Όμως ακόμη και αυτή η προσέγγιση ήταν υπερβολικά περιορισμένη.

Στις Ηνωμένες Πολιτείες, τόσο το χρηματοπιστωτικό σύστημα όσο και οι αγορές περιουσιακών στοιχείων έχουν μετατραπεί σε ένα μονόπλευρο στοίχημα πάνω στην τεχνητή νοημοσύνη. Εάν συνεχιστούν οι σημερινές τάσεις, το χρέος που σχετίζεται με τα data centers της τεχνητής νοημοσύνης θα ξεπεράσει το στεγαστικό χρέος μέχρι το τέλος αυτής της δεκαετίας.

Η Fed θα πρέπει πλέον να θέτει το ερώτημα εάν τα έσοδα από αυτά τα data centers θα δημιουργήσουν αρκετές ταμειακές ροές ώστε να αποπληρώσουν εγκαίρως τους πιστωτές.

Το ερώτημα αυτό συχνά συγχέεται με δύο άλλα: εάν η τεχνητή νοημοσύνη αποτελεί φούσκα και εάν αποτελεί μια μετασχηματιστική τεχνολογία. Κάποιος θα μπορούσε να μπει στον πειρασμό να το παρουσιάσει ως ένα δίλημμα — η τεχνητή νοημοσύνη είναι είτε φούσκα είτε μετασχηματιστική τεχνολογία — όμως αυτό θα ήταν λάθος.

Η έκρηξη των σιδηροδρόμων στις ΗΠΑ τον 19ο αιώνα κατέληξε στον Πανικό του 1873, ενώ η έκρηξη των τηλεπικοινωνιών και των εταιρειών dot-com τη δεκαετία του 1990 οδήγησε σε κατάρρευση των χρηματιστηριακών αγορών. Και στις δύο περιπτώσεις, η τεχνολογία ήταν πραγματικά μετασχηματιστική, αλλά οι πιστωτές και οι μέτοχοι καταστράφηκαν παρ’ όλα αυτά, επειδή οι επενδύσεις ξεπέρασαν οποιαδήποτε εύλογη βραχυπρόθεσμη απόδοση.

Ομοίως, στην περίπτωση της τεχνητής νοημοσύνης, η τεχνολογική επιτυχία δεν θα εγγυηθεί τη χρηματοοικονομική επιτυχία. Τα έσοδα που θα δημιουργήσει η τεχνητή νοημοσύνη παραμένουν αβέβαια, όμως τα χρονοδιαγράμματα αποπληρωμής των δανειοληπτών είναι σταθερά.

Τα εργαλεία τεχνητής νοημοσύνης μπορούν να υιοθετηθούν ευρέως και ένα data center μπορεί να χρησιμοποιείται σε μεγάλο βαθμό, χωρίς όμως να παράγει αρκετές ταμειακές ροές ώστε να εξυπηρετήσει τα χρέη των ιδιοκτητών του.

Η ανησυχία για τη χρηματοπιστωτική σταθερότητα προκύπτει από την αναντιστοιχία μεταξύ των κερδοσκοπικών μελλοντικών εσόδων και των σημερινών συμβατικών υποχρεώσεων.

Οι αριθμοί προκαλούν ανησυχία. Ο Ντέιβιντ Καν από την εταιρεία venture capital Sequoia εκτιμά ότι οι περίπου 750 δισ. δολάρια κεφαλαιουχικών δαπανών των hyperscalers για τεχνητή νοημοσύνη φέτος θα χρειαστεί να δημιουργήσουν περίπου 1,5 τρισ. δολάρια εσόδων από τελικούς πελάτες κατά τη διάρκεια ζωής του εξοπλισμού, ώστε να αποσβεστούν.

Σύμφωνα με τον υπολογισμό του, ολόκληρη η ανάπτυξη της τεχνητής νοημοσύνης από την κυκλοφορία του ChatGPT το 2022 φέρει πλέον μια συνολική ελάχιστη απαίτηση αποπληρωμής περίπου 3 τρισ. δολαρίων.

