Il mercato del debito societario sta incorporando l’intelligenza artificiale generativa non solo come tema industriale, ma come variabile di rischio e di prezzo. Lo segnala lo studio di Marco Albori e Andrea Zaghini, pubblicato dalla Banca d’Italia nella collana Questioni di Economia e Finanza, che analizza il modo in cui gli investitori hanno modificato la valutazione delle obbligazioni emesse da società tecnologiche dopo il lancio pubblico di ChatGPT del 30 novembre 2022 [1].
La prospettiva è rilevante anche per il diritto dei mercati finanziari. Se una tecnologia incide sul costo del debito, sulla percezione del rischio dell’emittente e sulla sostenibilità del modello di business, essa non resta confinata all’analisi economica. Entra nel perimetro dell’informativa agli investitori, dei controlli degli intermediari e, in prospettiva, della responsabilità connessa alla rappresentazione dei rischi.
Il dato economico: il mercato premia gli hyperscaler
Lo studio considera circa 14.800 emissioni obbligazionarie di società non finanziarie degli Stati Uniti collocate tra gennaio 2020 e febbraio 2026. Il punto di osservazione scelto dagli autori è il prima e dopo rispetto al lancio di ChatGPT, assunto come evento idoneo a modificare le aspettative degli investitori sulla capacità delle imprese tecnologiche di beneficiare dell’intelligenza artificiale generativa.
La metodologia tiene conto di variabili essenziali per isolare l’effetto specifico dell’AI: dimensione dell’emissione, durata del prestito, tipo di tasso, rating dell’emittente e andamento generale dei tassi di interesse, in un periodo segnato dal ciclo restrittivo della Federal Reserve.
Il differenziale chiamato hyperium
Il risultato più significativo riguarda cinque grandi piattaforme cloud, indicate come hyperscaler: Alphabet, Amazon, Meta, Microsoft e Oracle. Dopo il lancio di ChatGPT, le loro obbligazioni hanno ottenuto condizioni di rendimento sensibilmente più favorevoli rispetto agli altri emittenti.
Secondo lo studio, il miglioramento stimato è pari a circa 47 punti base rispetto agli altri emittenti, con uno sconto complessivo, al netto del confronto tra periodo precedente e successivo al lancio, di circa 29 punti base. Gli autori definiscono questo fenomeno hyperium, richiamando il modello concettuale del greenium, termine impiegato nella finanza sostenibile per descrivere il premio di prezzo riconosciuto ai titoli verdi.
Controlli di robustezza e rilevanza giuridica del fenomeno
La tenuta del risultato non dipende da una sola specificazione del modello. Limitando l’analisi ai soli emittenti quotati, più comparabili con i grandi hyperscaler, il differenziale si rafforza fino a circa 56 punti base. Inoltre, sostituendo il rendimento assoluto con lo spread rispetto al titolo sovrano di pari scadenza, lo sconto resta pari a circa 25 punti base sull’intero campione delle società non finanziarie.
Per il giurista questo passaggio non è meramente tecnico. Un fenomeno di prezzo che resiste a controlli metodologici diversi può diventare un fatto di mercato giuridicamente rilevante, soprattutto quando incide sull’informativa, sulla valutazione del merito creditizio e sulle decisioni di investimento.
Il rovescio del premio: il rischio delle società software
La stessa analisi mostra un effetto opposto per le società di software. Nel confronto con gli hyperscaler, tali imprese hanno sostenuto rendimenti superiori di circa 42 punti base dopo l’affermazione dell’intelligenza artificiale generativa.
Il dato non implica assenza di crescita. Riflette piuttosto l’incertezza sulla resilienza dei ricavi da abbonamento, sulla tenuta delle barriere all’ingresso, sulla sostituibilità di funzionalità proprietarie e sulla possibilità che l’AI generativa riduca il valore competitivo di soluzioni software tradizionalmente considerate difficili da replicare. Gli autori richiamano, a questo riguardo, l’espressione SaaSpocalypse, utilizzata dagli operatori di mercato [2].
Le dimensioni finanziarie del fenomeno sono considerevoli. Nel solo 2025 i cinque hyperscaler hanno collocato circa 108 miliardi di dollari di obbligazioni, a fronte di una media annua di circa 20 miliardi nel biennio precedente. Nei primi mesi del 2026 avevano già raccolto oltre 56 miliardi di dollari.
