Domenica 27 settembre Torsten Slok, capo economista di Apollo, uno dei maggiori gestori di investimenti alternativi al mondo, ha pubblicato la nota quotidiana Daily Spark con una domanda: Is an Agentic Bank Run Coming? Sta per arrivare una corsa agli sportelli guidata da agenti di intelligenza artificiale? In due paragrafi Slok descrive lo scenario: Muse, l’assistente personale di Meta, e strumenti simili potrebbero presto spostare automaticamente la liquidità delle famiglie su conti che rendono fra il 3,3% e il 5,0%, contro lo 0,1% medio dei conti correnti. Se ogni famiglia affidasse a un agente il compito di far rendere il proprio contante, le banche potrebbero perdere gran parte dei depositi a basso costo con cui finanziano i prestiti, creando un problema per l’intero sistema finanziario. Il grafico qui di seguito confronta le offerte di una decina di operatori digitali, fra cui SoFi, Revolut, Wealthfront e Varo, con le medie della FDIC, l’ente federale che assicura i depositi: lo 0,4% sui conti di risparmio e lo 0,1% su quelli correnti.
Meta ha lanciato Muse l’8 settembre, per ora solo negli Stati Uniti, con una versione gratuita e due abbonamenti da 20 e 100 dollari al mese. L’assistente prenota viaggi, compila moduli e completa acquisti. Grazie a un accordo con Plaid, la società che collega le app ai conti bancari, può vedere saldi, movimenti e investimenti dei conti che l’utente sceglie di collegare. Secondo Mauldin Economics, società americana di ricerca economica, è salito rapidamente in cima all’App Store. L’annuncio di Plaid, però, parla di dati condivisi su scelta dell’utente: non dice che Muse possa anche muovere il denaro. La corsa agli sportelli di Slok, per ora, è solo uno scenario.
Il 21 settembre Alexandr Wang, responsabile dell’intelligenza artificiale di Meta e fra i fondatori di Scale AI, ha scritto su X che la parte più gratificante di Muse è vederlo fare la differenza per persone che non lavorano negli ambienti tech: lo usano senza dover sapere che cosa siano i tecnicismi del mestiere, e questo, scrive, è ciò che si cerca di costruire da sempre.[1] Un AI che serva effettivamente alle persone “normali”.
Nelle stesse settimane è emerso un altro filone di notizie con al centro i conti di chi l’intelligenza artificiale la costruisce. Il 24 settembre Oracle ha notificato a Blue Owl una clausola di forza maggiore su un data center nel Nuovo Messico. Il 29 settembre Reuters ha rivelato il prospetto riservato con cui Anthropic prepara la quotazione: almeno 518 miliardi di dollari di impegni di spesa. C’è chi usa questi numeri per rileggere il racconto secondo cui l’AI ci distruggerà, affrontato nella Side View “Pace e sicurezza”: chi chiede di rallentare ha anche interessi propri.
Nella Side View di oggi mettiamo accanto due storie che di solito si raccontano separate. La prima riguarda chi chiede di rallentare: il lato B della narrazione «l’AI ci distruggerà», fatto di impegni di spesa che non si possono cancellare, di modelli aperti (open weight) che erodono il vantaggio di chi tiene chiusi i propri e di concorrenti cinesi che vendono a meno. La seconda riguarda chi gli agenti li usa: risparmiatori e piccoli investitori che per la prima volta hanno qualcuno che confronta tassi e offerte al posto loro, e le banche che di quell’inerzia hanno sempre vissuto. In mezzo restano i rischi su lavoro e società, che nessuna delle due storie cancella.
