Lo sconto di oggi è il monopolio di domani

Il fatto più importante della concorrenza nell'AI è anche quello di cui si parla meno. Il mercato non si sta semplicemente concentrando: si sta costruendo in una forma che ricorda i vecchi trust, con il controllo che risiede a monte, nell'infrastruttura, e gli attori a valle che operano alle condizioni dettate da un pugno di gatekeeper.

La questione è centrale per il perimetro di ELECTE: chi controlla l'AI, chi ne cattura il valore, e cosa questo significa per mercati, concorrenza, contratti, acquisti, regolazione e lavoro.

Se si prende sul serio questa lente, l'attuale boom dell'AI assomiglia meno a un mercato ampio e più a un sistema di dipendenze stratificate. La capacità di calcolo è concentrata. I foundation model sono concentrati. La distribuzione è concentrata. E l'accesso sovvenzionato nasconde la struttura di potere abbastanza a lungo perché la dipendenza si consolidi in architettura di mercato. Ho già dato un nome a questa dinamica: il sussidio È la strategia. Nell'AI, l'accesso a basso costo raramente è generosità. È un meccanismo di concentrazione.

Il ritorno del trust

Il vecchio trust non controllava soltanto una categoria di prodotto. Controllava le condizioni stesse alle quali il mercato poteva funzionare. È esattamente per questo che lo stack dell'AI di oggi va letto con la lente dei monopoli e dei trust.

Ciò che si sta concentrando non è soltanto un mercato del software. È l'infrastruttura stessa della predizione. Le imprese più vicine al calcolo su larga scala, alle pipeline di dati proprietarie, allo sviluppo dei foundation model e ai canali di distribuzione non si limitano a vendere servizi. Decidono chi altro può entrare, a quale costo, e se a valle resterà un margine.

È un problema di economia politica prima che un problema tecnico.

Il controllo sta sotto il livello applicativo

Molte aziende parlano ancora dell'AI come se il valore andasse naturalmente a chi costruisce l'applicazione più visibile. Non ci credo. Nei mercati con infrastruttura concentrata, chi costruisce applicazioni diventa un inquilino: paga l'accesso, dipende da condizioni che cambiano, ed eredita un rischio strategico da fornitori che non può disciplinare.

La domanda centrale non è chi ha l'interfaccia più curata. È chi possiede il collo di bottiglia.

Ecco perché il vocabolario dei monopoli e dei trust torna utile: sposta l'attenzione dalle demo di prodotto al controllo sui livelli essenziali del sistema.

La cattura del valore segue la proprietà dell'infrastruttura

Un mercato concorrenziale distribuisce il surplus tra lavoratori, fornitori e clienti. Uno stack concentrato lo spinge verso l'alto.

Il problema non è astratto. La ricerca sul capitalismo dell'AI descrive un sistema segnato dalla mercificazione dei dati e dalla concentrazione di talenti e capacità di calcolo, in cui il surplus economico viene recintato dalle entità che controllano questi input, invece di distribuirsi nel mercato del lavoro (l'analisi di Verdegem sul capitalismo dell'AI).

Ne seguono tre punti:

• La proprietà dell'infrastruttura conta più della vetrina dei modelli. Chi controlla il calcolo e le condizioni di deployment fissa i limiti pratici della concorrenza.
• L'accesso a prezzo zero può nascondere una dipendenza. Un'API economica oggi può diventare una leva di prezzo o contrattuale domani.
• La posizione del lavoro si indebolisce quando il controllo a monte si irrigidisce. Se il collo di bottiglia sta in poche imprese, i guadagni non si diffondono.

Questa non è una storia di innovazione che accelera. È una storia sulle condizioni alle quali l'intelligenza viene industrializzata.

Il manuale antitrust delle origini

Il problema dei trust non è nuovo. Nuovo è il substrato attraverso cui opera.

Alla fine dell'Ottocento, la concentrazione industriale produsse strutture societarie progettate per soffocare la rivalità e coordinare il potere tra imprese. I trust erano, nella sostanza, gruppi di società che agivano insieme sulla base di accordi legali per ridurre o minacciare la concorrenza. Standard Oil ne divenne l'esempio per antonomasia: già nel 1880 controllava la raffinazione del 90–95% del petrolio prodotto negli Stati Uniti, si organizzò come trust nel 1882 e fu sciolta dalla Corte Suprema nel 1911 in base allo Sherman Act (Britannica).

