La legge di Amara e il ciclo dell'hype: dove siamo con l'AI generativa

Contenuto articolo

Sovrastimiamo il breve termine, sottostimiamo il lungo termine. Non sono due errori distinti, bensì lo stesso sbaglio che si manifesta in due tempi diversi. E con l’AI generativa stiamo recitando il copione alla perfezione.

Un pattern, non un’anomalia

Per capire dove stiamo andando, dobbiamo rispolverare la saggezza di Roy Amara. Un ricercatore e futurista che, mentre il mondo del 1968 guardava all’oggi, fondava l’Institute for the Future. Nel 1978 formulò quella che oggi chiamiamo Legge di Amara: “Tendiamo a sovrastimare l’effetto di una tecnologia nel breve termine e a sottostimarlo nel lungo termine.”

Cinquant’anni di storia tecnologica in una frase. Prima ci esaltiamo. Poi, delusi, abbandoniamo. Chi resta in campo mentre gli altri se ne vanno raccoglie i frutti — e chi aveva abbandonato rimpiange la scelta.

Il problema non è la tecnologia in sé. Come recita Amara, ciò che sovrastimiamo e poi sottostimiamo è l’effetto della stessa. Non ci manca la capacità di comprendere la tecnologia; quello in cui siamo carenti è la capacità di stimare con accuratezza le conseguenze che avrà sul business e sul mondo.

Questo pattern di eccessi — in una direzione e poi nell’opposta — ricorre con tale regolarità che nel 1995 Jackie Fenn di Gartner lo ha trasformato in una mappa: l’Hype Cycle. Una montagna russa in cinque atti che parte dal Technology Trigger, esplode nel Peak of Inflated Expectations e precipita inesorabilmente nel Trough of Disillusionment. Solo chi sopravvive alla caduta può risalire la Slope of Enlightenment e approdare, infine, al Plateau of Productivity.

Non tutte le tecnologie completano il giro. Alcune si fermano nel punto di minimo, morte e sepolte. Ma quelle che sopravvivono seguono la traiettoria con regolarità quasi inquietante.

E allora, dove siamo con l’AI generativa? E cosa significa per chi deve prendere decisioni nei prossimi due, tre anni?

Come funziona il gioco

La prima fase, quella delle aspettative, la conosciamo fin troppo bene: l’abbiamo appena vissuta con le nuove frontiere della GenAI. Demo che colpiscono, previsioni ambiziose, ondate di investimenti. I risultati? Sempre dietro l’angolo. I problemi di scaling? Dettagli, li affronteremo dopo. “Questa volta è diverso” diventa il mantra — finché qualcuno non si accorge che no, non lo è.

A quel punto arriva il raffreddamento. Le aspettative non si concretizzano, i progetti naufragano uno dietro l’altro, il consenso si ribalta con la stessa velocità con cui si era formato. Da “cambierà tutto” a “era solo fuffa” il passo è breve, spesso più di quanto ci piacerebbe pensare. Chi ci aveva creduto pesantemente perde; chi si era approcciato con maggior moderazione viene trascinato giù nella corrente negativa.

Qui emerge un fenomeno cruciale. Mentre il pubblico e gli investitori si ritirano, la tecnologia continua a svilupparsi, nascosta, ormai lontana dai riflettori. I problemi tecnici si risolvono uno alla volta, l’infrastruttura matura, i costi calano. Chi ha abbandonato nel momento peggiore perde la fase successiva; chi è rimasto, magari ridimensionando le aspettative, si ritrova in pole position quando il plateau finalmente arriva.

Il punto chiave, quello che la Legge di Amara cattura in due frasi: la tecnologia era reale. Erano le tempistiche e i modelli di business a essere sbagliati.

Tre giri completi e uno in corso

Il pattern si ripete. Tre casi lo illustrano.

