$480 MILIARDI «BRUCIATI» IN BORSA: IN CINA È SCOPPIATA LA BOLLA DELL’IA. GLI STATI UNITI SARANNO I PROSSIMI?

Artem Honcharenko, PhD

Direttore dell'Istituto di reintegrazione, riabilitazione e sviluppo professionale dei veterani «Architettura della resilienza» della KNUBA

27 ottobre 2026 • analisi dell'autore

Il crollo cinese: che cosa è accaduto davvero al mercato

Fino a poco tempo fa, i produttori di chip, di componenti ottici per i data center e di robotica venivano indicati come i principali vincitori della nuova rivoluzione tecnologica. Gli investitori acquistavano le loro azioni confidando in una futura crescita della domanda di intelligenza artificiale. A fine ottobre questa fiducia ha lasciato il posto a una massiccia ondata di vendite.

Secondo quanto riportato da Reuters del 26 ottobre 2026, l'indice STAR 50, che riflette l'andamento delle principali società tecnologiche e innovative della piazza di Shanghai, ha perso circa il 40% in meno di quattro mesi. La riduzione del valore di mercato complessivo è stimata in circa 480 miliardi di dollari. Già il 27 ottobre l'indice ha chiuso a quota 1.252,28 punti, con un calo giornaliero pari a 4,81%. [1–2]

Qui sono importanti due precisazioni. STAR 50 non è un elenco delle 50 maggiori aziende cinesi di sola IA, ma un indice del segmento tecnologico e innovativo, in cui molte aziende sono legate ai semiconduttori e all'IA. E I 480 miliardi di dollari non sono «scomparsi» dai conti bancari delle imprese: si tratta del calo della valutazione di borsa del pacchetto azionario.

Ciò non rende però meno ampia la portata della correzione. Reuters riporta esempi di cali di decine di punti percentuali delle azioni di alcuni produttori di robot, microchip e apparecchiature ottiche. La borsa si è improvvisamente ricordata di una semplice esigenza economica: una buona tecnologia non garantisce da sola un utile sufficiente a giustificare qualsiasi prezzo delle azioni. [1]

Perché il mercato si è raffreddato: aspettative gonfiate contro utili reali

Al culmine della crescita, il multiplo prezzo/utili (P/E) dell'indice STAR 50, secondo la stima di Reuters, si avvicinava a 250. Anche dopo il brusco calo si attestava intorno a 100, mentre il riferimento per il Nasdaq 100 nello stesso articolo era di circa 30. Sono indici di struttura diversa, ma la differenza mostra quanta crescita futura gli investitori abbiano già incorporato nelle quotazioni cinesi. [1]

Alle valutazioni elevate si sono aggiunti i dubbi sul ritmo della domanda di hardware per l'IA, le possibili restrizioni all'esportazione, i fattori fiscali e i rischi per la vendita di componenti cinesi ai data center all'estero. Nessuna di queste cause spiega da sola l'intero crollo, ma insieme hanno reso il mercato vulnerabile.

La mia conclusione è semplice: occorre separare il prezzo di un'azione dall'utilità della tecnologia. Un'azienda può creare un prodotto utile ed essere comunque quotata in borsa a un prezzo ingiustificatamente alto. E, al contrario, il calo delle sue quotazioni non annulla l'effetto tecnologico già raggiunto.

Occorre distinguere con chiarezza due cose: l'efficacia economica dell'intelligenza artificiale e il valore speculativo delle aziende che ne traggono profitto. Il mercato azionario può sbagliare nelle sue aspettative. Ma se una tecnologia riduce davvero i tempi della ricerca, aumenta la produttività e consente di prendere più rapidamente decisioni fondate, questo valore non scompare con il calo delle quotazioni.

L'IA accelera davvero il lavoro umano: che cosa è dimostrato e che cosa è solo promesso

Da ricercatore ritengo che l'intelligenza artificiale vada valutata non in base al clamore delle presentazioni, ma sulla base di esperimenti indipendenti con gruppi di controllo. E tali studi esistono già.

