La finanza è diventata troppo veloce per noi?
Cari post-umani,
chi decide, oggi, il prezzo delle cose? La risposta sembra ovvia: il mercato, cioè milioni di persone che comprano e vendono. Ma se ci avviciniamo a guardare cosa succede davvero dentro una borsa, scopriamo che quelle persone sono quasi sparite dalla scena. Al loro posto ci sono macchine che si scambiano ordini a una velocità che nessun essere umano potrebbe nemmeno percepire.
Non è una novità assoluta. La finanza è sempre stata, prima di ogni altra cosa, una gara di velocità dell’informazione.
C’è un episodio che lo racconta bene. Nel 1850 un giovane di nome Paul Julius Reuter notò che tra Aquisgrana e Bruxelles la rete telegrafica europea si interrompeva: restava un buco di un centinaio di chilometri che i messaggi dovevano percorrere in treno, perdendo ore preziose. Reuter lo colmò con una linea di piccioni viaggiatori. Ogni mattina i suoi colombi coprivano quella distanza in un paio d’ore, trasportando gli ultimi prezzi delle azioni e le notizie di borsa molto prima che arrivassero i giornali o i vagoni. Chi riceveva quei fogli prima degli altri poteva comprare e vendere sapendo qualcosa che il mercato ancora ignorava. Su quel vantaggio di poche ore Reuter costruì un’agenzia che porta ancora il suo nome.
È una storia quasi tenera, con i suoi piccioni. Ma dentro c’è già tutto: nella finanza, arrivare un istante prima degli altri vale denaro. E ogni volta che è cambiata la tecnologia con cui viaggia l’informazione, è cambiato anche chi vince e chi perde. I piccioni hanno lasciato il posto al cavo telegrafico transatlantico, il cavo al telefono, il telefono ai terminali elettronici. A ogni passaggio, il vantaggio si è spostato da chi aveva più intuito a chi aveva più velocità.
Poi la velocità ha smesso di essere umana.
Oggi la parte del leone, nelle grandi borse, la fanno gli algoritmi. Già nel 2009 si stimava che le società di trading ad alta frequenza fossero appena il due per cento degli operatori, ma generassero circa il settantatré per cento degli ordini sul mercato azionario americano. Non parliamo più di ore, come per i piccioni di Reuter, e nemmeno di secondi: parliamo di microsecondi, milionesimi di secondo. Per guadagnare quei frammenti di tempo, alcune società hanno speso centinaia di milioni per costruire linee a microonde in linea d’aria tra New York e Chicago, o per piazzare i propri server nella stessa stanza dei computer della borsa. Non per capire meglio il mondo: solo per vederlo un battito di ciglia prima di chiunque altro.
Il punto è che a queste velocità la decisione non può più essere umana. Nessuno di noi ragiona in microsecondi. Chi ragiona, ormai, è il codice.
E qui la storia prende una piega più inquietante, perché una macchina che decide alla velocità della luce sbaglia anche alla velocità della luce.
Il 6 maggio 2010 bastò un singolo ordine di vendita, circa quattro miliardi di dollari di contratti futures piazzati da un unico fondo, per innescare una reazione a catena. Gli algoritmi di trading ad alta frequenza amplificarono il movimento, poi molti di loro si ritirarono insieme dal mercato nel giro di pochi istanti. In circa venti minuti l’indice Dow Jones perse quasi mille punti e li recuperò quasi subito. Nel mezzo, alcune azioni impazzirono: i titoli di una grande multinazionale come Procter & Gamble arrivarono a essere scambiati a pochi centesimi, altri a centomila dollari. È passato alla storia come il flash crash: un terremoto durato il tempo di un caffè, provocato non da una crisi economica ma da macchine che reagivano ad altre macchine.
