Οι μεγαλύτεροι κερδισμένοι δεν θα είναι κατ’ ανάγκη όσοι κατασκευάζουν τις περισσότερες υποδομές τεχνητής νοημοσύνης. Η Ευρώπη και η Ασία επωφελούνται από τη στρατηγική τους θέση στην εφοδιαστική αλυσίδα, ωστόσο τα μεγαλύτερα οφέλη ενδέχεται τελικά να καταλήξουν στις επιχειρήσεις και στις οικονομίες που θα αξιοποιήσουν αποτελεσματικότερα την AI.

Το βασικό σενάριο της ING είναι μια σταθεροποίηση σε υψηλά επίπεδα και όχι μια απότομη κατάρρευση. Οι σημερινοί κορυφαίοι τεχνολογικοί όμιλοι είναι ιδιαίτερα κερδοφόροι και διαθέτουν πολύ μικρότερη μόχλευση σε σχέση με τις εταιρείες της εποχής της φούσκας των dotcom. Ωστόσο, οι προσδοκίες είναι εξαιρετικά υψηλές. Το κρίσιμο ερώτημα για το 2027 είναι κατά πόσο τα έσοδα από την AI και τα οφέλη στην παραγωγικότητα θα αρχίσουν να δικαιολογούν το πρωτοφανές ύψος των επενδύσεων. Εάν αυτό δεν συμβεί, η υπερβάλλουσα δυναμικότητα, η αυστηρότερη χρηματοδότηση και η υποχώρηση των αποτιμήσεων θα μπορούσαν να μετατρέψουν τη σταθεροποίηση σε μια πολύ πιο απότομη προσγείωση.

Πόσο μεγάλη είναι η επενδυτική έκρηξη και πόσο μπορεί να διαρκέσει;

Σιδηρόδρομοι, ηλεκτροδότηση και οπτικές ίνες της εποχής των dotcom: πώς συγκρίνεται η σημερινή έκρηξη της AI με τις μεγάλες επενδυτικές μανίες του παρελθόντος;

Μεγαλύτερη από την έκρηξη των dotcom, σημαντικότερη για την οικονομική ανάπτυξη και, μέχρι στιγμής, με ασφαλέστερη χρηματοδότηση.

Οι επενδύσεις σε κτιριακές υποδομές κέντρων δεδομένων, υπολογιστές και λογισμικό στις ΗΠΑ έφτασαν το 5,6% του ΑΕΠ το δεύτερο τρίμηνο του 2026, από 3,8% το 2022. Ακόμη και αν αφαιρεθεί η αξία του εισαγόμενου εξοπλισμού, το ποσοστό διαμορφώνεται στο 5,2%.

Το επίπεδο αυτό έχει ήδη ξεπεράσει την κορύφωση της περιόδου των dotcom το 2000, όταν οι επιχειρηματικές επενδύσεις σε υπολογιστές, εξοπλισμό επικοινωνιών και λογισμικό αντιστοιχούσαν περίπου στο 4,5% του ΑΕΠ. Παραμένει, ωστόσο, χαμηλότερο από την επενδυτική μανία των σιδηροδρόμων στη Βρετανία τη δεκαετία του 1840, όταν οι επενδύσεις στον συγκεκριμένο κλάδο έφτασαν περίπου στο 6%-7% του ΑΕΠ.

Επομένως, η σημερινή επενδυτική έκρηξη δεν είναι η μεγαλύτερη στην ιστορία, είναι όμως ήδη μεγαλύτερη από τον τελευταίο μεγάλο τεχνολογικό κύκλο. Επιπλέον, η επίδρασή της στην οικονομική ανάπτυξη είναι πολύ εντονότερη. Οι επενδύσεις στην τεχνολογία πληροφορικής συνέβαλαν κατά 16%-18% στην αύξηση του αμερικανικού ΑΕΠ την περίοδο 1998-2000, ενώ σήμερα οι επενδύσεις που συνδέονται με την τεχνητή νοημοσύνη αντιστοιχούν στο 37% της ανάπτυξης.

Η σημαντικότερη διαφορά, ωστόσο, αφορά τον τρόπο χρηματοδότησης. Οι σιδηρόδρομοι και τα τηλεπικοινωνιακά δίκτυα κατασκευάστηκαν με εκτεταμένη χρήση δανεισμού και ο κύκλος τους ολοκληρώθηκε με χρεοκοπίες. Τον 19ο αιώνα αυτό συνέβη κυρίως μέσω ομολόγων σιδηροδρομικών εταιρειών χωρίς αξιολόγηση πιστοληπτικής ικανότητας, ενώ μετά το 2000 οι απώλειες συνδέθηκαν με ομόλογα υψηλής απόδοσης του τηλεπικοινωνιακού κλάδου. Αυτή τη φορά, οι επενδύσεις χρηματοδοτήθηκαν μέχρι στιγμής κυρίως από τις ταμειακές ροές ορισμένων από τις πιο κερδοφόρες επιχειρήσεις παγκοσμίως, με τον δανεισμό και τις αυξήσεις μετοχικού κεφαλαίου να αποκτούν μόλις πρόσφατα μεγαλύτερο ρόλο.

Διαφορετικά είναι και τα ίδια τα περιουσιακά στοιχεία. Οι σιδηρόδρομοι και τα δίκτυα οπτικών ινών είχαν διάρκεια ζωής δεκαετιών. Τα κτίρια των κέντρων δεδομένων, τα δίκτυα και οι μονάδες παραγωγής ηλεκτρικής ενέργειας έχουν επίσης μακρά διάρκεια ζωής, όμως οι μονάδες επεξεργασίας γραφικών (GPUs) ενδέχεται να έχουν οικονομική ζωή μόλις τριών έως έξι ετών. Αυτή η πολύ μικρότερη διάρκεια αξιοποίησης βρίσκεται στον πυρήνα της συζήτησης για το κατά πόσο οι σημερινές επενδύσεις θα αποφέρουν επαρκείς αποδόσεις.

Υπάρχει, πάντως, και η πιθανότητα τα οφέλη να εμφανιστούν ταχύτερα. Τα εργοστάσια χρειάστηκαν δεκαετίες για να αναδιοργανώσουν την παραγωγή τους γύρω από τον ηλεκτροκινητήρα. Αντίθετα, τα εργαλεία προγραμματισμού με τεχνητή νοημοσύνη αποδίδουν ήδη μέσα σε λίγους μήνες, ενώ η υιοθέτησή τους προκαλεί ανατροπές στους κλάδους του λογισμικού, της λογιστικής, του ηλεκτρονικού εμπορίου και της διαφήμισης.

