Il mondo dell’intelligenza artificiale è in fermento, ma mentre Anthropic e OpenAI rilasciano modelli sempre più potenti, Google sembra rallentare la sua corsa. Il capo di DeepMind, il laboratorio che sviluppa Gemini, si è dimesso, così come Jeff Dean, storico ingegnere di Google. Persino il rilascio di Gemini 3.5 Pro è stato accantonato. Sembra una resa, eppure, Google sta investendo quasi mezzo miliardo di dollari al giorno in CapEx.
E quel denaro non finisce in modelli all’avanguardia. Finisce nel Cloud. Una mossa controintuitiva, ma che, analizzata a fondo, si rivela una scommessa intelligente e, a mio avviso, superiore a quella dei frontier labs. Google sta costruendo una macchina per guadagnare anche se il modello vincente non è il suo.
La “retromarcia” sui modelli AI
L’immagine di Google che perde terreno nella corsa ai modelli AI è consolidata. Un post virale su LinkedIn che ho condiviso tempo fa evidenziava come Google annunciasse nuove versioni di Gemini (3.6 Flash, 3.7, 3.8) mentre il mercato vedeva già modelli open-source e chiusi di gran lunga superiori come GLM, Qwen, Claude e GPT-6.
Questo scenario è stato amplificato da diversi eventi. Il 5 agosto, Hassabis ha lasciato la guida di DeepMind. Nello stesso giorno, Jeff Dean, uno degli ingegneri più importanti della storia di Google e presente fin dalle origini 27 anni fa, ha lasciato per fondare una propria startup. Poi, il 30 settembre, l’annuncio che Gemini 3.5 Pro non sarebbe stato rilasciato.
La statistica più rivelatrice? Prima, per ogni ricercatore che lasciava DeepMind, Google ne assumeva 12. Oggi, ne assume solo due. E dove vanno questi talenti? Il 25% verso Anthropic, il 21% verso Meta e il 14% verso OpenAI. Sembra che i ricercatori stessi stiano votando con i piedi, indirizzandosi verso i laboratori che percepiscono come veri innovatori nel campo dei modelli.
Seguire il denaro: la scommessa sul Cloud
Per capire la strategia di Google, dobbiamo seguire il denaro. Tra aprile e giugno 2026, Google ha speso 44.9 miliardi di dollari in CapEx (spese in beni durevoli come data center, server, chip, energia, reti). Quasi mezzo miliardo al giorno. Nel 2024, Alphabet-Google ha speso 52.5 miliardi, nel 2025, 91.4 miliardi. Per il 2026, la previsione è di circa 200 miliardi. In pratica, in tre mesi ha speso quasi quanto nell’intero 2024.
Dove finisce questa montagna di denaro? In Google Cloud. Il risultato è un aumento dell’82% dei ricavi di Google Cloud in un solo anno e contratti già firmati per 514 miliardi di dollari. Google dichiara di avere molta più domanda per Google Cloud di quanta ne possa soddisfare. La richiesta di macchine e infrastrutture supera la disponibilità.
Un esempio lampante è l’investimento di 13 miliardi di euro in Finlandia per un nuovo data center alimentato da energia nucleare. Google sta costruendo l’infrastruttura che rende possibile l’AI, senza necessariamente possedere il modello più potente. David Friedberg, co-conduttore di All-In, lo ha riassunto così: “i data center sono una scommessa sicura, i modelli sono il rischio”.
Modelli AI (Approccio “Frontier Labs”)
Rischio Elevato: Vantaggio competitivo effimero. Il modello “migliore” cambia ogni pochi mesi.
Investimento Continuo: Necessità di bruciare miliardi in R&D per mantenere la leadership.
Concorrenza Aggressiva: Minaccia costante da modelli open-source che riducono il valore.
Infrastruttura Cloud (Approccio Google)
Ritorno Sicuro: I data center sono un investimento solido e duraturo. Domanda in crescita costante.
Posizionamento Strategico: Fornitore di base per tutti i modelli, inclusi i competitor.
Indipendenza: Non legato al successo di un singolo modello, ma alla domanda complessiva di AI.
Differenze strategiche: il rischio di puntare sul modello vs. la certezza di puntare sull’infrastruttura.
Gemini Agent: il modello è un mezzo, non il fine
A “Gemini at Work”, Google ha annunciato Gemini Agent, un agente disponibile su Gemini Enterprise. La cosa interessante? Gemini Agent può utilizzare i modelli Gemini, ma anche i modelli Claude e, dal 21 ottobre, anche ChatGPT. Google non vuole competere sul modello. Il suo obiettivo è l’agente che sfrutta i modelli.
Gemini Agent funziona come un collega virtuale: ha una sua email aziendale, lavora con il laptop chiuso (un po’ come OpenInterpreter, Hermes o MetaGPT), ha un limite di spesa per progetto e si connette a tutti i software aziendali (email, Teams, Slack, Salesforce, SAP, Excel). Riceve un workspace personale (email, calendario, drive).
Non è ancora disponibile in Italia, ma la direzione è chiara. Google vuole essere la piattaforma che aggrega e fa funzionare l’AI, indipendentemente dal modello specifico. Il suo Cloud è l’unico che offre accesso a tutti e tre i principali LLM closed-source (Gemini, Claude, OpenAI), oltre a numerosi modelli open-source.