Informativa di prospetto e art. 16 del Regolamento (UE) 2017/1129
Il primo riflesso giuridico riguarda i fattori di rischio nel prospetto. Nell’ordinamento europeo, l’art. 16 del Regolamento (UE) 2017/1129 impone che i fattori di rischio siano specifici dell’emittente o dei titoli e rilevanti per assumere una decisione di investimento informata.
Se il mercato attribuisce un valore misurabile alla posizione dell’emittente nella catena dell’intelligenza artificiale, una descrizione generica del rischio tecnologico può risultare insufficiente. La questione non è menzionare l’AI come tendenza di settore, ma spiegare in modo concreto se l’emittente dipenda da infrastrutture cloud, se sia esposto a disintermediazione, se il proprio vantaggio competitivo sia replicabile tramite modelli generativi, se i piani di investimento siano coerenti con la capacità finanziaria disponibile.
In questa prospettiva, l’esposizione all’intelligenza artificiale può incidere sulla completezza dell’informativa e sulla corretta formazione del prezzo. Il fattore di rischio non dovrebbe essere una clausola di stile, ma una rappresentazione calibrata sul modello industriale dell’emittente.
Intermediari, vigilanza e concentrazione del credito tecnologico
Il secondo profilo riguarda gli intermediari e gli investitori istituzionali. La concentrazione del vantaggio di finanziamento in pochi soggetti, già dominanti nei mercati digitali e nei mercati azionari, trasferisce nel credito dinamiche note alle autorità di vigilanza e antitrust.
Il tema interessa banche, gestori, imprese di assicurazione e altri investitori professionali quando l’esposizione agli emittenti tecnologici deriva da portafogli proprietari, operazioni di cartolarizzazione, mandati di collocamento o allocazioni obbligazionarie rilevanti. La domanda non è soltanto se l’hyperium sia oggi spiegabile. Occorre chiedersi come verrebbe assorbito un mutamento delle aspettative sulla redditività dell’AI o sulla domanda di capacità computazionale.
Ne deriva l’esigenza di integrare l’esposizione all’intelligenza artificiale nei modelli di credit risk assessment, distinguendo tra imprese che forniscono infrastruttura essenziale, imprese che dipendono da tali infrastrutture e imprese il cui prodotto può essere sostituito o compresso dalla tecnologia generativa.
Dal greenium all’hyperium: una possibile area di responsabilità
L’analogia proposta dagli autori tra greenium e hyperium ha una portata che può superare il piano lessicale. Il contenzioso in materia di greenwashing si è sviluppato quando un premio di mercato collegato alla sostenibilità si è rivelato non adeguatamente supportato dai fatti, dai dati o dagli impegni effettivi degli emittenti.
Uno schema analogo potrebbe emergere se il premio riconosciuto alle obbligazioni degli attori dominanti nell’AI si fondasse su piani di spesa in conto capitale non realizzati, su assunzioni troppo ottimistiche circa la domanda di potenza computazionale o su comunicazioni non coerenti con i fondamentali economici. In tale scenario potrebbero assumere rilievo le posizioni di chi emette, sottoscrive, colloca o distribuisce strumenti finanziari facendo affidamento su una narrazione tecnologica poi smentita dai fatti.
Assenza di precedenti e questioni ancora aperte
Allo stato non risultano, in Italia o nell’Unione europea, decisioni giurisprudenziali specificamente dedicate al rapporto tra esposizione all’intelligenza artificiale generativa e pricing del debito societario. La prassi è in formazione e il dato empirico è recente.
Proprio l’assenza di precedenti suggerisce di osservare il fenomeno prima che le categorie operative si consolidino. Le aree da presidiare sono almeno tre: qualità dell’informativa nei prospetti, adeguatezza dei modelli interni di rischio, coerenza tra comunicazioni al mercato e capacità effettiva di sostenere gli investimenti necessari nell’AI.
Note
[1] M. Albori, A. Zaghini, Corporate bond pricing in the AI era, Questioni di Economia e Finanza (Occasional Papers), Banca d’Italia, n. 1057, settembre 2026 (pubblicato il 17 settembre 2026), DOI: 10.32057/0.QEF.2026.1057. Le opinioni espresse nello studio sono degli autori e non impegnano l’Istituto.
[2] Corporate bond pricing in the AI era, cit., p. 19: espressione che gli autori riferiscono all’uso corrente tra gli operatori di mercato, non a una propria elaborazione.