L’ex capo dell’antitrust americana Lina Khan ha tenuto una lectio magistralis alla conferenza “Market Power in Transition” della Columbia Business School. Come ricorderete, la FTC sotto la guida di Lina Khan, si è spostata verso interrogativi più profondi che riguardano le strutture di potere, l’innovazione e la tenuta democratica dei mercati. Oggi però ci sono nuovi rischi competitivi che caratterizzano la corsa all’intelligenza artificiale, perchè i giganti del Web 2.0 stanno cercando di estendere i propri domini in questa nuova era tecnologica.
Sommario
Lo “Stack” dell’IA e il Rischio Bottleneck
L’analisi parte da una scomposizione dell’IA in uno stack stratificato: dai chip all’infrastruttura cloud, fino ai modelli linguistici e alle applicazioni finali. Ogni livello presenta proprietà economiche uniche, ma tutti condividono un rischio comune: la creazione di colli di bottiglia (bottlenecks) controllati da pochi attori.
Khan ha espresso una preoccupazione specifica: l’idea che l’IA generativa possa rappresentare una naturale “dislocazione competitiva” per i motori di ricerca dominanti potrebbe essere un’illusione. Al contrario, i vantaggi competitivi dell’IA si stanno stratificando sopra i vantaggi di dati preesistenti che hanno permesso a società come Google di diventare dominanti. Invece di una rivoluzione, rischiamo una replica delle dinamiche monopolistiche del passato, dove l’accesso preferenziale agli input e ai canali di distribuzione (come l’integrazione dei modelli di Google nell’ecosistema Apple/Siri) consolida ulteriormente i gatekeeper esistenti.
Le “Fusioni senza Fusione”: la cattura dei talenti e l’impatto sui prezzi algoritmici
Una delle minacce più insidiose alla concorrenza è rappresentata da strategie che Khan definisce “dispositivi di elusione”. Si tratta di operazioni in cui una grande azienda tecnologica non acquisisce formalmente una startup, ma ne assume in massa i talenti chiave e stipula contratti di licenza esclusiva per i suoi asset. Secondo Khan, l’antitrust deve guardare alla sostanza e alla funzione di queste operazioni piuttosto che alla loro forma giuridica. Il passaggio a un’economia guidata dagli algoritmi sta trasformando anche il concetto di collusione. Khan ha evidenziato come l’uso di software comuni da parte di aziende rivali stia abilitando una coordinazione sistematica dei prezzi. Se diversi rivali inviano dati sensibili a un unico algoritmo che poi suggerisce i prezzi di mercato, siamo di fronte a una fissazione dei prezzi tradizionale?. La Khan ha avvertito che un'”esenzione algoritmica” dalle leggi sulla concorrenza sarebbe estremamente dannosa per il mercato. Un punto centrale del discorso di Khan riguarda il tempo. Nei mercati tecnologici che evolvono rapidamente, i tempi della giustizia antitrust rischiano di arrivare troppo tardi. Quando una sentenza di condanna arriva dopo dieci o quindici anni, i frutti dell’illecito si sono ormai “calcificati”.
“È molto più facile utilizzare interventi leggeri e precoci per prevenire la dominanza illegale piuttosto che tentare rimedi pesanti un decennio dopo”, ha spiegato Khan. Il rischio è che i rimedi strutturali o le sanzioni non riescano a ripristinare la concorrenza perduta se le posizioni di potere sono ormai radicate in modo irreversibile.
Conflitti di Interesse e Innovazione
L’integrazione verticale solleva anche dubbi sugli incentivi a innovare. Molti dei leader nello sviluppo di modelli di IA sono anche i proprietari delle infrastrutture cloud (hyperscalers) che traggono enormi profitti dal consumo di potenza di calcolo. Questo crea un paradosso: queste aziende sono davvero incentivate a creare modelli più efficienti che consumano meno energia e “compute”?. Khan ha citato l’esempio di DeepSeek, un modello che ha dimostrato come sia possibile raggiungere alti livelli di sofisticazione con una maggiore efficienza, sfidando l’approccio ad alto consumo dei modelli statunitensi.
