#Finsubito news – Il debito dell’AI cerca nuovi compratori. Le banche iniziano a trasferire il rischio dei data center

Il finanziamento delle infrastrutture per l’intelligenza artificiale entra in una fase più selettiva. Il caso dei 38 miliardi di dollari di prestiti legati ai data center utilizzati da Oracle mostra quanto sia complesso distribuire esposizioni di queste dimensioni. Intanto le banche studiano strumenti per ridurre la concentrazione del rischio e gli investitori chiedono condizioni più favorevoli. Il problema non è soltanto trovare i capitali per costruire i data center, ma stabilire chi sarà disposto a detenerne il debito e a quale prezzo.

Le banche che hanno contribuito a finanziare l’espansione delle infrastrutture per l’intelligenza artificiale stanno affrontando una questione che fino a pochi mesi fa sembrava secondaria rispetto alla necessità di raccogliere capitali: trovare investitori disposti ad assorbire una quantità crescente di debito collegato alla costruzione dei data center.

Non significa che il credito destinato all’AI si sia improvvisamente esaurito. Le operazioni continuano a essere finanziate, anche per importi che fino a poco tempo fa sarebbero sembrati eccezionali. Ma il mercato comincia a distinguere con maggiore attenzione tra la solidità dei soggetti coinvolti, la durata degli impegni, il rischio di costruzione e la capacità dei progetti di generare flussi di cassa sufficienti a remunerare il capitale investito.

È un cambiamento che riguarda direttamente il funzionamento finanziario dell’intera filiera dell’intelligenza artificiale. Perché tra l’annuncio di un investimento da decine di miliardi e la sua effettiva realizzazione esiste una catena di finanziamenti, garanzie, contratti e trasferimenti di rischio che deve trovare un equilibrio sul mercato.

Il caso più significativo è quello dei 38 miliardi di dollari di prestiti organizzati da un gruppo di banche guidato da JPMorgan e Mitsubishi UFJ Financial Group per finanziare nuovi data center in Texas e Wisconsin destinati a essere utilizzati da Oracle.

Secondo Bloomberg, il pacchetto, predisposto nel 2025, ha richiesto diversi mesi per essere distribuito tra altri intermediari e investitori. Il punto che qui interessa è proprio quello di capire perché operazioni di queste dimensioni richiedano una distribuzione del rischio sempre più articolata e quali conseguenze possa avere questo processo sul costo del capitale.

Oracle, il caso che mostra la dimensione del problema

Oracle occupa una posizione particolare nell’economia delle infrastrutture AI. La società ha assunto impegni commerciali di grande dimensione per fornire capacità di calcolo e servizi cloud, mentre la realizzazione dei data center necessari coinvolge sviluppatori immobiliari, finanziatori bancari e investitori istituzionali.

Il pacchetto da 38 miliardi di dollari relativo ai progetti in Texas e Wisconsin rappresenta un esempio di questa struttura.

I finanziamenti non devono essere confusi con obbligazioni corporate emesse direttamente da Oracle. Sono prestiti collegati alla costruzione di infrastrutture destinate a essere utilizzate dalla società, attraverso accordi contrattuali che contribuiscono a sostenere il valore economico dei progetti.

La differenza è sostanziale. Nel primo caso il creditore finanzia direttamente l’impresa e ne valuta la capacità complessiva di rimborso, nel secondo, il finanziamento può dipendere da una combinazione di contratti di locazione, caratteristiche dell’infrastruttura, garanzie, capitale apportato dagli sviluppatori e condizioni specifiche dell’operazione.

Il rischio non scompare, ma viene distribuito lungo una catena di soggetti differenti.

Perché le banche non vogliono tenere tutto il rischio

Per comprendere il fenomeno bisogna distinguere tra finanziare un progetto e mantenerne il rischio nel proprio bilancio. Quando una banca organizza un grande finanziamento, può assumere inizialmente un impegno significativo con l’obiettivo di distribuirne successivamente una parte ad altri intermediari o investitori.

