Citrini Research ha fatto una interessante ricerca su quello che succederà nel 2028 con l’AI Agentico nell’economia.

Promemoria macro
Le conseguenze dell’intelligenza abbondante
CitriniResearch

22 febbraio 2026 30 giugno 2028

Il tasso di disoccupazione ha raggiunto il 10,2% questa mattina, con un sorprendente rialzo dello 0,3%. Il mercato ha ceduto il 2% su questo dato, portando il calo cumulativo dell’indice S&P al 38% dai massimi di ottobre 2026.

Gli operatori sono diventati insensibili. Sei mesi fa, un’informazione del genere avrebbe fatto scattare un interruttore.

Due anni. È bastato questo per passare da un’economia “contenuta” e “settorialmente specifica” a un’economia che non assomiglia più a quella in cui siamo cresciuti. Il memorandum macroeconomico di questo trimestre è il nostro tentativo di ricostruire la sequenza: un’autopsia sull’economia pre-crisi.

L’euforia era palpabile. Nell’ottobre 2026, l’S&P 500 sfiorava quota 8000, il Nasdaq superava quota 30.000. La prima ondata di licenziamenti dovuti all’obsolescenza umana iniziò all’inizio del 2026, e i licenziamenti ebbero esattamente lo stesso effetto previsto. I margini aumentarono, gli utili superarono le aspettative, le azioni salirono. Utili aziendali da record furono convogliati direttamente nell’elaborazione dell’intelligenza artificiale.

I numeri principali erano ancora ottimi. Il PIL nominale registrava ripetutamente una crescita annualizzata a una cifra, da media ad alta. La produttività era in forte espansione. La produzione oraria reale aumentava a tassi mai visti dagli anni ’50, trainata da agenti di intelligenza artificiale che non dormono, non prendono giorni di malattia e non hanno bisogno di un’assicurazione sanitaria.

I proprietari di computer hanno visto la loro ricchezza esplodere con il crollo dei costi del lavoro. Nel frattempo, la crescita dei salari reali è crollata. Nonostante i ripetuti vanti di produttività record da parte dell’amministrazione, i colletti bianchi hanno perso il lavoro a favore delle macchine e sono stati costretti a ricoprire ruoli meno retribuiti.

Quando cominciarono ad apparire delle crepe nell’economia dei consumi, gli esperti economici resero popolare l’espressione ” PIL fantasma “: una produzione che compare nei conti nazionali ma non circola mai nell’economia reale.

L’intelligenza artificiale stava superando le aspettative sotto ogni aspetto, e il mercato era l’intelligenza artificiale. L’unico problema… l’economia non lo era.

Avrebbe dovuto essere chiaro fin dall’inizio che un singolo cluster di GPU nel Dakota del Nord, che generava la produzione precedentemente attribuita a 10.000 impiegati nel centro di Manhattan, rappresenta più una pandemia economica che una panacea. La velocità del denaro si è fermata. L’economia consumistica incentrata sull’uomo, che all’epoca rappresentava il 70% del PIL, si è esaurita. Probabilmente avremmo potuto capirlo prima se ci fossimo semplicemente chiesti quanto spendessero le macchine per fare soldi in beni voluttuari. (Suggerimento: zero.)

Le capacità dell’intelligenza artificiale sono migliorate, le aziende hanno avuto bisogno di meno lavoratori, i licenziamenti dei colletti bianchi sono aumentati, i lavoratori licenziati hanno speso meno, la pressione sui margini ha spinto le aziende a investire di più nell’intelligenza artificiale, le capacità dell’intelligenza artificiale sono migliorate…

Si trattava di un circolo vizioso senza freni naturali. La spirale di sostituzione dell’intelligenza umana . I colletti bianchi hanno visto il loro potere di guadagno (e, razionalmente, la loro capacità di spesa) strutturalmente compromesso. I loro redditi erano il fondamento del mercato dei mutui da 13.000 miliardi di dollari, costringendo i sottoscrittori a rivalutare se i mutui di prima qualità siano ancora redditizi.