Το κοινό συμπέρασμα από όλες αυτές τις περιόδους είναι ότι μια τεχνολογική επανάσταση δεν εγγυάται απαραίτητα υψηλές αποδόσεις για όσους χρηματοδοτούν τη δημιουργία των νέων υποδομών. Ο Nasdaq έχασε σχεδόν το 80% της αξίας του μεταξύ 2000 και 2002, ωστόσο οι οπτικές ίνες που είχαν εγκατασταθεί κατά τη διάρκεια της επενδυτικής έκρηξης αποτέλεσαν αργότερα τη βάση της οικονομίας του streaming. Οι επενδυτές κατασκευάζουν τον δρόμο, αλλά κάποιοι άλλοι είναι εκείνοι που τελικά τον αξιοποιούν.

Πόσο ακόμη θα αυξηθούν οι επενδύσεις στην AI το 2027 και εξακολουθεί να επιταχύνεται η επενδυτική έκρηξη;

Οι επενδύσεις συνεχίζουν να αυξάνονται σε απόλυτα μεγέθη, αλλά η συμβολή τους στην οικονομική ανάπτυξη πιθανότατα πλησιάζει στην κορύφωσή της.

Η δυναμική παραμένει ισχυρή. Οι κορυφαίες εταιρείες ημιαγωγών της Ταϊβάν αναφέρουν ότι τα βιβλία παραγγελιών τους είναι πλήρη σε κυλιόμενη βάση 18 μηνών, ενώ κάθε νέα παραγωγική δυναμικότητα απορροφάται αμέσως μόλις τεθεί σε λειτουργία. Οι προβλέψεις του κλάδου δείχνουν ότι η προσφορά θα παραμείνει περιορισμένη σε σχέση με τη ζήτηση έως το 2028.

Εφόσον δεν υπάρξει κύμα ακυρώσεων παραγγελιών ή αθετήσεων πληρωμών, τα δεδομένα αυτά προμηνύουν ακόμη μία χρονιά υψηλών επενδύσεων στην τεχνητή νοημοσύνη το 2027. Οι κεφαλαιουχικές δαπάνες των μεγάλων παρόχων υπολογιστικού νέφους (hyperscalers) αναμένεται να ξεπεράσουν το 1 τρισ. δολάρια, με ολοένα μεγαλύτερο μέρος τους να κατευθύνεται στις υποδομές AI.

Επομένως, έχει κορυφωθεί η επενδυτική έκρηξη; Σε όρους απόλυτων ποσών, όχι. Το βασικό εμπόδιο σήμερα δεν είναι η διάθεση για επενδύσεις, αλλά η περιορισμένη προσφορά: μικροτσίπ, ηλεκτρική ενέργεια, άδειες και εξειδικευμένοι ηλεκτρολόγοι. Όταν το πρόβλημα βρίσκεται στην παραγωγική δυναμικότητα και όχι στη ζήτηση παραγγελιών, το πιθανότερο είναι οι δαπάνες να κατανεμηθούν σε μεγαλύτερο χρονικό διάστημα και όχι να περικοπούν.

Οι οικονομολόγοι, ωστόσο, θα πρέπει να είναι προσεκτικοί ως προς το τι εύχονται. Η αύξηση του ΑΕΠ επηρεάζεται από τη μεταβολή των επενδύσεων και όχι απλώς από το επίπεδό τους. Όταν οι επενδύσεις αυξάνονται κατά 50% ετησίως, προσθέτουν σημαντική ώθηση στην ανάπτυξη. Όταν αυξάνονται κατά 10% πάνω σε μια πολύ μεγαλύτερη βάση, η πρόσθετη συμβολή τους είναι αισθητά μικρότερη. Και όταν απλώς διατηρούνται σε ιστορικά υψηλά επίπεδα, χωρίς περαιτέρω αύξηση, δεν προσθέτουν τίποτα στον ρυθμό ανάπτυξης. Όσο μεγαλώνει η βάση των επενδύσεων, τόσο δυσκολότερη γίνεται η αριθμητική.

Γι' αυτό η ING εκτιμά ότι οι επενδύσεις στην τεχνητή νοημοσύνη θα συνεχίσουν να αυξάνονται το 2027, αλλά η συμβολή τους στην ανάπτυξη των ΗΠΑ θα κορυφωθεί.

Ποια στοιχεία θα μπορούσαν να δείξουν ότι η επενδυτική έκρηξη φτάνει πραγματικά στο τέλος της; Η μείωση των χρόνων παράδοσης για μικροτσίπ και εξοπλισμό, οι ακυρώσεις ή αναβολές έργων κατασκευής κέντρων δεδομένων, η παύση των διαδοχικών ανοδικών αναθεωρήσεων στις προβλέψεις για τις κεφαλαιουχικές δαπάνες και η διεύρυνση της απόστασης ανάμεσα στις επενδύσεις και στα έσοδα από την AI.

Προς το παρόν, ο μεγαλύτερος κίνδυνος δεν είναι να στερέψουν τα κεφάλαια το 2027, αλλά να συνεχίσουν να διοχετεύονται με τόσο γρήγορο ρυθμό, ώστε το ερώτημα για το αν οι επενδύσεις αποδίδουν να γίνεται πολύ πιο πιεστικό το 2028.

Τα μικροτσίπ και τα κέντρα δεδομένων αποτελούν μόνο το πρώτο επίπεδο. Πόσο μεγάλο θα είναι το δεύτερο κύμα επενδύσεων σε δίκτυα, παραγωγή ηλεκτρικής ενέργειας και ψύξη;

Μεγαλύτερο, πιο αργό και με πολύ μεγαλύτερη διάρκεια ζωής από το πρώτο κύμα, ενδεχομένως δε και σημαντικότερο για τις μακροοικονομικές εξελίξεις.

Ως γενικός κανόνας, κάθε 1 δισ. δολάρια μπορεί να χρηματοδοτήσει περίπου 25 MW πλήρως εξοπλισμένης υπολογιστικής ισχύος για εφαρμογές τεχνητής νοημοσύνης. Προφανώς, δεν θα κατευθυνθεί το σύνολο των περίπου 1 τρισ. δολαρίων που αναμένεται να δαπανήσουν οι hyperscalers το 2027 στην υπολογιστική ισχύ AI, καθώς ένα μέρος θα αφορά τις συμβατικές υποδομές cloud. Ακόμη όμως και αν κατευθυνθεί σε αυτές μόλις το μισό ποσό, θα προκύψει πρόσθετη ζήτηση ηλεκτρικής ενέργειας άνω των 12 GW. Πρόκειται για ισχύ αντίστοιχη με την παραγωγή περίπου δώδεκα μεγάλων πυρηνικών αντιδραστήρων, οι οποίοι θα πρέπει να λειτουργούν αδιάλειπτα.

Εδώ ακριβώς αρχίζει το δεύτερο κύμα επενδύσεων: γραμμές μεταφοράς ηλεκτρικής ενέργειας, υποσταθμοί και μετασχηματιστές, αεριοστρόβιλοι και ανανεώσιμες πηγές ενέργειας, συστήματα αποθήκευσης με μπαταρίες και βιομηχανικές εγκαταστάσεις ψύξης.

