Le imprese europee si preparano a pubblicare la trimestrale più redditizia da oltre tre anni a questa parte. Secondo i dati LSEG I/B/E/S raccolti dall’analista Tajinder Dhillon e diffusi il 9 luglio, i componenti dell’indice STOXX 600 dovrebbero registrare una crescita degli utili del 15,3% nel secondo trimestre su base annua, per un totale stimato di 156,8 miliardi di euro. Un dato che farebbe invidia a molti mercati, ma che smentisce le attese di chi scommetteva su un traino dell’intelligenza artificiale: quasi nulla di questa crescita, sottolineano gli analisti, è riconducibile all’AI.

Il titolo scelto da The Next Web non lascia spazio a dubbi: è una storia di energia, non di algoritmi. Sono i settori tradizionali – petrolio, gas, utilities – a spingere i profitti europei, non certo la rivoluzione dei Large Language Models o le GPU. E mentre Wall Street celebra ogni trimestre di Nvidia come la prova che l’AI generativa sta cambiando il business, l’Europa della corporate finance racconta un’altra verità: la transizione digitale, almeno sul fronte dei ricavi, non ha ancora prodotto un impatto tangibile sui bilanci delle grandi aziende.

Questo scollamento tra la narrativa tecnicica statunitense e la realtà contabile europea ha implicazioni profonde per chi progetta o valuta deployment on-premise di infrastrutture AI. Se i profitti non arrivano dall’AI, le aziende hanno meno incentivi a investire in hardware specializzato, dai server con GPU NVIDIA H100 ai cluster bare-metal per l’inference. Non è un caso che il mercato europeo dei data center registri una crescita più cauta, spesso condizionata da vincoli di sovranità dei dati e dall’incertezza sulla domanda reale. Per chi segue le logiche del Total Cost of Ownership, il messaggio è chiaro: prima di impegnare capitali in ambienti self-hosted per LLM, bisogna verificare che ci sia un ritorno economico concreto, non solo una promessa.

La forza dell’energetico, peraltro, ricorda che l’Europa ha bisogno di stabilità prima che di disruption. In un continente dove il GDPR e le regole sulla data residency impongono architetture attente alla localizzazione, il fatto che i profitti provengano da settori regolati e maturi potrebbe paradossalmente favorire un approccio più riflessivo all’AI. Le aziende possono permettersi di costruire pipeline e ambienti di fine-tuning senza la pressione di dover monetizzare in tempi brevi, concentrando gli sforzi su casi d’uso dove il controllo e la compliance contano più della velocità. È uno scenario che ridimensiona l’hype, ma non spegne l’interesse per l’AI on-premise: semplicemente lo riporta a una scala più sostenibile e allineata alla realtà economica del continente.