E se l’industria dell’IA diventasse ‘too big to fail’. Schmid della Fed pone l'interrogativo

La corsa mondiale all’intelligenza artificiale (IA) non sta mobilitando soltanto ingegneri, chip e quantità crescenti di energia. Sta producendo anche una complessa infrastruttura finanziaria, costruita attraverso prestiti, obbligazioni, società-veicolo e contratti di locazione che possono durare decenni.

È su questa rete di impegni, spesso distribuiti tra soggetti diversi, che cominciano a concentrarsi le attenzioni delle autorità monetarie. Il 4 agosto 2026 Jeff Schmid, presidente della Federal Reserve Bank di Kansas City – una delle 12 banche regionali che compongono il Sistema della Federal Reserve, la banca centrale degli Stati Uniti – ha invitato a osservare la dimensione finanziaria dell’espansione dell’IA.

Stando a quanto riportato da Reuters, la scala raggiunta dagli investimenti deve essere confrontata con altre esperienze che hanno creato problemi sistemici. Schmid ha quindi posto una domanda precisa: l’industria delle IA sta diventando un altro settore ‘too big to fail’, un comparto troppo grande per essere lasciato fallire?

Le sue parole non rappresentano la posizione ufficiale della Federal Reserve e non dimostrano che esista già una bolla.

Segnalano però che almeno una parte della banca centrale americana considera doveroso esaminare il fenomeno IA dal punto di vista della stabilità finanziaria.

Che cosa significa ‘too big to fail’

L’espressione è diventata nota al grande pubblico durante la crisi finanziaria del 2008, quando diversi governi sono intervenuti per impedire il collasso di istituzioni il cui fallimento avrebbe potuto travolgere banche, imprese, risparmiatori e sistemi di pagamento.

Un’azienda non diventa ‘too big to fail’ semplicemente perché possiede un valore di mercato enorme. Diventa sistemicamente importante quando la sua caduta può interrompere servizi essenziali, provocare perdite a catena o mettere in difficoltà un numero elevato di soggetti collegati. La grandezza del comparto è relativa, contano di più i collegamenti che si hanno con l’economia nel suo insieme.

Nel caso delle IA, la dipendenza può riguardare i modelli, i servizi e i data center che ospitano i sistemi necessari al loro addestramento e al loro uso.

Come osserva un’analisi della Global Association of Risk Professionals, la crescente interdipendenza tra finanza, Big Tech, cloud e infrastrutture digitali potrebbe rendere più appropriata la formula ‘too critical to fail’, ovvero troppo importante per smettere di funzionare.

Cosa serve, materialmente, per “costruire” l'IA

Dietro un modello capace di generare testi, immagini o codice esiste un’infrastruttura materiale fatta di terreni, edifici, sistemi di raffreddamento, collegamenti in fibra, approvvigionamento di energia elettrica, server e chip.

I più importanti fornitori mondiali di cloud, come Microsoft, Amazon, Google e Meta, vengono definiti hyperscaler perché sono in grado di costruire e gestire infrastrutture informatiche su scala enorme.

Alcuni campus destinati all’IA richiedono miliardi di dollari di capitale iniziale e una potenza elettrica superiore a un gigawatt, equivalente alla capacità di produzione di una grande centrale.

Una ricostruzione dello studio legale Skadden mostra che il finanziamento di questi progetti combina ormai strumenti provenienti dal settore immobiliare, dal project finance e dalla finanza a leva, quella che prende capitali in prestito. Il project finance è un sistema nel quale il denaro viene prestato per realizzare una specifica infrastruttura e dovrebbe essere restituito principalmente con i ricavi generati da quella stessa infrastruttura.

Il finanziatore non valuta soltanto il terreno o l’edificio. Esamina soprattutto l’affidabilità del futuro utilizzatore, la durata del contratto e la prevedibilità dei pagamenti. In sostanza, una banca o un fondo prestano denaro per costruire il data center perché ritengono che il contratto firmato da un grande operatore tecnologico produrrà entrate sufficienti per ripagare il debito.

