📈 economics

AI Premium

Utilizzando un massiccio dataset proprietario di 380 trilioni di token AI, questo articolo identifica un significativo ed eterogeneo "Premio AI" in cui le aziende con un'elevata esposizione a modelli AI avanzati e a codice chiuso e a competenze lavorative interattive ottengono rendimenti azionari successivi sostanziali, mentre tali premi sono assenti nei mercati emergenti e nell'uso di AI open-weight o casuale.

Autori originali: Nicola Borri, Yukun Liu, Aleh Tsyvinski

Pubblicato 2026-06-30

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Nicola Borri, Yukun Liu, Aleh Tsyvinski

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate l'economia globale come una città enorme e frenetica. Per anni, le persone hanno cercato di indovinare quali quartieri avrebbero prosperato e quali sarebbero declinati con l'arrivo di una nuova tecnologia. Questo articolo, scritto da tre economisti, decide di smettere di indovinare e iniziare a misurare. Hanno costruito un microscopio gigante ad alta definizione per osservare esattamente quanto "carburante AI" (chiamato token) viene bruciato in tempo reale, e poi hanno controllato come il mercato azionario ha reagato a quel carburante.

Ecco la storia delle loro scoperte, suddivisa in concetti semplici.

1. Il contatore del "Carburante AI"

Gli autori hanno utilizzato un dataset unico chiamato OpenRouter. Pensate a OpenRouter come a una gigantesca stazione di servizio che vende carburante a centinaia di diversi motori AI (come GPT, Claude, Llama, ecc.) tutto in una volta.

I Dati: Hanno monitorato 380 trilioni di "token" (le unità base del lavoro dell'IA) utilizzati in due anni.
La Scala: Non si tratta di un piccolo campione; copre circa il 2% di tutto l'utilizzo globale dell'IA. È come avere una telecamera su ogni auto in una grande città, non solo su alcune.
Il "Fattore AI": Hanno trasformato questa enorme quantità di dati in un singolo "tachimetro" chiamato Fattore AI. Questo indicatore misura quanto velocemente l'utilizzo dell'IA sta crescendo in termini di volume (token), denaro speso e numero di persone che la utilizzano.

2. Il "Premio AI": Chi viene ricompensato?

La scoperta fondamentale è che il mercato azionario ha iniziato a prezzare un premio speciale per le aziende che sono strettamente legate a questo carburante AI. Lo chiamano il Premio AI.

L'Analogia: Immaginate che venga inventato un nuovo motore elettrico super efficiente. Alcune case automobilistiche stanno già costruendo auto con questi motori; altre sono ancora bloccate con i vecchi motori a benzina. Il mercato azionario si rende conto che le aziende che costruiscono i nuovi motori stanno correndo un rischio (e se la nuova tecnologia fallisse? e se cambiassero le regolamentazioni?), quindi gli investitori richiedono un potenziale rendimento più elevato per detenere le loro azioni.
Il Risultato: Le aziende le cui azioni si muovono insieme alla crescita dell'utilizzo dell'IA (alto "Beta AI") hanno ottenuto rendimenti significativamente più alti rispetto a quelle che non l'hanno fatto.
- Il Numero: Una strategia che acquistava le aziende con maggiore esposizione all'IA e vendeva quelle con minore esposizione ha guadagnato circa 64 centesimi per ogni 100 dollari investiti, ogni singola settimana. Questa è una quantità enorme di denaro nel mondo della finanza.

3. Non riguarda solo le aziende "Tech"

Un errore comune è pensare che solo le aziende della Silicon Valley ne beneficino. Questo articolo dimostra che il Premio AI è molto più ampio.

La Metafora: Pensate all'IA non come a un tipo specifico di auto, ma come a un nuovo tipo di elettricità. Non alimenta solo la fabbrica di lampadine; alimenta il panificio, l'ospedale e il cantiere navale.
Le Scoperte:
- I Vincitori: Il premio era enorme nel settore retail, nei beni di consumo e nell'industria pesante. Queste sono aziende che usano l'IA per gestire le catene di approvvigionamento, parlare con i clienti o ottimizzare la logistica.
- I Perdenti: Sorprendentemente, alcune aziende del settore sanitario e dei beni non durevoli hanno avuto una connessione negativa con l'IA. Il mercato sembra temere che l'IA possa interrompere i loro specifici modelli di business più di quanto possa aiutarli.
- Geografia: Questo premio esiste solo nei mercati sviluppati (come gli Stati Uniti e l'Europa). Nei mercati emergenti, inclusa la Cina, l'effetto era invisibile. Sembra che gli investitori premino l'esposizione all'IA solo dove la tecnologia viene effettivamente implementata e adottata da utenti sofisticati.

