Alex Karp, CEO di Palantir, ha lanciato una stima che suona come una dichiarazione di guerra: l’intelligenza artificiale potrebbe renderlo «20 volte più ricco» — proiettando il suo patrimonio verso i 300 miliardi di dollari, contro i circa 15 attuali — mentre i lavoratori della classe media potrebbero vedere i loro stipendi semplicemente raddoppiare nell’arco di un decennio. Lo ha definito «un disaccoppiamento completo tra ricchezza inimmaginabile e ricchezza normale». Al di là della crudezza dei numeri, c’è un segnale che dovrebbe far alzare la guardia a ogni impresa che oggi investe o pensa di investire nell’IA: il valore non si distribuirà in modo uniforme, ma si concentrerà nelle mani di chi possiede e controlla l’infrastruttura.

Non è una previsione isolata. Palantir costruisce software che analizzano dati per governi e grandi aziende, spesso in scenari dove la sovranità e la sicurezza sono requisiti non negoziabili. Karp stesso ha sempre spinto per modelli operativi che tengano i dati sotto il controllo del cliente. La sua uscita, quindi, non è solo una boutade da miliardario: è la logica conclusione di un ecosistema dove l’IA non è semplicemente uno strumento, ma un meccanismo di estrazione di rendita. Chi addestra i modelli, chi gestisce i carichi di inference su larga scala, chi siede sul dato grezzo — questi attori cattureranno la fetta più grossa del surplus generato.

Per un’azienda che valuta come integrare gli LLM nei propri processi, la domanda smette di essere «cloud o on-premise?». Diventa: «Chi si appropria del valore che produco?». Se l’uso dell’IA avviene tramite API di terze parti, ogni inference, ogni fine-tuning, alimenta un sistema che rafforza il fornitore. La concentrazione di ricchezza predetta da Karp non è un fenomeno astratto: si traduce in margini crescenti per chi vende accesso a modelli e potenza di calcolo, e in dipendenza strutturale per chi compra. Non a caso, il movimento verso l’on-premise e il self-hosting sta coinvolgendo realtà che vanno ben oltre le solite banche o agenzie governative: manifattura, sanità, servizi professionali.

Il punto non è che ogni organizzazione debba comprare un cluster di GPU. È che la decisione su dove far girare i modelli — su infrastruttura propria o su quella di un vendor — ridefinisce il perimetro della sovranità economica. Un deployment on-premise non elimina i costi, ma sposta la curva del TCO in modo radicale: il CapEx iniziale può essere alto, ma l’OpEx ricorrente non scala linearmente con l’uso, e soprattutto i dati restano interni. Questo introduce un’asimmetria: chi sceglie il self-hosting trattiene il controllo su ciò che alimenta i modelli e su ciò che i modelli producono, evitando di diventare un ingranaggio nel motore di arricchimento altrui.

Esistono framework analitici — come quelli sviluppati su /llm-onpremise — che aiutano a orientarsi tra i trade-off: latenza, gestione della VRAM, quantization, manutenzione dell’hardware. Ma la posta in gioco, alla luce delle dichiarazioni di Karp, non è più solo tecnica. È una scelta tra due modelli di capitalismo digitale: uno in cui il valore dell’IA si condensa in poche mani, e uno in cui le imprese — anche medie — mantengono un proprio margine di appropriazione. La previsione del CEO di Palantir non andrebbe letta come un’indiscrezione sul futuro, ma come un’ammissione del presente: il vero scalpo dell’IA non è il salario raddoppiato, ma la rendita di posizione di chi controlla lo stack. E questa posizione, per chi non la costruisce in casa, è già prenotata.