Gli investitori di venture capital tornano a Ridley perché l'IA ha fatto esattamente ciò che aveva previsto
C'è un libro del 2010 che sta circolando di nuovo nei fondi di venture capital più attivi della Silicon Valley. Non è un manuale di intelligenza artificiale, non è uno studio sui modelli linguistici, non ha nessun capitolo sulle GPU né sulle architetture transformer. È un libro di storia economica scritto da un biologo britannico che ha sostenuto, con dati che risalgono all'età della pietra, che la prosperità umana è una conseguenza diretta dello scambio di idee tra persone specializzate. Che quando le idee si mescolano su larga scala, il risultato è non lineare. Che nessuna proiezione lineare di risorse o limitazioni è sopravvissuta alla storia, perché la tecnologia ha sempre trovato una sostituzione che i modelli non avevano calcolato.
Il libro è L'ottimista razionale, di Matt Ridley. E il fatto che investitori con posizioni concentrate nell'infrastruttura dell'intelligenza artificiale lo stiano rileggendo proprio ora non è un'aneddoto bibliografico. È un segnale sul modo in cui stanno formulando la tesi di fondo che giustifica l'allocazione di capitale in condizioni di elevata incertezza.
Alexis Ohanian, cofondatore di Reddit e gestore del fondo Seven Seven Six, ha pubblicato di recente che lo stava ascoltando in formato audiolibro a doppia velocità e che non riusciva a scrollarsi di dosso l'impressione che l'umanità si trovi vicina a un punto di svolta. La pubblicazione ha generato il consenso di altri investitori. Quello che era iniziato come una nota di letture personali si è trasformato in una conversazione più ampia sul quadro intellettuale che sta ordinando le decisioni di allocazione del capitale nell'attuale ciclo dell'intelligenza artificiale.
L'argomento di Ridley come architettura di investimento
La tesi centrale di Ridley non è complicata, ma ha conseguenze di ampia portata quando viene applicata al presente. Il suo argomento è che la prosperità non è generata dal lavoro più duro, né dalle risorse naturali, né dalla pianificazione centrale. È generata dallo scambio: quando una persona specializzata in qualcosa scambia con un'altra specializzata in qualcosa di diverso, entrambe escono meglio di quanto avrebbero fatto cercando di produrre tutto da sole. Quando questo meccanismo opera su scala sufficiente, le idee si combinano in modi che nessuna delle parti avrebbe potuto anticipare, e il risultato è una curva di produttività che nega sistematicamente qualsiasi previsione di collasso o stagnazione.
Ridley documenta questo con dati che attraversano secoli. Il prezzo di un'ora di luce artificiale è sceso da sei ore di lavoro nel 1800 a una frazione di secondo nel presente. I redditi reali globali si sono moltiplicati per nove dallo stesso anno, mentre la popolazione si è moltiplicata solo per sei. Ogni previsione malthusiana che la crescita demografica avrebbe superato la capacità produttiva è stata invalidata da un'innovazione che i modelli non avevano incorporato, perché non esisteva quando i modelli erano stati costruiti.
Ciò che gli investitori leggono in quella storia è uno schema riconoscibile. I grandi modelli linguistici non stanno aggiungendo un punto percentuale in più di produttività a settori maturi. Stanno operando come amplificatori del meccanismo che Ridley ha descritto: offrono a ogni lavoratore della conoscenza l'accesso a una sintesi dell'esperienza globale, in tempo reale, senza intermediari istituzionali. Se la dimensione e la densità della rete di idee determina il ritmo dell'innovazione, allora una tecnologia che espande quella rete in modo massiccio dovrebbe generare ritorni su scala di fondo in quasi tutti i settori contemporaneamente. Questa è la scommessa strutturale. Non è ottimismo di temperamento. È una lettura storica con implicazioni di portafoglio.
