Dopo risultati trimestrali inferiori alle attese, IBM perde oltre il 25% in Borsa. Ma in una lettera agli investitori il CEO Arvind Krishna racconta qualcosa che va oltre un trimestre mancato: i clienti stanno spostando risorse verso server, storage e memoria. È il segnale di un mercato nel quale l’intelligenza artificiale sta riportando l’infrastruttura al centro delle scelte strategiche
Quello che accaduto nei giorni scorsi è forse la rappresentazione plastica di quanto in tanti scrivono (e scriviamo) da tempo: l’intelligenza artificiale sta cambiando il modo in cui le imprese distribuiscono i propri investimenti tecnologici. E soprattutto le priorità che assegnano alle diverse voci di spesa.
E la priorità, oggi, sembra essere assicurarsi potenza di calcolo, memoria e capacità di storage. Tutto ciò che può attendere viene rinviato, anche quando riguarda sistemi considerati strategici.
È quanto emerge dai risultati preliminari del secondo trimestre di IBM. Il gruppo ha chiuso il periodo con ricavi per 17,2 miliardi di dollari, in crescita dell’1%, ma al di sotto di quei 17,8 miliardi atti dagli analisti.
Un traguardo mancato che è costato al titolo della società una perdita del 25% in una sola seduta, con una riduzione della capitalizzazione pari a circa 69 miliardi di dollari.
Trainando, per altro, al ribasso, anche altri titoli del comparto tecnologico.
Una reazione che potrebbe sicuramente sembrare eccessiva rispetto alla dimensione dello scostamento, ma che trova una spiegazione nella lettera aperta indirizzata agli investitori dal CEO della società Arvind Krishna.
Krishna scrive: “In the last few weeks of June, we saw clients shift their quarterly capex spend toward servers, storage, and memory purchases to secure supply-constrained infrastructure ahead of expected price increases. This dynamic impacted client buying patterns. While we anticipated some supply chain related impact in our expectations, we did not anticipate the magnitude of the capex reprioritization”. Ovvero, nelle ultime settimane di giugno, diversi clienti hanno spostato parte dei propri budget verso server, storage e memoria, per acquistare infrastruttura prima di nuovi rincari e possibili problemi di disponibilità. IBM aveva previsto un impatto delle tensioni sulla supply chain, ma non la portata di questa riallocazione.
La trimestrale, dunque, fotografa qualcosa di più di un risultato inferiore alle attese. Mostra quanto rapidamente l’intelligenza artificiale stia cambiando l’ordine delle priorità negli investimenti tecnologici e solleva una domanda sulla capacità di IBM e degli altri player di leggere e accompagnare questa trasformazione.
La sfida tra contingenza ed execution
Riemerge la criticità che da tempo viene evidenziata da tutti i player del comparto tech: la scarsità di memoria e di altri componenti destinati ai sistemi ad alte prestazioni sta infatti spingendo le aziende a modificare l’ordine delle proprie priorità. La capacità infrastrutturale viene acquistata subito; altri progetti possono essere rinviati al trimestre successivo.
Nella sua lettera, Krishna cita anche l’attenzione dedicata dai clienti a problematiche di cybersecurity in rapida evoluzione.
Ma evita di attribuire i risultati esclusivamente a fattori esterni.
“Queste condizioni richiedono ai nostri team un’esecuzione perfetta e questo trimestre abbiamo fallito. Non ci siamo adattati e non ci siamo mossi abbastanza velocemente”, ammette.
Secondo il CEO, gran parte dello scostamento deriva proprio dai grandi contratti che IBM non è riuscita a chiudere nei tempi previsti. La lettera riconosce quindi due elementi distinti: il mercato ha cambiato direzione più rapidamente del previsto e l’organizzazione non è riuscita a seguirlo con sufficiente velocità.
Un errore di esecuzione, ma forse anche di visione
Ma, a nostro avviso, è importante leggere quanto accaduto anche da una prospettiva più ampia.
IBM, così come altri player ha compiuto n questi anni scelte coerenti con un mercato nel quale il software cresceva più rapidamente dell’hardware, i ricavi ricorrenti erano premiati dagli investitori e l’infrastruttura tendeva a essere percepita come una componente sempre più standardizzata.
Per addestrare e utilizzare i modelli servono processori, memoria, storage, acceleratori, networking ed energia. La capacità computazionale è diventata una risorsa costosa, scarsa e strategica. Le imprese devono decidere dove eseguire i propri workload, dove conservare i dati e quale livello di controllo mantenere sull’infrastruttura.
E forse non è stato attribuito sufficiente peso alla velocità con cui l’AI avrebbe riportato le macchine al centro delle decisioni aziendali.
Perché le aziende stanno tornando a guardare ai propri data center
Una parte rilevante dell’AI continuerà a essere eseguita nei grandi cloud pubblici. Gli hyperscaler dispongono della capacità necessaria per sostenere modelli molto complessi e consentono alle imprese di accedere rapidamente a risorse che sarebbe difficile costruire internamente.
Allo stesso tempo, cresce l’interesse per architetture nelle quali alcuni modelli e alcuni dati rimangono all’interno dei data center aziendali.
La ragione riguarda certamente le prestazioni, la latenza e la prevedibilità dei costi. Ma soprattutto riguarda il controllo.
Le organizzazioni vogliono utilizzare l’AI su dati finanziari, informazioni sanitarie, proprietà intellettuale, processi industriali, codice sorgente e documentazione riservata. In molti casi, preferiscono evitare che queste informazioni transitino su infrastrutture condivise o escano dal proprio perimetro operativo.
L’AI rafforza quindi l’hybrid cloud, ma ne modifica il significato. L’ambiente ibrido non è più soltanto il risultato della convivenza tra sistemi legacy e cloud pubblico. Diventa una scelta intenzionale per collocare ciascun carico di lavoro nel luogo più adatto in funzione di sicurezza, costi, prestazioni e sensibilità dei dati.
E possiamo dire che da questo punto di vista, IBM possiede tecnologie che rispondono direttamente alla domanda di controllo.
Il ritorno del ferro
Se c’è una lezione che questa storia porta con sé, è il riconoscimento del dato di fatto: l’intelligenza artificiale ha riportato al centro l’hardware.
Il “ferro” torna a essere strategico perché il software, da solo, non può sostenere la crescita dell’AI. Le prestazioni di un modello dipendono dalla macchina sulla quale viene eseguito, dalla memoria disponibile, dalla velocità di accesso ai dati e dall’efficienza con cui i carichi vengono distribuiti.
Questo non significa che il software abbia perso importanza. Al contrario, hardware e software tornano a dipendere l’uno dall’altro in modo ancora più stretto.
Le piattaforme che stanno conquistando una posizione forte nel mercato dell’AI sono spesso quelle capaci di controllare entrambi i livelli. Nvidia ha costruito il proprio vantaggio unendo GPU e ambiente software. Gli hyperscaler progettano processori, reti, data center e servizi cloud come parti della stessa architettura.
IBM dispone già di molti degli elementi necessari per seguire la stessa logica: processori proprietari, mainframe, Power, LinuxONE, Red Hat, automazione, piattaforme dati e strumenti di intelligenza artificiale. Ha investito molto per diventare un’azienda più orientata al software e ai servizi, ma dispone di alcune delle piattaforme hardware più avanzate e sicure del mercato enterprise.
La questione non è quindi tornare semplicemente a vendere più hardware. È utilizzare le macchine come base di una piattaforma integrata, capace di eseguire l’AI dove risiedono i dati e di governarla con gli stessi requisiti applicati ai sistemi più critici dell’impresa.
