Il grande ribassista della Société Générale: l'ondata di entusiasmo per l'IA sta replicando la crisi finanziaria asiatica, la "bomba" del debito è la minaccia letale.

Albert Edwards, Chief Strategist presso Société Générale, lancia un avvertimento: l’attuale ondata di investimenti in AI presenta sorprendenti similitudini con la crisi finanziaria asiatica del 1997—non perché la tecnologia sia inutile, ma perché l’afflusso di capitali avviene molto più velocemente del miglioramento della produttività. Storicamente, tale gap è sempre stato colmato dai creditori, e non dagli ingegneri.

Edwards, nell’ultimo numero del suo “Global Strategy Weekly”, sottolinea che i dati della produttività totale dei fattori (TFP), che misurano i benefici reali della tecnologia, non mostrano finora alcun segnale positivo, mentre gli investimenti globali in AI sono in esplosione. Secondo Goldman Sachs, solo nel 2026 gli investimenti globali supereranno 1.000 miliardi di dollari. Nel frattempo, il fatturato annuo di OpenAI è stato rivelato essere inferiore di circa 20 miliardi di dollari rispetto alle stime precedenti; dopo la pubblicazione della notizia, il Nasdaq ha perso oltre l’1% in una giornata, mettendo a dura prova la narrazione sulla “forte domanda”.

Per Edwards, il vero detonatore della crisi sta nella possibilità che il denaro a basso costo che sostiene l’espansione dell’AI possa continuare a fluire; i dati sulla produttività deludenti non sono la causa principale. I “vigilanti” del mercato obbligazionario stanno testando a turno la vulnerabilità dei vari mercati nazionali—dal Giappone alla Francia, le vendite di obbligazioni si stanno diffondendo. Proprio mentre i giganti del settore AI effettuano massicce emissioni obbligazionarie, hanno bisogno degli stessi acquirenti di titoli a lunga scadenza per assorbire centinaia di miliardi di dollari in nuove emissioni, il che rispecchia la dinamica degli anni '90 in Asia, sostenuta da prestiti in dollari a breve termine.

L'inizio di questo recente campanello d’allarme è rappresentato da un grafico piuttosto noioso. Torsten Slok, capo economista di Apollo, ha pubblicato un rapporto intitolato “Nessun segnale di AI nei dati sulla produttività”. I dati mostrano che, dopo l’aggiustamento per il tasso di utilizzo della capacità produttiva, attualmente la TFP è leggermente sotto lo zero, senza segno di accelerazione da quando il ciclo di investimenti in AI è partito, mentre la crescita della produttività oraria resta intorno al 2,5%.

Slok sottolinea che una forte crescita dell’output orario combinata a una TFP stagnante è un segnale tipico di “approfondimento del capitale” piuttosto che di shock tecnologici: dotare ogni dipendente di un nuovo monitor (o una GPU da 40.000 dollari), fa aumentare la produttività oraria, ma non rende davvero le aziende più efficienti. Il boom dell’AI è evidente nei dati sugli investimenti e nella valutazione delle azioni, ma non ancora nelle statistiche di produttività, il che significa che i cosiddetti ritorni sono ancora una previsione, non un fatto.

Anche Michael Hartnett, strategist di Bank of America, ha notato questa dinamica e aggiunge un dettaglio importante: nell’ultimo mezzo secolo, TFP e indice di fiducia dei consumatori sono stati altamente correlati, e attualmente entrambi sono in declino. Austan Goolsbee, presidente della Federal Reserve di Chicago, aveva già avvertito che una produttività persistentemente bassa pone una sfida importante alla narrazione attuale.

Non è la prima volta che Edwards si mostra scettico verso le narrazioni “miracolose”. Ricorda che il suo “primo grande giudizio estremamente rischioso e non consensuale” fu riconoscere che il cosiddetto “miracolo economico dell’Asia orientale” era, in realtà, una gigantesca bolla economico-finanziaria. La sua cornice teorica si basa su un articolo dell’economista Paul Krugman pubblicato dal “Foreign Affairs” nel 1994, “Il mito del miracolo asiatico”—Krugman sosteneva che la rapida crescita delle economie asiatiche derivava dall’accumulo massiccio di capitale e lavoro, non da un reale miglioramento dell’efficienza; la crescita debole della TFP minava alla base ogni narrazione rialzista.

All’epoca questa visione era accolta con sarcasmo. La Banca Mondiale nel 1993 pubblicò “Il miracolo dell’Asia Orientale”, e il “culmine dell’arroganza ottimista” arrivò nell’agosto 1996, quando un altro rapporto della Banca Mondiale lodava il “miracolo macroeconomico tailandese”, poco meno di un anno prima del crollo del baht.