Il lato B della fine del mondo
Il 30 settembre Hedgeye, casa di ricerca indipendente americana, ha pubblicato una nota di R. Patrick Kent, portfolio manager con oltre 25 anni di esperienza nell’industria. Il ragionamento parte dalla crescente somiglianza fra i modelli AI: nessuno mantiene a lungo il primato, e il servizio tende a diventare intercambiabile, come l’elettricità. Le attività basate su reti e infrastrutture, dalle ferrovie alla telefonia ai servizi pubblici, rendono meno del software. I grandi gruppi, però, stanno investendo centinaia di miliardi come se dovessero ottenere rendimenti “da software”, mentre costruiscono qualcosa che somiglia a una rete di servizi pubblici.[2]
Se Kent ha ragione, chi ha investito quelle somme ha interesse a difendere i rendimenti attesi. La domanda è se le richieste di rallentare lo sviluppo dell’AI attraverso le regole, come quella di Dario Amodei, a capo di Anthropic, nel saggio We Must Pace the Frontier,[3] servano anche a questo. Per affrontarla occorre guardare agli impegni di spesa, ai ricavi esposti alla concorrenza dei modelli aperti e cinesi, e alle regole che, nella lettura di Kent, terrebbero lontani i rivali.
Il caso da cui parte è Anthropic. Secondo il prospetto descritto da Reuters il 29 settembre, sul quale l’azienda non ha voluto commentare, gli impegni in calcolo e infrastrutture raggiungono almeno 518 miliardi di dollari in circa dieci anni. Per circa l’80% sono contratti take-or-pay: costi fissi non cancellabili o da pagare indipendentemente dall’utilizzo. Comprendono 111 miliardi a Google, 110 ad Amazon, 31 a Microsoft e 161 di leasing di apparecchiature con Broadcom, per un totale superiore a 410 miliardi [4]. Anche chi costruisce la capacità di calcolo ha obblighi da rispettare, con tempi che dipendono da fattori come l’energia. Project Jupiter, il campus nel Nuovo Messico legato a Stargate, l’iniziativa di OpenAI, SoftBank e Oracle, mostra lo stesso meccanismo di impegni fissi esposti a ritardi, pur senza riguardare Anthropic. Il 24 settembre Oracle, principale inquilino del progetto, ha inviato a Blue Owl una comunicazione di forza maggiore: la clausola che permette di rinviare gli obblighi quando eventi fuori dal proprio controllo ritardano un progetto. Blue Owl è fra i protagonisti del private credit e nel campus ha investito circa 3 miliardi di capitale proprio, a fronte di circa 18 miliardi di prestiti bancari. La comunicazione riguarda il rischio di ritardi sull’energia, che dipende da autorizzazioni pubbliche: l’ufficio dei terreni pubblici dello Stato ha negato due volte, a marzo e a luglio, il passaggio del gasdotto che dovrebbe alimentare il campus su un tratto di terreno statale, mentre l’agenzia federale ha approvato il tratto di sua competenza.[5] Oracle ha dichiarato che il progetto «resta nei tempi previsti», cioè il 2028. Blue Owl ha detto che la comunicazione non cambia gli impegni finanziari.
I ricavi di Anthropic, intanto, crescono rapidamente. Nel 2025, secondo il prospetto riportato da Reuters, hanno sfiorato i 4,6 miliardi, dodici volte quelli del 2024. La perdita operativa ha superato gli 8 miliardi; quella netta è stata di 42, di cui circa 34 dovuti a un onere contabile senza uscita di cassa. La crescita è proseguita nel 2026: a metà agosto Bloomberg parlava di ricavi annualizzati superiori a 65 miliardi, ossia il ricavo di un periodo recente proiettato su dodici mesi. Il 18 settembre, riprendendo il New York Times, indicava un ritmo oltre i 100 miliardi entro fine anno.[6]
Il grafico confronta la traiettoria di Anthropic e OpenAI con quella di Google e Meta, anno per anno dalla nascita e in dollari corretti per l’inflazione. Anthropic arriverebbe alla soglia dei 100 miliardi con oltre dieci anni di anticipo rispetto agli attuali colossi tecnologici. Quanto resta dopo i costi fissi dipende però dai prezzi che i laboratori riescono a far pagare, e questi da quanto i loro modelli siano sostituibili.
Un dato misurabile viene da Vercel, società americana di infrastrutture per sviluppatori web, che con l’arrivo dell’AI ha aggiunto un servizio per chi costruisce applicazioni basate sui modelli. Si chiama AI Gateway e consente di accedere a OpenAI, Anthropic, Google, DeepSeek e altri attraverso un unico collegamento. Vercel conta quanti token, i frammenti di testo che i modelli leggono e scrivono e sui quali si paga, passano dai modelli open weight, i cui parametri sono scaricabili da chiunque, e quanti dagli altri.