Inoltre, il potere di mercato si manifesta spesso attraverso la degradazione della qualità. Facebook, Amazon e Google hanno dimostrato in passato di poter peggiorare i propri servizi (ad esempio riducendo la privacy o saturando le pagine di pubblicità) senza temere la fuga degli utenti, semplicemente perché non esistevano alternative reali. L’intelligenza artificiale (IA) sta trasformando radicalmente il panorama dell’antitrust, introducendo nuove complessità che vanno oltre i modelli tradizionali basati esclusivamente sul prezzo. L’impatto dell’IA sulle sfide attuali si articola in diverse aree critiche:
La struttura a “stack” e i colli di bottiglia
Le autorità di regolamentazione, come l’FTC, analizzano ora il mercato dell’IA come uno stack stratificato, che comprende il livello dei chip, l’infrastruttura cloud, i modelli e le applicazioni. Ogni strato presenta proprietà economiche uniche e il rischio che si creino colli di bottiglia controllati da pochi attori. Le fonti evidenziano come i giganti del Web 2.0 stiano cercando di estendere la loro posizione di “gatekeeper” nell’era dell’IA, sfruttando il controllo su input essenziali e canali di distribuzione. Esiste il rischio che i vantaggi competitivi dell’IA generativa non portino a una vera concorrenza, ma si limitino a stratificarsi sopra i vantaggi di dati preesistenti che hanno permesso a società come Google di diventare dominanti nel settore della ricerca. Invece di una “dislocazione competitiva”, si teme una replica delle dinamiche monopolistiche del passato. L’IA sta abilitando quello che le fonti definiscono come coordinamento dei prezzi tramite algoritmi. Questo fenomeno solleva questioni legali complesse: quando più rivali inviano dati sensibili a un algoritmo comune che poi suggerisce i prezzi, ci si chiede se ciò debba essere considerato fissazione dei prezzi (price fixing) tradizionale. Inoltre, l’IA facilita la discriminazione dei prezzi di primo grado, permettendo alle aziende di personalizzare i costi in modo estremamente preciso.
“Fusioni senza fusioni” e acquisizioni mascherate
Una sfida emergente riguarda le partnership strategiche. In questi casi, le grandi aziende assumono i migliori talenti di una startup e ne ottengono licenze esclusive per gli asset senza acquisire formalmente la società. Queste manovre sono viste come potenziali strumenti per evitare il controllo antitrust, pur mantenendo la sostanza di un’acquisizione. L’integrazione verticale solleva dubbi sugli incentivi all’innovazione. Ad esempio, se i leader dei modelli di IA sono anche i proprietari delle infrastrutture cloud (hyperscalers), potrebbero non avere interesse a sviluppare modelli più efficienti che consumano meno potenza di calcolo, poiché traggono profitto proprio dall’elevato utilizzo di compute. Il ritmo rapido dell’evoluzione tecnologica rende difficile stabilire rimedi antitrust efficaci. Le fonti suggeriscono che interventi tardivi, che arrivano anni dopo la condotta anti-competitiva, rischiano di essere inutili perché il dominio illegale si è ormai “calcificato”. È molto più semplice intervenire precocemente con misure leggere che cercare di smantellare monopoli consolidati dopo un decennio.
Questo dimostra che l’IA non sta solo creando nuovi strumenti tecnologici, ma sta forzando il diritto antitrust a evolversi per affrontare conflitti di interesse, algoritmi collusivi e strutture di mercato integrate che minacciano la libera concorrenza.
Il dominio degli Hyperscalers (Google, Amazon, Microsoft, Apple, Nvidia) sull’intero stack tecnologico
L’AI è composta da uno stack tecnologico stratificato (composto da chip, infrastruttura cloud, modelli e applicazioni), in cui ogni livello presenta rischi specifici di monopolizzazione e consolidamento del potere di mercato, i principali rischi identificati nei diversi livelli e nelle loro interazioni includono:
Colli di bottiglia e controllo degli input: Esiste il rischio che ciascun livello dello stack possa fungere da bottleneck. Le aziende cercano di ottenere un accesso preferenziale o esclusivo a input essenziali (come i chip) o di controllare direttamente i canali di distribuzione per impedire la concorrenza,.
Persistenza del dominio dei dati: Contrariamente alla visione secondo cui l’IA generativa potrebbe scardinare i monopoli esistenti, i vantaggi competitivi dell’IA si stanno spesso stratificando sopra i vantaggi di dati preesistenti. Questo permette agli incumbent del Web 2.0 (come Google nel settore della ricerca) di estendere il proprio ruolo di “gatekeeper” anche nell’era dell’IA.
