Nel dibattito sull’intelligenza artificiale si tende a guardare soprattutto agli Stati Uniti: ai colossi del cloud, ai produttori di modelli linguistici. Ma se la corsa ai modelli resta dominata dai gruppi americani, sul terreno delle applicazioni l’Europa potrebbe ritagliarsi uno spazio molto più importante di quanto oggi scontino i mercati. È questa, in sintesi, la tesi che emerge dall’incrocio fra tre analisi di Goldman Sachs: l’articolo dedicato al vantaggio europeo nello sviluppo di applicazioni AI, 🔗, del 17/3/2026; quello sui gruppi software che possono beneficiare dell’intelligenza artificiale, 🔗, del 18/2/2026; e il report più ampio, 🔗, del 9/3/2026, dedicato alla domanda principale in questo settore: l’AI finirà per ‘mangiare’ il software, oppure ne allargherà il mercato?
Occorre premettere che oggi, quando si parla di AI generativa, gli LLM sono uno dei motori principali.
LLM significa Large Language Model, cioè grande modello linguistico. Si chiama così perché è un sistema addestrato su enormi quantità di testi per imparare i vari modelli del linguaggio: parole, frasi, contesto, relazioni tra concetti.
Si parla di modelli linguistici perché:
- lavorano prima di tutto sul linguaggio;
- capiscono e generano testo;
- possono trasformare richieste scritte in risposte, riassunti, codice, traduzioni, analisi.
Il punto importante è che il linguaggio, nell’AI moderna, è diventato una sorta di interfaccia universale. Se un sistema capisce bene istruzioni espresse in linguaggio naturale, può essere usato per moltissimi compiti:
- scrivere
- cercare informazioni
- programmare
- analizzare documenti
- automatizzare attività aziendali
- dialogare con altri software
Per questo si parla tanto di LLM: non perché tutta l’AI coincida con i modelli linguistici, ma perché sono la base di gran parte delle applicazioni AI più visibili oggi.
Ma l’AI non è solo LLM
Esistono anche:
- modelli per immagini
- modelli per video
- modelli per voce
- sistemi predittivi tradizionali
- AI per robotica, guida autonoma, diagnostica, finanza
Quindi AI è il campo generale; LLM è una famiglia specifica di modelli, oggi molto centrale.
Nelle analisi economiche è necessario distinguere tra LLM e applicazioni perchè vi sono oggi due distinti livelli:
- livello dei modelli: chi costruisce i grandi modelli di base
- livello applicativo: chi usa quei modelli per creare prodotti e servizi
Per esempio:
- un’azienda può sviluppare un LLM
- un’altra può costruirci sopra un software – c.d. software verticale – per uffici legali, banche, ospedali, pubblica amministrazione, ecc..
Proprio per tale distinzione l’analisi di Goldman Sachs, contenuta nel primo degli articoli sopra citati del 17/3/2026, evidenzia che l’Europa potrebbe essere forte nelle applicazioni AI, anche se non domina necessariamente il mercato dei grandi modelli linguistici.
Per comprendere l’impatto dell’AI nel mercato europeo è indispensabile comprendere la differenza tra LLM, AI generativa e agenti AI.
L’AI generativa è la categoria più ampia: indica i sistemi di intelligenza artificiale che creano contenuti nuovi, come testo, immagini, audio, video o codice.
Dentro questa categoria ci sono gli LLM. Quindi, in sintesi:
1. LLM
Un LLM è un grande modello linguistico. È un tipo di AI generativa specializzato nel linguaggio.
Serve per:
- scrivere testi
- riassumere
- tradurre
- rispondere a domande
- generare codice
- analizzare documenti
Quindi:
- AI generativa = insieme più ampio
- LLM = una sottocategoria, focalizzata sul testo e sul linguaggio
2. AI generativa
L’AI generativa comprende:
- LLM per il testo
- modelli che generano immagini
- modelli che generano voce
- modelli che generano video
- modelli multimodali
Esempio:
- un chatbot che scrive una mail usa spesso un LLM
- un sistema che crea un’immagine da una descrizione usa AI generativa, ma non necessariamente un LLM da solo
3. Agenti AI
Gli agenti AI sono un passo in più.
Non si limitano a generare una risposta, sono infatti in grado di:
- ricevere un obiettivo
- pianificare i passaggi
- usare strumenti
- recuperare dati
- compiere azioni
- verificare il risultato
- eventualmente correggersi
In pratica, un agente non si limita a ‘dire’, ma prova anche a fare.
In sintesi:
- LLM = il ‘motore linguistico’ che capisce e produce testo
- AI generativa = la famiglia di tecnologie che generano contenuti
- agente AI = un sistema che usa uno o più modelli per svolgere compiti in più fasi
Esempio concreto
Se si scrive:
‘preparami un report sui prezzi dell’energia’
- un LLM può scrivere un testo sul tema
- un sistema di AI generativa può anche creare grafici, sintesi o slide
- un agente AI può cercare dati, leggere documenti, organizzarli e poi produrre il report finale
In ambito aziendale è per questo che oggi si parla molto di agenti:
- il chatbot ti dà una risposta
- l’agente prova a completare il lavoro
Per esempio può:
- leggere email
- cercare file
- generare una bozza contrattuale
- compilare report
- coordinare più passaggi di un processo
Gli LLM sono modelli linguistici; l’AI generativa è la categoria più ampia che crea contenuti; gli agenti AI usano questi modelli per eseguire compiti e automatizzare processi e procedimenti.