In uno studio del MIT pubblicato sulla rivista Science nel 2023, 453 professionisti hanno svolto compiti professionali di scrittura. Nel gruppo con accesso a ChatGPT il tempo medio di esecuzione si è ridotto del 40%, mentre la qualità del risultato, secondo le valutazioni degli esperti, è aumentata del 18%. È un esperimento reale, ma non dimostra che qualsiasi ricerca complessa si accelererà automaticamente della stessa percentuale del 40%. [3]

In un esperimento della Harvard Business School e del Boston Consulting Group con la partecipazione di 758 consulenti gli utenti di GPT-4 svolgevano i compiti adatti alle capacità del modello oltre il 25% più velocemente e completavano oltre il 12% di compiti in più. Allo stesso tempo, in un compito al di fuori delle capacità affidabili dello strumento l'uso dell'IA portava a un risultato peggiore. [4]

Particolarmente indicativa è l'analisi scientifica. Una rassegna di 25 studi, pubblicata su Frontiers in Pharmacology nel 2025, ha registrato una riduzione del tempo di oltre il 50% in 17 lavori. In alcuni casi la revisione automatizzata degli abstract si riduceva di 5–6 volte, mentre il carico di lavoro manuale, a condizione di una completezza del 95% nell'individuazione dei materiali, di 6–10 volte. Ciò riguarda soprattutto singole fasi di selezione, non l'intero percorso dall'idea alla conclusione verificata. [5]

C'è anche una riserva. In un esperimento randomizzato di METR del 2025, 16 sviluppatori esperti, che hanno svolto 246 compiti reali, lavorando con gli strumenti di IA di allora, hanno impiegato in media il 19% in più, sebbene essi stessi ritenessero di essere diventati più veloci. Dunque uno strumento che aiuta un principiante può rallentare uno specialista in un lavoro che conosce bene, se il costo della verifica dei risultati è troppo alto. [6]

Conclusione: dobbiamo misurare non il volume del testo generato, ma il numero di di risultati corretti e verificati per unità di tempo.

Un esempio che cambia le proporzioni: 100 mila documenti

Immaginiamo un'organizzazione che deve esaminare in via preliminare 100.000 documenti — contratti, pubblicazioni scientifiche, rapporti, richieste dei cittadini o materiali sulla ricostruzione. Se si dedicano a ogni documento soltanto tre minuti, otteniamo 5.000 ore-uomo, ovvero 625 giornate lavorative di otto ore. Un team di dieci analisti lavorerebbe per circa 12,5 settimane a pieno carico.

Supponiamo ora che un sistema verificato esegua automaticamente la deduplicazione, la classificazione iniziale e la ricerca delle contraddizioni, e generi un elenco delle eccezioni. Se la sua qualità consente di ridurre proprio lo screening manuale del 90%, resterà l'equivalente di 500 ore-uomo in questa fase.

Si tratta di un modello illustrativo, non del risultato di un'implementazione concreta. Non tiene conto separatamente del costo dei calcoli, della configurazione, del controllo qualità e dei casi critici non rilevati. Perciò non si può affermare meccanicamente un'accelerazione di dieci volte dell'intera ricerca.

Ma spiega dove nasce il vero valore: l'esperto non è più obbligato a esaminare manualmente ogni singola unità di informazione, se la selezione automatizzata ha dimostrato la precisione necessaria. Passa dalla lettura di massa a un lavoro approfondito sui casi complessi.

Il mercato comincia a maturare. La sola promessa di una rivoluzione tecnologica non basta più. L'investitore vuole vedere profitto, e l'organizzazione un risultato concreto: quanto tempo è stato risparmiato, quanti errori sono stati evitati, quante richieste sono state evase e quanto costa mantenere il sistema. Il vero vantaggio competitivo spetterà a chi saprà dimostrare l'efficienza economica dell'IA.

La guerra cambia la formula della produttività: perché è importante per l'Ucraina

Nel nostro Paese un lavoratore può essere altamente qualificato e motivato, ma non in grado di annullare un allarme aereo o un attacco missilistico. La sicurezza delle persone deve restare sempre una priorità.

In un sondaggio della European Business Association condotto nel febbraio 2026 tra 131 top manager di aziende associate all'Associazione, 45% dei rispondenti ha indicato la sospensione del lavoro durante gli allarmi aerei tra le limitazioni più comuni, mentre 82% — gli attacchi al sistema energetico tra i fattori con il maggiore impatto negativo sulle imprese. Non è una statistica sulla perdita media di ore per tutta l'Ucraina, ma è una prova significativa degli ostacoli operativi. [7]

Prendiamo un progetto ipotetico che richiede 100 ore analitiche produttive. Se l'effettiva disponibilità del tempo di lavoro è del 70%, per completarlo serviranno circa 143 ore di risorsa lavorativa pianificata. Nel processo ibrido simulato, in cui all'uomo restano 25 ore e l'elaborazione automatica con le operazioni di supporto ne aggiunge 10, la stima complessiva è di circa 46 ore. La differenza è di circa 3,1 volte.