Due anni dopo toccò a una società, la Knight Capital. Il primo agosto 2012 un aggiornamento del software andò storto: un vecchio pezzo di codice, che si credeva spento, tornò attivo per errore su uno dei server. In quarantacinque minuti il sistema eseguì da solo quattro milioni di operazioni su centocinquantaquattro titoli, comprando e vendendo senza sosta. Quando riuscirono a fermarlo, la società aveva perso quattrocentoquaranta milioni di dollari. Quasi il tempo di accorgersene, e un’azienda che esisteva da anni era sull’orlo del fallimento. Non per una frode, non per una scommessa sbagliata di un trader: per un errore di distribuzione di un programma.
Sono episodi vecchi di più di dieci anni. Li racconto perché mostrano una cosa che è solo diventata più vera da allora: nei mercati, la mano che si muove non è più la nostra, e quando si muove male lo fa a una velocità che nessun essere umano fa in tempo a supervisionare.
Nel frattempo le macchine non hanno solo imparato a eseguire in fretta. Hanno cominciato a vedere l’insieme. La piattaforma Aladdin di BlackRock, per fare l’esempio più noto, nel 2020 monitorava il rischio di oltre ventimila miliardi di dollari di attività finanziarie: fondi pensione, banche, assicurazioni di mezzo mondo che guardano lo stesso schermo e usano gli stessi modelli per decidere se un investimento è prudente o pericoloso. È comodo, ed è anche una forma nuova di fragilità. Se moltissimi attori usano lo stesso cervello artificiale per valutare il rischio, tenderanno a spaventarsi nello stesso momento e a correre verso l’uscita tutti insieme, trasformando una piccola scossa in un crollo.
Ora arriva il passaggio che mi interessa di più, ed è quello che dà il titolo a questo capitolo nel libro. Finora gli algoritmi erano velocissimi ma stupidi: eseguivano regole scritte da noi. L’intelligenza artificiale di oggi promette qualcosa di diverso: non solo eseguire, ma decidere. E non è più fantascienza da laboratorio. Il 30 giugno di quest’anno, al forum della Banca centrale europea di Sintra, la vicegovernatrice della Banca d’Inghilterra Sarah Breeden ha citato un dato che dovrebbe farci riflettere: secondo un’indagine del Cambridge Centre for Alternative Finance, ormai circa il cinquantadue per cento delle società finanziarie utilizza sistemi di intelligenza artificiale «agentici», capaci di eseguire intere sequenze di operazioni senza che un essere umano controlli i singoli passaggi. «I nostri strumenti di vigilanza non erano stati concepiti per contemplare agenti autonomi», ha ammesso. In pochi anni siamo passati dai prototipi di laboratorio a metà del mercato: stiamo delegando a sistemi artificiali non più solo la rapidità dell’esecuzione, ma il giudizio su cosa vale e cosa no.
Ed è qui che dovremmo fermarci a pensare, perché i rischi non sono più soltanto tecnici.
Il primo è la fragilità nascosta dietro l’efficienza. Un mercato dove quasi tutti usano modelli simili, addestrati sugli stessi dati, tende a muoversi come un solo animale. Finché il mare è calmo sembra tutto più stabile. Nel momento sbagliato, quella somiglianza diventa un effetto gregge alla velocità della macchina. È esattamente ciò che teme Breeden: se migliaia di agenti costruiti sugli stessi «modelli fondativi» ricevono lo stesso segnale, tendono a reagire nello stesso istante, quasi sempre vendendo nei momenti di tensione, amplificando il crollo. La cosa preoccupante non è l’algoritmo che sbaglia da solo, ma migliaia di algoritmi che sbagliano insieme perché hanno imparato tutti la stessa lezione. Non a caso la Banca d’Inghilterra sta valutando se servano nuovi «interruttori di emergenza» di mercato, capaci di fermare la contrattazione automatica prima ancora che il panico si traduca in prezzi. E pochi giorni dopo, il 6 luglio, l’autorità finanziaria di Singapore ha pubblicato un quadro di regole — lo ha chiamato «Safeguards for Agentic Finance» — che impone di verificare e registrare ogni singola azione proposta da un agente prima che venga eseguita, perché, ha riconosciuto, «la supervisione umana diretta» a queste velocità è diventata impraticabile. È il segno che il problema ha smesso di essere teorico.