Στις ΗΠΑ, οι καθυστερήσεις στη σύνδεση με το ηλεκτρικό δίκτυο και οι μεγάλοι χρόνοι παράδοσης μετασχηματιστών έχουν ήδη εξελιχθεί σε δεσμευτικούς περιορισμούς. Ορισμένοι κατασκευαστές έργων επιλέγουν πλέον να δημιουργούν δικές τους μονάδες παραγωγής ηλεκτρικής ενέργειας στις εγκαταστάσεις τους, αντί να περιμένουν τη σύνδεσή τους με το δίκτυο.

Το δεύτερο αυτό κύμα διαφέρει από το πρώτο σε τρία βασικά σημεία.

Πρώτον, τα περιουσιακά στοιχεία έχουν διάρκεια ζωής δεκαετιών και όχι λίγων ετών. Μια GPU μπορεί να έχει καταστεί παρωχημένη έως το 2030, ενώ ένας υποσταθμός που κατασκευάζεται σήμερα μπορεί να εξακολουθεί να λειτουργεί το 2060. Αυτό καθιστά τις επενδύσεις στα δίκτυα λιγότερο ευάλωτες σε μια απότομη υποχώρηση της αγοράς AI και τις φέρνει πιο κοντά στη φύση των επενδύσεων στους σιδηροδρόμους τον 19ο αιώνα.

Δεύτερον, η υλοποίηση είναι πολύ πιο αργή. Οι διαδικασίες αδειοδότησης, ο σχεδιασμός και η κατασκευή απαιτούν χρόνια, γεγονός που κατανέμει την επενδυτική ώθηση σε μεγαλύτερο χρονικό διάστημα και ενδέχεται να παρατείνει τον συνολικό κύκλο.

Τρίτον, τα οφέλη διαχέονται ευρύτερα. Ο εξοπλισμός των δικτύων και της ηλεκτρικής ενέργειας προέρχεται από προμηθευτές στην Ευρώπη και την Ασία, ενώ παράλληλα επωφελούνται οι αμερικανικές κατασκευαστικές και τεχνικές εταιρείες. Έτσι, τα οφέλη δεν περιορίζονται στις ΗΠΑ, αλλά μεταφέρονται σε μεγαλύτερο μέρος της παγκόσμιας οικονομίας.

Υπάρχει, ωστόσο, και μια σημαντική παράμετρος: κάποιος πρέπει να πληρώσει για την επέκταση του δικτύου. Και στις αγορές όπου οι τιμές ρυθμίζονται, αυτός ο κάποιος είναι συχνά ο οικιακός καταναλωτής ηλεκτρικής ενέργειας. Οι αυξημένοι λογαριασμοί ρεύματος έχουν ήδη μετατρέψει τα κέντρα δεδομένων σε πολιτικό ζήτημα σε ορισμένες περιοχές των ΗΠΑ, ενώ τροφοδοτούν άμεσα και τη συζήτηση για τον πληθωρισμό.

Τα μικροτσίπ είναι ένας αγώνας ταχύτητας. Η ηλεκτρική ενέργεια είναι ένας μαραθώνιος – και ο μαραθώνιος ενδέχεται τελικά να αποδειχθεί σημαντικότερος.

Είναι η έκρηξη της AI αποκλειστικά αμερικανική υπόθεση ή υπάρχει θέση και για την Ευρώπη; Ποιοι προμηθεύουν τον απαραίτητο εξοπλισμό;

Μέχρι στιγμής πρόκειται κυρίως για ένα αμερικανικό πάρτι, αλλά η Ευρώπη προμηθεύει σημαντικό μέρος του εξοπλισμού και ενδέχεται τελικά να αποδειχθεί ότι βρίσκεται σε πλεονεκτικότερη θέση.

Η διαφορά στις επενδύσεις είναι εντυπωσιακή. Οι εισαγωγές υπολογιστικού εξοπλισμού και ημιαγωγών στις ΗΠΑ, ένας ενδεικτικός δείκτης των επενδύσεων που σχετίζονται με την AI, έχουν αυξηθεί περίπου κατά 258% από το 2019. Στο Ηνωμένο Βασίλειο, η αντίστοιχη αύξηση ήταν μόλις 38%.

Η ανάπτυξη αντίστοιχων υποδομών στην Ευρώπη εμποδίζεται από τις υψηλές τιμές ενέργειας, την περιορισμένη διαθέσιμη δυναμικότητα των ηλεκτρικών δικτύων – όπως δείχνουν οι περιορισμοί στην κατασκευή κέντρων δεδομένων στο Δουβλίνο και το Άμστερνταμ – αλλά και τον κατακερματισμό των κεφαλαιαγορών. Η πρωτοβουλία της Ευρωπαϊκής Ένωσης για τη δημιουργία AI gigafactories αποτελεί μια προσπάθεια να καλυφθεί μέρος αυτής της απόστασης.

Ωστόσο, η Ευρώπη προμηθεύει κρίσιμο εξοπλισμό για την ανάπτυξη της τεχνητής νοημοσύνης. Η ASML αναμένει πωλήσεις 44-45 δισ. ευρώ το 2026, επισημαίνοντας ότι οι πελάτες της αναθεωρούν συνεχώς προς τα πάνω τις προβλέψεις τους για τη ζήτηση εξοπλισμού, λόγω της κλίμακας και της διάρκειας των επενδύσεων στην AI. Η Infineon εκτιμά ότι τα έσοδά της από εφαρμογές τεχνητής νοημοσύνης θα αυξηθούν από περίπου 1,5 δισ. ευρώ το οικονομικό έτος 2026 σε 2,5 δισ. ευρώ το 2027.

Αν προστεθούν ο ηλεκτρολογικός εξοπλισμός, τα δίκτυα, τα καλώδια, οι μονάδες παραγωγής ηλεκτρικής ενέργειας και τα συστήματα ψύξης, γίνεται σαφές ότι η ευρωπαϊκή βιομηχανική βάση είναι στενά συνδεδεμένη με την αμερικανική επενδυτική έκρηξη.

Η Ασία είναι ένας από τους μεγαλύτερους ωφελημένους από την ανάπτυξη της τεχνητής νοημοσύνης. Τα κέρδη δεν περιορίζονται στη Νότια Κορέα και την Κίνα, οι οποίες έχουν επωφεληθεί από την εκρηκτική αύξηση της ζήτησης για μνήμες και προηγμένο τεχνολογικό εξοπλισμό. Σε ολόκληρη την ASEAN, οι οικονομίες της περιοχής έχουν επίσης προσελκύσει σημαντικές άμεσες ξένες επενδύσεις στους ημιαγωγούς, στην παραγωγή ηλεκτρονικών και στις υποστηρικτικές αλυσίδες εφοδιασμού, καθώς οι επιχειρήσεις επεκτείνουν την παραγωγική τους δυναμικότητα και διαφοροποιούν τα δίκτυα παραγωγής τους.