Le società-veicolo che spostano il rischio

Molti nuovi data center per le IA vengono realizzati attraverso delle Special Purpose Vehicle (SPV), società create appositamente per costruire e possedere uno specifico impianto. Una SPV raccoglie capitali da banche, fondi e investitori, finanzia la costruzione del data center e poi lo concede in uso a clienti come Microsoft, Google, Amazon o Meta tramite contratti di lungo periodo. In questo modo gran parte del capitale necessario proviene dal sistema finanziario, mentre i clienti pagano per utilizzare l'infrastruttura.

Un’analisi svolta dallo studio legale Norton Rose Fulbright illustra che, soprattutto in Europa, il prestito per creare un data center può essere concesso direttamente alla SPV con un diritto di rivalsa limitato. Ciò significa che il finanziatore conta principalmente sui ricavi del progetto e sulle attività possedute dalla società-veicolo, anziché sull’intero patrimonio della società tecnologica che utilizzerà l’impianto.

Big Tech può quindi evitare di sostenere immediatamente tutto il costo dell’edificio e impegnarsi attraverso contratti di locazione o di acquisto della capacità di calcolo. Il debito contratto dalla SPV, se sono rispettate determinate condizioni societarie e contabili, può non comparire come debito nel bilancio dell’azienda tecnologica.

Questo non significa che l’obbligo economico sia scomparso. Come chiarisce lo studio legale Bird & Bird, la società tecnologica può assumere impegni pluriennali per utilizzare il data center. I crediti futuri derivanti da questi contratti possono poi essere raggruppati, trasformati in titoli finanziari e venduti a investitori istituzionali.

Oltre mille miliardi di dollari in locazioni future

La dimensione del fenomeno è emersa con chiarezza da un’analisi pubblicata da Reuters il 4 agosto 2026. Alphabet, Amazon, Meta, Microsoft e Oracle hanno assunto in totale impegni per circa 1.090 miliardi di dollari in pagamenti futuri relativi a contratti di locazione non ancora iniziati, in gran parte collegati ai data center.

Una cifra monstre che rappresenta impegni distribuiti su più anni e che parte dal presupposto che, in futuro, la domanda di IA continui a crescere.

Se la domanda sarà inferiore alle previsioni, Big Tech dovrà probabilmente continuare a pagare per infrastrutture che potrebbe non sfruttare appieno.

Dal credito privato ai fondi pensione

Una parte dei prestiti arriva dal credito privato, i fondi non bancari che concedono direttamente credito alle imprese o alle SPV. I finanziamenti possono successivamente essere cartolarizzati, vengono raggruppati e trasformati in titoli, venduti in diverse fasce con rendimenti e livelli di rischio differenti.

È qui che la questione assume una possibile dimensione sistemica. Il rischio non resta concentrato nel bilancio di Big Tech, ma può essere distribuito tra fondi di credito privato, banche che finanziano quei fondi, assicurazioni, obbligazionisti e investitori previdenziali, fondi pensione che vengono gestiti per creare reddito.

Questa distribuzione non dimostra automaticamente che il sistema sia instabile, perché la diversificazione degli investimenti può anche impedire che una singola istituzione sopporti da sola tutte le perdite. Il problema nasce quando la catena diventa tanto complessa da rendere difficile capire chi sia realmente esposto, in quale misura e attraverso quali garanzie.

Se la crescita dell’IA rallentasse

Una frenata dell’IA non dovrebbe necessariamente provocare il fallimento di una Big Tech per produrre conseguenze finanziarie. Sarebbe sufficiente che i ricavi derivanti dalla capacità di calcolo crescessero meno del previsto.

In questo scenario, alcuni operatori potrebbero ridurre l’espansione, rinviare nuovi contratti o non rinnovare quelli esistenti. I flussi di cassa attesi dalle SPV diminuirebbero e il valore dei data center costruiti per soddisfare la domanda potrebbe essere rivisto al ribasso. Le perdite raggiungerebbero quindi i soggetti che hanno finanziato il progetto o acquistato i titoli collegati ai suoi ricavi.

Le garanzie reali non eliminerebbero necessariamente il problema. I data center per l’IA sono edifici altamente specializzati e la ricerca curata dallo studio legale focalizzato sulle questioni societarie Quinn Emanuel avverte che convertirli ad altri impieghi può essere costoso e che, in ogni caso, potrebbero trasformarsi in attività difficili da vendere al valore previsto.

