Indice dei contenuti
👋 Benvenuti alla edizione n.81 di Autotech Italia!
In questa seconda parte dell’analisi dell'ebook di Gianluca Dettori “L'impresa intelligente: come l'intelligenza artificiale e gli agenti trasformeranno i modelli di business”, andremo a decodificare la visione dei Venture Capitalist per capire quali modelli tecnologici separeranno i leader dai ritardatari.
Parleremo di bolle speculative, di costi reali e di come l'intelligenza artificiale non stia solo cambiando i software, ma l'intera struttura dei costi delle nostre aziende.
Buona lettura!
L'era dell'“Impresa Agentica”: la vera sfida per l'automotive.
Riprendendo il filo del nostro discorso iniziato nell'edizione Capire come ragiona chi investe in tecnologie per capire l’AI utile (parte 1), oggi ci addentriamo nella "sala macchine" degli investitori istituzionali.
Capire come ragiona chi muove i capitali (i Venture Capital) è fondamentale non tanto per scimmiottare la Silicon Valley, quanto per anticipare le ondate d'urto che investiranno la filiera automotive e il post-vendita.
Siamo passati dall’effetto “WOW” iniziale per ChatGPT alla fase del pragmatismo contabile. E’ chiaro a tutti che l'intelligenza artificiale funziona, ma chi sopravviverà alla selezione naturale di un mercato costoso e tecnicamente volatile?
La risposta dei grandi investitori è chiara: non vince chi usa l'AI, ma chi riprogetta l'azienda attorno ad essa, passando da un modello basato sulle ore-uomo a uno orchestrato da agenti autonomi.
Per un dealer o un grande network di officine, a mio avviso si tratta di avere un approccio quasi come un venture capital: smettere di puntare su "software magici" e iniziare a costruire un vantaggio competitivo basato sui propri dati storici.
Il setaccio dell'innovatore e la trappola dei "gusci sottili” (thin wrappers).
Entrare oggi nel mondo delle soluzioni AI è come camminare in un campo minato.
La prima trappola segnalata da Dettori è quella dei cosiddetti "Thin Wrappers", ovvero i "gusci sottili".
Si tratta di quelle migliaia di startup (o fornitori software del nostro settore) che offrono soluzioni apparentemente miracolose, ma che in realtà sono solo interfacce grafiche incollate sopra i modelli di colossi come OpenAI o Google.
Per una concessionaria, affidarsi a questi strumenti significa costruire la propria efficienza sulla sabbia: un semplice aggiornamento di ChatGPT può spazzare via il vostro fornitore dalla sera alla mattina.
Il vero investitore, e di riflesso il manager accorto, cerca il “fossato difensivo” (Moat). Nell'era dell'AI, il fossato è triplice: dati proprietari, profonda integrazione nei flussi di lavoro (workflow) e talento. Se un sistema AI si integra profondamente nel vostro DMS, analizzando decenni di storici di riparazione per prevedere i guasti, il costo di sostituzione diventa enorme e il vantaggio inattaccabile.
Ma c'è un freno molto pesante: i costi computazionali. A differenza del software tradizionale (SaaS) dove il costo marginale tende a zero, nell'AI ogni singola inferenza (ogni domanda posta al modello) consuma energia e potenza di calcolo.
Per il business del post-vendita, la domanda da fare ai fornitori non è "cosa sa fare la vostra AI?", ma "come scalano i vostri costi se raddoppio i volumi in accettazione?".
Bolla o rivoluzione? I numeri di un mercato ipertrofico
Siamo di fronte a una rivoluzione industriale senza precedenti o stiamo gonfiando la madre di tutte le bolle speculative?
I numeri sono impressionanti: nel corso del 2025, i Venture Capital americani hanno riversato nell'AI la cifra record di 161 miliardi di dollari. Dieci startup AI, pur avendo bilanci in profondo rosso, hanno raggiunto una valutazione complessiva che sfiora il trilione di dollari (1000 miliardi di dollari!).
Questo scollamento tra economia reale e finanza ha spinto figure come Peter Thiel a liquidare le proprie posizioni, avvertendo che l'hype è troppo in anticipo sui reali ritorni economici.
Il dibattito poi si infiamma attorno all'AGI (Intelligenza Artificiale Generale), il punto di flessione gigantesco in cui la macchina eguaglierà o supererà le capacità cognitive umane in ogni ambito.
Per i leader tecnologici è una certezza imminente che aprirà un'era di "abbondanza radicale"; per gli scettici è un miraggio. Ma per noi che gestiamo fatturati e marginalità, il rischio a breve termine si chiama "inflazione dell'output": il pericolo di generare volumi enormi di "rumore digitale" (email, report, previsioni) senza un reale incremento del valore aggiunto economico. Inoltre, si apre un gigantesco baratro normativo e di responsabilità civile (come dimostra il caso giudiziario Raine contro OpenAI).
Nel post-vendita, dove un errore tecnico può impattare anche sulla sicurezza fisica delle persone, il tema della "black box" dell'AI e della responsabilità sui dati diagnostici diventerà il vero campo di battaglia legale dei prossimi anni.
Verso l'“Impresa Autonoma”: costi operativi (OPEX) contro investimenti (CAPEX)
Secondo la visione dei Venture Capital, l'evoluzione dell'impatto dell'AI nelle aziende seguirà tre stadi ben precisi:
oggi siamo nella fase di Augmentation: il dipendente umano è al centro e usa l'AI come uno strumento per fare le cose più in fretta (es. scrivere preventivi).