Diciassette anni senza un vero ciclo di default avevano lasciato i privati ​​in balia di accordi software sostenuti da PE, che davano per scontato che l’ARR sarebbe rimasto ricorrente. La prima ondata di default dovuta all’interruzione dell’intelligenza artificiale a metà del 2027 ha messo in discussione tale ipotesi.

Questo sarebbe stato gestibile se la disruption fosse rimasta limitata al software, ma non è stato così. Entro la fine del 2027, ha minacciato ogni modello di business basato sull’intermediazione. Schiere di aziende basate sulla monetizzazione degli attriti per gli esseri umani si sono disintegrate.

Il sistema si è rivelato una lunga catena di scommesse correlate sulla crescita della produttività dei colletti bianchi. Il crollo del novembre 2027 non ha fatto altro che accelerare tutti i circoli viziosi già in atto.

Aspettiamo “le cattive notizie sono buone notizie” da quasi un anno. Il governo sta iniziando a valutare proposte, ma la fiducia dell’opinione pubblica nella sua capacità di organizzare qualsiasi tipo di salvataggio è diminuita. La risposta politica è sempre stata in ritardo rispetto alla realtà economica, ma la mancanza di un piano globale ora minaccia di accelerare una spirale deflazionistica.

Come è iniziato
Verso la fine del 2025, le capacità degli strumenti di codifica agentica hanno subito un notevole balzo in avanti.

Uno sviluppatore competente che lavora con Claude Code o Codex potrebbe ora replicare le funzionalità principali di un prodotto SaaS di fascia media in poche settimane. Non perfettamente o con la gestione di ogni caso limite, ma abbastanza bene da far sì che il CIO, esaminando un rinnovo annuale da 500.000 dollari, iniziasse a chiedersi “e se lo realizzassimo noi stessi?”.

Gli anni fiscali coincidono per lo più con gli anni solari, quindi la spesa aziendale per il 2026 era stata fissata nel quarto trimestre del 2025, quando “intelligenza artificiale agente” era ancora un termine di moda. La revisione di metà anno è stata la prima volta in cui i team di approvvigionamento hanno preso decisioni con visibilità su ciò che questi sistemi potevano effettivamente fare. Alcuni hanno visto i propri team interni realizzare prototipi che replicavano contratti SaaS a sei cifre in poche settimane.

Quell’estate, abbiamo parlato con un responsabile degli acquisti di un’azienda Fortune 500. Ci ha raccontato di una delle sue trattative di budget. Il venditore si aspettava di seguire la stessa strategia dell’anno scorso: un aumento annuale del prezzo del 5%, il classico “il tuo team dipende da noi”. Il responsabile degli acquisti gli ha detto di aver parlato con OpenAI della possibilità di far sì che i loro “ingegneri in fase di sviluppo” utilizzassero strumenti di intelligenza artificiale per sostituire completamente il fornitore. Hanno rinnovato con uno sconto del 30%. Un risultato positivo, ha detto. I “SaaS a coda lunga”, come Monday.com , Zapier e Asana, hanno avuto una situazione molto peggiore.

Gli investitori erano preparati, anzi, fiduciosi, che la coda lunga sarebbe stata duramente colpita. Pur rappresentando un terzo della spesa per il tipico stack aziendale, erano ovviamente esposti. I sistemi di registrazione, tuttavia, avrebbero dovuto essere al sicuro da eventuali interruzioni.

Solo con il rapporto Q3 2026 di ServiceNow il meccanismo della riflessività è diventato più chiaro.

