Perché i guadagni di profitto derivanti dall'IA potrebbero restare al di sotto delle alte aspettative di Wall Street

Wall Street sta attualmente prezzando un massiccio aumento della redditività aziendale guidato dall'intelligenza artificiale, ma un crescente avvertimento suggerisce che questa tempistica potrebbe essere eccessivamente ottimistica. Torsten Slok, economista capo di Apollo, sostiene che la realizzazione effettiva dei margini guidati dall'IA nei settori non tecnologici potrebbe richiedere molto più tempo di quanto suggeriscano le attuali proiezioni di mercato.

Il distacco tra le valutazioni tecnologiche e l'adozione nel mondo reale

L'attuale valutazione di molte aziende di IA si basa su un'unica, enorme ipotesi: che l'S&P 493 — l'indice che esclude i giganti tecnologici dei "Magnificent Seven" — vedrà una significativa espansione dei margini attraverso l'integrazione dell'IA. Mentre le aziende tecnologiche stanno già riscontrando i benefici dell'automazione, l'economia in senso più ampio racconta una storia diversa.

Secondo Slok, non vi è attualmente alcuna prova significativa che l'IA stia aumentando i margini di profitto in settori al di fuori del nucleo tecnologico. I mercati stanno prezzando una rapida crescita degli utili, eppure i flussi di cassa effettivi necessari per giustificare tali valutazioni potrebbero restare molto indietro. Se la rivoluzione della produttività dovesse impiegare cinque anni per materializzarsi invece di cinque mesi, il settore potrebbe affrontare una dolorosa e significativa rivalutazione dei titoli legati all'IA.

Barriere strutturali nelle industrie regolamentate

Il ritardo nei guadagni di produttività non è solo una questione di lenta adozione; è un sottoprodotto dei complessi ambienti in cui operano molte industrie globali. In settori altamente regolamentati come l'assistenza sanitaria, il settore bancario, l'energia, il farmaceutico e il manifatturiero, il percorso verso l'integrazione dell'IA è costellato di ostacoli.

Rigidi requisiti di privacy, rigorosa conformità normativa e la necessità di massicci rifacimenti dei processi significano che queste industrie non possono cambiare rotta con la stessa rapidità di una startup software. Queste frizioni istituzionali agiscono come un freno alla velocità con cui l'IA può essere implementata per ottimizzare i flussi di lavoro e ridurre i costi. Di conseguenza, il "salto di produttività" su cui scommettono gli investitori potrebbe essere ritardato di anni, mentre questi settori affrontano le complessità legali e operative dell'implementazione del machine learning.

Il problema della misurazione nel lavoro della conoscenza

Anche quando l'IA riesce ad aumentare l'efficienza dei singoli lavoratori, emerge una sfida secondaria: la difficoltà di quantificare tali guadagni. Nel campo del lavoro della conoscenza, i miglioramenti della produttività sono notoriamente difficili da misurare con precisione.

A differenza del settore manifatturiero, dove la produzione è facilmente tracciabile, i guadagni ottenuti da un dipendente che utilizza un LLM per redigere rapporti o analizzare dati spesso mancano di metriche chiare. Senza dati concreti, i team di gestione faticano a giustificare spese in conto capitale su larga scala o a riconoscere i miglioramenti in un bilancio formale. Invece, questi incrementi di efficienza vengono spesso "assorbiti" nelle operazioni quotidiane, senza manifestarsi come la visibile espansione dei margini richiesta da Wall Street.

Punti chiave

• Rischio di sovravalutazione del mercato: Le valutazioni dei titoli legati all'IA si basano pesantemente sulla crescita dei margini nell'S&P 493, che non si è ancora materializzata nei settori non tecnologici.
• Attrito normativo: Settori come l'assistenza sanitaria e il settore bancario affrontano ritardi significativi nell'adozione dell'IA a causa dei mandati sulla privacy e dei complessi rifacimenti dei processi.
• Il divario di quantificabilità: I guadagni di produttività nel lavoro della conoscenza sono difficili da misurare e rendicontare, rendendo difficile per le aziende tradurre l'uso dell'IA in una crescita dell'utile netto.