Ακόμη σημαντικότερο είναι ότι τα ευρύτερα οικονομικά οφέλη της τεχνητής νοημοσύνης προκύπτουν κυρίως από τη χρήση της και όχι από την κατασκευή των υποδομών της. Και σε αυτό το πεδίο η Ευρώπη εμφανίζεται απροσδόκητα ανταγωνιστική. Η υιοθέτηση της AI είναι ισχυρή, ενώ οι μικρομεσαίες επιχειρήσεις στην Ευρώπη τη χρησιμοποιούν σχεδόν με την ίδια ένταση όπως και οι μεγάλες εταιρείες, καθώς το αρχικό κόστος επένδυσης είναι χαμηλό.

Επιπλέον, η τεχνητή νοημοσύνη δεν φαίνεται να είναι μια τεχνολογία στην οποία ο νικητής θα κατακτήσει αναγκαστικά το σύνολο της αγοράς. Το κόστος μετάβασης από έναν πάροχο σε άλλον είναι χαμηλό και τα πλεονεκτήματα που δημιουργούν τα δίκτυα χρηστών περιορισμένα. Εάν οι πάροχοι μοντέλων τεχνητής νοημοσύνης καταλήξουν να ανταγωνίζονται κυρίως μέσω των τιμών, οι μεγαλύτεροι κερδισμένοι θα είναι οι χρήστες. Και η Ευρώπη δεν χρειάζεται να κατασκευάσει σχεδόν τόσα κέντρα δεδομένων όσα οι ΗΠΑ για να επωφεληθεί.

Μπορεί να άργησε να φτάσει στο εργοτάξιο, αλλά η Ευρώπη ενδέχεται να είναι από τις πρώτες που θα αξιοποιήσουν πλήρως τις νέες δυνατότητες.

Υπάρχει και μια θετική πλευρά σε αυτή τη συγκριτικά μικρότερη έκθεση. Η Ευρώπη είναι πολύ λιγότερο ευάλωτη σε περίπτωση που η επενδυτική έκρηξη μετατραπεί σε κατάρρευση. Οι επενδύσεις της στην AI είναι μικρότερες και το λεγόμενο wealth effect, δηλαδή η επίδραση του χρηματιστηριακού πλούτου στην κατανάλωση, είναι πολύ ασθενέστερο. Οι μετοχές αντιστοιχούν στο 13% των χρηματοοικονομικών περιουσιακών στοιχείων των νοικοκυριών στο Ηνωμένο Βασίλειο, έναντι 44% στις ΗΠΑ. Με άλλα λόγια, η απουσία από το πάρτι μπορεί να σημαίνει και μικρότερο hangover.

Ποιοι κλάδοι αναμένεται να κερδίσουν περισσότερο και ποιοι κινδυνεύουν να μείνουν πίσω;

Οι κερδισμένοι θα είναι όσοι προμηθεύουν τις υποδομές ή αξιοποιούν την τεχνητή νοημοσύνη για να αυξήσουν την παραγωγικότητά τους. Οι χαμένοι κινδυνεύουν να είναι εκείνοι των οποίων το επιχειρηματικό μοντέλο βασίζεται ακριβώς στις εργασίες που μπορεί πλέον να εκτελέσει η AI.

Οι πιο ξεκάθαρα ωφελημένοι είναι οι προμηθευτές του εξοπλισμού και των υποδομών που απαιτούνται για την ανάπτυξη της τεχνητής νοημοσύνης: οι εταιρείες ημιαγωγών και εξοπλισμού παραγωγής μικροτσίπ, οι επιχειρήσεις κοινής ωφέλειας και οι διαχειριστές δικτύων, οι κατασκευαστές ηλεκτρολογικού εξοπλισμού, οι κατασκευαστικές εταιρείες, οι προμηθευτές συστημάτων ψύξης και οι ιδιοκτήτες ακινήτων που φιλοξενούν κέντρα δεδομένων. Οι εταιρείες αυτές βλέπουν ήδη τη ζήτηση να αποτυπώνεται στα βιβλία παραγγελιών τους.

Η εικόνα για τον κλάδο του λογισμικού είναι πιο σύνθετη. Η τεχνητή νοημοσύνη αποτελεί ένα ισχυρό εμπορικό επιχείρημα για τις εταιρείες, αλλά ταυτόχρονα απειλεί το μοντέλο τιμολόγησης ανά χρήστη ή θέση εργασίας. Εάν ένας εργαζόμενος, χρησιμοποιώντας έναν AI agent, μπορεί να εκτελεί την εργασία πέντε ατόμων, τότε ο πελάτης θα χρειάζεται λιγότερες άδειες χρήσης λογισμικού.

Οι μεγαλύτεροι κίνδυνοι εντοπίζονται στις παραδοσιακές υπηρεσίες πληροφορικής, στις εταιρείες εξωτερικής ανάθεσης επιχειρηματικών διαδικασιών (BPO), στα τηλεφωνικά κέντρα, σε τμήματα των επαγγελματικών υπηρεσιών, καθώς και στα επιχειρηματικά μοντέλα των μέσων ενημέρωσης και της διαφήμισης που εξαρτώνται από την επισκεψιμότητα μέσω των μηχανών αναζήτησης.

Οι υπηρεσίες που βασίζονται στην AI ενδέχεται επίσης να ανατρέψουν το ηλεκτρονικό εμπόριο, συμπεριλαμβανομένων των διαδικτυακών ταξιδιωτικών πρακτορείων, καθώς οι ψηφιακοί βοηθοί θα αναλαμβάνουν ολοένα περισσότερο την αναζήτηση προϊόντων και υπηρεσιών, αλλά και την ολοκλήρωση των κρατήσεων και των αγορών.

Αυτό, ωστόσο, δεν σημαίνει ότι όλοι οι κλάδοι που εκτίθενται στην τεχνητή νοημοσύνη θα υποστούν αναγκαστικά απώλειες. Το παράδοξο του Jevons – σύμφωνα με το οποίο η φθηνότερη προσφορά μιας υπηρεσίας μπορεί τελικά να οδηγήσει σε αύξηση της συνολικής ζήτησης – ενδέχεται να λειτουργήσει προς όφελος ορισμένων από αυτούς.

Χαρακτηριστικό παράδειγμα είναι οι νομικές υπηρεσίες. Εάν η τεχνητή νοημοσύνη καταστήσει πολύ φθηνότερο τον έλεγχο συμβάσεων ή την παροχή νομικών συμβουλών, η ζήτηση για τέτοιες υπηρεσίες μπορεί να αυξηθεί ταχύτερα από τη μείωση του κόστους ανά εργασία.

Ανάπτυξη μπορεί επίσης να προκύψει από απρόσμενους τομείς. Στην υγειονομική περίθαλψη, η αξιοποίηση της AI στην ανακάλυψη φαρμάκων και στη διαγνωστική μπορεί να οδηγήσει σε νέες θεραπείες και να δημιουργήσει πρόσθετη ζήτηση, αντί απλώς να περιορίσει το κόστος.

