Col senno di poi, era inevitabile che l’AI diventasse tanto una storia di mercati dei capitali quanto una storia tecnologica. Nel momento in cui le narrazioni hanno iniziato a contare quanto le capacità effettive, le preoccupazioni per il cosiddetto ‘AI washing’ erano inevitabili. Appena un anno dopo il rilascio pubblico di ChatGPT, le autorità di vigilanza hanno iniziato a lanciare l’allarme. Nel marzo 2024, la U.S. Securities and Exchange Commission ha contestato a due società di consulenza per gli investimenti – Delphia (Usa) Inc. e Global Predictions Inc. – alcune dichiarazioni sul loro utilizzo dell’AI nei servizi di consulenza finanziaria. Secondo i regolatori, le due società avrebbero promosso capacità di investimento guidate dall’AI che non erano in grado di dimostrare, inclusa l’affermazione di una di esse di essere “il primo consulente finanziario AI regolamentato”.
Il ciclo dell’AI washing non è finito. Delle 51 class action in materia di titoli legate all’AI presentate negli ultimi cinque anni, una netta maggioranza includeva accuse secondo cui le aziende avrebbero esagerato o falsamente rappresentato le proprie capacità nell’AI, secondo i dati sul contenzioso finanziario raccolti dalla società di consulenza Secretariat.
Ma la tendenza più rilevante oggi è che molte controversie non ruotano più attorno al fatto che l’AI esista davvero oppure no.
Alcuni dei primi casi di AI washing somigliavano a tradizionali accuse di frode, con i critici che sostenevano che la tecnologia pubblicizzata semplicemente non esistesse. Ma le controversie riguardano anche questioni più sottili: l’AI cambia davvero, in modo significativo, l’economia del business?
Questa distinzione è importante. Un’azienda può effettivamente utilizzare modelli di machine learning o strumenti di analisi automatizzata, mentre gli investitori si chiedono se questi sistemi migliorino in modo sostanziale i margini, aumentino i ricavi o creino vantaggi competitivi difendibili.
Nonostante gli evidenti incentivi a vantarsi, le aziende devono essere disciplinate e precise nel descrivere le proprie capacità di AI. Le affermazioni sull’intelligenza artificiale devono essere tecnicamente accurate, operativamente dimostrabili e coerenti con i risultati finanziari dell’azienda.
Le conseguenze della mancanza di precisione possono essere significative. Le aziende che sopravvalutano le proprie capacità possono andare incontro a indagini regolatorie, contenziosi in materia di titoli, danni reputazionali e pressioni sulla valutazione.
Alcuni recenti episodi di mercato mostrano quanto rapidamente queste narrazioni possano scontrarsi con l’attenzione critica degli investitori. La società di data engineering Innodata, Inc. ne offre un esempio. Il sito The Motley Fool ha recentemente definito l’azienda una “gemma nascosta nel fiorente mercato dell’AI”. Ma all’inizio del 2024, uno short seller l’ha accusata di aver esagerato il ruolo dell’AI nel proprio modello di business, provocando una class action e un calo del 30% del prezzo delle azioni. Sebbene l’azienda operi chiaramente nell’ecosistema dell’AI, ha dovuto difendere le proprie comunicazioni al mercato.
Anche gli investitori, in un contesto guidato dalle narrazioni, corrono dei rischi. Le società di private equity, per esempio, stanno operando in un mercato delle operazioni caratterizzato da un numero minore di deal e da una competizione intensa per gli asset. In queste condizioni, la pressione a investire capitale e a mantenere la propria rilevanza agli occhi dei limited partners può creare incentivi ad accettare narrazioni tecnologiche ambiziose con un livello di due diligence meno rigoroso di quello che normalmente verrebbe applicato.
Le affermazioni sull’AI possono essere particolarmente difficili da verificare quando i tempi delle operazioni sono compressi. Valutare la qualità dei modelli di machine learning, delle infrastrutture dati e delle capacità di implementazione richiede spesso competenze tecniche specialistiche. Senza un esame attento, gli investitori rischiano di pagare valutazioni premium per capacità tecnologiche che sono ancora sperimentali, limitate nella portata o economicamente irrilevanti.
L’attuale ciclo di dichiarazioni sull’AI ricorda la rapida ascesa degli investimenti ESG – ambientali, sociali e di governance. Quella fase ha prodotto un’ondata di ambiziose narrazioni aziendali sulla sostenibilità, seguita da una crescente attenzione regolatoria e giudiziaria verso il cosiddetto ‘greenwashing’.
La lezione dell’ESG è istruttiva. Anche quando le aziende credono sinceramente nel potenziale di lungo periodo delle proprie strategie, narrazioni vaghe o gonfiate possono creare esposizione legale. Quando le comunicazioni al mercato corrono più velocemente di una realtà operativa verificabile, attirano l’attenzione di regolatori, investitori e short seller.
L’AI si trova ora in una fase simile.
La storia ci insegna anche che i periodi di entusiasmo tecnologico sono spesso seguiti da standard di disclosure più stringenti. Il boom delle dot-com della fine degli anni Novanta è istruttivo. All’epoca, aggiungere ‘.com’ al nome di una società poteva provocare impennate immediate nella sua valutazione. I modelli di business a volte erano definiti in modo approssimativo e le pratiche di informativa non sempre tenevano il passo con l’entusiasmo degli investitori per la nascente economia di internet.
Naturalmente, alla fine la bolla scoppiò. Il Congresso approvò il Sarbanes–Oxley Act del 2002, che rafforzò in modo drastico gli obblighi di disclosure societaria e la responsabilità dei dirigenti. Le valutazioni alimentate dalle narrazioni, che un tempo avevano sostenuto l’entusiasmo degli investitori, divennero fonti di rischio legale quando le informazioni sottostanti si rivelarono inaccurate o fuorvianti.
Eppure la lezione più ampia dell’era dot-com non è che l’entusiasmo per la tecnologia fosse malriposto. Molte aziende nate in quel periodo sono poi diventate tra le imprese più influenti dell’economia globale. Ciò che è cambiato non è stata la traiettoria dell’innovazione, ma gli standard che regolano il modo in cui le aziende comunicano con gli investitori.
È probabile che l’intelligenza artificiale segua una traiettoria simile. Oggi il mercato premia le narrazioni ambiziose sull’AI e i confini della disclosure sono ancora in evoluzione. Ma, se la storia insegna qualcosa, è probabile che seguano una maggiore attenzione regolatoria e aspettative più rigorose in materia di informativa. Le aziende devono comunicare l’innovazione con sufficiente chiarezza e disciplina, per evitare di trasformare le proprie parole in un rischio legale.
Questo articolo è stato originariamente pubblicato su Fortune.com.