Domani: stiamo entrando nella fase di Automation, dove l'AI gestisce processi di back-office con supervisione umana dall'alto.
Futuro: il traguardo è l'Autonomy, e qui potrebbe cambiare la struttura finanziaria delle nostre aziende.
Storicamente, il post-vendita è "labor-intensive": se vuoi riparare il 20% in più di veicoli, devi assumere il 20% in più di meccanici.
Ci tengo a precisare che questa regola intoccabile del settore nei prossimi anni potrebbe cambiare parallelamente al processo di elettrificazione dei veicoli dove la meccanica tradizionale ad esempio verrà ridotta ad interventi con bassissimo impatto la lavoro umano.
Quindi anche per il post-vendita automotive si apre uno scenario reale in cui un modello "agentico" spezza questo legame lineare tra ricavi e costi del personale.
L'impresa del futuro costruisce "Small Language Models" (SLM) proprietari, addestrati sui propri dati (ordini ricambi, garanzie, tempistiche di lavorazione). Affittare "token" da terzi tramite API significa legare il proprio successo a un costo che scala linearmente. Possedere l'infrastruttura (Sovranità Digitale) all'inizio costa di più, ma su alti volumi protegge i margini.
E, ancora una volta, l'ostacolo più grande non è l'algoritmo, ma il capo officina: il leader del futuro è colui che insegna ai propri responsabili a diventare orchestratori di agenti sintetici, delegando la ripetizione e tenendo per sé la strategia e la relazione empatica con il cliente.
Il Manifesto dell'Impresa Agentica per il 2030.
Il passaggio dal modello Labor-Intensive a quello Asset-Intensive è lo scenario più pesante che dobbiamo trarre dall'analisi dei Venture Capital. Le aziende che cresceranno oltre la media, definite "Ecosystem Driver", hanno capito che il valore non risiede più nel vendere un ricambio o un'ora di manodopera, ma nella capacità di dominare un network di dati.
Trasformare i costi operativi in investimenti patrimoniali — possedendo modelli che diventano sempre più intelligenti con ogni tagliando eseguito e ogni dato immesso a sistema — è la chiave della sostenibilità finanziaria.
Riportando questa visione nel nostro settore avremo che l'impresa automotive del 2030 non sarà necessariamente un colosso fisico, ma un'entità snella, guidata da dati sovrani, orchestrata da agenti autonomi e supervisionata da esseri umani che avranno finalmente il tempo di gestire l'eccezione, il problem solving complesso e l'espansione commerciale. Non è un evento che accadrà da un giorno all'altro, ma un processo continuo di sperimentazione a basso costo.
L'altra faccia della medaglia: tra rischio bolla e i costi reali dell'AI
Se finora abbiamo osservato il mondo con le lenti dell'ottimismo (seppur pragmatico) dei Venture Capital, come responsabili aziendali dobbiamo fare i conti con la gravità della realtà operativa. C'è un'altra campana che suona forte e che non possiamo ignorare quando pianifichiamo i budget IT delle nostre concessionarie.
Da un lato, il rischio bolla è tutt'altro che teorico. Come sottolineato da un'analisi del Sole 24 Ore, la scommessa ceca sull'imminenza dell'AGI potrebbe scontrarsi con i limiti fisici e architetturali degli attuali Large Language Models. Le macchine, per ora, non supereranno l'uomo nel ragionamento complesso e il "muro" dell'intelligenza generale potrebbe essere molto più lontano del decennio promesso da Sam Altman. Se le aspettative finanziarie venissero deluse, assisteremmo all' "inverno del disincanto": un crollo delle valutazioni che lascerebbe molte startup del settore (e i loro clienti) senza ossigeno.
Dall'altro lato, c'è un problema di unit economics molto più terra-terra. Come evidenziato da Scott Galloway su Prof G Media, l'idea che l'AI sia automaticamente una manna per tagliare i costi del personale si sta scontrando con la realtà dei bilanci. Implementare, mantenere, pulire i dati e pagare i cicli di calcolo di sistemi AI proprietari o cloud sta risultando, in molti casi aziendali, più costoso dei dipendenti stessi che l'AI avrebbe dovuto sostituire.
👉 La mia opinione
Possiamo parlare di agenti autonomi e algoritmi predittivi finché vogliamo, ma l'elefante nella stanza rimane sempre e solo uno: le persone.
L'adozione dell'AI nelle nostre officine e concessionarie non fallirà perché il software non è pronto, fallirà perché avremo sottovalutato la paura della sostituzione e le resistenze culturali dei nostri collaboratori.
L'AI costa, spesso più del previsto, e non sostituisce l'empatia dell'accettatore che tranquillizza un cliente arrabbiato. Il manager automotive del 2026 non deve essere un esperto di machine learning, ma un leader capace di rassicurare la sua squadra, trasformando i meccanici nei direttori d'orchestra della tecnologia, non nelle sue vittime.
Fonti: Il Sole 24 Ore - Le macchine non supereranno l'uomo, il rischio bolla è concreto | Prof G Media - Is AI more expensive than the employees? | Libro: L'impresa intelligente - Gianluca Dettori (Amazon
Il tuo feedback è importante!
Grazie 🙏 per aver letto questa edizione!
Se vuoi puoi rispondermi anche direttamente alla mail se hai suggerimenti o indicazioni specifiche.
Alla prossima settimana!
Altro materiale:
🧑💻 Il progetto