Σε τελική ανάλυση, τα οφέλη στην παραγωγικότητα εξαρτώνται περισσότερο από το είδος των εργασιών που εκτελούν οι εργαζόμενοι και λιγότερο από τον κλάδο στον οποίο απασχολούνται. Οι εργαζόμενοι που διαχειρίζονται μεγάλους όγκους δεδομένων, κειμένων ή γραφικών είναι πιθανό να δουν τα μεγαλύτερα οφέλη. Το διάγραμμα που ακολουθεί, από σχετική μελέτη της ING το 2023, παρουσιάζει τη σχέση ανάμεσα στις δυνητικές δυνατότητες της παραγωγικής τεχνητής νοημοσύνης σε διαφορετικές εργασίες και στον βαθμό ψηφιοποίησης των επιμέρους κλάδων: όσο πιο ψηφιοποιημένος είναι ήδη ένας κλάδος, τόσο ταχύτερα μπορεί να ενσωματώσει την AI.

Ανάπτυξη, πληθωρισμός και παγκόσμιο εμπόριο

Πόσο από την ανάπτυξη των ΗΠΑ το 2027 θα προέλθει από τις επενδύσεις στην AI και πώς θα ήταν η οικονομία χωρίς αυτές;

Σήμερα, περισσότερο από το ένα τρίτο. Το 2027 πιθανότατα λιγότερο – και ακριβώς γι’ αυτό αποκτά μεγαλύτερη σημασία η πορεία της υπόλοιπης οικονομίας.

Με την πρώτη ματιά, η τεχνητή νοημοσύνη μοιάζει να αποτελεί την κινητήρια δύναμη ολόκληρης της αμερικανικής οικονομίας. Η κατασκευή κέντρων δεδομένων, οι επενδύσεις σε εξοπλισμό και οι δαπάνες για λογισμικό αυξάνονται με τέτοιο ρυθμό, ώστε η συμβολή τους στην ανάπτυξη του ΑΕΠ να εμφανίζεται εντυπωσιακή.

Ωστόσο, μεγάλο μέρος αυτών των κεφαλαίων φεύγει σχεδόν αμέσως από τις ΗΠΑ. Από τα μικροτσίπ της Ταϊβάν έως τους διακομιστές που συναρμολογούνται στο εξωτερικό, σημαντικό τμήμα του εξοπλισμού είναι εισαγόμενο. Αφαιρώντας την επίδραση των εισαγωγών, η ING εκτιμά ότι οι επενδύσεις που συνδέονται με την τεχνητή νοημοσύνη αντιστοιχούν στο 37% της πραγματικής ανάπτυξης του αμερικανικού ΑΕΠ. Πρόκειται για σημαντική συμβολή, απέχει όμως αρκετά από την άποψη ότι η AI είναι η μοναδική κινητήρια δύναμη της οικονομίας.

Το πιο ανησυχητικό εύρημα βρίσκεται εκτός του τεχνολογικού κλάδου. Αντί να ενισχύει συνολικά τον ρυθμό ανάπτυξης, η επενδυτική έκρηξη στην AI φαίνεται να απορροφά πόρους από άλλους τομείς. Εάν αφαιρεθούν οι επενδύσεις που σχετίζονται με την τεχνητή νοημοσύνη, οι υπόλοιπες ιδιωτικές μη οικιστικές επενδύσεις στις ΗΠΑ είχαν καταγράψει ετήσια μείωση για έξι συνεχόμενα τρίμηνα έως τα μέσα του 2026.

Πριν από το 2021, οι επενδύσεις στην τεχνολογία και στους υπόλοιπους κλάδους κινούνταν σε γενικές γραμμές παράλληλα. Έκτοτε, η πορεία τους έχει αποκλίνει. Μία πιθανή εξήγηση είναι ότι οι μέτοχοι επιβραβεύουν τις επιχειρήσεις που υιοθετούν την AI, με αποτέλεσμα τα επενδυτικά κονδύλια να ανακατευθύνονται προς την τεχνολογία εις βάρος άλλων δραστηριοτήτων. Επομένως, η σημερινή έκρηξη δεν δημιουργεί απαραίτητα πρόσθετες επενδύσεις για την οικονομία στο σύνολό της, αλλά μεταφέρει κεφάλαια από άλλους τομείς προς την τεχνητή νοημοσύνη.

Πώς θα ήταν η ανάπτυξη των ΗΠΑ χωρίς την AI; Όχι απλώς 37% χαμηλότερη. Ένα μέρος των κεφαλαίων, των μηχανικών και της ηλεκτρικής ενέργειας που απορροφά σήμερα η τεχνητή νοημοσύνη θα είχε κατευθυνθεί σε άλλες χρήσεις. Μια οικονομία χωρίς την επενδυτική έκρηξη της AI θα εμφάνιζε πιθανότατα χαμηλότερη ανάπτυξη, αλλά όχι κατά ολόκληρο το ποσοστό της συμβολής της τεχνητής νοημοσύνης. Παράλληλα, η κατανομή των επενδύσεων θα ήταν πιο ισορροπημένη.

Για το 2027, το βασικό σενάριο της ING, που προβλέπει σταθεροποίηση της επενδυτικής δραστηριότητας σε υψηλά επίπεδα, συνεπάγεται μικρότερη συμβολή της AI στην ανάπτυξη. Αυτό θα μπορούσε να δώσει περισσότερο χώρο στην υπόλοιπη οικονομία, υπό την προϋπόθεση ότι θα είναι σε θέση να αναλάβει τη σκυτάλη.

Προς το παρόν, η τεχνητή νοημοσύνη αποτελεί κυρίως μια επενδυτική ιστορία και όχι μια ιστορία κατανάλωσης. Και οι επενδυτικοί κύκλοι συχνά ολοκληρώνονται με ένα δυσάρεστο hangover.

Το ερώτημα της παραγωγικότητας: Πότε, αν τελικά συμβεί, θα αποτυπωθούν τα οφέλη της AI στα οικονομικά στοιχεία;

Στις ΗΠΑ και στην Κίνα έχουν ήδη αρχίσει να εμφανίζονται, εν μέρει. Τα μεγαλύτερα οφέλη, όμως, βρίσκονται ακόμη μπροστά και ενδέχεται να εκδηλωθούν απότομα.

Η απάντηση εξαρτάται από το πού στρέφουμε την προσοχή μας. Στις ΗΠΑ, η παραγωγικότητα της εργασίας έχει ενισχυθεί αισθητά από την έναρξη της επενδυτικής έκρηξης στην AI. Ένα μέρος αυτής της βελτίωσης προέρχεται από τις υπηρεσίες υψηλής εξειδίκευσης, ακριβώς εκεί όπου θα περίμενε κανείς να εμφανιστούν πρώτα τα οφέλη της τεχνητής νοημοσύνης.