La privacy e il Cloud Act: il “cervello aziendale”
Molte aziende, specialmente nel mid-market, ci chiedono di costruire un “cervello aziendale” (company brain). Un sistema AI che non sia collegato direttamente ai cloud dei frontier labs per questioni di dati sensibili. La soluzione è un cloud provider che permetta di ospitare i modelli sul proprio cloud aziendale, crittografato, con chiavi di crittografia in Europa.
È per questo che la maggior parte delle aziende non userà mai Anthropic direttamente. I loro server sono negli Stati Uniti. La soluzione per privacy e dati sensibili è scegliere un cloud provider come Microsoft Azure, Amazon AWS o Google Cloud, che permetta di eseguire i modelli sul proprio cloud in Europa. Spesso, Microsoft ha delle limitazioni, come la non disponibilità di Claude in Europa. Ecco perché Amazon AWS e Google Cloud sono le prime scelte.
Il Microsoft 365 Copilot è disattivato di default nell’Unione Europea, un segnale forte delle problematiche legate ai dati. La questione è di fiducia: preferire i grandi cloud player con 20 anni di esperienza nella gestione di dati sensibili, o i nuovi laboratori AI, con incidenti come quello tra OpenAI e i matematici dei Navier-Stokes?
Google vince anche se vincono gli altri
Il 47% delle vendite di Anthropic deriva da cloud provider come Amazon AWS o Google Cloud. Questo significa che quasi metà del fatturato di Anthropic proviene da aziende che usano i loro modelli, ma su server di Google o Amazon. Google, in pratica, capitalizza sulla crescita dei suoi competitor.
Non solo: Google possiede il 14% di Anthropic. Ha un accordo con Anthropic che impegna quest’ultima a spendere almeno 111 miliardi di dollari con Google per l’utilizzo del suo Cloud. Inoltre, Google fornisce chip (le sue TPU, alternative alle GPU Nvidia) ad Anthropic, fino a 1 milione di unità. Google fa un doppio margine: non paga Nvidia e affitta le sue TPU.
A fine 2025, Google deteneva il 24.8% di tutta la potenza di calcolo AI (compute) al mondo. Seguono Microsoft con 16.8% e Amazon con 12.1%. Anthropic sta pianificando 518 miliardi di dollari in spese per infrastrutture AI, l’80% delle quali sono impegni irrevocabili, contratti già firmati. Anthropic non costruisce i propri data center; li affitta, con contratti decennali e penali.
Mentre OpenAI e Anthropic giocano una partita rischiosa con i modelli, Google ha firmato questi accordi decennali. Non gli interessa avere il modello più performante, perché sta giocando una partita diversa, in una lega diversa. Anche David Sacks della PayPal Mafia ha sottolineato come il 60% del compute mondiale aggiuntivo stia andando a OpenAI e Anthropic. Ma gran parte di quel compute finisce sulle macchine di Google.
Modelli “abbastanza buoni” e controllo del contesto
Questo non significa che Google non produca buoni modelli. Gemini 4 Argon, ad esempio, è un ottimo modello, poco sotto Claude Opus 5. È un modello perfetto per essere riutilizzato per Gemini Agent. Non è il modello frontier, ma non è quello il gioco di Google.
A giugno, Alphabet ha emesso nuove azioni raccogliendo 49.6 miliardi di dollari, reinvestiti interamente in infrastrutture e data center. Anche nel traffico web di chatbot (settembre 2026), ChatGPT è al 55.5%, Gemini al 25.6% e Claude al 9.3%. Google vince anche sul fronte consumer, integrando Gemini in tutto il suo ecosistema (AI Search, YouTube, Drive, Gmail) senza dover bruciare miliardi in R&D per il prossimo modello.
La lezione per le aziende? Il modello “migliore” cambia ogni pochi mesi. È fondamentale mantenere aperte le opzioni, conservando la proprietà del proprio contesto, delle proprie competenze e dei propri dati. Le aziende devono essere nella posizione di scegliere quale modello utilizzare. Gli open model già oggi fanno il 71.5% del lavoro con solo il 23% della spesa totale.
I modelli frontier, i Fables, gli Opus 5.5 o i GPT-6, saranno per lavori di codice avanzato o ricerca scientifica. Per la maggior parte delle aziende che costruiscono soluzioni interne, come un “cervello aziendale”, un ambiente cloud che sfrutta modelli open-source (Kimi, DeepSeek, i modelli di Meta) che costano un quarto o un quinto dei modelli frontier, è sufficiente e performante. La chiave è che i modelli possono essere interscambiabili, ma i tuoi dati restano tuoi.
Il controllo “giusto” sull’AI aziendale
Dipendenza da un singolo modello
Il modello più avanzato oggi potrebbe essere obsoleto domani. Costi elevati di R&D per mantenere la leadership.
Controllo dei dati e flessibilità
Ospitare modelli sul proprio Cloud aziendale per mantenere la proprietà dei dati e scegliere il modello più adatto, anche open-source.
Rischio di lock-in tecnologico
Vincolarsi a un unico fornitore di modelli limita le opzioni future e la capacità di adattamento.
Efficienza economica e conformità
Sfruttare modelli open-source sul Cloud aziendale riduce i costi e facilita la conformità GDPR.
La strategia di mantenere il controllo sul contesto e sui dati aziendali, non sul singolo modello AI.
Allora, cosa ne pensi della strategia di Google? È davvero una “perdita” o una mossa geniale nel lungo periodo?