Amazon: Paradosso dell’ia e il futuro del commercio globale

Amazon verso i 300 dollari per azione: il successo è guidato da AI e automazione, ma i costi energetici e i rischi di esecuzione sollevano interrogativi sulla sostenibilità di questa crescita esponenziale.

Siamo al 12 gennaio 2026 e, guardando i monitor che lampeggiano con i ticker di Wall Street, sembra che il mercato abbia finalmente deciso di premiare l’efficienza spietata del codice ben scritto. Amazon viaggia su valutazioni che sfiorano i massimi storici, con un target price medio che molti analisti posizionano intorno ai 294 dollari.

Ma se ci fermiamo ai numeri verdi sul display, perdiamo la vera storia tecnica che si sta svolgendo nei data center della Virginia e nei magazzini automatizzati del Nevada.

Non si tratta solo di quanti pacchi vengono consegnati o di quanto cloud viene venduto. La narrazione prevalente ignora spesso che Amazon non è più un’azienda di retail, e nemmeno solo un provider cloud: è diventata un’entità di orchestrazione logica su scala planetaria.

I risultati finanziari che vediamo oggi sono il diretto output di un refactoring infrastrutturale iniziato anni fa, quando l’azienda ha capito che per scalare non servivano più persone, ma API migliori.

Tuttavia, c’è un bug in questa matrice di ottimismo sfrenato, un dettaglio implementativo che gli investitori faticano a decifrare.

Mentre Amazon ha riportato utili del terzo trimestre 2025 che hanno battuto le stime con un EPS di 1,95 dollari, la struttura dei costi per mantenere questa supremazia sta cambiando radicalmente.

E qui entra in gioco il paradosso dell’Intelligenza Artificiale.

Il costo invisibile dell’inferenza

Per un tecnico, l’entusiasmo del mercato per la “AI generativa” è sempre stato un mix di ammirazione per l’ingegneria e terrore per i costi operativi. L’addestramento dei modelli è costoso, ma è una spesa una tantum (o quasi).

L’inferenza — il processo di risposta in tempo reale alle query degli utenti — è un costo ricorrente che scala linearmente (o peggio) con l’utilizzo. Amazon sta investendo miliardi in CapEx (spese in conto capitale) non per vanità, ma per necessità fisica: i chip custom (come Trainium e Inferentia) sono l’unico modo per non farsi mangiare i margini da NVIDIA.

Gli analisti finanziari vedono questi investimenti come “spese necessarie per la crescita”, ma non colgono la sfida termica ed energetica sottostante. AWS deve garantire una latenza minima su carichi di lavoro che sono ordini di grandezza più pesanti rispetto al web tradizionale. C’è una tensione palpabile tra l’espansione dei margini retail e la compressione dei margini cloud dovuta a questi costi hardware.

Colin Sebastian, analista di Baird, aveva già intravisto questa criticità mesi fa, notando come l’equilibrio dei conti dipenda da variabili estremamente volatili:

Le maggiori spese legate all’IA potrebbero portare a una contrazione dei margini verso la fine dell’anno.

— Colin Sebastian, Analista presso Baird

Questa contrazione è il debito tecnico del boom dell’IA. Stiamo costruendo cattedrali su fondamenta che richiedono un consumo energetico insostenibile con l’hardware “off-the-shelf”.

La scommessa di Amazon per il 2026 è che la loro ottimizzazione verticale — dal silicio al compilatore, fino al servizio gestito — sia sufficientemente matura da assorbire questi costi meglio di Microsoft o Google.

Se AWS fallisce nell’ottimizzare l’allocazione delle risorse per i carichi AI, quel target price di 300 dollari diventerà rapidamente un miraggio.

Ma l’efficienza non si ferma al cloud; si estende al mondo fisico, dove il software incontra la meccanica in modi che farebbero impallidire qualsiasi gestore di flotte tradizionale.