È un’attività ordinaria dei mercati del credito. La syndacation permette di finanziare operazioni che sarebbero troppo grandi per un singolo istituto e consente di ripartire le esposizioni tra soggetti con differenti capacità e propensione al rischio.

Il problema nasce quando molti progetti di dimensioni eccezionali arrivano contemporaneamente sul mercato e presentano caratteristiche economiche simili. Un finanziamento per un data center può apparire relativamente solido perché sostenuto da un contratto di lungo periodo con un grande cliente tecnologico. Ma se una banca partecipa a numerose operazioni analoghe, la sua esposizione complessiva può diventare fortemente concentrata nello stesso settore, negli stessi operatori o nelle medesime aspettative di crescita della domanda AI.

La qualità del singolo contratto non elimina quindi il rischio di concentrazione ed è proprio in questo contesto che acquistano rilevanza gli strumenti di trasferimento del rischio di credito, tra cui le operazioni note come significant risk transfer, o SRT.

In termini semplificati, queste strutture permettono a una banca di trasferire a investitori esterni una parte delle potenziali perdite associate a un portafoglio di finanziamenti, senza necessariamente vendere i prestiti sottostanti. L’intermediario può continuare a detenere formalmente i crediti, mentre una parte del rischio economico viene assunta da soggetti specializzati.

Non bisogna confondere queste operazioni con una normale vendita di prestiti e neppure interpretarle automaticamente come il segnale che una banca ritenga imminente un’insolvenza. Possono rispondere a esigenze di gestione del capitale, diversificazione e rispetto dei limiti interni di esposizione, ma il loro crescente interesse nel finanziamento dei data center introduce una questione importante: il sistema bancario sta cercando di ampliare la capacità di finanziare l’AI distribuendo una parte crescente del rischio verso investitori esterni.

La sostenibilità di questa espansione dipende anche dalla disponibilità di tali investitori a continuare ad assumersi le esposizioni, soprattutto se le condizioni di mercato dovessero diventare meno favorevoli.

Il rischio si sposta, non scompare

Nella serie “I soldi dell’AI” abbiamo analizzato come la crescita delle infrastrutture stia favorendo il ricorso a joint venture, società veicolo, finanziamenti di progetto, contratti di leasing e garanzie di valore residuo.

Queste strutture permettono di mobilitare capitali esterni e di ripartire gli impegni finanziari tra più soggetti e, in alcuni casi, possono anche modificare il modo in cui debiti e obbligazioni vengono rappresentati nei bilanci delle società tecnologiche.

Ma la distribuzione contabile di un’esposizione non coincide necessariamente con la sua eliminazione economica. Se un data center viene finanziato attraverso una società veicolo, il rischio può essere assunto inizialmente da banche e investitori del progetto. Se successivamente le banche trasferiscono parte di quel rischio ad altri operatori, l’esposizione prosegue il proprio percorso all’interno del sistema finanziario.

La domanda diventa allora chi si trovi, alla fine della catena, a sopportare le perdite qualora i ricavi previsti non si materializzino, i costi di costruzione aumentino oppure il valore economico dell’infrastruttura risulti inferiore alle aspettative. Ed è proprio su questo che stiamo concentrando la nostra analisi, non soltanto per stabilire quanto debito venga creato per finanziare l’AI, ma dove finisca quel debito (perché il mercato dei risparmiatori è dietro l’angolo) e quali garanzie accompagnino il suo trasferimento.

Il mercato sta diventando più selettivo

Il segnale più recente arriva dall’andamento complessivo delle emissioni.

Secondo il Financial Times, a settembre 2026 i finanziamenti di debito collegati all’intelligenza artificiale sono scesi a circa 23 miliardi di dollari, meno della metà rispetto al mese precedente. Morgan Stanley ha indicato un picco di 113 miliardi a giugno, seguito da una riduzione dell’attività nei mesi successivi.