Fatta questa breve premessa, torniamo alle ricerche pubblicate da Goldman Sachs sopra citate. L’AI sta certamente aumentando la concorrenza, comprimendo il costo del codice e mettendo pressione sui modelli tradizionali del software, soprattutto dove il valore è legato a licenze per utente e interfacce facilmente sostituibili da agenti intelligenti. Ma questo non significa che tutto il software sia destinato a perdere valore. Per comprendere l’impatto dell’AI sulle società software, secondo Goldman Sachs Research gli investitori dovrebbero osservare più da vicino le differenze nei modelli di business, nei mercati finali e nel grado in cui un prodotto o una piattaforma riescono effettivamente a offrire reali capacità di intelligenza artificiale e non soltanto di aggiungerla ai loro prodotti come strategia di marketing.
Per alcuni tipi di software applicativo, che funzionano come interfacce utente leggere e il cui modello di business si basa prevalentemente su postazioni o licenze per utente, l’impatto dell’AI potrebbe essere negativo.
Al contrario, a livello di piattaforma e infrastruttura, la dinamica potrebbe essere radicalmente diversa. Gli agenti possono cambiare il modo in cui il lavoro viene avviato, ma in generale accrescono il bisogno di gestione dei dati, orchestrazione dei carichi di lavoro, sicurezza e ripristino. Si tratta di capacità che stanno al di sotto dell’interfaccia utente e che non possono essere facilmente aggirate.
“La questione fondamentale per gli investitori non è se gli agenti cambieranno il software — perché lo faranno”, scrive M. Martino, Goldman Sachs Research analyst. Diventa quindi più importante osservare con attenzione l’insieme dei sistemi e degli strumenti utilizzati da un’impresa per capire dove gli agenti AI saranno realmente dirompenti e dove invece rafforzeranno prodotti e piattaforme esistenti. In forma estremamente semplificata potremmo affermare che le aziende diventeranno più dipendenti – e non meno – dalla loro componente informatica per la creazione e commercializzazione dei loro prodotti, e ciò determinerà un aumento dei profitti per le aziende informatiche che riusciranno a rimpiazzare i software esistenti.
È proprio qui che entra in gioco l’Europa. Nel pezzo del 17/3/2026, Goldman Sachs osserva che “Si potrebbe dire che le imprese tecnologiche europee siano in testa nello sviluppo di aziende operanti nel livello applicativo dell’AI”.
Le startup europee della tecnologia per la difesa stanno raccogliendo capitali e crescendo di scala, mentre aumenta la domanda per la ricostruzione delle capacità militari.
A differenza di uno shock economico o di un evento macroeconomico che può essere temporaneo, questo cambiamento tecnologico è evolutivo. Restare fermi non è un’opzione strategica né per le grandi aziende, né per le piccole, né per quelle di dimensioni intermedie.
Il continente potrebbe avere un vantaggio competitivo nello sviluppo dell’ambito delle applicazioni AI, cioè di quelle società che costruiscono software applicativo sopra i large language models. L’Europa ha maturato negli ultimi vent’anni competenze preziose nel creare prodotti adattabili a mercati complessi, frammentati per valute, regolazioni e giurisdizioni. È la ragione per cui il continente ha già espresso eccellenze in segmenti come il fintech e potrebbe farlo anche nell’AI applicata alle imprese. Il punto chiave, però, è che difficilmente l’Europa vincerà la partita dei modelli fondativi; più realistico è che trovi spazio nella costruzione di software verticale, vale a dire gestionali che servono a mercati ben definiti (studi legali, banche, assicurazioni, studi medici, ecc.) come agenti specializzati e applicazioni aziendali (contabilità e finanza, vendite, risorse umane, magazzino e logistica, procedimenti istruttori documentali, sicurezza informatica, analisi dati, ecc.). Si tratta di software professionali per aziende, progettati per gestire processi, dati e attività organizzative complesse. Nel contesto dell’AI quando si parla di applicazioni aziendali – o enterprise – di AI, si intendono software che usano l’intelligenza artificiale per aiutare le aziende a:
- automatizzare compiti
- analizzare documenti
- assistere clienti
- scrivere report
- fare previsioni
- coordinare processi interni
- supportare decisioni operative
In questo quadro, le aziende informatiche europee che hanno le migliori probabilità di beneficiare dell’AI non sono necessariamente quelle che promettono la rivoluzione più spettacolare, ma quelle che controllano processi, dati e fiducia del cliente. In un mondo in cui l’AI rende più facile scrivere codice, il vero differenziale non sarà soltanto la capacità di produrre software, ma la capacità di trasformarlo in un prodotto utile, integrato nei sistemi aziendali e monetizzabile. Il valore del codice puro tenderà a ridursi a favore del valore della relazione commerciale e della conoscenza del flusso di lavoro del cliente, come evidenziato da Goldman Sachs nel pezzo del 18/2/2026.
