Perché l'IA analizza bene il passato ma il capitale di rischio scommette sul futuro
Tre quarti delle società di capitale di rischio utilizzano già l'intelligenza artificiale per valutare opportunità di investimento. Il dato, da solo, suona come una modernizzazione inevitabile. Ma c'è una tensione strutturale che quella percentuale non cattura: i modelli linguistici sono straordinariamente bravi a fare esattamente ciò che il capitale di rischio non può permettersi di fare troppo spesso, ovvero guardare indietro.
Il capitale di rischio è, nella sua meccanica più elementare, una scommessa sulle discontinuità. Non su mercati che si espandono in modo prevedibile, ma su momenti in cui una tecnologia o un comportamento rompe con ciò che i dati precedenti suggerivano come probabile. Introdurre strumenti addestrati su schemi storici in quel processo è utile fino a quando non lo è più, e il confine tra i due stati è più sottile di quanto la maggior parte delle società stia riconoscendo apertamente.
Il pregiudizio di conferma più sofisticato che sia mai esistito
I grandi modelli linguistici generano risposte identificando schemi in corpus massivi di testo. Questo li rende straordinariamente capaci per compiti analitici con contorni ben definiti: mappare i concorrenti, identificare ostacoli normativi, riassumere la letteratura tecnica, segnalare rischi in un mercato conosciuto. Ciò che non possono fare, per costruzione, è riconoscere il momento in cui quei contorni stanno per ridisegnare l'intera mappa.
La storia del capitale di rischio è piena di esempi in cui l'analisi corretta del presente è stata la ragione per cui si è perso il futuro. Quando Airbnb raccolse i suoi primi round nel 2008, la tesi secondo cui degli estranei avrebbero pagato per dormire in casa di sconosciuti non era solo controintuitiva; era direttamente inconsistente con i dati disponibili sul comportamento dei consumatori in quel momento. L'analisi del sentiment di quell'epoca puntava nella direzione opposta. Lo stesso accadeva con le prime fasi del web sociale: i sondaggi dominanti degli inizi del decennio del 2000 mostravano che il principale freno all'uso di internet era la paura per la privacy. Facebook fu costruito, in parte, ignorando quella lettura.
Un sistema ben calibrato avrebbe segnalato entrambe le proposte come ad alto rischio. E avrebbe avuto ragione, dalla prospettiva del passato. Il problema non sta nel fatto che l'analisi fosse incorretta; sta nel fatto che era l'analisi sbagliata per quella specifica decisione.
È qui che il pregiudizio diventa difficile da rilevare all'interno delle società che hanno adottato l'IA come parte standard del processo di due diligence. Non si manifesta come un errore evidente. Si manifesta come una serie di analisi molto ben documentate che favoriscono sistematicamente le scommesse che hanno un precedente e sfavoriscono quelle che non ce l'hanno. Nel breve termine, questo produce portafogli più ordinati. Nel lungo termine, produce portafogli che non generano i rendimenti che giustificano la classe di attivi.
Ciò che rivela il flusso di capitale verso l'IA nel 2025
La concentrazione del capitale di rischio globale nel 2025 illustra con precisione quello schema. Il finanziamento globale di capitale di rischio ha raggiunto circa 141 miliardi di dollari nel quarto trimestre, un incremento del 12% rispetto al trimestre precedente, rendendo il 2025 l'anno più attivo dal 2021. L'intelligenza artificiale ha rappresentato più del 25% del capitale di rischio globale quell'anno, in aumento dal 15% nel 2024 e dal 7% nel 2023. Nel segmento aziendale, la spesa in IA generativa è passata da 11,5 miliardi di dollari nel 2024 a 37 miliardi nel 2025, secondo i dati di Menlo Ventures.
Quei numeri descrivono un settore che, in parte, sta scommettendo sul futuro con genuina convinzione. Ma descrivono anche un settore che, in parte, sta seguendo lo schema più leggibile disponibile. L'IA è oggi il settore con la maggiore validazione storica recente, con più citazioni in articoli di ricerca, con maggiore flusso di notizie. È, in termini pratici, il mercato su cui uno strumento di IA può più facilmente produrre analisi. Il risultato è un feedback che concentra il capitale dove il segnale è più chiaro, che è esattamente il tipo di concentrazione che produce i rendimenti mediani più elevati ma non necessariamente i rendimenti nella coda superiore destra.