Non bisogna considerare questi numeri come una norma per le aziende ucraine: il 70% di disponibilità e la struttura delle operazioni sono qui solo ipotesi di scenario. L'effetto reale dipenderà dalla natura dei compiti, dalla preparazione dei dati e dall'architettura del sistema.

Tuttavia il principio è importante. Se i calcoli, i dati e le code di attività sono adeguatamente ridondati e distribuiti geograficamente, una parte delle operazioni può proseguire anche quando i dipendenti si trovano nel rifugio. Se invece il sistema dipende da un unico server d'ufficio senza connettività e alimentazione di riserva, questo vantaggio non ci sarà.

Per l'Ucraina l'uso dell'intelligenza artificiale non è semplicemente il desiderio di essere tecnologicamente moderni. È una questione di resilienza. Ogni persona ha diritto alla sicurezza, al riposo e alla protezione durante la guerra. Allo stesso tempo, un'infrastruttura digitale costruita correttamente può garantire la continuità di una parte dei processi critici. Il nostro compito non è sostituire l'uomo, ma potenziare le sue capacità con la tecnologia.

La vera rivoluzione non è un testo in un minuto, ma l'individuazione del problema prima del rapporto

Ritengo che il prossimo cambiamento sarà più profondo della preparazione automatica di note analitiche. Si tratta del monitoraggio continuo 24 ore su 24, in cui i dati arrivano di continuo, il sistema rileva le deviazioni, le verifica secondo regole, classifica il rischio e trasmette l'informazione a una persona responsabile oppure esegue un'azione sicura autorizzata in anticipo.

Nella cybersicurezza, per questo si sviluppano da tempo piattaforme SIEM e SOAR. Le raccomandazioni internazionali del 2025 le descrivono come strumenti per raccogliere eventi, rilevare attività sospette, avvisare gli specialisti e automatizzare parti definite della risposta. Allo stesso tempo, tali sistemi richiedono configurazione costante, test e una supervisione qualificata. [8]

Per l'Ucraina questo principio può essere adattato al monitoraggio della ricostruzione, al controllo finanziario, agli indicatori ambientali, alle minacce informatiche e alle richieste dei veterani e delle loro famiglie. Ad esempio, una nuova richiesta può raggiungere automaticamente il servizio competente, e una modifica anomala nella documentazione di una gara d'appalto può generare un segnale per il revisore. Ma le decisioni sull'assistenza medica, sulle restrizioni dei diritti o sulle sanzioni finanziarie non possono essere affidate a un modello generativo senza adeguati meccanismi di controllo indipendenti.

Il futuro appartiene ai sistemi che non si limitano ad accumulare informazioni, ma analizzano costantemente gli eventi. L'intelligenza artificiale può aiutare a individuare le anomalie, verificarle e avviare scenari di risposta concordati in anticipo. Ma le decisioni critiche devono restare sotto un adeguato controllo umano. È proprio la combinazione di automazione e responsabilità a determinare la qualità dei nuovi ecosistemi digitali.

Il prezzo dell'errore: dove l'automazione non va confusa con la fiducia

Quanto più è vasta l'automazione, tanto più costoso può essere un errore sistemico. Un modello può inventare in modo convincente una fonte, trascurare un documento importante o concedere l'accesso a dati riservati a un utente non appropriato. Per questo, per i materiali medici, personali e finanziari sono necessari la minimizzazione dei dati, il controllo dei diritti di accesso, la registrazione delle operazioni, la verifica dell'accuratezza e procedure di approvazione separate per le azioni critiche.

L'ambiente scientifico deve distinguere la velocità dell'elaborazione automatica dall'affidabilità della conclusione. Ciò è particolarmente attuale quando l'IA aiuta a produrre rassegne scientifiche o analisi per decisioni gestionali.

Dobbiamo distinguere la velocità di elaborazione delle informazioni dall'affidabilità della conoscenza ottenuta. L'intelligenza artificiale può accelerare in modo sostanziale la ricerca, il confronto e la sistematizzazione dei dati, ma ciò non elimina la necessità di verificare le fonti, controllare la metodologia e garantire la riproducibilità dei risultati.

Il crollo cinese si ripeterà negli Stati Uniti?