4. Chi usa il "buon" carburante?

Non tutto l'utilizzo dell'IA è creato uguale. L'articolo ha scoperto che il mercato azionario premia solo l'uso serio e intensivo dell'IA, non la semplice chiacchierata casuale.

Il Margine "Intensivo": Il premio deriva da:
- Modelli Closed-Source: L'utilizzo dei modelli proprietari più avanzati e costosi (come l'ultimo GPT o Claude) piuttosto che le versioni gratuite e aperte.
- Utenti Esperti: Aziende e sviluppatori che utilizzano l'IA da molto tempo, non solo i neofiti che la provano per la prima volta.
- Compiti Complessi: L'uso dell'IA per prompt lunghi e complicati (come la programmazione o la ricerca scientifica) piuttosto che per domande brevi e semplici.
La Conclusione: Il mercato scommette che l'IA sarà uno strumento potente per gli esperti e l'industria pesante, non solo un giocattolo per gli utenti occasionali.

5. Lavori: I "Parlatori" vs i "Pensatori"

Gli autori hanno mappato questi risultati aziendali sulle specifiche competenze lavorative. Si sono chiesti: "Quali abilità umane il mercato pensa che diventeranno più preziose con la crescita dell'IA?"

Il Colpo di Scena Sorprendente: Potreste pensare che l'IA darebbe valore alle abilità analitiche "intelligenti" (matematica, scienza, logica). I dati dicono l'opposto.
I "Parlatori" Vincono: Le abilità con la più alta esposizione positiva all'IA sono l'interazione, la persuasione, l'istruzione e la comunicazione. I lavori che comportano il parlare con le persone, negoziare, insegnare o coordinare sistemi complessi sono visti come i "punti deboli" che l'IA non può facilmente sostituire.
I "Pensatori" Perdono: Le abilità che coinvolgono l'analisi profonda, il ragionamento scientifico e il controllo operativo hanno avuto in realtà un'esposizione negativa. Il mercato sembra temere che l'IA automatizzerà questi compiti, riducendo potenzialmente il valore delle imprese che dipendono pesantemente da essi.
L'Analogia: Se l'IA è una super-calcolatrice intelligente, il mercato scommette che la persona capace di spiegare la risposta al cliente e convincerlo ad acquistare il prodotto è più preziosa di colui che ha semplicemente calcolato la risposta.

6. L'ascesa degli "Agenti"

Infine, l'articolo ha individuato una nuova tendenza: l'IA Agente (Agentic AI).

Cos'è? Invece di limitarsi a rispondere a una domanda, questi "agenti" di IA possono pianificare un viaggio, prenotare un volo, controllare il meteo e inviare un'email, tutto da soli. Sono come dipendenti digitali che intraprendono azioni.
La Crescita: Nel 2024, questo era quasi inesistente. Entro il 2026, oltre il 50% di tutti i token dell'IA viene utilizzato per questi compiti da "agente".
Il Costo: Interessante notare che, con l'aumentare della diffusione di questi agenti, il costo per compito è diminuito. È come un servizio di consegna che diventa più economico man mano che diventa più veloce e automatizzato.
Il Segnale del Mercato: Sebbene i dati siano ancora agli inizi, ci sono segni che il mercato stia iniziando a premiare le aziende che utilizzano con successo questi agenti autonomi.

Riassunto

L'articolo sostiene che siamo in un periodo di transizione. Il mercato azionario sta attualmente pagando un "premio per il rischio" alle aziende che sono profondamente integrate con un uso reale e intensivo dell'IA. Non si tratta solo di aziende tecnologiche; riguarda il modo in cui l'IA sta rimodellando il retail, la manifattura e i servizi. Il mercato crede che in questo nuovo mondo, l'interazione umana e la coordinazione saranno le abilità più preziose, mentre il puro lavoro analitico potrebbe subire la maggiore trasformazione.

Riepilogo Tecnico: "AI Premium"

1. Problema e Motivazione

Il documento affronta una lacuna fondamentale nella comprensione dell'impatto economico dell'Intelligenza Artificiale (IA): mentre il consumo di IA cresce rapidamente, manca una misura ad alta frequenza, granulare e realizzata di come questo consumo si traduca in rischio e valore per imprese, mercati e lavoratori. La letteratura esistente si basa spesso su punteggi di automazione basati sui compiti (task-based), conteggi di brevetti o dati di sondaggi, che potrebbero non riflettere la valutazione in tempo reale del mercato rispetto all'esposizione all'IA.