La distribuzione all'interno del segmento IA merita anch'essa attenzione. Menlo Ventures scompone la spesa del 2025 tra 19 miliardi nel livello delle applicazioni e 18 miliardi nell'infrastruttura. All'interno delle applicazioni, gli strumenti orizzontali hanno catturato 8,4 miliardi, le soluzioni dipartimentali 7,3 miliardi e le verticali specializzate 3,5 miliardi. Quella granularità suggerisce che la scommessa non riguarda più se l'IA conti come categoria, ma quale livello della catena del valore catturerà margini sostenibili. Questa è una domanda molto più raffinata, ed è precisamente il tipo di domanda in cui un'analisi ben eseguita, con o senza IA, può apportare valore differenziale.
Ciò che l'analisi storica non può risolvere è identificare quali categorie che oggi non figurano in nessun dataset cattureranno la prossima ondata. L'energia nucleare modulare è l'esempio più chiaro in questo momento.
Quando la storia dei fallimenti nasconde una discontinuità reale
I registri sull'energia nucleare sono pieni di avvertimenti. Three Mile Island, Chernobyl, Fukushima. Decenni di tentativi di commercializzazione falliti. Tempi di costruzione che si sono estesi da anni a decenni. Extracosti strutturali. Un sistema di analisi addestrato su quel corpus produrrebbe, in modo del tutto ragionevole, una valutazione ad alto rischio per qualsiasi startup che proponga piccoli reattori modulari come soluzione energetica.
Il problema è che i piccoli reattori modulari sono tecnicamente ed economicamente distinti dalle grandi centrali nucleari che hanno generato quella storia. Sono progettati per la produzione in serie e la standardizzazione, non per la costruzione su misura in ogni sito. E il contesto della domanda è cambiato in modo strutturale: i data center dell'IA richiedono volumi di energia continua e prevedibile che le fonti intermittenti non riescono a soddisfare in modo economicamente efficiente su scala. Aziende come Microsoft, Google e Amazon hanno già iniziato a firmare accordi e a effettuare investimenti collegati alla generazione nucleare, il che indica che il segnale di domanda esiste ed è stato formalizzato in contratti, non solo in dichiarazioni di intenti.
Un modello addestrato sul passato nucleare probabilmente vedrà rischio accumulato. Un analista che comprende cosa è cambiato nell'economia della domanda energetica può vedere una tecnologia che arriva sul mercato nel momento in cui il mercato finalmente ne ha bisogno. La differenza tra queste due letture non è ottimismo contro pessimismo. È la capacità di identificare quando una variabile esterna ha riconfigurato lo spazio delle possibilità di una tecnologia che prima era non praticabile.
Quella capacità non può essere delegata a un sistema che non ha accesso alle informazioni su ciò che non è ancora accaduto.
L'immaginazione non è un lusso analitico, è la variabile che il modello non può importare
Ciò che il capitale di rischio ha storicamente acquistato non è l'analisi del mercato esistente. Ha acquistato la capacità di immaginare mercati che non esistono ancora e di identificare i team in grado di crearli. Quella capacità ha componenti che non sono delegabili a sistemi di analisi di schemi storici: la lettura di segnali deboli, la capacità di riconoscere quando un comportamento emergente sta per diventare di massa, la distinzione tra un mercato che ha fallito per cattiva esecuzione e uno che ha fallito perché il momento era sbagliato.
Niente di tutto questo significa che le società dovrebbero ridurre l'uso dell'IA nel processo di investimento. Gli strumenti attuali sono genuinamente preziosi per accelerare la due diligence su mercati conosciuti, mettere sotto pressione le ipotesi del modello di business e strutturare l'analisi competitiva. Utilizzati bene, rendono più rigoroso il lavoro che gli analisti stavano già svolgendo.
Il rischio non sta nell'usare l'IA. Sta nel costruire processi in cui l'assenza di precedente storico diventa automaticamente un segnale di scarto. Quella progettazione istituzionale espelle dal portafoglio esattamente le opportunità che il capitale di rischio dovrebbe essere meglio posizionato per cogliere.
Il capitale che fluisce dove i modelli riescono già a misurare bene è in competizione con ogni società che usa gli stessi modelli. Il capitale che fluisce dove i modelli non riescono ancora a misurare bene è in competizione con molti meno concorrenti. Quella asimmetria non scompare perché lo strumento è più sofisticato. Si approfondisce.