Edwards scherza definendo il suo framework ribassista di allora “Noddynomics”, spesso deriso dal mercato. Durante il roadshow negli USA negli anni ‘90, accostò la bolla tecnologica americana a fine anni ’90 a quella thailandese, al punto che il suo superiore dovette proteggerlo dall’ira dei clienti. Le due bolle, poi, scoppiarono entrambe.

La seconda accusa di Edwards si basa sulla ricerca dell’ex collega Rob Parenteau. Parenteau osserva che, sebbene la crescita degli investimenti totali delle aziende guidati dall’AI sia impressionante, gli investimenti netti — al netto dell’ammortamento — sono praticamente fermi: in termini nominali gli investimenti totali rappresentano circa il 14% del PIL, mentre quelli netti sono bloccati intorno al 3% da un decennio; in valori reali, il totale storico è al 15,5% del PIL ma il valore netto reale è solo del 3,5%, simile ai livelli del 2015 e 2019.

Edwards sottolinea inoltre che le imprese stanno allungando la vita utile ai fini contabili di GPU e altri asset, migliorando così i dati sugli investimenti netti, ma mascherando la debolezza dei ritorni economici reali. Questo richiama le precedenti critiche di Michael Burry sui calcoli troppo generosi circa la durata delle GPU.

Goldman Sachs quantifica ulteriormente il rischio. Secondo la loro ultima ricerca, assumendo che i sei principali cloud provider USA ottengano un ROI nullo sugli investimenti AI, solo per ammortamenti e costi operativi servirebbero circa 920 miliardi di dollari l’anno in ricavi per coprirli.

La stima Goldman Sachs per le spese in conto capitale AI si articola in tre fasi: tra il 2023 e il 2025 circa 633 miliardi di dollari; dal 2026 al 2027 circa 1.730 miliardi; dal 2028 al 2030 addirittura 4.140 miliardi. Solo per generare un ROIC del 15% sugli investimenti della seconda fase, i sei hyperscaler dovrebbero generare circa 1.420 miliardi di dollari di ricavi cumulativi tra il 2028 e il 2030.

Anche i dati macroeconomici non offrono molti spunti ai sostenitori del boom.

Edwards osserva che il contributo degli investimenti in capitale fisso delle imprese americane alla crescita annuale del GDP è inferiore a un punto percentuale, pari solo a una frazione del picco di fine anni ‘90 (che superava i 2 punti percentuali).

A livello strutturale, gli investimenti in macchinari crescono di quasi il 14% in termini nominali, ma la crescita reale è “appena a doppia cifra”; la spesa per edifici non residenziali si sta contraendo, -3% nominale e quasi -6% reale—e questo nonostante la domanda per i data center.

Secondo Edwards, le voci “AI boom” nelle statistiche GDP riflettono perlopiù l’aumento dei prezzi piuttosto che della produzione. Il motivo principale? Tutti stanno cercando di accaparrarsi la stessa dotazione di chip, memoria e trasformatori, facendo così schizzare i prezzi. Questo spiega, almeno in parte, perché la Federal Reserve sia più preoccupata per il rischio inflazione collegato all’AI che non per l’effetto deflazionistico.

Nella sua analisi, Edwards sottolinea che la vera causa della crisi asiatica non fu tanto la delusione nei dati di produttività quanto l’arresto improvviso degli afflussi di capitale estero a basso costo che sostenevano la cattiva allocazione delle risorse. Avverte che i “vigilanti” del mercato obbligazionario si stanno muovendo allo stesso modo: recentemente il rimpatrio dei capitali giapponesi ha portato a un’ondata di vendite sui Treasury USA, seguiti dalla Francia, dove ora i titoli di Stato si avviano a registrare il peggior decennio dal 1803.

In tutto questo, le aziende tecnologiche dell’AI continuano a emettere debito—Broadcom, Oracle, SpaceX e altri si sono gettati nella corsa ai finanziamenti per chip AI, aumentando la pressione sul mercato obbligazionario e quindi entrando in concorrenza diretta con i grandi player che cercano investitori con orizzonte di lungo periodo.

La conclusione di Edwards è chiara: Il “miracolo tailandese” non è finito per colpa della produttività, bensì nel momento esatto in cui i creditori se ne sono accorti. Il maggiore rischio attuale nel boom AI è la ripetizione dello stesso copione—solo che ora gli strumenti finanziari vanno dai bond investment grade al credito privato, fino ai veicoli d’investimento speciali, non più ai prestiti in dollari a breve scadenza.

Edwards precisa che non sta dichiarando la fine del boom AI, ma si chiede: quando gli unici dati statistici in grado di provare che non si tratta di una bolla rifiutano di confermare, perché il mercato è così sicuro del contrario? Forse solo quando la marea di capitale si ritirerà, la risposta potrebbe essere veramente chiara.