Se applichiamo questa chiave di lettura all’Europa, emergono alcune aree particolarmente promettenti. La prima è quella del software verticale: piattaforme pensate per settori regolati o molto specializzati, dove contano workflow complessi, linguaggi professionali, qualità del dato e aderenza normativa. Nel report “Will AI Eat Software?” Goldman Sachs osserva che il vertical software tende a restare la banca dati ufficiale delle aziende, perché conserva contesto, dati storici e reti di relazione che gli agenti AI non possono semplicemente estrarre e sostituire. Per questo l’AI, in questi casi, non distrugge necessariamente valore: può anzi aumentarlo, migliorando la connettività fra processi e facendo emergere nuove opportunità di offrire prodotti e servizi aggiuntivi al cliente.
La seconda area è quella dell’infrastruttura per la gestione dei dati che comprende tutte le società che immagazzinano, organizzano, governano e proteggono i dati. Sempre secondo Goldman Sachs, se l’AI generativa e gli agenti verranno adottati in modo massiccio dalle imprese, crescerà anche il bisogno di piattaforme affidabili per accesso al dato, sicurezza, resilienza, coordinamento dei carichi di lavoro informatici e ripristino dei sistemi/dati. In questo senso, l’AI potrebbe rafforzare le imprese che stanno sotto l’interfaccia utente e che costituiscono l’indotto dell’architettura informatica aziendale, invece di indebolirle. È un’indicazione preziosa anche per l’Europa: le aziende coinvolte potrebbero non essere quelle più visibili al consumatore, ma quelle specializzate in gestione documentale, governance del dato, cybersecurity, standard di sicurezza e controllo e integrazione fra sistemi.
La terza area è quella delle società attive in settori ad alta intensità di asset fisici: logistica, infrastrutture, trasporti, costruzioni, manifattura.
In queste attività il software è legato a operazioni reali, materiali e spesso molto delicate.
Per esempio:
- far muovere merci
- gestire magazzini
- coordinare cantieri
- controllare impianti
- programmare trasporti
- seguire produzione e manutenzione
In questi casi il software è dentro processi essenziali per il funzionamento dell’azienda. Se qualcosa va storto, non si perde solo tempo: si possono fermare linee produttive, consegne, servizi o impianti.
In questo ambito è meno probabile che l’AI scavalchi facilmente queste aziende o questi software perché il software è collegato a:
- macchine
- mezzi
- sensori
- reti operative
- procedure di sicurezza
- autorizzazioni
- vincoli normativi
Quindi non basta che un’AI ‘sappia rispondere’ o ‘generi codice’: deve inserirsi in un sistema complesso, fisico e regolato.
In questi settori i software spesso includono già:
- regole di controllo
- livelli di autorizzazione
- tracciabilità delle operazioni
- verifiche di sicurezza
- rispetto delle norme
Per esempio, in un software per trasporti o industria non è possibile far eseguire un’azione a un agente AI senza sapere:
- chi l’ha autorizzata
- se rispetta le procedure
- se è coerente con norme tecniche o di sicurezza
- se lascia traccia verificabile
Goldman Sachs afferma che, in questi settori, l’AI probabilmente non cancellerà facilmente i concorrenti esistenti, perché i loro prodotti non sono solo strumenti digitali leggeri, ma pezzi integrati di processi industriali e operativi complessi.
In sintesi, nei settori legati ad attività fisiche e operative, come logistica, trasporti, costruzioni e manifattura, l’AI è più probabile che aumenti l’efficienza del software esistente, piuttosto che sostituirlo completamente.
Un altro possibile beneficiario, in Europa, è il comparto della defense technology. Nell’articolo del 17/3/2026 Goldman Sachs segnala che le startup europee della difesa stanno raccogliendo capitali e scalando rapidamente, grazie alla necessità di ricostruire capacità militari e sviluppare nuovi sistemi basati su software, droni e automazione. Anche questo è un pezzo della storia AI europea: non soltanto chatbot e copiloti, ma applicazioni verticali ad alto valore aggiunto, con forti barriere regolatorie e domanda pubblica crescente.
La conclusione è che l’Europa non sembra destinata, almeno nel breve termine, a guidare la corsa ai grandi modelli linguistici. Ma potrebbe avere un vantaggio nella fase successiva e forse più industrialmente redditizia: quella delle applicazioni AI per le imprese. I maggiori beneficiari saranno probabilmente le società europee del software capaci di presidiare dati, regole di controllo, processi verticali e relazioni di fiducia con il cliente. In un mercato in cui il codice diventa sempre più abbondante e meno costoso, il vero vantaggio competitivo non sarà scrivere software più in fretta, ma costruire soluzioni che le aziende non possano facilmente sostituire. Ed è proprio in questo tipo di software, meno appariscente ma più integrato, che l’Europa può ancora giocare una partita importante.