Il grafico copre il periodo dal 21 giugno al 18 settembre. All’inizio i modelli open weight elaboravano poco meno del 30% dei token; nell’ultima barra arrivano al 78,4%, contro il 21,6% dei modelli chiusi. Gli indici mensili mostrano la stessa traiettoria: 29% in giugno e 56% in agosto. Fra i protagonisti c’è il laboratorio cinese DeepSeek, che in giugno ha raggiunto il 22,6% di tutti i token, a meno di due punti da Google, quando l’intera categoria open weight era al 29%. Vercel ne stima i prezzi da venti a cinquanta volte inferiori a quelli di modelli comparabili di Anthropic.[7] In termini di spesa, e dunque di incassi dei laboratori, il quadro cambia. Ad agosto i modelli open hanno elaborato il 56% dei token, ma hanno assorbito il 14% della spesa stimata ai prezzi di listino. Ad Anthropic sono andati 64 centesimi di ogni dollaro speso sul gateway, una quota mai scesa sotto i 61 da dicembre.[8] Gli impegni restano fissi per circa dieci anni; l’uso dei modelli cambia in pochi mesi. Se quelli aperti guadagnassero terreno anche nella spesa, i laboratori dei modelli chiusi dovrebbero coprire gli stessi obblighi con una quota minore del mercato.
È il rischio descritto da Kent. Secondo lui i grandi gruppi assumono gli impegni necessari a conquistare il modello dominante, mentre l’open source, spinto anche dai tentativi di escluderlo, sviluppa alternative che non passano dai loro modelli. In questa situazione cercherebbero nella regolamentazione una barriera all’ingresso dei concorrenti. Kent introduce la lettura con «chiamatemi complottista»: rallentare i rivali varrebbe il costo di adeguarsi alle regole, tanto che i grandi gruppi le sosterrebbero anche senza crederci.
Amodei riporta la stessa accusa nel suo saggio. Chiedere regole, scrive, è costato ad Anthropic accuse di hype, cioè di gonfiare le aspettative, di catastrofismo e di regulatory capture, l’uso della regolamentazione come barriera contro i nuovi arrivati. Rivendica però di aver sostenuto leggi sulla trasparenza quando gran parte del settore rifiutava qualsiasi regola e oggi appoggia norme mirate sulla trasparenza e sui controlli di terzi. Per rallentare, sostiene, il metodo più efficace è una regolazione che comprenda tutti i laboratori americani di frontiera, quelli che sviluppano i modelli più avanzati, inclusi quelli che non vogliono collaborare. Quanto ai modelli aperti, centrali nella lettura di Kent, nel saggio la parola «open» non compare.
Il saggio, tuttavia, tratta anche la Cina, come questione di controlli sulle esportazioni. Chiede di non vendere chip avanzati né i macchinari per produrli, di stringere sul contrabbando e di fermare la distillazione non autorizzata da parte di società di paesi autoritari: l’uso dei modelli di frontiera per addestrare concorrenti a una frazione del costo. La ragione che dà è geopolitica: i chip, scrive, saranno il principale fattore della forza cinese nell’AI. Nella lettura di Kent, queste misure potrebbero valere anche come difesa dai prezzi di DeepSeek osservati nei dati di Vercel.
La banca in tasca
I ricavi dei laboratori vengono dall’uso dei modelli, e uno degli usi che si stanno diffondendo riguarda il denaro delle famiglie e dei piccoli investitori. Qui il tema è ciò che Ed D’Agostino, responsabile operativo di Mauldin Economics, chiama “attrito”: aprire un conto, collegarlo, spostare l’accredito dello stipendio, aggiornare i pagamenti automatici. Piccole incombenze che separano il cliente dal tasso migliore e sulle quali vivono molti modelli di business, dai depositi bancari a basso costo agli abbonamenti in palestra mai usati.[9] Molti modelli di business vivono di questo “attrito”: le banche con i depositi che costano poco, le palestre con gli abbonamenti non usati. Un agente, scrive D’Agostino, non si stanca di confrontare i tassi e non dimentica le scadenze. Per una famiglia può valere centinaia o migliaia di dollari l’anno.