Η Anthropic φημολογείται ότι έχει ετήσια έσοδα περίπου 60 δισ. δολάρια.

Η εταιρεία συμβούλων Bain & Company υπολογίζει ότι η χρηματοδότηση της υπολογιστικής ισχύος που απαιτείται για να καλυφθεί η αναμενόμενη ζήτηση για τεχνητή νοημοσύνη έως το 2030 θα απαιτήσει περίπου 2 τρισ. δολάρια σε νέα ετήσια έσοδα από την τεχνητή νοημοσύνη.

Δεδομένου ότι μια φούσκα είναι αυτό που συμβαίνει όταν η τιμή ενός περιουσιακού στοιχείου υπερβαίνει κατά πολύ τις ταμειακές ροές που δημιουργεί, τέτοιες προβλέψεις φαίνεται να ενισχύουν τις προειδοποιήσεις ότι η τεχνητή νοημοσύνη αποτελεί πράγματι μια φούσκα.

Ήδη, η χρηματοδότηση της ανάπτυξης της τεχνητής νοημοσύνης έχει μετατοπιστεί αποφασιστικά από τις ταμειακές ροές των τεχνολογικών κολοσσών προς τις κεφαλαιαγορές.

Οι κυκλικές χρηματοδοτικές συμφωνίες έχουν γίνει ευρέως διαδεδομένες: οι κατασκευαστές τσιπ επενδύουν σε εργαστήρια τεχνητής νοημοσύνης, τα οποία χρησιμοποιούν τα χρήματα για να αγοράσουν τσιπ, και οι πάροχοι cloud χρηματοδοτούν τις νεοφυείς επιχειρήσεις που ενοικιάζουν τους διακομιστές τους.

Το αποτέλεσμα είναι ένας θετικός βρόχος ανατροφοδότησης μεταξύ αυξανόμενων αποτιμήσεων και κεφαλαιουχικών δαπανών.

Ο κολοσσός των τσιπ Nvidia έχει αναδειχθεί σε στήριγμα ασφαλείας για τις «neoclouds», επιτρέποντας σε ανεπαρκώς κεφαλαιοποιημένους παρόχους cloud να αντλούν ιδιωτική χρηματοδότηση με ελκυστικούς όρους.

Οι τεχνολογικοί κολοσσοί συσσωρεύουν τεράστιες υποχρεώσεις εκτός ισολογισμού μέσω κοινοπραξιών και δομών leasing.

Και ένα αυξανόμενο ποσοστό του κεφαλαίου προέρχεται από ιδιωτικά πιστωτικά κεφάλαια (private credit funds), τα οποία συχνά δανείζουν σε έργα που συνδέονται με τους ίδιους τους χορηγούς τους.

Σε αντίθεση με τους σιδηροδρόμους ή τα καλώδια οπτικών ινών που άφησαν πίσω τους οι προηγούμενες επενδυτικές μανίες, αυτές οι επενδύσεις δεν δημιουργούν απαραίτητα ανθεκτικά περιουσιακά στοιχεία.

Τα τσιπ αποτελούν περίπου το ήμισυ του κόστους ενός data center τεχνητής νοημοσύνης και είναι ουσιαστικά άχρηστα μετά από 3 έως 5 χρόνια.

Οι εξασφαλίσεις μπορεί να χάσουν την αξία τους ταχύτερα από τον ρυθμό αποπληρωμής του χρέους.

Επιπλέον, τα ευρείας κλίμακας κέρδη παραγωγικότητας και οι επιπτώσεις στην αγορά εργασίας που αναμένεται ευρέως ότι θα φέρει η τεχνητή νοημοσύνη δεν είναι ακόμη ορατά στα δεδομένα.

Μια πρόσφατη έκθεση του προσωπικού της Fed καταλήγει στο συμπέρασμα ότι αυτό συμβαίνει επειδή η τεχνητή νοημοσύνη παραμένει στη φάση «ανάπτυξης των υποδομών» της.

