L’intelligenza artificiale non dividerà semplicemente le aziende tra vincitori e perdenti. Potrebbe cambiare, più radicalmente, le regole attraverso cui le imprese competono e creano valore. E costringere anche il private equity a ripensare il proprio mestiere. È questa una delle indicazioni emerse dall’intervista a Steffen Meister, Executive Chairman di Partners Group, durante IPEM Global 2026 a Parigi, nel panel dedicato ai principali temi dei private markets nel nuovo ciclo di trasformazione economica guidato dall’intelligenza artificiale. Per Meister, la prospettiva da adottare è più ampia rispetto alla semplice domanda su quali settori o aziende beneficeranno maggiormente dell’AI. Nei prossimi dieci anni potrebbe infatti verificarsi una trasformazione dell’economia paragonabile, per profondità, a quella prodotta dall’industrializzazione, ma concentrata in un arco temporale molto più breve. Modelli di business destinati a imporsi potrebbero quindi essere riconfigurati, mentre interi bacini di profittabilità potrebbero spostarsi da un’attività all’altra.
La creazione di valore diventa il cuore del private equity
Per i gestori di private equity, questa evoluzione ha una conseguenza precisa: la selezione dell’asset rischia di non essere più sufficiente. In passato una quota importante del lavoro ruotava attorno alla due diligence finanziaria, alla strutturazione dell’operazione e al finanziamento. Secondo Meister, molte di queste attività potranno essere progressivamente supportate, e in alcuni casi svolte, da sistemi automatizzati e agenti AI. Il vantaggio competitivo si sposterà quindi sempre più verso ciò che accade dopo l’acquisizione: la capacità di trasformare concretamente le imprese partecipate. Non si tratta però di replicare quanto accaduto durante la precedente fase di digitalizzazione. Migrare i dati nel cloud, introdurre un nuovo sistema Erp o collegare piattaforme attraverso Api erano interventi relativamente delimitati. L’AI richiede invece di intervenire contemporaneamente sulla tecnologia e sull’organizzazione aziendale. La distinzione tra trasformazione digitale e trasformazione operativa tende così a scomparire: ogni progetto significativo di intelligenza artificiale implica anche una revisione dei processi, dell’organizzazione e, in alcuni casi, dello stesso modello di business.
Il vero problema non è avere l’AI, ma ridisegnare l’impresa
Un passaggio particolarmente interessante del confronto riguarda proprio questo punto. La questione, secondo Meister, potrebbe non essere tanto capire quando i modelli di AI diventeranno sufficientemente sofisticati. Per molte attività lo sarebbero già. Il problema è piuttosto ripensare l’impresa affinché possa realmente utilizzarli. L’analogia proposta durante il panel è quella con l’elettrificazione dell’industria. Introdurre l’elettricità in una fabbrica costruita attorno a un’altra tecnologia non significava semplicemente sostituire una fonte energetica: richiedeva di modificare l’organizzazione della produzione. Lo stesso potrebbe accadere con l’intelligenza artificiale. In una prima fase, l’AI sarà utilizzata soprattutto per automatizzare singoli processi e ottenere efficienze. La fase successiva sarà più profonda: interi processi end-to-end potranno essere ripensati e diventare progressivamente autonomi. Meister colloca questo secondo passaggio su un orizzonte di diversi anni, indicativamente tra cinque e dieci. Ed è proprio qui che il private equity potrebbe trovare uno spazio rilevante di creazione di valore: non tanto nell’introdurre strumenti tecnologici nelle partecipate, quanto nel ricostruire processi e organizzazioni intorno alle nuove possibilità offerte dall’AI.
Addio ai silos settoriali?
Anche la composizione dei team di investimento potrebbe cambiare. Secondo Meister, ragionare esclusivamente per settori rischia di diventare sempre meno efficace. Le trasformazioni in corso attraversano infatti contemporaneamente infrastrutture, energia, tecnologia, servizi e manifattura. L’esempio delle nuove infrastrutture energetiche è significativo: per sviluppare sistemi capaci di integrare generazione, accumulo e distribuzione servono competenze che fino a pochi anni fa sarebbero state considerate appartenenti a mondi separati. Da qui la necessità, per le piattaforme di private markets, di combinare competenze finanziarie, operative, tecnologiche e industriali. Anche il profilo delle persone ricercate sta cambiando: accanto agli investitori con formazione finanziaria assumono maggiore peso competenze scientifiche e ingegneristiche, mentre rimane centrale l’esperienza di manager che abbiano già affrontato trasformazioni profonde di aziende e organizzazioni.
Due modi per investire nella trasformazione
Nel selezionare le opportunità, dal confronto sono emersi due approcci distinti. Il primo consiste nell’individuare imprese nelle quali l’AI possa modificare direttamente una parte importante dei processi e del modello operativo. Il secondo guarda invece alle aziende che possono beneficiare indirettamente della crescita dell’intelligenza artificiale: infrastrutture elettriche, sistemi energetici, data center e tecnologie necessarie a sostenere l’aumento della capacità computazionale. È una distinzione importante perché amplia il concetto stesso di investimento legato all’AI. Le opportunità non riguardano soltanto software, semiconduttori o modelli generativi, ma anche le infrastrutture fisiche necessarie a renderne possibile la diffusione. Allo stesso tempo, proprio l’entità degli investimenti previsti nelle infrastrutture tecnologiche apre un interrogativo: quanto capitale rischia di essere allocato in eccesso? La storia delle grandi trasformazioni industriali è costellata da fasi in cui investimenti inizialmente razionali, spinti dalle aspettative di crescita, hanno prodotto capacità superiore alla domanda e forti correzioni successive. Il tema è emerso anche nel confronto sull’attuale corsa ai data center e alle infrastrutture connesse all’intelligenza artificiale.
Più AI, ma anche più diversificazione
La risposta, per un investitore di lungo periodo, passa anche dalla diversificazione. Se l’intelligenza artificiale sarà una forza trasversale all’economia, concentrare eccessivamente il portafoglio sulle attività direttamente legate alla sua espansione potrebbe creare un nuovo tipo di rischio di concentrazione. Per Meister, imprese molto diverse potranno beneficiare della trasformazione in modi altrettanto differenti: alcune attraverso l’automazione dei processi, altre attraverso l’aumento della domanda di infrastrutture, altre ancora tramite cambiamenti nei comportamenti dei consumatori. La conseguenza è quasi paradossale: più l’AI diventa pervasiva, più può diventare importante mantenere portafogli diversificati, evitando di trasformare una tesi strutturale in una singola scommessa tematica.
E l’Europa? Il vantaggio potrebbe giocarsi nell’applicazione
Rimane infine il tema europeo. Il Vecchio Continente parte con uno svantaggio evidente nella produzione dei grandi modelli di intelligenza artificiale e deve fare i conti con una struttura regolamentare più complessa. Ma questo, secondo Meister, non significa necessariamente essere destinati a perdere la partita. L’Europa conserva una base significativa di imprese industriali, manifatturiere, tecnologiche e robotiche, soprattutto in aree come Francia, Germania, Nord Italia, Nordics ed Europa orientale. E se il valore economico dell’AI si sposterà progressivamente dalla creazione dei modelli alla loro applicazione, possedere il modello più avanzato potrebbe non essere l’unica fonte di vantaggio competitivo. In questa prospettiva, l’AI somiglia meno a un prodotto da possedere e più a un’infrastruttura da utilizzare. Per il private equity la sfida diventa allora un’altra: capire quali imprese possano essere realmente riprogettate intorno a questa infrastruttura e quali siano invece semplicemente esposte all’entusiasmo che la circonda.