Gli autori sostengono che l'IA rappresenti un "rischio di transizione" (Aghion e Howitt, 1992; Pastor e Veronesi, 2009). Poiché l'IA rialloca le rendite tra imprese, settori e competenze, gli investitori dovrebbero richiedere una compensazione per detenere titoli esposti a questa riallocazione sistematica. La domanda centrale è se esista un "Premio IA" misurabile nei mercati azionari — specificamente, se le imprese i cui rendimenti covariano con la crescita del consumo di IA realizzato ottengano rendimenti successivi più elevati.

2. Dati e Metodologia

Fonti dei Dati

Il nucleo dello studio è un dataset proprietario e con licenza proveniente da OpenRouter, Inc., che copre 380 trilioni di token di consumo di IA realizzato da gennaio 2024 ad aprile 2026.

Granularità: I dati sono strutturati a livello utente–modello–giorno, coprendo milioni di account anonimizzati che interagiscono con oltre 400 grandi modelli linguistici (LLM).
Ambito: Include sia modelli frontier a codice chiuso (es. OpenAI, Anthropic, Google) che modelli a pesi aperti (es. Meta, DeepSeek), nonché richieste agentiche (tool calls).
Realizzazione: A differenza delle stime riportate, si tratta di richieste pagate realizzate, che catturano la spesa effettiva e il conteggio dei token.
Dati Azionari: Mappati su CRSP/Compustat per le imprese statunitensi e Compustat Global per i mercati internazionali.

Costruzione del Fattore IA

Gli autori costruiscono un Fattore IA ad alta frequenza che rappresenta la crescita del consumo globale di IA.

Input: Tre serie settimanali: token totali ( $\Delta \ln Tok$ ), dollari utilizzati ( $\Delta \ln Dol$ ) e utenti attivi distinti ( $\Delta \ln User$ ).
Aggregazione: Il fattore IA di base è la prima componente principale della crescita logaritmica settimanale standardizzata di queste tre serie. Questo fattore cattura la variazione comune nella quantità, nella spesa e nella portata dell'adozione dell'IA.
Sotto-fattori: La granularità consente la costruzione di sotto-fattori basati su:
- Tipo di modello (Codice chiuso vs. Pesi aperti).
- Intensità d'uso (Paganti/Core vs. Nuovi; Veterani vs. Non veterani).
- Complessità del prompt (Lunghi vs. Corti).
- Attività agentica (Tool calls vs. Richieste ordinarie).

Strategia Empirica

Stima del Beta IA: Per ogni impresa pubblica, gli autori stimano un Beta IA ( $\beta_{AI}$ ) mobile, tramite la regressione dei rendimenti in eccesso settimanali dell'impresa sul Fattore IA e sul fattore di mercato su una finestra di 13 settimane. Questo beta misura la sensibilità dell'impresa agli shock del consumo di IA.
Sorting di Portafoglio: Le imprese sono suddivise in quintili in base al loro $\beta_{AI}$ . Gli autori analizzano lo spread high-minus-low (H-L) nei rendimenti successivi.
Regressioni di Fama-MacBeth: Regressioni trasversali vengono eseguite settimanalmente per stimare il prezzo di mercato del rischio IA (il premio IA), controllando per i fattori standard (dimensione, valore, redditività, investimento, momentum, ecc.).
Mappatura su Compiti/Competenze: I beta a livello di impresa sono mappati sulle occupazioni utilizzando i pesi occupazionali del BLS e successivamente sulle competenze tramite le valutazioni O*NET per derivare una mappa di esposizione implicita dal mercato per il lavoro.

3. Contributi Chiave

Granularità dei Dati Senza Precedenti: Il documento sfrutta il più grande record cross-provider di consumo di IA realizzato (380T di token) per andare oltre le misure teoriche o basate su sondaggi.
Esposizione Implicita dal Mercato: A differenza delle misure basate sui compiti (es. Acemoglu e Restrepo, 2019) o degli score di automabilità tecnica, questo studio deriva l'esposizione all'IA direttamente dalla covaria dei prezzi azionari, riflettendo la valutazione forward-looking del mercato rispetto al rischio IA.
Decomposizione del Rischio IA: Lo studio distingue tra diversi margini di consumo di IA (es. frontier vs. open-weight, intensivo vs. casuale), rivelando che il mercato prezza diversamente le specifiche componenti dell'adozione dell'IA.
Evidenza dell'Economia Agentica: Il documento fornisce una prima evidenza empirica sull'ascesa dell'IA "agentica" (modelli che eseguono workflow multi-step), tracciando la sua rapida crescita da trascurabile a oltre il 50% del volume totale di token.