Il Congresso aveva risposto con lo Sherman Antitrust Act, approvato il 2 luglio 1890: la prima legge federale a mettere fuori legge le pratiche monopolistiche. Dichiarava illegale ogni «contratto, aggregazione in forma di trust o di altro tipo, o intesa, in restrizione del commercio», autorizzava procedimenti federali contro i trust, prevedeva multe di 5.000 dollari e fino a un anno di carcere per chi costituiva tali combinazioni, e consentiva ai privati danneggiati di agire per il triplo dei danni (U.S. National Archives sullo Sherman Antitrust Act).

Il senatore John Sherman enunciò il principio senza giri di parole:

«Se non tolleriamo un re come potere politico, non dovremmo tollerare un re sulla produzione, il trasporto e la vendita di alcun bene di prima necessità.»

Quella frase regge ancora. L'oggetto è cambiato — da ferrovie, petrolio e acciaio a calcolo, dati e accesso ai modelli. La logica del controllo concentrato no.

L'economia dell'era dei trust produsse due schemi di concentrazione ben noti: l'integrazione verticale, in cui un'impresa controlla la filiera dalla materia prima alla distribuzione, e l'integrazione orizzontale, in cui un'impresa compra i concorrenti dello stesso livello per fissare i prezzi o eliminare la rivalità. Il Clayton Antitrust Act del 1914 rafforzò poi la mano del governo, chiudendo le scappatoie che le prime corti avevano letto nell'impianto dello Sherman Act.

Il punto storico non è nostalgico. È analitico. L'antitrust nacque come risposta al potere privato sui sistemi economici essenziali — ed è la lente giusta anche per l'AI. La difficoltà è che il vecchio manuale era scritto per combinazioni visibili, prezzi di vendita e produzione industriale. Le forme di controllo di oggi sono più difficili da misurare e più facili da mascherare.

Perché le vecchie leggi arrancano in un mondo a prezzo zero

La domanda antitrust classica era lineare: la concentrazione ha permesso a un'impresa di alzare i prezzi, ridurre la produzione o restringere apertamente il commercio in un mercato definito? Quella cornice si indebolisce quando il servizio sembra gratuito e il collo di bottiglia sta in dati, impostazioni predefinite, distribuzione e dipendenza.

Un'interfaccia a prezzo zero può comunque essere economicamente estrattiva. Gli utenti non pagano in denaro, ma pagano in dati, attenzione, costi di passaggio e lock-in. Un cliente business può ottenere accesso scontato a un livello mentre diventa strategicamente dipendente a un altro. Un test ristretto sul prezzo al consumo non vede il meccanismo di controllo sottostante.

Nell'AI questo pesa perché il mercato è costruito su livelli che si rafforzano a vicenda. I dati migliorano i modelli. I modelli attraggono utilizzo. L'utilizzo genera feedback. I canali di distribuzione decidono chi viene trovato e chi viene sepolto. Il timore moderno non è il cartello visibile, ma uno stack in cui una sola impresa può orientare l'accesso all'infrastruttura, le condizioni d'uso dei modelli, la distribuzione verso gli utenti, i circuiti di feedback che migliorano le prestazioni e la sostenibilità commerciale di tutti a valle. Il paradigma del benessere del consumatore chiede se il prezzo di breve periodo sia salito. Chiede molto meno chiaramente se il mercato sia stato reso strutturalmente dipendente da un gatekeeper.

Regola pratica: se un servizio è «gratuito» ma la dipendenza cresce ogni trimestre, il prezzo è il punto di partenza sbagliato.

L'economia degli editori offre un indizio utile. Il conflitto sul crawling e sull'estrazione di contenuti da parte dell'AI ha reso evidente che l'accesso a prezzo zero può nascondere una cattura di valore a senso unico — ne ho scritto nel pezzo sul passaggio al pay-per-crawl nella monetizzazione del traffico AI. Lo stesso schema vale in generale: accesso gratuito nel punto d'uso ed estrazione concentrata nel punto di infrastruttura possono coesistere.

C'è poi un'altra lacuna. Gran parte dell'analisi sui monopoli resta centrata sull'integrazione verticale e orizzontale, ma lo Yale Thurman Arnold Project segnala un problema trascurato nella common ownership: gli stessi grandi investitori detengono partecipazioni rilevanti in imprese concorrenti, indebolendo la concorrenza senza alcuna fusione tradizionale (lo studio dello Yale Thurman Arnold Project sulla common ownership). Nell'AI questo pesa perché l'indipendenza formale può convivere con incentivi finanziari allineati. Un mercato può sembrare concorrenziale nei brand e restare fortemente coordinato nella struttura.