Gli investimenti globali di venture capital in aziende di intelligenza artificiale hanno raggiunto 131 miliardi di dollari nel 2024, secondo il NVCA PitchBook Venture Monitor, il che ha rappresentato circa il 38% di tutti i dollari di rischio distribuiti a livello globale. Il punto di confronto che gli investitori ottimisti utilizzano è la bolla delle dot-com del 2000: anche in quell'occasione ci fu una concentrazione di capitale, ma l'infrastruttura sottostante, dalla diffusione della banda larga all'hardware mobile, impiegò quasi un decennio per raggiungere la tesi di investimento. La differenza che si sostiene ora è che il divario infrastrutturale si sta colmando in mesi, non in anni. I cluster di GPU, l'accesso tramite interfacce di programmazione e il deployment edge stanno scalando a una velocità che non ha precedenti diretti nei cicli precedenti.
Lo spostamento lavorativo come dividendo della specializzazione
Uno degli argomenti più frequenti contro l'ottimismo attuale sull'intelligenza artificiale è lo spostamento occupazionale. Stime come quella di McKinsey, che proietta che l'intelligenza artificiale generativa potrebbe automatizzare il 30% delle ore lavorate entro il 2030, circolano come avvertimento di un effetto di distruzione di massa. Gli investitori che leggono Ridley giungono a una conclusione diversa dallo stesso dato.
Il quadro di Ridley sulla specializzazione afferma che i nuovi strumenti non eliminano il lavoro. Lo riassegnano verso compiti di maggior valore, mentre abbattono il costo dei precedenti colli di bottiglia. Questo schema si è ripetuto con la meccanizzazione agricola, con il foglio di calcolo, con i motori di ricerca. In ogni caso, l'allarme iniziale riguardava i posti di lavoro che scomparivano. La storia ha registrato che quello che seguì fu una riconfigurazione verso attività che il sistema precedente non poteva affrontare perché il costo di coordinamento era troppo elevato.
Applicato all'intelligenza artificiale, l'argomento è che automatizzare il 30% delle ore attuali non distrugge il 30% dell'occupazione. Libera capacità umana per compiti che fino ad ora erano inaccessibili perché richiedevano troppo tempo di preparazione, sintesi o coordinamento. Un analista che in precedenza investiva metà della sua settimana nel consolidamento delle informazioni può investire quella stessa settimana nell'interpretazione e nella decisione. Un medico che impiegava ore a rivedere la letteratura clinica può dedicare quel tempo all'interazione con il paziente. L'argomento non è che il cambiamento sia indolore, ma che il modello storico mostra che la specializzazione abilitata dai nuovi strumenti tende a creare più valore di quanto non sposti, misurato in termini di redditi, benessere e complessità delle attività umane risultanti.
Ciò che quell'argomento non risolve, e qui l'analisi deve essere onesta, è la distribuzione temporale dell'aggiustamento. La storia dà ragione agli ottimisti in orizzonti di decenni. I lavoratori spostati operano in orizzonti di anni. Questa tensione non scompare leggendo Ridley, e gli investitori che applicano il suo quadro su scala di fondo non sono necessariamente attrezzati per risolverla su scala sociale.
La condizione che l'ottimismo deve soddisfare per realizzarsi
Ridley non è un ottimista senza condizioni. Il suo libro ha un controesempio centrale che gli investitori del ciclo attuale stanno citando con la stessa frequenza della sua tesi principale: la dinastia Ming. La Cina nel XV secolo aveva un vantaggio tecnologico nella navigazione, nella metallurgia e nella produzione agricola. Aveva la rete di idee più grande del mondo in quel momento. E poi smantellò deliberatamente quel vantaggio, restringendo il commercio marittimo, chiudendo le frontiere agli scambi esterni e consolidando il controllo centrale sulla produzione della conoscenza. Il risultato fu che l'Europa, con reti di scambio più piccole ma più aperte, finì per catturare il successivo secolo di crescita.