Ένα άλλο μέρος, ωστόσο, αντανακλά τις τεράστιες επενδύσεις σε κέντρα δεδομένων, οι οποίες απαιτούν μεγάλα κεφάλαια αλλά σχετικά μικρό αριθμό εργαζομένων. Η συνολική παραγωγικότητα των συντελεστών (TFP), που αποτελεί τον καλύτερο διαθέσιμο δείκτη για την αποτύπωση των οφελών από την τεχνολογική πρόοδο, έχει βελτιωθεί στις ΗΠΑ, χωρίς όμως να καταγράφει κάποια εξαιρετική επιτάχυνση.

Στην Ασία, οι κλάδοι που συνδέονται με την τεχνητή νοημοσύνη ενισχύουν σημαντικά την ανάπτυξη αρκετών οικονομιών. Αυτό, ωστόσο, αντανακλά σε μεγάλο βαθμό τις ταχείες επενδύσεις και την εντατικότερη αξιοποίηση του κεφαλαιουχικού εξοπλισμού, παρά μια διαρκή βελτίωση της υποκείμενης παραγωγικότητας.

Στην Κίνα, αντίθετα, η αύξηση της παραγωγικότητας της εργασίας έχει επιταχυνθεί τα τελευταία δύο χρόνια, ανατρέποντας μια παρατεταμένη πτωτική τάση, καθώς οι κινεζικές επιχειρήσεις επιταχύνουν την ενσωμάτωση της τεχνητής νοημοσύνης στις καθημερινές λειτουργίες τους.

Στην Ευρωζώνη, όπου δεν παρατηρείται αντίστοιχο ύψος επενδύσεων στην AI, η αύξηση της παραγωγικότητας της εργασίας παραμένει υποτονική, με ελάχιστες εξαιρέσεις, όπως η Ολλανδία.

Η τεχνολογία έχει πραγματικές δυνατότητες να ενισχύσει ευρύτερα την παραγωγικότητα. Για να αξιοποιηθούν, όμως, απαιτείται μεγαλύτερη διάδοση της χρήσης της, καθώς και επενδύσεις τόσο στις υποδομές όσο και στις δεξιότητες, μέσα στις επιχειρήσεις αλλά και σε ολόκληρη την οικονομία.

Αυτό παραπέμπει στην αποκαλούμενη καμπύλη J. Οι μεγάλες αρχικές επενδύσεις σε άυλα στοιχεία, ο χρόνος που απαιτείται για την εκμάθηση νέων δεξιοτήτων και η αναδιοργάνωση των εργασιακών διαδικασιών μπορεί αρχικά να περιορίσουν την παραγωγικότητα όπως αυτή καταγράφεται στα στατιστικά στοιχεία. Τα οφέλη εμφανίζονται αργότερα, ενδεχομένως μάλιστα με απότομο τρόπο.

Κλασικό ιστορικό προηγούμενο αποτελεί η ηλεκτροδότηση. Ο ηλεκτροκινητήρας εμφανίστηκε τη δεκαετία του 1880, αλλά η παραγωγικότητα των εργοστασίων άρχισε να αυξάνεται ουσιαστικά τη δεκαετία του 1920, όταν οι εγκαταστάσεις ανασχεδιάστηκαν ώστε να αξιοποιούν πλήρως τις δυνατότητές του.

Ακόμη και τότε, η μετατόπιση του εργατικού δυναμικού προς κλάδους όπου η αύξηση της παραγωγικότητας είναι δυσκολότερη – όπως η υγειονομική περίθαλψη και οι υπηρεσίες φροντίδας – θα μπορούσε να περιορίσει το συνολικό μακροοικονομικό όφελος. Επιπλέον, ο τρόπος μέτρησης της παραγωγικότητας δεν βοηθά πάντα. Όταν η AI βελτιώνει μια δωρεάν ψηφιακή υπηρεσία, τα στατιστικά στοιχεία του ΑΕΠ σχεδόν δεν καταγράφουν αυτή τη βελτίωση.

Παρά ταύτα, έπειτα από δεκαετίες επιβράδυνσης της αύξησης της παραγωγικότητας, η τεχνητή νοημοσύνη έχει τη δυνατότητα να αλλάξει ουσιαστικά την εικόνα. Το ερώτημα δεν είναι τόσο εάν θα αποτυπωθεί στα οικονομικά στοιχεία, αλλά πότε.

Το 1987, ο Robert Solow είχε διατυπώσει τη γνωστή παρατήρηση ότι η εποχή των υπολογιστών ήταν ορατή παντού, εκτός από τα στατιστικά στοιχεία της παραγωγικότητας. Χρειάστηκε περίπου μία δεκαετία για να αποδειχθεί ότι η εικόνα αυτή μπορούσε να αλλάξει.

Η τεχνητή νοημοσύνη ενισχύει τον πληθωρισμό ή οδηγεί σε αποπληθωρισμό; Η ηλεκτρική ενέργεια, οι μνήμες και το κόστος κατασκευών δείχνουν προς τη μία κατεύθυνση, ενώ τα μακροπρόθεσμα οφέλη αποδοτικότητας προς την άλλη.

Πληθωριστική σήμερα, αποπληθωριστική αύριο – αλλά δεν θα πρέπει να περιμένουμε σύντομα τον έντονο αποπληθωρισμό που υπόσχεται η Silicon Valley.

Η απάντηση εξαρτάται από τον χρονικό ορίζοντα. Προς το παρόν, η επίδραση της τεχνητής νοημοσύνης είναι πληθωριστική. Οι τεράστιες ενεργειακές ανάγκες της επιβαρύνουν το υφιστάμενο ενεργειακό σοκ, οι τιμές των memory chips έχουν αυξηθεί απότομα και ο ανταγωνισμός για ηλεκτρολόγους, μετασχηματιστές και κατασκευαστική δυναμικότητα ανεβάζει το κόστος.

Την ίδια στιγμή, η επενδυτική έκρηξη προσθέτει νέα καύσιμη ύλη σε μια αμερικανική οικονομία στην οποία ο πληθωρισμός βρίσκεται ήδη πάνω από τον στόχο.

Σε μακροπρόθεσμο ορίζοντα, όταν η τεχνολογία αρχίσει να ενισχύει την παραγωγικότητα, αναμένεται να μειώσει το μοναδιαίο κόστος εργασίας και να ασκήσει αποπληθωριστικές πιέσεις σε ολόκληρη την οικονομία. Όπως συμβαίνει με τις περισσότερες μεγάλες τεχνολογικές καινοτομίες, η AI πιθανότατα θα έχει τελικά αποπληθωριστική επίδραση.

Το αποτέλεσμα, ωστόσο, θα είναι εντονότερο στις υπηρεσίες και πολύ πιο περιορισμένο στα αγαθά που απαιτούν φυσικές εισροές. Οι αλγόριθμοι δεν μπορούν να κάνουν φθηνότερο τον χάλυβα, τον χαλκό ή το σκυρόδεμα.

