decisionale. Se invece la innestiamo su processi confusi e dati scarsi, otterremo una cosa molto italiana: tecnologia avanzata, risultati medi.
Quindi sì, gli algoritmi funzionano se mantenuti aggiornati. E proprio perché funzionano, cambieranno la struttura del lavoro e dell’industria. La domanda non è se l’AI arriverà nelle aziende italiane. È già arrivata. La domanda è se arriverà come standard importato, o come leva costruita sulla nostra manifattura, sulle nostre filiere e sul nostro modo di fare qualità. La differenza tra queste due opzioni è competitività, margini e salari nei prossimi dieci anni.
In Piave Capital l’etica non è un capitolo a parte: è il filtro con cui decidiamo cosa pubblicare, cosa consigliare e soprattutto cosa non promettere. Non vendiamo certezze, né scorciatoie. Lavoriamo per rendere le decisioni più informate, i rischi più visibili e gli obiettivi più misurabili. Se una scelta non è coerente con orizzonte, tolleranza alle perdite e vincoli reali di chi investe, non regge, anche quando “va di moda” o quando l’algoritmo direbbe che “statisticamente funziona”.
Il nostro approccio è semplice e rigoroso: chiarezza prima del rendimento, processo prima dell’opinione, gestione del rischio prima della narrativa. Significa trasparenza su costi e incentivi, indipendenza dai prodotti, e una comunicazione che non si accende solo quando i mercati salgono. Usiamo strumenti evoluti, anche AI, ma come strumenti: a fare la differenza restano responsabilità, metodo e disciplina. Il futuro sarà pieno di rumore e di promesse facili; noi scegliamo il lavoro più noioso e più utile: proteggere la fiducia, un trimestre alla volta.
Disclaimer
Il presente articolo è pubblicato a solo scopo informativo ed educativo e non costituisce in alcun modo consulenza finanziaria, consulenza in materia di investimenti, raccomandazione personalizzata, sollecitazione al pubblico risparmio, offerta o invito ad acquistare o vendere strumenti finanziari. Le valutazioni espresse riflettono opinioni dell’autore alla data di pubblicazione e possono cambiare senza preavviso.
Le informazioni e i dati riportati provengono da fonti ritenute affidabili, ma non se ne garantiscono completezza, accuratezza o aggiornamento. Eventuali riferimenti a società, strumenti o prezzi di mercato hanno finalità meramente esemplificativa e non implicano alcuna previsione di performance future. Gli investimenti comportano rischi, inclusa la possibile perdita totale o parziale del capitale.
Prima di assumere decisioni di investimento, il lettore è invitato a svolgere autonome verifiche e a valutare la propria situazione finanziaria, obiettivi, orizzonte temporale e tolleranza al rischio, eventualmente con il supporto di un professionista abilitato. Piave Capital e l’autore non assumono responsabilità per decisioni prese sulla base dei contenuti del presente articolo.
Metti alla prova quello che hai letto con i simulatori pertinenti a questo tema.
Le tappe del Sentiero che spiegano le basi dietro questo argomento.
Resta aggiornato, con misura
Una email a settimana: un tema di patrimonio e investimenti spiegato bene, con gli approfondimenti scelti anche dai lettori. Niente spam: ti iscrivi e ti cancelli quando vuoi.
Iscrivendoti acconsenti al trattamento del tuo indirizzo email per il solo invio della newsletter. I dettagli sono nella Privacy Policy. Puoi annullare l’iscrizione in qualsiasi momento.