Il 7 ottobre Lex, la rubrica di commento del Financial Times, ha calcolato quanto valga quell’attrito per le banche. JPMorgan Chase, Bank of America e Wells Fargo hanno circa 1.600 miliardi di dollari di depositi che non pagano interessi, pari al 16% del loro passivo. Remunerarli al 3% costerebbe circa 47 miliardi l’anno, quasi metà dei loro utili complessivi. Le banche ricavano circa due terzi del reddito dalla differenza fra gli interessi pagati sui depositi e quelli incassati sui prestiti.[10] Lex fa anche un secondo conto, sul valore azionario di questi depositi. Quando una banca ne compra un’altra, deve attribuire un valore ai depositi stabili e a basso costo che acquisisce (core deposit intangible): in genere fra il 2 e il 3% dei saldi (per ogni 100 dollari di depositi stabili, la banca acquirente riconosce 2-3 dollari di valore), secondo Mercer Capital. Applicato ai 20.000 miliardi di depositi delle banche americane, di cui circa l’80% stabile, dà fra 320 e 480 miliardi. Lex arrotonda a circa 500, un decimo del valore delle banche americane quotate.Il FT, però, dubita che si arrivi a tanto. Le famiglie affideranno il controllo dei propri conti ad aziende «note per muoversi in fretta e rompere le cose»? E se l’agente sbaglia destinatario, chi paga? Le banche, poi, dall’AI guadagnano anche: Brian Moynihan, a capo di Bank of America, ha detto che l’istituto ha speso 400 milioni di dollari in miglioramenti basati sull’AI e ne ha ricavati 800 di benefici.
Resta da capire se i depositi si sposterebbero con la velocità di una corsa agli sportelli, e su questo le letture divergono. D’Agostino, che riprende la tesi di Slok, ne vede il rischio nella velocità. Il precedente è Silicon Valley Bank, la banca californiana fallita nel 2023 dopo che i depositanti avevano ritirato i loro soldi. Se gli agenti li spostano in ore, le fragilità di bilancio emergono più in fretta. Pagare di più per trattenere i clienti, osserva, ha poi un costo che la banca sente subito.La lettura opposta è che si tratti di una ricalibrazione del costo dei depositi. Anthony Pompliano, autore di The Pomp Letter, legge invece lo scenario come una ricalibrazione del costo dei depositi. Il 28 settembre risponde a Slok che le probabilità di una corsa sono «praticamente nulle». La tecnologia viene adottata a ondate, le banche alzeranno i tassi o compreranno le fintech che hanno già innovato, e molti prodotti remunerati si appoggiano comunque a banche partner.[11] Pompliano cita anche Cullen Roche, fondatore della società di consulenza sugli investimenti Orcam Financial Group: quando il denaro passa da una banca all’altra, i depositi complessivi non cambiano. I soldi restano nel sistema, cambiano semplicemente indirizzo. Roche ammette che le corse alle singole banche deboli potrebbero accelerare, ma per il sistema ritiene più probabile un adeguamento dei tassi sui depositi a quelli di mercato. Un costo per gli azionisti delle banche, un vantaggio per chi ha liquidità.
Entrambe le letture dipendono dalla diffusione degli agenti, che richiede due condizioni: che qualcuno li lasci entrare e che ci sia sufficiente capacità di calcolo. Sulla prima, il 22 settembre la rivista di settore Retail Dive riportava che Amazon aveva chiesto a Meta di escludere Amazon.com dall’esperienza di Muse. Amazon affermava di non aver ricevuto preavviso né autorizzato l’accesso.[12] D’Agostino si domanda che cosa accadrebbe se anche una banca o un assicuratore rifiutassero un agente esterno che sposta depositi o presenta ricorsi. E per chi lavori davvero l’agente: se raccomanda una banca perché è la migliore, bene; se qualcuno ha pagato il suo fornitore per farla comparire, il cliente torna a essere il cliente di una grande piattaforma.La seconda condizione è la capacità di calcolo, lo stesso tipo di risorsa per cui servono gli impegni di spesa visti sopra. Se un miliardo di persone volesse un agente, ce ne sarebbe abbastanza? Morgan Stanley (nota di Brian Nowak e del suo team del 2 ottobre) ha provato a rispondere.[13]
Secondo la banca, sì, con un margine di circa il 7%. La potenza che Meta sta acquistando nel 2026 equivale a circa 643 milioni di processori virtuali, o vCPU, sufficienti per circa 321 milioni di istanze di Muse da due vCPU ciascuna. Per servire un miliardo di utenti attivi al giorno che utilizzino il 25% della propria dotazione settimanale di token, il limite previsto da Meta, ne occorrerebbero circa 300 milioni. Il calcolo di Morgan Stanley ipotizza tre ore di attività giornaliera per utente e un margine per i picchi.