Υπάρχει και μια λιγότερο ευχάριστη παράμετρος. Η τεχνητή νοημοσύνη επιτρέπει στις επιχειρήσεις να εφαρμόζουν δυναμική τιμολόγηση, προσαρμόζοντας τις τιμές ανάλογα με το ποσό που είναι διατεθειμένος να πληρώσει κάθε πελάτης. Με αυτόν τον τρόπο μπορούν να αποσπούν μεγαλύτερο μέρος του καταναλωτικού πλεονάσματος. Η πρακτική αυτή ενδέχεται να καταστήσει ορισμένες τιμές πιο δύσκαμπτες και όχι χαμηλότερες.

Σε συνδυασμό με τους περιορισμούς που επιβάλλουν οι φυσικές εισροές, η εξέλιξη αυτή καθιστά μάλλον απίθανο τον έντονο αποπληθωρισμό που έχει περιγράψει ο Sam Altman.

Για τις ίδιες τις υπηρεσίες τεχνητής νοημοσύνης, πάντως, η εικόνα είναι διαφορετική. Όπως είχε υποστηρίξει η ING και το 2024, αναμένει ότι οι τιμές των υπηρεσιών AI θα ακολουθήσουν πτωτική πορεία, όπως συμβαίνει και σε άλλες κατηγορίες λογισμικού. Η εκτίμηση αυτή παραμένει σε ισχύ, καθώς ο ανταγωνισμός μεταξύ των παρόχων μοντέλων αναμένεται να διατηρήσει την πίεση στις τιμές.

Για τις κεντρικές τράπεζες, αυτό σημαίνει ότι το αποπληθωριστικό όφελος της τεχνητής νοημοσύνης αποτελεί υπόθεση για το δεύτερο μισό της δεκαετίας και όχι για το 2027. Μέχρι τότε, η επενδυτική έκρηξη ενισχύει τη ζήτηση ταχύτερα από όσο αυξάνει την προσφορά – ένας κλασικός συνδυασμός που οδηγεί σε πληθωρισμό και όχι σε αποπληθωρισμό.

Πώς αναδιαμορφώνει η AI το παγκόσμιο εμπόριο και τις επενδυτικές ροές, από τα μικροτσίπ της Ταϊβάν έως τη λιθογραφία της Ολλανδίας;

Η τεχνητή νοημοσύνη αναδιατάσσει το παγκόσμιο εμπόριο γύρω από μία συγκεκριμένη αλυσίδα εφοδιασμού, επιβραβεύοντας τις χώρες που ελέγχουν τα πιο κρίσιμα σημεία της.

Η AI διαχωρίζει ολοένα περισσότερο τις οικονομίες σε κερδισμένες και χαμένες. Το ΔΝΤ έχει αναθεωρήσει προς τα πάνω τις εκτιμήσεις του για τις οικονομίες που επωφελούνται από την επενδυτική έκρηξη στην τεχνητή νοημοσύνη, κυρίως για εκείνες που συμμετέχουν στην παγκόσμια τεχνολογική αλυσίδα εφοδιασμού. Αντίθετα, οι χώρες που βρίσκονται εκτός αυτής της αλυσίδας αποκομίζουν πολύ μικρότερα οφέλη.

Η Ταϊβάν επωφελείται από την εκρηκτική ζήτηση για ημιαγωγούς, η Νότια Κορέα από την αυξημένη ζήτηση για μνήμες υψηλού εύρους ζώνης, ενώ τα οφέλη επεκτείνονται και στους προμηθευτές προηγμένου εξοπλισμού κατασκευής μικροτσίπ, μεταξύ των οποίων βρίσκεται και η Ολλανδία.

Η εξέλιξη αυτή δείχνει πώς η τεχνητή νοημοσύνη αναδιαμορφώνει τόσο τις εμπορικές όσο και τις επενδυτικές ροές. Οι δαπάνες για κέντρα δεδομένων και υπολογιστική ισχύ στις ΗΠΑ δημιουργούν ζήτηση για μικροτσίπ από την Ασία, τα οποία με τη σειρά τους απαιτούν νέες επενδύσεις σε παραγωγική δυναμικότητα και εξοπλισμό από την Ευρώπη, την Ιαπωνία και τις ίδιες τις ΗΠΑ.

Διαμορφώνεται έτσι μια διεθνής επενδυτική αλυσίδα γύρω από την τεχνητή νοημοσύνη, με την οικονομική ανάπτυξη να κατευθύνεται ολοένα περισσότερο προς τις χώρες που κατέχουν κρίσιμους κρίκους της. Αυτό εξηγεί επίσης ένα σημαντικό μέρος της αύξησης του αμερικανικού λογαριασμού εισαγωγών: κάθε κέντρο δεδομένων που κατασκευάζεται στο Τέξας αποτυπώνεται και στις εξαγωγές της Ταϊβάν.

Η εμπορική πολιτική αποτελεί τη δεύτερη δύναμη που αναδιαμορφώνει αυτή την αλυσίδα. Οι περιορισμοί στις εξαγωγές προηγμένων μικροτσίπ προς την Κίνα, οι δασμοί και τα προγράμματα επιδοτήσεων, όπως ο αμερικανικός νόμος Chips Act, αλλά και η άμεση συμμετοχή κυβερνήσεων στο μετοχικό κεφάλαιο επιχειρήσεων, ωθούν τις εταιρείες να δημιουργούν παραγωγική δυναμικότητα πιο κοντά στις εγχώριες αγορές τους ή σε φιλικές χώρες.

Αυτό καθιστά την αλυσίδα εφοδιασμού θεωρητικά πιο ανθεκτική, αλλά ταυτόχρονα αυξάνει το κόστος. Πρόκειται για έναν ακόμη λόγο για τον οποίο τα αποπληθωριστικά οφέλη που υπόσχεται η AI ενδέχεται να αργήσουν να εμφανιστούν.

Η άλλη όψη είναι ο κίνδυνος υπερβολικής συγκέντρωσης. Εάν η αλυσίδα διακοπεί, είτε λόγω απότομης υποχώρησης της ζήτησης είτε εξαιτίας αυστηρότερων περιορισμών στις εξαγωγές ή μιας κρίσης στην Ταϊβάν, οι χώρες που επωφελούνται περισσότερο σήμερα θα είναι εκείνες που θα δεχθούν πρώτες και ισχυρότερα το πλήγμα.

Τι σημαίνει η AI για την αγορά εργασίας και για τον τρόπο με τον οποίο οι κεντρικές τράπεζες αξιολογούν τα στοιχεία της;

Μέχρι στιγμής, η τεχνητή νοημοσύνη αλλάζει περισσότερο το ποιοι προσλαμβάνονται και λιγότερο τον συνολικό αριθμό των εργαζομένων. Αυτό δημιουργεί έναν ιδιαίτερο πονοκέφαλο για τις κεντρικές τράπεζες.

Τα διαθέσιμα στοιχεία για την επίδραση της AI στην αγορά εργασίας παραμένουν αποσπασματικά, ενώ η συνολική επίδραση στην οικονομία εξακολουθεί να είναι περιορισμένη. Εάν η ιστορία αποτελεί οδηγό, οι φόβοι για μαζική ανεργία είναι υπερβολικοί. Κάθε μεγάλη τεχνολογική αλλαγή των προηγούμενων αιώνων συνοδεύτηκε από επαρκή οικονομική ανάπτυξη ώστε να δημιουργηθούν θέσεις εργασίας σε άλλους τομείς, ακόμη και όταν μειωνόταν η ζήτηση για συγκεκριμένες κατηγορίες εργαζομένων.

