A lezione di strategia dai fondi di investimento

Il capitale cambia rotta: software meno difendibile, servizi AI-enabled, mercato del lavoro che si polarizza

Provo a proporre qualche riflessione in ordine sparso potenzialmente utile sia a chi si occupa di valutazione d’azienda sia a chi, come noi, dalla valutazione parte per aiutare chi fa impresa a definire strategia, finanza e governance. I cambiamenti che attraversano il mercato sono impattanti e molto veloci. Qualunque critica motivata o lettura alternativa è bene accetta.

Negli ultimi mesi i flussi di private equity e venture capital stanno mostrando un riposizionamento che ha implicazioni dirette per chi accompagna imprese in operazioni di valutazione, M&A e passaggio generazionale.

Tre i movimenti principali, che vale la pena distinguere con precisione:

la perdita di centralità del software orizzontale come asset class privilegiata,
il ritorno di interesse per i servizi trasformabili in piattaforme AI-enabled,
la ridefinizione della curva di rarità delle competenze nel mercato del lavoro tecnologico.

A lezione di strategia dai fondi di investimento Share on X

Il “SaaSpocalypse” e la fine del software come porto sicuro

Il primo dato è oggettivo. Il comparto software quotato ha attraversato tra settembre 2025 e febbraio 2026 una delle correzioni più severe del decennio, al punto che gli operatori in USA hanno coniato il termine SaaSpocalypse per descrivere il fenomeno.

Il mercato ha iniziato a prezzare l’ipotesi — fino a pochi mesi prima residuale — che l’AI agentic possa erodere intere categorie di SaaS orizzontali, trasformando piattaforme un tempo difendibili in feature replicabili in casa con risorse modeste.

Il framework concettuale più lucido di questa fase è probabilmente quello proposto da Julien Bek di Sequoia Capital nell’articolo Services: The New Software, pubblicato il 5 marzo 2026. La tesi, che vale la pena tradurre nei suoi termini essenziali, è che la prossima società da mille miliardi di dollari sarà una software company travestita da società di servizi.

Il ragionamento è strutturale: chi vende lo strumento — un CRM, una dashboard di analytics, una piattaforma di project management — è in gara contro il prossimo modello linguistico, che può replicarlo; chi invece vende il lavoro svolto (l’NDA redatto, la chiusura di bilancio, la pratica assicurativa stipulata) trasforma ogni miglioramento del modello in un vantaggio competitivo, perché lo stesso lavoro diventa più veloce, più economico e più difendibile.

La distinzione che Bek propone — tra attività a prevalente contenuto di intelligence (traduzione di regole complesse, calcolo, confronto strutturato) e attività a prevalente contenuto di judgement (scelta, esperienza, gusto, istinto affinato negli anni) — ha un valore operativo immediato per chi valuta asset oggi. Là dove il rapporto intelligence/judgement è alto, l’AI può automatizzare rapidamente: il copilot, che affianca il professionista, lascia spazio all’autopilot, che vende direttamente il risultato al cliente finale.

La stessa Sequoia mappa le verticali più esposte — intermediazione assicurativa (140-200 miliardi di dollari di mercato globale), revenue cycle sanitario (50-80 miliardi negli USA), contabilità e audit (50-80 miliardi outsourced), fiscalità per PMI, legale transazionale, IT managed services, procurement indirect — e ne segnala le startup autopilot-native che stanno emergendo.

Il mercato italiano potrebbe essere soggetto a dinamiche più complesse ma il trend è quello e va monitorato.

Il software non è morto: è cambiato il criterio del valore

L’affermazione “il software è meno difendibile” è vera in generale ma l’analisi deve essere meno superficiale.

Il mercato sta segmentando con precisione crescente: da un lato il software orizzontale esposto a sostituzione agentic, dall’altro le piattaforme verticali con dati proprietari, logica di compliance incorporata e workflow profondamente integrati in settori regolati (sanità, financial services, cybersecurity, public sector).

I numeri di mercato confermano questa polarizzazione con nettezza.

Per chi redige perizie o assiste operazioni di M&A, la conseguenza operativa è immediata: usare benchmark di transazione non segmentati per grado di integrazione AI, qualità del dato proprietario e rischio di sostituzione agentic produce oggi valutazioni che il mercato non conferma in fase di exit.

La due diligence tradizionale non basta più; serve una AI due diligence che verifichi se l’asset è resistente all’automazione o se possiede dati proprietari difendibili, come già osservato nelle rassegne sulle tendenze M&A 2026 — anche Trend-online registra che gli acquirenti eseguono ormai una vera “due diligence sull’intelligenza artificiale” come passaggio strutturato del processo.

I servizi tornano attrattivi — ma quali servizi

La seconda tesi — i servizi stanno tornando interessanti per gli investitori — coglie un fenomeno reale ma va circoscritta con precisione. Non tutti i servizi stanno tornando appetibili: lo sono quelli trasformabili in piattaforme AI-enabled con distribuzione consolidata, canali di outsourcing già maturi, budget di spesa già allocati come voci di costo esterne. È esattamente il wedge che Sequoia descrive: sostituire un contratto di outsourcing con un fornitore AI-native è uno swap di vendor — un cambiamento contrattuale netto, con ROI immediato — non una riorganizzazione interna.