Internet Bubble, 1995-2005. Probabilmente il ciclo più estremo, almeno fino ad ora. Il picco delle aspettative gonfiate in versione parossistica. Il NASDAQ quadruplica, i rapporti prezzo/utili perdono ogni contatto con la realtà, “la profittabilità non conta” diventa saggezza convenzionale. Poi il crash, il Trough, violentissimo. Amazon crolla da oltre 100 dollari ad azione a meno di 6.

E dopo, la lenta ma altrettanto incredibile risalita. Vent’anni dopo Amazon capitalizza oltre 2.000 miliardi. E-commerce, cloud computing, streaming hanno ridisegnato interi settori. La tecnologia era reale; erano le tempistiche attese a essere sbagliate, e di parecchio.

L’AI stessa, 1956-2012. Due inverni, li chiamano. Un ciclo diverso da quello di internet — non un crash improvviso, ma una discesa lenta, fatta di delusioni accumulate e fondi che si prosciugano anno dopo anno. Più complesso, più lungo, meno spettacolare. Ma il pattern è lo stesso.

Il primo picco arriva negli anni ‘60: la traduzione automatica sembra imminente, le promesse si moltiplicano. Poi i risultati non arrivano, i governi tagliano i fondi, le cattedre si svuotano. Primo Trough.

Negli anni ‘80, una breve risalita. I sistemi esperti sembrano la soluzione, gli investimenti tornano. Ma anche quella bolla scoppia — troppo rigidi, troppo costosi, impossibili da scalare. Secondo inverno, secondo Trough. Le reti neurali tornano nel dimenticatoio.

Geoffrey Hinton, Yann LeCun, Yoshua Bengio continuano a lavorarci mentre il consenso è altrove. Sono considerati dei romantici, nella migliore delle ipotesi. Nel 2012 AlexNet vince ImageNet, e il resto è storia. Chi aveva abbandonato le reti neurali non immaginava cosa stava perdendo — e chi era uscito nel momento sbagliato non rientra mai alle stesse condizioni.

Mezzo secolo dal primo hype al breakthrough. Cinquant’anni per completare il ciclo.

Guida autonoma, 2015-oggi. Un ciclo ancora in corso, e siamo nel mezzo del Trough. Nel 2015 ogni CEO del settore automotive prediceva veicoli senza conducente entro il 2020. Tesla, Uber, Google, tutti convintissimi. Aspettative alle stelle, investimenti a pioggia — il picco classico.

Siamo nel 2026 e Waymo opera in poche città americane, con espansione graduale. Le robotaxi esistono, ma non hanno ridisegnato la mobilità urbana come previsto. Non è un fallimento — è la fase di disillusione, quella in cui le aspettative si ridimensionano mentre la tecnologia, in silenzio, continua a maturare. Il plateau arriverà, ma nessuno sa ancora quando.

Il pattern è sempre lo stesso: la risposta a “funzionerà?” era corretta. La domanda “quando?” era sbagliata — di anni, a volte di decenni.

E la GenAI? Stesso copione, atto in corso.

GenAI oggi: dove siamo nel giro

Il Gartner Hype Cycle for AI 2025 posiziona GenAI nel Trough of Disillusionment. Dopo un anno passato al picco delle aspettative, la discesa incombe — o ci siamo già dentro.

Ma quali aspettative, esattamente? Ce ne sono due tipi, e viaggiano su binari separati. Da un lato l’hype sulle capability tecniche: cosa sa fare il modello, in concreto. Claude Code scrive codice, MidJourney genera immagini, Sora produce video. Funzionano, magari non perfettamente e non sempre, ma funzionano. Queste fondamenta sono reali.

Sull’altro binario c’è l’hype sul valore di business: l’aumento di produttività tanto atteso, i risparmi sui task che si riescono ad automatizzare. Qui il quadro si complica, perché una tecnologia può funzionare benissimo ma non generare valore economico. Almeno, non nei tempi e nei modi che ci si aspettava.

I numeri raccontano quanto sia stato sovrastimato questo secondo binario. S&P Global riporta che il 42% delle aziende sta abbandonando la maggior parte dei progetti AI. I CEO soddisfatti del ritorno sugli investimenti sono meno del 30%.