Il secondo rischio riguarda la verità, ed è forse il più attuale. Se i mercati reagiscono in automatico alle notizie, allora chi controlla le notizie controlla i prezzi. Il 22 maggio 2023 comparve online la foto di un’esplosione vicino al Pentagono. Era un falso, quasi certamente generato con l’intelligenza artificiale, rilanciato da alcuni account verificati. Nel giro di pochi minuti l’indice S&P 500 ebbe un calo improvviso, prima di risalire non appena l’immagine venne smentita. Nessun danno permanente, per fortuna. Ma è un avvertimento nitido: in un mercato che si muove in automatico, un’immagine finta può spostare miliardi prima ancora che un essere umano si chieda se sia vera. La stessa velocità che rende i mercati efficienti li rende anche manipolabili da chi sa fabbricare una realtà credibile.
E allora torniamo alla domanda dell’inizio, perché la questione vera non è tecnica ma umana.
La finanza, in fondo, è sempre stata un modo per mettere un prezzo sul futuro. Un debito è una promessa: qualcuno si fida che domani gli restituiremo ciò che ci ha prestato oggi. Un’azione è una scommessa di fiducia su un’impresa e sulle persone che la guidano. Per secoli quelle promesse le hanno valutate degli esseri umani, con tutti i loro errori e la loro capacità di dare fiducia. La domanda che mi porto dietro è cosa succede quando a stimare il valore di ogni promessa è una macchina che calcola benissimo le probabilità, ma non sa cosa significhi fidarsi. E non è una domanda astratta: proprio in queste settimane le grandi reti di pagamento stanno costruendo i binari perché siano gli agenti stessi, e non le persone, a comprare, negoziare e saldare i conti. Macchine che pagano altre macchine, che si scambiano promesse senza che nessuno, in mezzo, decida davvero di fidarsi.
Non credo che i mercati automatici siano un nemico, come non lo è nessuna di queste rivoluzioni. La velocità ha reso il credito più accessibile, gli scambi più economici, l’informazione più diffusa. Ma più deleghiamo il giudizio economico a sistemi che ottimizzano numeri, più diventa importante ricordarci quale sia l’ultimo debito che non possiamo cedere a una macchina: la responsabilità di decidere cosa, e chi, merita fiducia.
Per secoli abbiamo inseguito la velocità pensando che ci avrebbe resi più liberi. Forse la sfida dei prossimi anni sarà l’opposto: capire dove vale la pena essere ancora, deliberatamente, lenti.
Davide
Fonti principali:
Paul Julius Reuter e la linea di piccioni viaggiatori tra Aquisgrana e Bruxelles (1850) — History of Information
Trading ad alta frequenza: il 2% degli operatori genera circa il 73% degli ordini (dato 2009), microsecondi e reti a microonde tra New York e Chicago — Wikipedia, High-frequency trading
Il flash crash del 6 maggio 2010: l’ordine da 4,1 miliardi di dollari, il crollo e recupero del Dow, i titoli scambiati da pochi centesimi a centomila dollari — Wikipedia, High-frequency trading
Il caso Knight Capital, 1° agosto 2012: 440 milioni di dollari persi in 45 minuti per un errore di software — Wikipedia, Knight Capital Group
La piattaforma Aladdin di BlackRock: oltre 21.000 miliardi di dollari di attività monitorate (2020) — Wikipedia, Aladdin (BlackRock)
La falsa immagine dell’esplosione al Pentagono e il calo dell’S&P 500 (22 maggio 2023) — Bloomberg, NPR
L’allarme della Banca d’Inghilterra (Sarah Breeden) al forum BCE di Sintra: il 52% delle società finanziarie usa AI agentica, il rischio di herding e l’ipotesi di un «kill switch» di mercato (30 giugno 2026) — Bloomberg, The Times / TechTimes
Il quadro «Safeguards for Agentic Finance at Runtime» (SAFR) della Monetary Authority of Singapore (6 luglio 2026) — FinTech Global
Pagamenti «agentici»: agenti AI che comprano e pagano in autonomia, tra reti di pagamento e stablecoin (2026) — IMF Notes 2026