Il punto critico, e qui la lettura diventa non banale, è il seguente: lo stesso fenomeno che sta facendo tornare attrattivi i servizi sta penalizzando quelli che non si trasformano. Gli studi di advisory basati su attività ripetibili — compliance di base, ricerca legale, copywriting, entry-level consulting — vengono scontati dai buyer in sede di M&A, perché il rischio di commoditizzazione da AI è prezzato come discount al multiplo. La linea di demarcazione non è più “software vs servizi”, ma “asset con moat di dato proprietario o regolatorio vs asset replicabili da un modello agentic”.

Per le PMI italiane di servizi, che rappresentano oltre i due terzi del tessuto produttivo nazionale, questa riflessione è strategica. Lo studio della Banca d’Italia pubblicato a marzo 2026 — “L’impatto economico dell’adozione dell’intelligenza artificiale: evidenza dalle imprese italiane”, Occasional Paper n. 1005 — fornisce la base empirica più solida oggi disponibile sul contesto nazionale, evidenziando come l’Italia, caratterizzata da una crescita debole della produttività dal 2000, rappresenti un laboratorio particolarmente interessante per misurare gli effetti dell’AI su produttività, redditività, struttura occupazionale e politiche di prezzo.

Il messaggio per l’imprenditore che considera un’operazione straordinaria nei prossimi 18-24 mesi è netto: il premio di valutazione si cattura dimostrando, non dichiarando, come l’AI sia già integrata nei processi, quali dataset proprietari siano stati costruiti, come i workflow siano stati riprogettati per spostarsi dal lato intelligence (automatizzabile) al lato judgement (difendibile).

Il mercato del lavoro: non più debole, ma biforcato

Il quadro che restituiscono le fonti nazionali più autorevoli non è di un mercato del lavoro tech in contrazione generalizzata, ma di un mercato che si sta ridisegnando.

Il Sole 24 Ore, nell’analisi pubblicata a inizio anno sulle previsioni 2026 dei principali player dell’intermediazione del lavoro, documenta una crescita della domanda per figure altamente specializzate di proporzioni inedite. Marco Ceresa, group CEO di Randstad Italia, descrive il 2026 come un anno di “crescita più selettiva e qualitativa”, con valorizzazione delle competenze AI, cybersecurity e analisi dei dati e una progressiva minore centralità dei profili junior generalisti.

A livello istituzionale il tema è ormai pienamente sul tavolo. Il Ministero del Lavoro ha pubblicato il primo documento “Verso l’Osservatorio sull’adozione di sistemi di intelligenza artificiale nel mondo del lavoro” a febbraio 2026, con una raccolta strutturata di contributi che inquadrano l’esposizione delle professioni all’AI, la Strategia Italiana per l’IA 2024-2026 e il recepimento dell’AI Act. La lettura corretta non è dunque che i profili tech perdano potere negoziale in senso assoluto: junior e coordinatori mid-level perdono leva contrattuale, architetti AI, data engineer e system designer senior la mantengono — e in alcuni casi la rafforzano.

Tre implicazioni operative per chi fa advisory in Italia

La conclusione, per chi assiste imprese italiane in operazioni di valutazione, M&A o passaggio generazionale, è più pratica di quanto il dibattito pubblico lasci intendere. La direzione del vento non è “uscire dal software ed entrare nei servizi”: è distinguere, dentro ogni settore, tra asset con moat strutturale e asset esposti a sostituzione agentic.

La prima implicazione riguarda la leggibilità dell’asset. Dimostrare che l’azienda ha costruito dati proprietari, codificato i workflow, reso misurabili gli effetti dell’AI sui conti economici non è più storytelling opzionale, ma driver di multiplo.

La AI due diligence è diventata parte integrante della diligenza commerciale e tecnica, e va strutturata come tale fin dalla fase preparatoria di un processo. Per gli asset più esposti, occorre mostrare un percorso credibile di trasformazione — non un investimento promesso, ma un cantiere già aperto e misurabile.

La seconda implicazione riguarda il timing. La finestra in cui il posizionamento AI-native viene premiato come fattore differenziante è stimabile, secondo le analisi convergenti degli operatori internazionali, in 12-24 mesi. Oltre quella soglia il premio diventa condizione necessaria, non distintiva e chi non l’ha costruito viene scontato.

Per gli imprenditori che stanno valutando un’apertura del capitale o una cessione, la pianificazione del timing diventa essa stessa una leva di valore.

la pianificazione del timing diventa essa stessa una leva di valore. Share on X

La terza implicazione riguarda la disciplina valutativa. In fase di valutazione, l’uso acritico di multipli aggregati di comparabili “software” o “servizi professionali” senza segmentazione per grado di integrazione AI, esposizione al rischio di sostituzione e qualità del dato proprietario porta oggi a stime distorte, sia in eccesso sia in difetto.

La soluzione non è abbandonare i metodi tradizionali, ma integrarli con una riflessione strutturata sulla difendibilità del modello di business nel nuovo regime tecnologico, e con una scelta più rigorosa del peer set di riferimento.

Come ha osservato Anna Gervasoni, la missione del private capital non cambia: resta quella di essere il partner dello sviluppo delle imprese. Cambiano i criteri con cui l’investitore prezza quella partnership. Il lavoro di chi accompagna l’imprenditore — commercialista, advisor, perito — è rendere intellegibile questa nuova griglia di valore, tanto in sede di costruzione quanto in sede di trasferimento. Non si tratta di inseguire ogni cambiamento, ma di costruire — e soprattutto rendere misurabile — la difendibilità del valore nel nuovo contesto.

Il resto è rumore.