L'analogia non richiede molto sforzo per diventare contemporanea. La frammentazione normativa dell'intelligenza artificiale tra Unione Europea e Stati Uniti, i mandati nazionali di acquisto di tecnologia di intelligenza artificiale, gli ecosistemi di modelli chiusi che operano come silos proprietari: tutti questi sono meccanismi che riducono la dimensione effettiva della rete di idee nel momento esatto in cui dovrebbe invece espandersi.
Per gli investitori che usano il quadro di Ridley, questo è il rischio sistemico più serio, non la bolla delle valutazioni né la competizione tra modelli. La scommessa di fondo sui ritorni dell'intelligenza artificiale dipende dal fatto che lo scambio rimanga sufficientemente aperto. Se la regolamentazione frammenta i mercati o se i modelli dominanti diventano infrastruttura chiusa ad accesso limitato, la meccanica che giustifica l'ottimismo si deteriora. Non per ragioni legate al ciclo economico, ma per una contrazione strutturale della densità della rete che Ridley ha identificato come la variabile determinante.
Quella soglia, il punto in cui la politica normativa inizia ad agire sull'architettura dello scambio di idee nello stesso modo in cui la corte Ming agiva sulla sua rete commerciale, è il punto in cui la tesi ottimista ha il suo punto di rottura più serio. Ed è anche la soglia sulla quale non esistono ancora prove sufficienti per sapere come si risolverà.
Ciò che l'ottimismo razionale non può fare per i fondatori
Per i fondatori che leggono il momento attraverso gli stessi investitori che raccomandano Ridley, c'è un dato strategico utile e uno che può indurre in errore.
Quello utile è che gli investitori allineati con questa lettura stanno cercando aziende che accelerano la combinazione di idee tra domini che fino ad ora operavano in silos. Non stanno cercando prodotti che automatizzano un singolo compito con maggiore efficienza. Stanno cercando aziende che fungono da nodi di densificazione della rete: biologia e informatica, logistica e modelli linguistici, analisi finanziaria e agenti autonomi. La domanda di dimensionamento del mercato che quegli investitori applicano non è quanto può catturare un determinato prodotto, ma quale frazione del potenziale di crescita del prodotto interno lordo attribuibile all'intelligenza artificiale può materializzarsi all'interno di un orizzonte di fondo. Goldman Sachs ha proiettato nel 2023 che l'intelligenza artificiale generativa potrebbe elevare il PIL globale di 13 trilioni di dollari. Gli investitori che trovano persuasivo l'arco storico di Ridley stanno implicitamente rispondendo che quel numero, o qualcosa di vicino ad esso, è raggiungibile.
Il dato che può indurre in errore è la confusione tra il quadro intellettuale e l'esecuzione operativa. Ridley documenta che il meccanismo della prosperità è reale e robusto in orizzonti storici lunghi. Questo non dice nulla su quali aziende specifiche catturino valore, in quale arco temporale, sotto quale struttura di margini, o se l'infrastruttura attuale dell'intelligenza artificiale abbia l'economia unitaria necessaria per sostenere le valutazioni attuali. La narrativa ottimistica è compatibile con cicli di distruzione di capitale a breve termine. Le grandi ondate tecnologiche che Ridley cita non furono lineari per gli investitori che vi erano dentro in tempo reale.
Ciò che il modello indica è che le aziende che hanno costruito infrastrutture di scambio, non quelle che hanno costruito contenuti su quella infrastruttura, hanno catturato la maggior parte del valore in ogni ciclo precedente. Se quell'analogia regge, la concentrazione di capitale nei modelli fondazionali e nelle piattaforme di agenti ha più coerenza strutturale delle scommesse sulle applicazioni verticali senza differenziazione di rete.
Lo spostamento che questo momento rivela non è quello di un settore che ne sostituisce un altro. È quello di un meccanismo di combinazione di idee che opera a una velocità che nessuna struttura istituzionale esistente è stata progettata per assorbire, con investitori che usano un libro di storia economica per giustificare perché questo dovrebbe produrre prosperità, e con una condizione di apertura che nessun fondo può garantire da solo.