Un hedge fund in tasca
Gli agenti arrivano anche al conto titoli, e in America qualcuno li usa già. Il 5 settembre il Wall Street Journal ha raccontato il «robot retail investor»: piccoli investitori che descrivono una strategia di trading in linguaggio naturale e la affidano a un agente, oppure collegano il portafoglio a un assistente come Claude o Codex.[14] Robinhood e Webull, piattaforme di intermediazione per risparmiatori, hanno introdotto funzioni che facilitano il collegamento. Da lì l’agente può comprare e vendere autonomamente. Neil McDonald, responsabile delle attività americane di Moomoo, un’altra piattaforma di trading, stima che entro fine anno gli agenti potrebbero eseguire circa il 20% degli scambi. «Queste persone stanno diventando mini hedge fund», dice.
Il 29 settembre, all’evento annuale per i clienti a Houston, Robinhood ha presentato Robinhood Agents: assistenti integrati nell’app che analizzano i mercati, costruiscono strategie e operano entro i limiti fissati dal cliente. Quel giorno il Wall Street Journal titolava: «La prossima grande scommessa di Robinhood: bot AI che fanno trading mentre dormi».[15]
Dal debutto del trading con agenti, a maggio, secondo la società oltre 150.000 clienti hanno aperto un conto dedicato, e gli agenti utilizzano gli strumenti della piattaforma quasi 30 milioni di volte al giorno. L’operatività è limitata al conto dedicato e l’approvazione manuale delle operazioni è attiva per impostazione predefinita. Il comunicato precisa, inoltre, che ogni rischio delle operazioni eseguite dall’agente resta a carico del cliente. Secondo i dirigenti e i trader sentiti dal Journal, la novità è l’accesso. I professionisti usano da tempo algoritmi capaci di leggere dati, individuare segnali ed eseguire ordini in millisecondi. Fra i piccoli investitori, questi strumenti erano riservati ai pochi che sapessero programmare. Oggi un assistente può costruire una strategia da qualche riga di testo: comprare titoli energetici quando sale il petrolio, vendere un’opzione quando raggiunge un certo rendimento, perfino leggere i messaggi del presidente sui social per ricavarne segnali.
Sul versante dei rischi, un working paper del National Bureau of Economic Research ha raccolto per mesi le raccomandazioni quotidiane di diversi modelli linguistici. I portafogli risultano poco diversificati, orientati verso le grandi società e i titoli già in rialzo, scelti soprattutto per l’attenzione ricevuta dai media, senza rendimenti anomali statisticamente significativi.[16] Secondo la sintesi di Yahoo Finance, i semiconduttori ne rappresentavano in media il 41%, contro il 21% dell’S&P 500.
Chi esce, chi resta
In poche settimane sono così emerse due facce della stessa tecnologia: gli impegni di chi la costruisce e le possibilità offerte a chi la usa. Le letture restano più d’una. Sulla fine del mondo, c’è chi la annuncia e chiede regole e chi vede in quelle richieste anche una barriera a favore degli operatori “made in USA”. Sulle banche, una corsa agli sportelli nell’epoca degli agenti oppure un ritorno del costo dei depositi ai livelli di mercato, con fino a circa 500 miliardi di valore azionario in gioco secondo il Financial Times. Sul risparmiatore, un hedge fund in tasca o un nuovo effetto gregge.