L’algoritmo che sostituisce il magazziniere

Se guardiamo al lato retail, la vera innovazione non è la consegna coi droni (che rimane una demo costosa), ma l’orchestrazione robotica all’interno dei Fulfillment Center. Entro il 2027, Amazon prevede di avere una forza lavoro robotica che renderà obsoleti centinaia di migliaia di ruoli umani.

Non è cattiveria, è pura ottimizzazione di sistema.

Un robot non ha bisogno di pause, non si infortuna sollevando carichi e, soprattutto, è un nodo di rete perfettamente prevedibile.

Dal punto di vista dello sviluppatore, gestire un milione di agenti robotici (come i modelli Proteus e Sparrow) è una sfida di calcolo distribuito affascinante. Ogni robot è un edge device che deve prendere decisioni in millisecondi per evitare collisioni e ottimizzare i percorsi.

L’efficienza derivante da questo sistema è ciò che permette di prevedere una crescita dei margini operativi, trasformando la logistica da centro di costo a centro di profitto.

Gli analisti di Wall Street stanno iniziando a prezzare questa transizione, scommettendo che il software vincerà sulla manodopera. Le proiezioni indicano che il business retail di Amazon in Nord America potrebbe vedere i margini salire al 10% entro il 2027, un salto quantico rispetto al 4% del 2023. Questo non accade vendendo più dentifrici, ma riducendo il costo per spostare quel dentifricio da A a B quasi a zero tramite l’automazione.

Tuttavia, c’è un rischio di esecuzione enorme.

Integrare un “foundation model” per la robotica significa che un bug nel modello non causa solo un crash dell’app, ma può paralizzare fisicamente l’intera catena logistica. La complessità del sistema aumenta esponenzialmente, e con essa la superficie d’attacco per errori critici.

Divergenza tra uomo e macchina

Arriviamo quindi al cuore della questione odierna: la discrepanza tra le previsioni umane e quelle algoritmiche. Se chiedete a un essere umano, Amazon è un “Strong Buy”. La logica è solida: dominio del cloud, recupero della pubblicità, efficienza retail.

Il consenso è quasi unanime.

La previsione del prezzo di Amazon (AMZN) nel 2026 è di 287,64 dollari.

— Consenso di 44 analisti, aggregato da Public.com

Ma se guardiamo i modelli quantitativi, quelli che non si preoccupano delle narrazioni aziendali ma solo dei segnali tecnici e della volatilità storica, emerge un quadro diverso. Gli algoritmi vedono l’ipercomprato, vedono le resistenze tecniche e, freddamente, suggeriscono cautela.

In alcuni casi, i modelli di previsione algoritmica suggeriscono una potenziale correzione del prezzo a breve termine, in netto contrasto con l’euforia degli analisti in carne ed ossa.

Questa divergenza è affascinante. Da una parte abbiamo la fiducia nel “business model” e nella capacità di Bezos (e successori) di innovare; dall’altra, abbiamo script che analizzano le serie storiche e gridano che la crescita non può essere infinita senza un ritracciamento.

Chi ha ragione?

Come sviluppatore, tendo a fidarmi del codice, ma so anche che il codice non può prevedere un annuncio strategico o una rottura tecnologica improvvisa.

Siamo di fronte a un’azienda che sta cercando di riscrivere il sistema operativo del commercio globale mentre contemporaneamente cerca di diventare il processore centrale dell’intelligenza artificiale mondiale.

È un compito di una complessità tecnica spaventosa.

Se riescono a mantenere l’uptime di questa macchina infernale, i 300 dollari per azione saranno solo l’inizio. Ma se uno dei microservizi critici — che sia la gestione termica dei data center o l’algoritmo di routing dei robot — dovesse fallire sotto stress, la correzione sarà brutale.

La domanda che dovremmo porci non è “quanto salirà il titolo”, ma quanto è resiliente l’architettura che lo sostiene di fronte a un mondo che non perdona più nemmeno un millisecondo di latenza?