Lo stack dell'AI come nuovo monopolio

Se volete capire dove sta il potere nell'AI, ignorate gli slogan e mappate lo stack.

Partite dalla base. Secondo i dati di Synergy Research Group per il primo trimestre 2026, AWS, Microsoft Azure e Google Cloud detengono insieme il 63% del mercato mondiale dell'infrastruttura cloud — rispettivamente 28%, 21% e 14% — con tutti gli altri fermi a quote marginali, in un mercato che ha toccato i 129 miliardi di dollari nel trimestre e cresce del 35% anno su anno (dati Synergy via Statista). Cloud e calcolo ad alte prestazioni sono la base industriale dell'AI. Se l'accesso a quella base è concentrato, ogni mercato a valle eredita la concentrazione.

In questo contesto, il vecchio vocabolario dei monopoli torna a essere preciso. L'impresa che controlla non ha bisogno di possedere ogni applicazione. Le basta possedere il collo di bottiglia che le applicazioni non possono aggirare. La distinzione che conta è tra un fossato di funzionalità e un fossato infrastrutturale: il secondo è quello che i rivali non riescono a scavalcare.

Il sussidio può essere un'arma, non un regalo

Crediti gratuiti, accesso sottocosto, distribuzione in bundle e condizioni iniziali generose vengono spesso presentati come espansione del mercato. A volte lo sono. Ma nei mercati a infrastruttura concentrata, il sussidio può anche servire ad assorbire la domanda prima che arrivi il pieno potere di prezzo. Un mercato sovvenzionato può restare un mercato in via di monopolizzazione, se il sussidio abitua i clienti a dipendere da un solo stack, una sola via verso gli utenti, l'economia di un solo fornitore.

In pratica:

• Al livello del calcolo, la scala abbassa il costo effettivo della sperimentazione per l'operatore dominante.
• Al livello dei modelli, le condizioni di accesso possono essere allentate all'inizio per attrarre sviluppatori, poi strette una volta consolidata la dipendenza.
• Al livello della distribuzione, il gatekeeper può privilegiare le proprie impostazioni predefinite e trattenere la relazione con l'utente.

Ho fatto un ragionamento affine nell'analisi sull'aggregazione dei social network: l'aggregazione non è neutrale quando decide chi trattiene l'utente, chi vede il segnale di domanda e chi può tassare l'interazione.

La letteratura sul capitalismo dell'AI coglie la conseguenza con esattezza. La concentrazione di dati, talenti e calcolo non organizza soltanto la produzione. Organizza la cattura del surplus: l'entità che controlla lo stack assorbe potere negoziale dalle imprese sopra di sé e dal lavoro sotto di sé.

Quando l'AI viene venduta come livello universale di produttività, fate una domanda più stretta.

Chi fattura il collo di bottiglia?

È una domanda che taglia via molto rumore. E spiega perché i mercati applicativi possono sembrare affollati mentre il potere sottostante resta in poche mani.

Alla ricerca di una risposta regolatoria moderna

I regolatori hanno iniziato a riconoscere il problema. La domanda è se stiano rispondendo alla struttura del mercato o soltanto ai suoi sintomi.

L'istinto europeo è stato trattare i grandi attori digitali come gatekeeper quando il loro controllo sull'accesso genera un'influenza sull'intero mercato — la logica del Digital Markets Act. È una cornice più vicina alla realtà attuale dell'ossessione per gli effetti di prezzo di breve periodo, perché parte dal potere di intermediazione e dalla dipendenza. L'approccio americano si è appoggiato di più al contenzioso, alle dispute sulla definizione del mercato e a oneri probatori ereditati da un'altra epoca. I procedimenti in corso contro le grandi piattaforme contano proprio per questo: mettono alla prova la disponibilità delle corti a trattare il controllo della distribuzione, il potere delle impostazioni predefinite e il self-preferencing come condotte strutturalmente anticoncorrenziali, non come semplice aggressività commerciale.

La linea di policy più diffusa è che i legislatori abbiano bisogno di una cassetta degli attrezzi tutta nuova per i monopoli delle piattaforme e dell'AI. Non ne sono convinto. La tesi più solida parte dai poteri già in vigore ma rimasti dormienti. L'Economic Security Project propone di riesumare l'intero arsenale di strumenti regolatori esistenti ma dormienti — la regolazione delle utility di epoca progressista, che limita il potere monopolistico con regole di non discriminazione e obblighi di accesso aperto e paritario e di servizio adeguato — insieme alla giurisprudenza ancora in vigore, invece di aspettare nuove leggi (Economic Security Project, Beyond Monopolies). Ed è un punto decisivo, perché la concentrazione nell'AI corre più veloce dei cicli legislativi.