Integrazione verticale e incentivi distorti: Molte aziende leader nei modelli di IA sono anche i principali fornitori di infrastruttura cloud (hyperscalers). Questo crea un conflitto di interessi: poiché queste aziende traggono profitto dall’elevato consumo di potenza di calcolo (compute), potrebbero non essere incentivate a sviluppare modelli più efficienti che richiedono meno risorse,.
“Fusioni senza fusioni”: Per evitare i controlli antitrust formali, alcuni incumbent adottano strategie di acquisizione mascherata. Queste includono l’assunzione in massa dei talenti di una startup e la stipula di accordi di licenza esclusiva per i suoi asset, ottenendo nei fatti il controllo della società senza una fusione ufficiale,.
Coordinamento algoritmico e collusione: L’uso di algoritmi comuni per la determinazione dei prezzi può facilitare forme di collusione sistematica. Se più rivali inviano dati sensibili a un medesimo software che suggerisce i prezzi, si rischia una fissazione dei prezzi (price fixing) automatizzata che elude le tradizionali categorie di intesa restrittiva,.
Conflitti di interesse e finanziamenti circolari: Si osserva un aumento di investimenti incrociati e partnership strategiche tra rivali, che possono ammorbidire l’indipendenza decisionale e dare alle grandi imprese un controllo sproporzionato sulla traiettoria tecnologica dell’intero settore.
E’ chiaro che la struttura attuale dello stack permetta agli attori dominanti di calcificare la propria posizione attraverso il controllo integrato di hardware, dati e distribuzione, soffocando l’innovazione e la concorrenza potenziale prima ancora che possa consolidarsi. Sono in atto numerose strategie utilizzate dai giganti tecnologici per ottenere il controllo di startup innovative evitando i controlli formali delle autorità antitrust.
Questo meccanismo si basa su due pilastri fondamentali:
Acquisizione del talento: L’azienda dominante non acquista la società bersaglio, ma procede ad assumere in massa i suoi migliori talenti e il personale tecnico di alto livello.
Licenze esclusive sugli asset: Parallelamente all’assunzione del personale, l’azienda stipula accordi di licenza esclusiva per l’utilizzo degli asset della startup (come i modelli di IA o altre proprietà intellettuali), lasciando la società originale formalmente indipendente ma priva delle sue risorse chiave.
Le autorità Antitrust e altri organismi di controllo stanno monitorando attentamente queste “pseudo-acquisizioni”, sostenendo che il regime antitrust debba basarsi sulla sostanza e sulla funzione di un’operazione piuttosto che sulla sua forma giuridica. Se un accordo garantisce a un’azienda un controllo di fatto su una tecnologia o su un team di ricerca, eliminando un potenziale concorrente, esso rientra nel raggio d’azione delle leggi sulla concorrenza.
Queste pratiche fanno parte di una tendenza più ampia che include partnership strategiche e finanziamenti circolari, in cui i leader di mercato investono nei propri rivali o partner per influenzare la traiettoria tecnologica del settore e ammorbidire l’indipendenza dei centri decisionali competitivi.
Stabilire se l’Europa stia regolando meglio o peggio degli Stati Uniti rimane una questione complessa. L’approccio europeo si dimostra senza dubbio più sistemico e attento ai valori della società, ma sconta il peso di una burocrazia eccessiva, mentre gli Stati Uniti agiscono con una velocità decisamente più chirurgica sul nucleo del potere infrastrutturale. Il vero rischio per l’Europa è quello di trovarsi a regolamentare un’Intelligenza Artificiale già interamente dominata dagli attori americani, senza essere stata in grado di costruire una propria reale capacità industriale. Questo monopolio delle infrastrutture non può essere derubricato a semplice problema antitrust, ma rappresenta una sfida cruciale per l’autonomia strategica e il futuro economico. Per evitare che la sovranità digitale resti soltanto un’aspirazione teorica mentre il potere reale si concentra in pochi data center oltreoceano, l’Europa deve abbandonare una postura esclusivamente difensiva e regolatoria per passare alla costruzione attiva di infrastrutture proprie, investendo massicciamente in un cloud europeo competitivo, nella produzione di chip, in data center sovrani e in modelli foundation interamente allenati su dati europei.