Alcuni punti valgono in tutte le letture. Quello che D’Agostino chiama “attrito” è stato finora un modello di business: chi lo elimina sposta valore da chi lo incassava a chi lo pagava, e Amazon ha già chiesto di essere esclusa dall’esperienza di Muse. Poi c’è il tempo: gli impegni di Anthropic durano circa un decennio, mentre le quote d’uso dei modelli aperti crescono nel giro di pochi mesi. Rimane la domanda di D’Agostino: per chi lavora l’agente? Sullo sfondo restano i rischi che nessuna delle due storie affronta, sul lavoro e su come la società si riorganizza attorno a strumenti che agiscono al posto delle persone.
Power to the People, per restare in tema, è il brano con cui John Lennon, nel 1971, invitava a dare potere alle persone. Nel gennaio 2021 Naval Ravikant, fra i fondatori di AngelList, metteva in fila le uscite dai grandi apparati: il bitcoin come uscita dalla Fed, la finanza decentralizzata come uscita da Wall Street, i social come uscita dai media tradizionali, il lavoro da remoto come uscita dall’orario d’ufficio. E riassumeva così, in quattro parole: «Individuals are leaving institutions».
Approfondimento a cura di Nicola Lampis
Lugano, 11 ottobre 2026
[1]Alexandr Wang (@alexandr_wang), post su X, 21 settembre 2026.
[2]Hedgeye (R. Patrick Kent), «One Model to Rule Them All», Early Look, 30 settembre 2026; ricerca riservata agli abbonati.
[3]Dario Amodei, «We Must Pace the Frontier», settembre 2026.
[4]eeNews Europe, «Anthropic IPO reveals $518bn in infrastructure commitments», 29 settembre 2026, su dati Reuters.
[5]Source NM, «NM state land commissioner rejects application for gas pipeline to power Project Jupiter data center», 31 marzo 2026; Underground Infrastructure, «New Mexico upholds rejection of Project Jupiter gas pipeline across state lands», luglio 2026; PGJ Online, «BLM Approves Green Chile Gas Pipeline for New Mexico Data Center», maggio 2026.
[6]Bloomberg, «Anthropic’s Annualized Revenue Tops $65 Billion Before IPO», 17 agosto 2026; Bloomberg, «Anthropic’s Annualized Revenue to Top $100 Billion in 2026, NYT Says», 18 settembre 2026.
[7]Vercel, «Open-weight models surge to 29% of volume, price per token flattens», 13 luglio 2026 (DeepSeek al 22,6% dei token di giugno); Vercel, «DeepSeek enters the fight for token volume, Anthropic continues to dominate spend», 8 giugno 2026 (prezzi da 20 a 50 volte inferiori).
[8]Vercel, «Open-weight models take 56% of token volume, Astra doubles Fable 5.1 spend», cit.
[9]Ed D’Agostino, «A Different Kind of Bank Run?», cit.
[10]Financial Times (John Foley), «AI agents could cost banks $500bn — by winning savers better rates», Lex, 7 ottobre 2026.
[11]Anthony Pompliano, «Will AI Agents Create A Bank Run?», The Pomp Letter, 28 settembre 2026, che cita Cullen Roche.
[12]Retail Dive (Dani James), «Amazon asks Meta to remove it from the Muse AI agent experience», 22 settembre 2026.
[13]Morgan Stanley Research (Brian Nowak e team), nota su Meta Muse, 2 ottobre 2026, ripresa da AllWeatherFinance.
[14]The Wall Street Journal (Hannah Erin Lang), «He’s Letting AI Agents Invest His Money. They Even Have Names.», 5 settembre 2026.
[15]The Wall Street Journal (Hannah Erin Lang), «Robinhood’s Next Big Bet: AI Bots That Trade While You Sleep», 29 settembre 2026; Robinhood, «Robinhood Puts the Power of Hedge Funds in Every Trader’s Pocket», 29 settembre 2026.
[16]Bruce I. Carlin, Ryan D. Israelsen e Christopher F. Wazzan, «AI Managed Household Portfolios: A Preliminary Report», NBER Working Paper 35153, aprile 2026; sintesi in Yahoo Finance, «New Research Reveals Risks of Using AI for Stock Investment Advice».
