Το ερώτημα, επομένως, είναι αν η Fed θα πρέπει να αντιμετωπίσει τις πιέσεις που δημιουργεί αυτή η επενδυτική έκρηξη ως ένα παραδοσιακό πληθωριστικό πρόβλημα και να αντιδράσει με υψηλότερα επιτόκια.

Η απάντηση δεν είναι αυτονόητη.

Το μάθημα της δεκαετίας του 1990

Η νομισματική πολιτική δεν επηρεάζει μόνο τη ζήτηση και τον πληθωρισμό. Επηρεάζει επίσης το κόστος κεφαλαίου, τις επενδύσεις και τα κίνητρα των επιχειρήσεων να αναπτύξουν και να υιοθετήσουν νέες τεχνολογίες.

Η δεκαετία του 1990 αποτελεί χαρακτηριστικό παράδειγμα. Στα μέσα της δεκαετίας, η ανεργία είχε υποχωρήσει κάτω από τα επίπεδα που τότε θεωρούνταν συμβατά με σταθερό πληθωρισμό. Στη Fed υπήρχαν πιέσεις για περαιτέρω αυξήσεις επιτοκίων.

Ο Alan Greenspan, ωστόσο, εξέτασε μια διαφορετική πιθανότητα: μήπως τα οικονομικά μοντέλα είχαν υποτιμήσει την αύξηση της παραγωγικότητας και, κατά συνέπεια, την ικανότητα της οικονομίας να αναπτύσσεται χωρίς να δημιουργεί πληθωριστικές πιέσεις;

Η Fed απέφυγε σε μεγάλο βαθμό την επιθετικότερη σύσφιξη. Η ανεργία συνέχισε να μειώνεται, ενώ ο πληθωρισμός παρέμεινε υπό έλεγχο.

Το πρόβλημα σήμερα είναι ότι δεν μπορούμε να γνωρίζουμε πόσο διαφορετική θα ήταν η αμερικανική οικονομία εάν η Fed είχε τότε επιμείνει σε υψηλότερα επιτόκια.

Ο πληθωρισμός που προκαλείται από υπερβολικά χαλαρή πολιτική τελικά εμφανίζεται στα οικονομικά στοιχεία. Η παραγωγικότητα που δεν δημιουργήθηκε επειδή κάποιες επενδύσεις και καινοτομίες δεν πραγματοποιήθηκαν ποτέ, δεν εμφανίζεται πουθενά.

Και στην περίπτωση του AI, αυτή η απώλεια μπορεί να είναι μόνιμη.

Η άλλη πλευρά της έκρηξης του AI

Υπάρχει όμως ένα δεύτερο, λιγότερο κατανοητό ζήτημα: η χρηματοπιστωτική αρχιτεκτονική που δημιουργείται γύρω από την τεχνητή νοημοσύνη.

Η επενδυτική έκρηξη απαιτεί τεράστια κεφάλαια και δημιουργεί ολοένα πιο σύνθετες σχέσεις μεταξύ τεχνολογικών εταιρειών, επενδυτών, τραπεζών και ιδιωτικών αγορών.

Παράλληλα, αυξάνονται η μόχλευση, οι ανάγκες χρηματοδότησης και οι αλληλεξαρτήσεις μεταξύ διαφορετικών τμημάτων του χρηματοπιστωτικού συστήματος.

Αυτό δημιουργεί έναν κίνδυνο που τα παραδοσιακά μοντέλα της νομισματικής πολιτικής ενδέχεται να μην αποτυπώνουν επαρκώς.

Τα μοντέλα της Fed δίνουν συνήθως έμφαση στον πληθωρισμό, την απασχόληση και το παραγωγικό κενό. Όμως οι χρηματοοικονομικές συνθήκες μπορούν να μεταφέρουν πληροφορίες που δεν αποτυπώνονται έγκαιρα σε αυτούς τους δείκτες. Τα credit spreads, για παράδειγμα, μπορούν να αποκαλύψουν στρεβλώσεις στη χρηματοδότηση και αλλαγές στο κόστος κεφαλαίου των επιχειρήσεων.

Το μάθημα του 2008

Εδώ βρίσκεται και το σημαντικότερο μάθημα από την παγκόσμια χρηματοπιστωτική κρίση.

Το πρόβλημα του 2008 δεν ήταν απλώς ότι η Fed είχε καθορίσει λάθος το επιτόκιο. Οι υπεύθυνοι χάραξης πολιτικής απέτυχαν να αντιληφθούν εγκαίρως το μέγεθος της μόχλευσης, την πολυπλοκότητα και τη διασύνδεση ενός χρηματοπιστωτικού συστήματος που είχε εξελιχθεί πολύ ταχύτερα από τα μοντέλα και τις αντιλήψεις τους.

Η τεχνητή νοημοσύνη ασφαλώς δεν είναι το νέο subprime. Δεν υπάρχει σήμερα επαρκής λόγος για να προβλέψει κανείς μια νέα χρηματοπιστωτική κρίση.