LA CRESCITA DEL NUOVO ACV NETTO DI SERVICENOW DECELERA AL 14% DAL 23%; ANNUNCIA UNA RIDUZIONE DEL 15% DELLA FORZA LAVORO E UN “PROGRAMMA DI EFFICIENZA STRUTTURALE”; LE AZIONI SCENDONO DEL 18% | Bloomberg, ottobre 2026

Il SaaS non era “morto”. C’era ancora un’analisi costi-benefici per l’esecuzione e il supporto di build interne. Ma l’internalizzazione era un’opzione, e questo influiva sulle negoziazioni sui prezzi. Forse ancora più importante, il panorama competitivo era cambiato. L’intelligenza artificiale aveva semplificato lo sviluppo e il rilascio di nuove funzionalità, quindi la differenziazione era crollata. Gli operatori storici erano impegnati in una corsa al ribasso sui prezzi: una lotta all’arma bianca sia tra loro che con la nuova generazione di concorrenti emergenti che spuntavano. Incoraggiati dal balzo in avanti nelle capacità di codifica agentica e senza una struttura di costi legacy da proteggere, questi ultimi conquistarono aggressivamente quote di mercato.

Anche la natura interconnessa di questi sistemi non era stata pienamente compresa fino a questa pubblicazione. ServiceNow vendeva licenze. Quando i clienti Fortune 500 tagliarono il 15% del loro personale, cancellarono il 15% delle loro licenze. Le stesse riduzioni di personale basate sull’intelligenza artificiale che stavano aumentando i margini dei loro clienti stavano meccanicamente distruggendo la loro base di fatturato.

L’azienda che vendeva l’automazione del flusso di lavoro stava subendo una trasformazione a causa di una migliore automazione del flusso di lavoro e la sua risposta è stata quella di tagliare il personale e utilizzare i risparmi per finanziare la stessa tecnologia che stava rivoluzionando il settore.

Cos’altro avrebbero dovuto fare? Restare fermi e morire più lentamente? Le aziende più minacciate dall’IA sono diventate le più aggressive nell’adottare l’IA.

Col senno di poi, sembra ovvio, ma all’epoca non lo era affatto (almeno per me). Il modello storico di disruption prevedeva che gli operatori storici resistessero alle nuove tecnologie, perdessero quote di mercato a favore di nuovi entranti più agili e morissero lentamente. È quello che è successo a Kodak, a Blockbuster, a BlackBerry. Quello che è successo nel 2026 è stato diverso: gli operatori storici non hanno resistito perché non potevano permetterselo.

Con azioni in calo del 40-60% e consigli di amministrazione che esigevano risposte, le aziende minacciate dall’intelligenza artificiale hanno fatto l’unica cosa possibile: tagliare il personale, reinvestire i risparmi in strumenti di intelligenza artificiale e utilizzare questi strumenti per mantenere la produttività a costi inferiori.

La risposta individuale di ogni azienda è stata razionale. Il risultato collettivo è stato catastrofico. Ogni dollaro risparmiato sul personale è confluito in capacità di intelligenza artificiale che hanno reso possibile la successiva tornata di tagli al personale.

Il software è stato solo l’atto di apertura. Ciò che gli investitori non hanno colto, mentre discutevano se i multipli del SaaS avessero toccato il fondo, è che il circolo vizioso era già sfuggito al settore del software. La stessa logica che ha giustificato i tagli al personale di ServiceNow si applicava a tutte le aziende con una struttura di costi basata sui colletti bianchi.

Quando l’attrito è andato a zero
All’inizio del 2027, l’utilizzo di LLM era diventato predefinito. Le persone utilizzavano agenti di intelligenza artificiale senza nemmeno sapere cosa fossero, allo stesso modo in cui persone che non avevano mai imparato cosa fosse il “cloud computing” utilizzavano i servizi di streaming. Lo consideravano un po’ come il completamento automatico o il controllo ortografico, una cosa che ora il loro telefono fa solo ora.

L’assistente virtuale open source di Qwen è stato il catalizzatore per l’intelligenza artificiale nella gestione delle decisioni dei consumatori. Nel giro di poche settimane, tutti i principali assistenti virtuali avevano integrato almeno una funzionalità di commercio virtuale. I modelli distillati consentivano a questi agenti di funzionare su telefoni e laptop, non solo su istanze cloud, riducendo significativamente il costo marginale dell’inferenza.