Questo andamento non prova, da solo, che gli investitori abbiano perso fiducia nell’intelligenza artificiale dato che le emissioni di debito possono variare sensibilmente da un mese all’altro per ragioni legate alla programmazione delle operazioni, alle condizioni dei mercati finanziari e alle esigenze specifiche degli emittenti.

Il confronto diventa però più significativo se inserito nel contesto di un mercato che ha raccolto quantità eccezionali di capitale nei mesi precedenti dove, secondo la stessa ricostruzione del Financial Times, le emissioni riconducibili all’AI nel mercato statunitense delle obbligazioni investment grade avevano raggiunto circa 306 miliardi di dollari nei primi otto mesi del 2026.

Adesso, se è vero che un rallentamento dopo una fase di emissioni così intensa può rappresentare un normale processo di assestamento, può anche riflettere una maggiore selettività degli investitori, soprattutto quando aumenta il costo del denaro e si moltiplicano i progetti che competono per le stesse risorse finanziarie.

Il punto da osservare non è soltanto il volume delle emissioni, ma il prezzo richiesto dal mercato per assorbirle. Se un investitore domanda un rendimento più elevato per acquistare il debito di un progetto AI, quel maggiore costo può riflettersi sull’economia dell’intera infrastruttura e se il capitale diventa più costoso, alcune operazioni possono richiedere garanzie aggiuntive, condizioni contrattuali più favorevoli ai finanziatori oppure una quota maggiore di capitale proprio.

Il rischio non deve necessariamente tradursi in un’insolvenza per produrre conseguenze economiche, può anche manifestarsi prima, attraverso una riduzione della convenienza a finanziare nuovi progetti.

Il prezzo del capitale diventa una variabile industriale

La costruzione di un grande data center richiede investimenti iniziali molto elevati e tempi di realizzazione che possono estendersi per anni. Terreni, edifici, connessioni alla rete elettrica, sistemi di raffreddamento, apparecchiature e infrastrutture tecnologiche devono essere finanziati prima che l’impianto raggiunga la piena capacità operativa.

Il rendimento atteso dipende quindi non soltanto dalla domanda futura di calcolo, ma anche dal costo al quale il progetto riesce a raccogliere capitale dove un aumento dei tassi di interesse o degli spread creditizi può modificare significativamente il rapporto tra investimenti e flussi di cassa attesi.

Questo è particolarmente importante per le infrastrutture AI, perché una parte del valore economico dipende da apparecchiature soggette a cicli tecnologici molto rapidi. Gli edifici, gli impianti elettrici e alcune componenti infrastrutturali possono mantenere utilità per periodi relativamente lunghi. I processori e gli acceleratori AI, invece, sono esposti all’evoluzione delle prestazioni, dei consumi energetici e dei costi delle generazioni successive.

La durata finanziaria di un investimento può quindi essere diversa dalla vita economica delle sue componenti tecnologiche ed è uno dei motivi per cui il mercato tende a valutare diversamente un finanziamento sostenuto da un contratto con un grande hyperscaler investment grade rispetto a un’operazione che dipende da un cliente meno capitalizzato o da aspettative di utilizzo ancora da consolidare.

Il nuovo interrogativo: chi finanzia la crescita futura?

La vicenda Oracle mostra quanto il finanziamento dell’intelligenza artificiale sia ormai diventato un fenomeno che supera ampiamente i bilanci delle singole aziende tecnologiche.

Le grandi imprese continuano a sostenere investimenti considerevoli attraverso la propria capacità di generare cassa, ma la dimensione delle infrastrutture previste richiede anche il coinvolgimento di banche, mercati obbligazionari, private credit, fondi infrastrutturali e investitori istituzionali.