E poi c’è il dato MIT NANDA. Il 95% dei pilot non genera impatto economico misurabile. Diciannove su venti.

Quest’ultimo numero merita una precisazione. Lo studio definisce questo “impatto misurabile” in modo preciso, perfettamente in linea con la Legge di Amara: un effetto quantificabile su ricavi, costi o produttività a livello di business unit. Non basta che lo strumento funzioni (perché di solito funziona), deve anche muovere un indicatore finanziario.

Il 95% è un dato severo, che deve far riflettere. Ma non significa che quei progetti fossero inutili: molti hanno generato apprendimento organizzativo, competenze, infrastruttura. Cose che non si traducono in guadagno immediato, ma che restano e diventano le fondamenta per lo sviluppo futuro.

Gartner sostiene che raggiungeremo il Plateau of Productivity fra due o cinque anni. La maturazione potrebbe quindi arrivare entro il 2028-2030. Ma i cicli precedenti insegnano una cosa: queste stime tendono a essere ottimistiche.

Qualche primissimo segnale di maturazione, comunque, c’è. Ma è anche in corso una presa di coscienza.

Thomas Davenport e Randy Bean, su MIT Sloan Management Review, tirano in ballo proprio Amara: “Pensiamo che l’AI sia e resterà una parte importante dell’economia globale, ma ci siamo lasciati andare alla sovrastima di breve termine. L’industria AI e il mondo trarrebbero beneficio da una piccola, lenta perdita nella bolla.”

Insomma, ci stiamo avviando verso il punto di minimo. La domanda è: e adesso?

Cosa farsene

La Legge di Amara non vuole essere un consiglio di investimento. Non dice “compra” né dice “aspetta”. Dice qualcosa di più sottile: il consenso attuale è probabilmente sbagliato, come lo era nel picco.

Chi nel 2001 guardò deluso i dati su internet e concluse “è finita” aveva ragione a disperarsi sui dati. Torto marcio sulla previsione. Chi nel 1999 guardò gli stessi dati e concluse “questa volta è diverso” aveva torto su entrambi i fronti.

Il punto di minimo è un momento strano, a pensarci. I concorrenti scappano, le competenze iniziano a costare meno (per forza: nessuno le cerca), e finalmente cominci a capire cosa ci puoi fare davvero, con questa tecnologia. È il momento in cui la tecnologia matura nel silenzio, lontano dai riflettori, mentre tutti guardano altrove. Il rischio, però, è scambiare un passaggio per la fine del viaggio.

“Non funziona” e “non funziona ancora” sembrano quasi la stessa frase. Ma non lo sono. La prima ti fa abbandonare il progetto. La seconda ti lascia uno spiraglio. Quello giusto, se hai la pazienza di tenerlo aperto.

La tecnologia è reale. Le fondamenta ci sono e si rinforzeranno negli anni. Il valore di business arriverà, ma seguirà i suoi tempi, non quelli dettati dalle prime pagine dei giornali.

Per chi deve decidere oggi, la domanda non è se investire. È come calibrare le aspettative — e quanto fiato tenere.

Amara ci aveva avvisati cinquant’anni fa. A noi spetta solo decidere se ascoltarlo.

Per approfondire

• MIT NANDA: The GenAI Divide (2025) — Il report che ha fatto tremare Wall Street: metodologia, dati completi e il “learning gap” che spiega i fallimenti.

• Gartner Hype Cycle for AI 2025 — Dove Gartner posiziona GenAI, AI agents e le altre tecnologie emergenti nel ciclo.

• S&P Global: Voice of the Enterprise (2025) — Survey su 1.000+ aziende: tassi di abbandono, soddisfazione CEO e confronto 2024-2025.

• Davenport & Bean: Five Trends in AI for 2026 — L’articolo che cita esplicitamente Amara per spiegare la fase attuale.

• Roy Amara (Wikipedia) — Chi era il futurista che ha formulato la legge nel 1978.