L'errore di policy più grave è scambiare il ritardo politico per impossibilità giuridica.

Dove il collo di bottiglia è infrastrutturale, i rimedi comportamentali da soli rischiano di essere deboli. Una multa a posteriori serve a poco se la dipendenza è già entrata negli acquisti, nei contratti e nel design dei prodotti. Un menù regolatorio più realistico ha questo aspetto:

• Obblighi di non discriminazione per l'accesso alle infrastrutture essenziali.
• Separazione strutturale dove il gestore di un collo di bottiglia compete anche sui livelli che ne dipendono.
• Controllo più severo sulle concentrazioni per le acquisizioni che estendono il controllo su livelli adiacenti dell'AI.
• Attenzione agli assetti proprietari, non solo alle combinazioni esplicite.

Non è una posizione contro la tecnologia. È un modo per impedire che il controllo dell'infrastruttura diventi una costituzione privata per il resto del mercato.

Opzioni strategiche in un mercato concentrato

Se lo stack dell'AI si sta concentrando come un trust, allora ogni attore ha bisogno di una strategia per la dipendenza.

Per operatori e medie imprese, il rischio immediato è impegnarsi troppo su un solo stack perché il prezzo di breve periodo sembra conveniente. Chi gestisce gli acquisti dovrebbe trattare l'accesso ai modelli, al cloud e alla distribuzione come questioni di governance, non solo tecniche. Se un solo fornitore controlla il vostro margine, la vostra roadmap e l'accesso ai vostri clienti, non avete una strategia AI. Avete un'esposizione.

Una postura operativa sensata ha tre parti:

• Diversificare le dipendenze critiche. Pianificare multi-modello e multi-cloud è scomodo, ma il rischio di concentrazione raramente si vede nel momento in cui si firma il contratto.
• Proteggere il circuito di feedback. Mantenere proprietà e portabilità su dati, prompt, flussi di lavoro e livelli di valutazione che generano apprendimento per il business.
• Separare la sperimentazione dal lock-in. L'accesso a basso costo è utile per testare. Diventa pericoloso quando, senza accorgersene, si trasforma nell'architettura permanente.

Per chi fa policy, il collo di bottiglia più serio è il calcolo. Se quel livello resta fortemente concentrato, il resto del mercato continuerà a ereditare la stessa asimmetria. L'Open Markets Institute avanza la proposta strutturale più chiara che abbia letto: riconoscere il cloud computing come infrastruttura essenziale, separarne proprietà e controllo dalle grandi piattaforme gatekeeper e regolarlo come utility pubblica, perché il valore dell'AI non finisca esclusivamente agli hyperscaler privati (Open Markets Institute, AI in the Public Interest). Suona radicale solo se si continua a pensare al cloud come a una qualsiasi linea di servizi privata. Nei fatti, è sempre più vicino a un'infrastruttura industriale.

C'è poi la questione del controllo democratico. Maximilian Kasy sostiene che equità, privacy e responsabilità non possono essere risolte senza un controllo democratico dei mezzi di predizione — obiettivi degli algoritmi, dati e infrastruttura computazionale — attraverso dibattito pubblico e decisioni collettive vincolanti (working paper INET Oxford).

Per vertici aziendali, investitori e decisori pubblici, l'implicazione è la stessa. Non leggete la concentrazione nell'AI come una fase temporanea prima che la concorrenza si allarghi da sola. Leggetela come una tendenza strutturale dello stack. Ho fatto un ragionamento affine nel pezzo sulle guerre del cloud e la nuova frontiera infrastrutturale dell'AI: il punto non è quale fornitore vincerà il prossimo ciclo di spesa enterprise. È se il mercato lascerà un'autonomia reale a tutti gli altri.

Fonti

• U.S. National Archives, Sherman Anti-Trust Act (1890)
• Britannica, Standard Oil
• Yale Thurman Arnold Project, Common Ownership: What We Know and Where to Go from Here
• Dati Synergy Research Group sull'infrastruttura cloud, Q1 2026, via Statista
• Pieter Verdegem, Dismantling AI Capitalism, AI & Society
• Economic Security Project, Beyond Monopolies
• Open Markets Institute, AI in the Public Interest: Confronting the Monopoly Threat
• Maximilian Kasy, The Political Economy of AI: Towards Democratic Control of the Means of Prediction, INET Oxford

Fabio Lauria

CEO & Founder, ELECTE

Ogni settimana esploriamo l'AI senza l'hype — con dati, analisi e una prospettiva indipendente.