Reuters, citando stime di Morgan Stanley, ha riferito che entro il 2028 le infrastrutture AI potrebbero richiedere circa 1.500 miliardi di dollari di finanziamenti esterni. Si tratta di una proiezione, non di un ammontare già raccolto o di debito già contratto, ma mette in evidenza come la scala del fabbisogno ponga un problema di assorbimento del capitale.

Se le banche devono distribuire esposizioni sempre più grandi e gli investitori diventano più selettivi, il mercato dovrà trovare un equilibrio tra la quantità di infrastrutture che le aziende intendono realizzare e il rendimento richiesto da chi ne finanzia la costruzione.

Questo equilibrio può cambiare anche senza una contrazione della domanda AI. È sufficiente che il costo del capitale aumenti, che i tempi autorizzativi si allunghino o che la disponibilità di energia ritardi l’entrata in funzione degli impianti per modificare la redditività attesa di un progetto.

La sostenibilità finanziaria dell’AI non dipende quindi esclusivamente dal successo commerciale dei modelli ma anche dalla capacità di trasformare investimenti annunciati in infrastrutture operative, contratti in ricavi e ricavi in flussi di cassa.

È una catena nella quale ogni passaggio introduce rischi differenti.

Dal Capex alla cassa, la prossima verifica

Nei precedenti approfondimenti de “I soldi dell’AI” abbiamo ricostruito la crescita degli investimenti dei principali operatori tecnologici e il ricorso a strutture finanziarie che permettono di coinvolgere capitale esterno.

Il nuovo elemento riguarda il comportamento del mercato che deve assorbire quelle esposizioni.

Finché la domanda di debito rimane elevata, la distribuzione del rischio può apparire soprattutto un problema tecnico di organizzazione dei finanziamenti. Quando invece gli investitori diventano più selettivi, la qualità dei contratti, la struttura delle garanzie e il costo del capitale assumono un peso maggiore nelle decisioni industriali.

Il caso Oracle non dimostra che il sistema sia entrato in crisi. Il pacchetto da 38 miliardi è stato quasi interamente distribuito e altre operazioni di grande dimensione hanno trovato finanziatori, ma dimostra anche che la disponibilità di capitale non può essere considerata una variabile illimitata o indipendente dal prezzo del rischio.

La prossima verifica arriverà dai risultati finanziari delle grandi aziende tecnologiche.

Sarà importante confrontare la crescita del Capex con quella dei flussi di cassa operativi, osservare l’evoluzione del free cash flow e distinguere l’indebitamento diretto dalle obbligazioni future e dalle strutture finanziarie collegate ai singoli progetti.

A questi indicatori dovremo aggiungere una dimensione che finora è rimasta relativamente meno visibile: la capacità del mercato del credito di continuare ad assorbire le esposizioni generate dall’espansione infrastrutturale dell’AI.

Perché un investimento può essere economicamente promettente, sostenuto da contratti di lungo periodo e finanziabile sulla carta, ma richiedere comunque condizioni più onerose per trovare compratori.

Ed è proprio in quel passaggio che le aspettative sulla crescita dell’intelligenza artificiale incontrano il prezzo effettivo del capitale.

Il problema, per il momento, non è che il debito dell’AI non trovi più investitori. È che il mercato sta iniziando a chiedere con maggiore attenzione quale rischio gli venga trasferito, da chi sia garantito e quanto debba essere remunerato per assumerlo.

Una domanda destinata a diventare sempre più importante se la crescita degli investimenti continuerà a superare quella della cassa disponibile per finanziarli.

.

Nota metodologica e fonti – L’articolo distingue tra debito corporate, finanziamenti di progetto, prestiti sindacati e trasferimenti del rischio di credito. Gli importi relativi a queste categorie non sono sommabili automaticamente. Le operazioni citate sono ricostruite sulla base delle informazioni pubblicate da Bloomberg, Financial Times e Reuters. Le proiezioni sui fabbisogni futuri non rappresentano obbligazioni finanziarie già assunte.

Correlati