Το θεσμικό δίδαγμα, όμως, παραμένει επίκαιρο: όταν η χρηματοπιστωτική καινοτομία εξελίσσεται ταχύτερα από την ικανότητά μας να την κατανοήσουμε, ο εντοπισμός του κινδύνου πρέπει να βρίσκεται στο επίκεντρο της πολιτικής.

Η Fed χρειάζεται να γνωρίζει καλύτερα ποιος χρηματοδοτεί τις επενδύσεις στο AI, πόση μόχλευση έχει δημιουργηθεί, πού βρίσκεται ο κίνδυνος ωρίμανσης και ποιες θα είναι οι τελικές απώλειες εάν τα αναμενόμενα έσοδα από την τεχνολογία δεν επιβεβαιωθούν.

Η παγίδα της υπερβολικής σύσφιξης

Μια μηχανιστική αντίδραση με υψηλότερα επιτόκια θα μπορούσε τελικά να δημιουργήσει ένα ιδιαίτερα δυσμενές αποτέλεσμα.

Εάν η βασική απειλή δεν είναι ο πληθωρισμός αλλά η χρηματοπιστωτική ευπάθεια, τα υψηλότερα επιτόκια θα μπορούσαν να αποκαλύψουν μόχλευση που δεν έχει γίνει πλήρως αντιληπτή, ενώ ταυτόχρονα θα αύξαναν το κόστος των επενδύσεων που απαιτούνται για να αποδώσει το AI τα αναμενόμενα οφέλη του.

Το αποτέλεσμα θα μπορούσε να είναι διπλά αρνητικό: περισσότερη χρηματοπιστωτική αστάθεια και μικρότερη παραγωγική επένδυση.

Υπάρχει μάλιστα και ένας μακροπρόθεσμος κίνδυνος. Η δημιουργία data centers, ενεργειακών υποδομών, τεχνογνωσίας και ανθρώπινου κεφαλαίου δημιουργεί σωρευτικά πλεονεκτήματα. Εάν ένα μέρος αυτών των επενδύσεων κατευθυνθεί σε άλλες χώρες, μια μελλοντική μείωση των αμερικανικών επιτοκίων δεν σημαίνει ότι οι επενδύσεις θα επιστρέψουν στις ΗΠΑ.

Η απώλεια ενός σημαντικού τμήματος του επενδυτικού κύκλου του AI θα μπορούσε έτσι να αφήσει μόνιμο αποτύπωμα στην αμερικανική παραγωγικότητα και ανταγωνιστικότητα.

Η Fed πρέπει να βλέπει πέρα από τον πληθωρισμό

Αυτό δεν αποτελεί επιχείρημα υπέρ μιας χαλαρής νομισματικής πολιτικής. Εάν ο πληθωρισμός παραμείνει επίμονος, η Fed θα πρέπει να αντιδράσει.

Το ζητούμενο είναι διαφορετικό: να χρησιμοποιούνται τα σωστά εργαλεία για το σωστό πρόβλημα.

Η χρηματοπιστωτική σταθερότητα πρέπει να επανέλθει σε κεντρικότερη θέση στη σκέψη της Fed. Η μόχλευση, οι εύθραυστες δομές χρηματοδότησης και οι στρεβλώσεις στην κατανομή κεφαλαίου μπορούν να προκαλέσουν πολύ μεγαλύτερη και πιο μακροχρόνια οικονομική ζημιά από μια μέτρια απόκλιση του πληθωρισμού ή της απασχόλησης από τον στόχο.

Η Fed πέρασε τα τελευταία χρόνια αναγνωρίζοντας ξανά τους κινδύνους από την υποτίμηση του πληθωρισμού. Η επόμενη πρόκληση είναι να μην αιφνιδιαστεί από τη χρηματοπιστωτική καινοτομία που συνοδεύει την τεχνητή νοημοσύνη.

Ο πληθωρισμός τελικά εμφανίζεται στα στοιχεία. Οι χρηματοπιστωτικές ευπάθειες μπορεί να παραμένουν αόρατες μέχρι να μετατραπούν σε κρίση. Και η χαμένη παραγωγικότητα μπορεί να είναι ακόμη δυσκολότερο να εντοπιστεί — και ενδεχομένως μη αναστρέψιμη.

Ο μεγαλύτερος κίνδυνος, επομένως, δεν είναι απλώς να υπάρξει υπερβολική επένδυση στο AI. Είναι να περιοριστεί η αμερικανική επένδυση και τεχνολογική πρωτοπορία πριν προλάβουν να εμφανιστούν τα πλήρη οφέλη της τεχνητής νοημοσύνης στην παραγωγικότητα.

Joao F. Gomes — Καθηγητής Χρηματοοικονομικών και Ανώτερος Αντιπρύτανης Έρευνας, Κέντρων και Ακαδημαϊκών Πρωτοβουλιών στη Wharton School, University of Pennsylvania.

Πηγή: Fortune