Ciò che avrebbe dovuto turbare di più gli investitori era il fatto che questi agenti non aspettavano di essere interpellati. Operavano in background in base alle preferenze dell’utente. Il commercio ha smesso di essere una serie di decisioni umane discrete ed è diventato un processo di ottimizzazione continuo, attivo 24 ore su 24, 7 giorni su 7, per conto di ogni consumatore connesso. A marzo 2027, l’individuo medio negli Stati Uniti consumava 400.000 token al giorno, 10 volte di più rispetto alla fine del 2026.

L’anello successivo della catena si stava già rompendo.

Intermediazione.

Negli ultimi cinquant’anni, l’economia statunitense ha costruito un gigantesco sistema di rendita basato sui limiti umani: le cose richiedono tempo, la pazienza si esaurisce, la familiarità con un marchio sostituisce la diligenza e la maggior parte delle persone è disposta ad accettare un prezzo basso per evitare ulteriori clic. Migliaia di miliardi di dollari di valore aziendale dipendevano dal persistere di questi vincoli.

All’inizio era tutto abbastanza semplice: gli agenti eliminavano gli attriti.

Abbonamenti e membership che si rinnovavano passivamente nonostante mesi di inutilizzo. Prezzi di lancio che raddoppiavano furtivamente dopo il periodo di prova. Ognuno di questi servizi veniva ribattezzato come una situazione di ostaggio che gli agenti potevano negoziare. Il valore medio del ciclo di vita del cliente, la metrica su cui si basava l’intera economia degli abbonamenti, subì un netto calo.

Gli agenti dei consumatori iniziarono a modificare il funzionamento di quasi tutte le transazioni tra consumatori.

Gli esseri umani non hanno il tempo di confrontare i prezzi tra cinque piattaforme concorrenti prima di acquistare una scatola di barrette proteiche. Le macchine sì.

Le piattaforme di prenotazione viaggi sono state una delle prime vittime, perché erano le più semplici. Entro il quarto trimestre del 2026, i nostri agenti erano in grado di creare un itinerario completo (voli, hotel, trasporti via terra, ottimizzazione della fidelizzazione, vincoli di budget, rimborsi) in modo più rapido ed economico di qualsiasi altra piattaforma.

I rinnovi assicurativi, il cui intero modello di rinnovo dipendeva dall’inerzia del contraente, sono stati riformati. Gli agenti che rivedevano annualmente la copertura hanno smantellato il 15-20% dei premi che le compagnie assicurative guadagnavano dai rinnovi passivi.

Consulenza finanziaria. Preparazione delle dichiarazioni dei redditi. Lavoro legale di routine. Qualsiasi categoria in cui la proposta di valore del fornitore di servizi fosse in definitiva “Mi occuperò della complessità che trovi noiosa” veniva interrotta, poiché gli agenti non trovavano nulla di noioso.

Persino i luoghi che pensavamo protetti dal valore delle relazioni umane si sono rivelati fragili. Il settore immobiliare, dove gli acquirenti avevano tollerato commissioni del 5-6% per decenni a causa dell’asimmetria informativa tra agente e consumatore, è crollato quando agenti di intelligenza artificiale dotati di accesso MLS e decenni di dati sulle transazioni hanno potuto replicare istantaneamente la base di conoscenza. Un articolo sul lato vendita del marzo 2027 lo intitolava “violenza tra agenti”. La commissione mediana sul lato acquisto nelle principali aree metropolitane si era ridotta dal 2,5-3% a meno dell’1% e una quota crescente di transazioni si stava chiudendo senza alcun agente umano sul lato acquisto.

Avevamo sopravvalutato il valore delle “relazioni umane”. A quanto pare, gran parte di ciò che la gente chiamava relazioni non era altro che un attrito con un volto amico.