Anche le GPU, i processori grafici utilizzati per eseguire i calcoli, vengono impiegate come garanzia per alcuni prestiti. Il loro valore, tuttavia, può diminuire rapidamente quando arrivano generazioni più potenti di chip. Se molti creditori cercassero di venderle nello stesso momento, l’aumento dell’offerta potrebbe ridurne ulteriormente il prezzo.

La rete elettrica è un’altra parte dell’equazione

Un grande campus per l’IA non può funzionare senza quantità enormi e costanti di energia. I progetti richiedono nuove connessioni alla rete, trasformatori, sistemi di accumulo e, in alcuni casi, nuova capacità di generazione.

Se utility e operatori energetici costruiscono infrastrutture contando su una crescita pluriennale della domanda dei data center, un rallentamento potrebbe lasciare impianti sovradimensionati o costi da recuperare attraverso altri clienti.

Il rischio informatico non coincide con quello finanziario, ma ha un peso

La cybersecurity rappresenta un’ulteriore linea di pensiero da seguire, ma va tenuta separata dal rischio legato al debito. Un attacco contro una piattaforma di IA è innanzitutto un incidente informatico, diventa un problema di più ampia portata quando banche, imprese, amministrazioni e infrastrutture essenziali dipendono tutte dagli stessi servizi cloud o dai medesimi sistemi.

Il Fondo monetario internazionale osserva che il sistema finanziario utilizza software, cloud, reti di pagamento e altre infrastrutture digitali fortemente interconnesse. Un incidente estremo potrebbe provocare problemi di liquidità, dubbi sulla solvibilità degli operatori colpiti e ripercussioni sui mercati.

La cybersecurity non rende quindi automaticamente l’IA ‘too big to fail’. Può però mostrare quanto, una concentrazione eccessiva dei servizi tecnologici, abbia reso l’economia dipendente da un numero ristretto di fornitori.

L’azzardo morale

Esiste infine il rischio teorico dell’azzardo morale. Se finanziatori e dirigenti arrivassero a credere che le autorità non permetterebbero il collasso di infrastrutture considerate indispensabili, potrebbero assumere rischi superiori al normale.

Anche in questo caso è soltanto teoria, non ci sono elementi utili ad affermare che Stati o governi abbiano già promesso o pianificato salvataggi dell’industria delle IA.

Una bolla non è ancora dimostrata

Le dichiarazioni di Schmid, le preoccupazioni degli esperti e le analisi degli scenari meno propizi non certificano l’esistenza di una bolla delle IA. Una bolla presuppone che i prezzi degli investimenti siano diventati insostenibili rispetto ai ricavi e al valore economico futuro.

I dati disponibili mostrano una crescita eccezionale degli impegni finanziari, ma non permettono ancora di stabilire quale parte sia giustificata dalla domanda reale.

Inoltre, i termini ‘too big to fail’ e ‘bolla’ descrivono due problemi diversi, tant’è che una bolla riguarda l’eventuale sopravvalutazione degli investimenti, mentre il ‘too big to fail’ riguarda le conseguenze che il fallimento o il ridimensionamento di un settore potrebbe produrre sul resto del sistema.

Chi ha il coltello dalla parte del manico

Per comprendere la reale fragilità della corsa alle IA non basta osservare i bilanci di Big Tech. Bisogna seguire il denaro attraverso SPV, fondi di credito, emissioni obbligazionarie, cartolarizzazioni, locazioni, garanzie e contratti energetici.

La domanda più utile non è quindi soltanto se l’IA sia una bolla. È più opportuno identificare con chiarezza chi sopporterebbe le perdite se, tra alcuni anni, la domanda di potenza di calcolo risultasse inferiore alle aspettative sulle quali oggi vengono costruiti e finanziate le nuove infrastrutture.

Per rispondere occorre ricostruire ogni progetto attraverso bilanci, documenti depositati presso le autorità di vigilanza, prospetti obbligazionari, contratti energetici e assetti societari delle SPV. Soltanto allora sarà possibile stabilire se il rischio sia realmente diversificato oppure semplicemente disperso in una rete finanziaria tanto ampia da diventare difficile da vedere nel suo insieme.