PUNTI CHIAVE
Ormai, la maggior parte delle persone è in grado di riconoscere un’e-mail redatta da un’intelligenza artificiale alle prime armi: il trattino lungo usato a sproposito, oppure la frase “ecco una versione più umana” che qualcuno ha dimenticato di cancellare prima di premere “Invia”. A Wall Street, il problema più grave è più difficile da individuare, perché risiede nel ragionamento stesso. E quando è proprio quel ragionamento a decidere dove investire il capitale, un errore è molto più difficile da individuare.
Gli edifici di Wall Street possono sembrare tutti uguali, ma non bisogna pensare che sia così, e non c’è nulla che Wall Street detesti di più di un mercato privo di tensione. La tensione è ciò che fa funzionare un mercato. Quando tutti sono d’accordo, il mercato smette di generare prezzi e si assesta su un consenso, e quel consenso viene spazzato via dall’arbitraggio nel giro di un pomeriggio.
È proprio questo che rende così silenziosamente pericoloso il nuovo asse che si sta formando sotto la superficie di questo mercato. I comitati di gestione del rischio tengono già d’occhio la concentrazione settoriale, ma in questo caso si tratta di un fenomeno di natura diversa. Una quota crescente dei processi decisionali all’interno di aziende concorrenti passa ormai attraverso lo stesso ristretto insieme di sistemi di intelligenza artificiale: stessa architettura, stesso addestramento, stesso ragionamento, loghi diversi.
Perché le società finanziarie stanno adottando gli stessi modelli di intelligenza artificiale
Per la maggior parte delle aziende, la scelta è stata dettata da considerazioni di responsabilità piuttosto che dalla convinzione che un modello fosse migliore di un altro. La questione fondamentale è quale ragionamento potranno difendere in seguito, sia davanti ai propri avvocati e ai giudici in eventuali contenziosi futuri, sia nei confronti dei propri clienti. Scegliere il fornitore con un nome riconosciuto e una traccia di audit, in modo che il nome associato a eventuali fallimenti non sia il proprio. La mentalità gregaria implicherebbe che nessuno rifletta. Si tratta piuttosto di una forma di sicurezza data dal numero, in cui ogni azienda ragiona in modo indipendente giungendo alla stessa posizione difensiva. Un sondaggio KPMG del 2026 ha rilevato che il 93% delle aziende statunitensi prevede di implementare o ampliare l’uso dell’intelligenza artificiale nel settore finanziario entro diciotto mesi, e il 94% si affida già a una terza parte che garantisca i risultati.
L’obiezione più ovvia è che non si tratta di una novità. La tecnologia converge sempre verso pochi fornitori e il cloud computing si basa già su una manciata di piattaforme. Ma il cloud era semplicemente la struttura su cui un’azienda si basava e non aveva opinioni proprie. L’intelligenza artificiale, invece, ne ha, e gestisce sempre più spesso l’attività aziendale: ecco perché la convergenza si è spostata dalle infrastrutture al pensiero stesso.
Le aziende indicheranno i propri dati proprietari come l’eccezione e, sebbene si tratti di un vantaggio reale, modificare ciò che il modello legge non cambia il modo in cui ragiona. Una biblioteca distintiva non rende un bibliotecario distintivo.
Quando il ragionamento condiviso si scontra con le tensioni del mercato
Le conseguenze di tutto ciò sono già evidenti nei dati. Un documento del NBER del 2025 , redatto da Dou, Goldstein e Ji, ha rilevato che gli agenti di trading basati sull’intelligenza artificiale che utilizzano l’apprendimento per rinforzo possono arrivare autonomamente a prezzi collusivi e sovracompetitivi «senza accordi, comunicazioni o intenzioni». Non si è verificato alcun coordinamento. È stato il ragionamento condiviso a determinare tale esito da solo.
L’anteprima più chiara di come ciò si manifesti nella pratica è arrivata nel luglio 2026, quando Situational Awareness LP, un hedge fund basato su investimenti concentrati nelle infrastrutture di intelligenza artificiale, ha perso il 67% in un mese e ha venduto la maggior parte del proprio portafoglio di azioni quotate, del valore di circa 16 miliardi di dollari, a Citadel; Sandisk ha registrato un calo del 54% nello stesso mese. Si è trattato dell’incontro tra la leva finanziaria e un tema comune, che rappresenta la forma più superficiale di questo rischio. L’affollamento verso lo stesso ragionamento ha radici più profonde e non ha ancora provocato un crollo a sé stante. Considerando la violenza con cui si è manifestata la versione superficiale, non vi è motivo di aspettarsi che quella più profonda si manifesti in modo più graduale.
Se si applica lo stesso meccanismo di ragionamento su scala sufficientemente ampia in un mercato, gli operatori tenderanno a trascurare lo stesso segnale contemporaneamente, oppure a correggere nella stessa direzione nello stesso momento. Entrambe le situazioni possono sfociare in un crollo. Una recente ricerca sugli attacchi avversari contro i sistemi di trading basati su modelli di linguaggio di grandi dimensioni (LLM) ha rilevato che la manipolazione dei titoli delle notizie in un singolo giorno, in un backtest che copriva 14 mesi, ha ridotto i rendimenti annuali fino a 17,7 punti percentuali: una vulnerabilità condivisa, innescata una sola volta, che si è manifestata ovunque fosse stato implementato lo stesso ragionamento.
Cosa possono fare le aziende al riguardo
Tuttavia, il primo passo è considerare questo aspetto come un rischio di concentrazione. I comitati di rischio monitorano già l’esposizione ai settori e alle controparti, e la dipendenza dai modelli deve essere inclusa nello stesso elenco. Ciò significa sapere quali decisioni passano attraverso quali sistemi e in che misura ciò si sovrappone a concorrenti e controparti . Significa anche riesaminare la logica che ha portato le aziende a questa situazione: il fornitore riconosciuto sembra sicuro perché è giustificabile, ma quando ogni azienda fa la stessa scelta, l’opzione giustificabile diventa un punto di fallimento condiviso.
Monitorare il rischio è solo metà del lavoro. Ciò che conta è disporre di una forza lavoro che sappia quando affidarsi all’IA e quando al proprio giudizio, una distinzione che pochi sono stati formati a fare. L’IA non ha sempre ragione. Quando Elm Wealth ha messo alla prova Claude e ChatGPT contro trader macro di alto livello, i modelli hanno previsto correttamente l’andamento del mercato in più della metà dei casi, ottenendo risultati simili a quelli dei trader, ma hanno registrato una volatilità giornaliera compresa tra il 20 e il 40 per cento, mentre il profilo di investitore che era stato loro fornito ne prevedeva una compresa tra il 7,5 e il 15 per cento circa. «Addestriamo le IA affinché siano come le persone», hanno scritto i ricercatori, «e poi scopriamo che le IA sono proprio come le persone: troppo sicure di sé». Usare bene l’IA significa sapere esattamente cosa mantenere, e parte di questo è proprio umano.
Al momento, la maggior parte del mercato si trova sullo stesso veicolo, segue lo stesso GPS e non se ne è accorta. Le aziende che se ne rendono conto accosteranno prima della collisione e prenderanno una strada diversa, anche se non è necessariamente quella giusta. Un mercato in cui tutti giungono alla stessa risposta smette di funzionare come un mercato e inizia ad assomigliare a una monocultura.
Se vincono tutti, non c'è nessun vincitore.
Informazioni sull'autore