Quello fu solo l’inizio della rivoluzione per il livello di intermediazione. Le aziende di successo avevano speso miliardi per sfruttare efficacemente le peculiarità del comportamento dei consumatori e della psicologia umana che ormai non avevano più importanza.

Le macchine che ottimizzano il prezzo e la vestibilità non si preoccupano della tua app preferita o dei siti web che visiti abitualmente negli ultimi quattro anni, né sentono il fascino di un’esperienza di pagamento ben progettata. Non si stancano, non accettano l’opzione più semplice o non si limitano a “Ordino sempre da qui”.

Ciò ha distrutto un particolare tipo di fossato: l’intermediazione abituale.

DoorDash (DASH US) ne è stato il simbolo.

Gli agenti di programmazione avevano abbattuto la barriera d’ingresso per il lancio di un’app di consegna. Uno sviluppatore competente avrebbe potuto implementare un concorrente funzionante in poche settimane, e decine di sviluppatori lo hanno fatto, allontanando gli autisti da DoorDash e Uber Eats, trasferendo loro il 90-95% della tariffa di consegna. Le dashboard multi-app consentivano ai lavoratori autonomi di monitorare le richieste di lavoro in arrivo da venti o trenta piattaforme contemporaneamente, eliminando il vincolo da cui dipendevano gli operatori storici. Il mercato si è frammentato da un giorno all’altro e i margini si sono ridotti quasi a zero.

Gli agenti hanno accelerato entrambe le fazioni della distruzione. Hanno abilitato i concorrenti e poi li hanno usati. Il fossato di DoorDash era letteralmente “hai fame, sei pigro, questa è l’app sulla tua schermata iniziale”. Un agente non ha una schermata iniziale. Controlla DoorDash, Uber Eats, il sito del ristorante e venti nuove alternative codificate in modo da poter scegliere ogni volta la tariffa più bassa e la consegna più veloce.

La fedeltà abituale alle app, l’intera base del modello di business, semplicemente non esisteva per una macchina.

Questo era stranamente poetico, forse l’unico esempio in tutta questa saga di agenti che facevano un favore ai colletti bianchi che presto sarebbero stati licenziati. Quando finirono a fare i fattorini, almeno metà dei loro guadagni non andò a Uber e DoorDash. Naturalmente, questo favore da parte della tecnologia non durò a lungo con la proliferazione dei veicoli autonomi.

Una volta che gli agenti ebbero il controllo della transazione, andarono alla ricerca di graffette più grandi.

C’era un limite al numero di operazioni di abbinamento e aggregazione dei prezzi da fare. Il modo migliore per far risparmiare ripetutamente denaro agli utenti (soprattutto quando gli agenti iniziarono a effettuare transazioni tra loro) era eliminare le commissioni. Nel commercio machine-to-machine, il tasso di interscambio delle carte del 2-3% divenne un obiettivo ovvio.

Gli agenti cercarono opzioni più rapide ed economiche rispetto alle carte. La maggior parte optò per le stablecoin tramite Solana o Ethereum L2, dove il pagamento era pressoché istantaneo e il costo della transazione era misurato in frazioni di centesimo.

MASTERCARD 1° TRIMESTRE 2027: RICAVI NETTI +6% A/A; LA CRESCITA DEL VOLUME DI ACQUISTO RALLENTA AL +3,4% A/A DAL +5,9% DEL TRIMESTRE PRECEDENTE; IL MANAGEMENT NOTA “OTTIMIZZAZIONE DEI PREZZI GUIDATA DAGLI AGENTI” E “PRESSIONE NELLE CATEGORIE DISCREZIONALI” | Bloomberg, 29 aprile 2027

Il report di Mastercard del primo trimestre 2027 ha segnato il punto di non ritorno. L’agentic commerce è passato dall’essere una questione di prodotto a una questione di idraulica. Il giorno successivo, MA ha perso il 9%. Anche Visa ha fatto lo stesso, ma ha ridotto le perdite dopo che gli analisti hanno sottolineato il suo posizionamento più solido nell’infrastruttura delle stablecoin.