Ωστόσο, μια έκρηξη παραγωγικότητας θα απαιτήσει επίσης από τις επιχειρήσεις να πραγματοποιήσουν τεράστιες εσωτερικές επενδύσεις για να ανασχεδιάσουν τις διαδικασίες τους.

Παρόλα αυτά, οι αγορές ήδη προεξοφλούν ισχυρή αύξηση κερδών, η οποία βασίζεται εν μέρει στα κέρδη παραγωγικότητας που θα προέλθουν από την τεχνητή νοημοσύνη, δημιουργώντας ανησυχίες για μια «φούσκα κερδών».

Οι περισσότερες συζητήσεις σχετικά με τον καθοδικό κίνδυνο της τρέχουσας έκρηξης της τεχνητής νοημοσύνης έχουν επικεντρωθεί στο χρηματιστήριο.

Όμως ο μεγαλύτερος κίνδυνος αφορά τις πιστωτικές αγορές.

Βρισκόμαστε πλέον σε ένα «βασισμένο στην αγορά» χρηματοπιστωτικό σύστημα, όπου η πίστωση διαμεσολαβείται λιγότερο από τις τράπεζες και περισσότερο από τις αγορές ομολόγων, τα οχήματα τιτλοποίησης και τους μη τραπεζικούς δανειστές.

Ο κίνδυνος δεν είναι μια φυγή καταθετών από τις τράπεζες όπως στη δεκαετία του 1930, αλλά μια φυγή από το σκιώδες τραπεζικό σύστημα (shadow banking) όπως το 2007: αμφιβολίες σχετικά με την ποιότητα των πιστώσεων προκαλούν συρρίκνωση της βραχυπρόθεσμης χρηματοδότησης και οι δανειολήπτες αναγκάζονται να πουλήσουν σε μια αγορά που υποχωρεί, οδηγώντας σε περαιτέρω πτώση των τιμών.

Με τις αγορές βραχυπρόθεσμης χρηματοδότησης να παγώνουν, η Fed θα βρισκόταν υπό τεράστια πίεση να στηρίξει τους μη τραπεζικούς δανειστές και το χρέος των data centers, όπως ακριβώς στήριξε τα αμοιβαία κεφάλαια χρηματαγοράς το 2020, στην αρχή της πανδημίας COVID-19.

Όμως η τεχνητή νοημοσύνη είναι ακόμη λιγότερο δημοφιλής σήμερα από ό,τι ήταν η Wall Street το 2007.

Μια διάσωση και των δύο θα μπορούσε πιθανότατα να καταστρέψει ό,τι έχει απομείνει από την ανεξαρτησία της Fed.

Υπάρχει μια πιθανότητα οι τεράστιες κεφαλαιουχικές δαπάνες για την τεχνητή νοημοσύνη να δικαιωθούν, δημιουργώντας τα έσοδα που απαιτούνται για την εξυπηρέτηση τρισεκατομμυρίων δολαρίων χρέους.

Σε αυτή την περίπτωση, όμως, η αναμενόμενη αναστάτωση στην αγορά εργασίας θα ήταν χωρίς ιστορικό προηγούμενο.

Είναι η εφιαλτική διχοτόμηση: αν έρθει το ένα αποτέλεσμα, θα έχουμε χρηματοπιστωτική αστάθεια· αν έρθει το άλλο, ένα τεράστιο σοκ στην απασχόληση.

Σε κάθε περίπτωση, η χρηματοπιστωτική σταθερότητα πρέπει να βρίσκεται στο επίκεντρο της ατζέντας της Fed για την τεχνητή νοημοσύνη.

Ακόμη και αν αυτή τη φορά αποδειχθεί ότι τεχνολογικά τα πράγματα είναι διαφορετικά, μπορεί να μην είναι διαφορετικά από χρηματοοικονομικής πλευράς.

Brian Judge είναι διευθυντής έρευνας του Προγράμματος για τα Χρηματοοικονομικά και τη Δημοκρατία στο Πανεπιστήμιο της Καλιφόρνιας, Μπέρκλεϊ.

Πηγή: Project Syndicate