È la domanda che oggi risuona più forte. Tuttavia, un calo del 40% dello STAR 50 cinese non significa automaticamente un crollo del 40% delle azioni americane. Reuters mette a confronto la correzione cinese con un arretramento del Nasdaq di circa il 6% dal recente massimo. Si tratta di indici, periodi e strutture aziendali diversi; una previsione diretta su tale base sarebbe infondata. [1]

I rischi per i titoli tecnologici globali esistono: aspettative elevate, ingenti spese in conto capitale per l'infrastruttura di calcolo, incertezza della domanda e difficile monetizzazione. Ma il grado di vulnerabilità di ciascuna azienda dipende dai suoi utili, dai flussi di cassa, dal debito, dai clienti e dal costo del capitale raccolto.

A mio avviso, la questione chiave per i mercati è già cambiata: non «chi ha dichiarato più forte l'IA», ma «chi è riuscito a trasformare la tecnologia in un risultato economico verificato». In questa logica, la riduzione delle valutazioni speculative può perfino spingere le imprese verso investimenti più disciplinati.

Che cosa propongo alle organizzazioni ucraine

Non vale la pena fermare la trasformazione digitale a causa del crollo delle azioni in borsa di un altro Paese. Ma allo stesso modo non bisogna acquistare senza riflettere costose soluzioni di IA solo perché sono di moda. L'approccio razionale si può ridurre a cinque passi pratici.

1. Misurare il processo attuale: la durata delle operazioni, il costo, gli errori, i tempi di attesa della risposta e il carico sulle persone.
2. Scegliere un progetto pilota circoscritto: ad esempio la classificazione dei documenti, la ricerca dei duplicati o la definizione delle priorità delle richieste, anziché l'automazione immediata dell'intera gestione.
3. Definire i limiti dell'autonomia: che cosa l'algoritmo può eseguire in autonomia, che cosa può solo proporre e che cosa richiede obbligatoriamente la decisione di una persona.
4. Verificare la qualità e la sicurezza: casi critici non rilevati, falsi allarmi, accesso ai dati personali, dipendenza dal fornitore e resilienza ai guasti.
5. Calcolare l'economia completa: licenze, calcolo, integrazioni, assistenza, formazione del team — e il valore del tempo che si è riusciti a risparmiare.

Quando questi indicatori non vengono misurati, i discorsi su risparmi di cinque o dieci volte si trasformano in marketing. Quando vengono misurati, l'organizzazione può prendere decisioni basate su prove.

Conclusione: la bolla di borsa può scoppiare, mentre la rivoluzione tecnologica può proseguire

Il crollo cinese è un serio avvertimento per gli investitori. Dimostra che anche i settori promettenti non sono immuni da valutazioni gonfiate, aspettative ingiustificate e bruschi cambi di umore del mercato.

Ma per me, come ricercatore e dirigente di un'istituzione che si occupa di capitale umano e di ricostruzione dell'Ucraina, la conclusione è diversa: la tecnologia va valutata in base all'impatto sui compiti reali, non in base al clamore di borsa.

Se l'automazione riduce i tempi di trattamento delle richieste, aiuta a individuare in tempo i rischi, sostiene la continuità del lavoro in tempo di guerra e libera gli specialisti per le decisioni di responsabilità, ha già un valore pratico. Ma questo valore va misurato e la sicurezza va dimostrata.

La bolla dell'IA può scoppiare. Il bisogno di conoscenze verificate, organizzazioni solide e decisioni tempestive, no.

Fonti e note metodologiche

[1] Reuters. «In China, the AI bubble has already burst», 26 ottobre 2026 Fonte

[2] Investing.com. SSE STAR 50: historical data, chiusura del 27 ottobre 2026 Fonte

[3] Noy S., Zhang W. «Experimental evidence on the productivity effects of generative artificial intelligence». Science, 2023 Fonte

[4] Harvard Business School / Boston Consulting Group. «Navigating the Jagged Technological Frontier», 2023 Fonte

[5] Abogunrin S. et al. «How much can we save by applying artificial intelligence in evidence synthesis?». Frontiers in Pharmacology, 2025 Fonte

[6] METR. «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», 2025 Fonte

[7] European Business Association. «Quattro anni di grande guerra: come funzionano le imprese in Ucraina», 24 febbraio 2026 Fonte

[8] Australian Signals Directorate e partner internazionali. «Implementing SIEM and SOAR platforms: Executive guidance», 27 maggio 2025 Fonte

Nota sui calcoli: l’esempio con 100 mila documenti e il modello di disponibilità del personale in tempo di guerra sono ipotesi illustrative. Vanno distinti dai risultati di specifici studi controllati e verificati sui propri dati prima di prendere una decisione di investimento.