4. Risultati Chiave

Il Premio IA nei Mercati Azionari

Positivo e Significativo: Le imprese con beta IA più elevati ottengono rendimenti successivi significativamente più alti. Una strategia long-short ponderata per capitalizzazione (Long High $\beta_{AI}$ , Short Low $\beta_{AI}$ ) guadagna 64,1 punti base a settimana (t-statistic 2,84).
Robustezza: Il premio persiste controllando per i cinque fattori di Fama-French, momentum, dimensione, valore, redditività, investimento, leva finanziaria e accantonamenti. Rimane significativo anche dopo aver controllato i rendimenti del settore tecnologico, i portafogli dei semiconduttori e gli ETF a tema IA.
Eterogeneità: Il premio non è uniforme; è guidato dal margine intensivo e orientato ai modelli frontier:
- I modelli a codice chiuso guidano un premio maggiore (53,4 bps/settimana) rispetto ai modelli a pesi aperti (32,3 bps/settimana).
- Gli utenti paganti/core e veterani generano un premio più forte rispetto agli utenti nuovi o occasionali.
- I prompt lunghi (compiti complessi) sono più valorizzati rispetto ai prompt brevi.

Distribuzione Geografica e Settoriale

Geografia: Il premio è concentrato nei mercati sviluppati (17,9 bps/settimana) dove le imprese sono più vicine alla frontiera dell'IA. È assente nei mercati emergenti, inclusa la Cina, dove lo spread H-L è statisticamente insignificante.
Settori: Il premio si estende oltre le imprese tecnologiche. È più positivo nel retail e nei beni di consumo durevoli e più negativo nella sanità e nei beni non durevoli. Notevolmente, il settore tecnologico mostra un'esposizione mista, con le imprese di semiconduttori che hanno un'esposizione positiva, mentre altre imprese tech mostrano un'esposizione negativa o neutrale.

Implicazioni per il Mercato del Lavoro

Mappatura delle Competenze: L'esposizione all'IA implicita dal mercato è positiva per le competenze interattive non routinarie (comunicazione, persuasione, istruzione, installazione/riparazione) e negativa per le competenze analitiche e scientifiche non routinarie (ragionamento deduttivo, uso delle informazioni).
Impatto Quantitativo: Un'occupazione con un contenuto di interazione e comunicazione un deviazione standard superiore ha un'esposizione all'IA implicita dal mercato 0,36 deviazioni standard superiore.
Confronto con le Misure Esistenti: L'esposizione implicita dal mercato spiega meno del 2% della variazione nelle misure esistenti di esposizione tecnica all'IA (es. Felten et al., 2021; Eisfeldt et al., 2023), suggerendo che il mercato prezza una dimensione di rischio distinta legata ai pattern di consumo reale piuttosto che alla semplice automabilità tecnica.

L'Ascesa dell'IA Agentica

Crescita: La quota di token agentici (richieste che invocano strumenti esterni) è cresciuta da quasi zero nel 2024 a 52,2% del volume totale di token nell'aprile 2026.
Pricing: L'esposizione ai componenti del consumo agentico (tool calls, cache reads, ragionamento dei token) mostra stime puntuali positive ed economicamente rilevanti (0,3–0,5% a settimana), sebbene la significatività statistica sia limitata dal breve campione. Ciò suggerisce un emergente "premio agentico".

5. Significato e Rivendicazioni

Il documento sostiene di fornire la prima mappatura dell'esposizione all'IA tra imprese, compiti e competenze basata sul mercato utilizzando dati di consumo reale. La sua importanza risiede in:

Validazione del Rischio di Transizione: L'esistenza di un premio IA positivo supporta la visione che l'IA sia un rischio sistematico che richiede compensazione, in linea con le teorie della distruzione creativa.
Raffinamento della Narrativa: I risultati sfidano l'idea che l'IA sia un fenomeno puramente del "settore tecnologico". Al contrario, è una forza economica ampia che influenza industrie orientate al consumatore e ad alta intensità di capitale, con vincitori e perdenti distinti in base alla natura dei loro compiti (interattivi vs. analitici).
Insight Basati sui Dati: Utilizzando il consumo di token realizzato anziché le intenzioni dichiarate o le capacità tecniche, lo studio offre una misura più accurata, seppur forward-looking, di come il mercato percepisce l'impatto economico dell'IA.

Gli autori rimangono modesti, osservando che il campione copre una fase iniziale e veloce della diffusione dell'IA, pertanto le stime riflettono il prezzo attuale dell'esposizione all'IA piuttosto che un equilibrio di lungo periodo. Riconoscono inoltre che i dati di OpenRouter potrebbero sovrarappresentare gli utenti sofisticati, implicando che il premio sia legato al pricing del mercato per l'osservato e intensivo consumo di IA.