Ωστόσο, εάν η υιοθέτηση της τεχνητής νοημοσύνης γίνει τόσο γρήγορα ώστε η προσφορά και η ζήτηση εργασίας να μην προλαβαίνουν να προσαρμοστούν, η ανεργία θα μπορούσε να αυξηθεί προσωρινά.

Οι πρώτες ρωγμές εμφανίζονται στις θέσεις εισαγωγικού επιπέδου. Στις ΗΠΑ, η απασχόληση εξακολουθεί να αυξάνεται, αλλά με ασθενέστερους ρυθμούς στους κλάδους που εκτίθενται περισσότερο στην AI. Στην Ευρωζώνη, τα διαθέσιμα στοιχεία δίνουν μικτή εικόνα.

Η Federal Reserve του Ντάλας διαπιστώνει ότι η απασχόληση των νέων εργαζομένων σε επαγγέλματα με υψηλή έκθεση στην τεχνητή νοημοσύνη έχει εξασθενήσει, κυρίως λόγω της μείωσης των προσλήψεων και όχι εξαιτίας περισσότερων απολύσεων.

Σύμφωνα με το Stanford Digital Economy Lab, τον Ιούνιο του 2026 η απασχόληση των εργαζομένων ηλικίας 22-25 ετών σε επαγγέλματα με υψηλή έκθεση στην AI ήταν περίπου 19% χαμηλότερη από το επίπεδο στο οποίο θα είχε φτάσει εάν ακολουθούσε την πορεία των επαγγελμάτων με μικρότερη έκθεση.

Παρόμοιες πιέσεις στις θέσεις εργασίας εισαγωγικού επιπέδου παρατηρούνται και στην Κίνα, όπου αντανακλώνται στην αύξηση της ανεργίας των νέων. Η κινεζική κυβέρνηση έχει σχεδιάσει προγράμματα κατάρτισης και πολιτικές αντικατάστασης θέσεων εργασίας, με στόχο να περιορίσει τις αρνητικές επιπτώσεις της AI στην απασχόληση.

Στις αναπτυσσόμενες οικονομίες της Ασίας, κυρίως στην Ινδία και στις Φιλιππίνες, όπου οι κλάδοι των υπηρεσιών εξωτερικής ανάθεσης είναι ιδιαίτερα εκτεθειμένοι στην τεχνητή νοημοσύνη, τα στοιχεία δείχνουν περισσότερο προσαρμογή παρά συρρίκνωση. Η AI αλλάζει τη φύση των εργασιών που ανατίθενται σε τρίτους, χωρίς να μειώνει αναγκαστικά τη συνολική ζήτηση για αυτές.

Η τεχνητή νοημοσύνη δεν απολύει μαζικά εργαζομένους. Απλώς, σε πολλές περιπτώσεις, οι επιχειρήσεις επιλέγουν αθόρυβα να μην προσλαμβάνουν νέους. Σε κάθε περίπτωση, τα σημερινά δεδομένα δεν δείχνουν ακόμη μαζική εκτόπιση εργαζομένων. Ωστόσο, με τη γήρανση του πληθυσμού και τις επίμονες ελλείψεις εργατικού δυναμικού, το πραγματικό ερώτημα μπορεί τελικά να είναι εάν μεγαλύτερο πρόβλημα για την οικονομία θα αποτελέσουν οι ελλείψεις εργαζομένων ή η τεχνητή νοημοσύνη.

Για τις κεντρικές τράπεζες, η AI αποτελεί μικρότερη βραχυπρόθεσμη πρόκληση από όσο θα περίμενε κανείς. Η ταυτόχρονη αύξηση της παραγωγικότητας και η πιο συγκρατημένη αύξηση της απασχόλησης θα μπορούσαν να αποτελούν ένδειξη μιας οικονομίας που ενσωματώνει επιτυχώς μια νέα τεχνολογία, με πιο ήπιες πληθωριστικές πιέσεις.

Η δυσκολία βρίσκεται στην αξιολόγηση αυτής της εξέλιξης σε πραγματικό χρόνο. Μια ασθενής μέτρηση της αύξησης των θέσεων εργασίας μπορεί να σημαίνει είτε ότι η οικονομία εξασθενεί είτε ότι γίνεται πιο παραγωγική. Και οι δύο περιπτώσεις απαιτούν εντελώς διαφορετική αντίδραση από τη νομισματική πολιτική. Εάν η κεντρική τράπεζα κάνει λάθος διάγνωση, μπορεί είτε να μειώσει τα επιτόκια ενώ η οικονομία βρίσκεται σε περίοδο έντονης αύξησης της παραγωγικότητας είτε να διατηρήσει αδικαιολόγητα αυστηρή στάση ενώ η οικονομική δραστηριότητα επιβραδύνεται.

Ποιος πληρώνει για την επενδυτική έκρηξη;

Οι επενδύσεις εξακολουθούν να χρηματοδοτούνται από τις ταμειακές ροές ή οι hyperscalers στρέφονται όλο και περισσότερο στον δανεισμό;

Κυρίως από τις ταμειακές ροές, αλλά το χρηματοδοτικό περιθώριο στενεύει και ο δανεισμός έχει ήδη ξεκινήσει.

Οι μεγαλύτεροι πάροχοι υποδομών cloud έχουν μέχρι στιγμής χρηματοδοτήσει την ανάπτυξη της τεχνητής νοημοσύνης με ίδια κεφάλαια, γεγονός που αποτελεί τη σημαντικότερη διαφορά σε σχέση με τις επενδυτικές εκρήξεις των dotcom και των σιδηροδρόμων. Ωστόσο, οι κεφαλαιουχικές δαπάνες απορροφούν πλέον ολοένα μεγαλύτερο μέρος των λειτουργικών ταμειακών ροών, περιορίζοντας τις ελεύθερες ταμειακές ροές και αφήνοντας λιγότερα περιθώρια για επαναγορές μετοχών. Για επιχειρήσεις που μέχρι πρόσφατα επέστρεφαν στους μετόχους τους ποσά-ρεκόρ, πρόκειται για μια αξιοσημείωτη αλλαγή προτεραιοτήτων.

Παράλληλα, ο δανεισμός αυξάνεται. Αρκετοί μεγάλοι όμιλοι, όπως οι Amazon, Alphabet, Meta και Oracle, έχουν προχωρήσει σε μεγάλες εκδόσεις ομολόγων από το 2025, με την Oracle να εμφανίζει τη μεγαλύτερη μόχλευση μεταξύ αυτών. Στο παιχνίδι μπαίνουν και οι μετοχικές αγορές, καθώς αρκετές μεγάλες τεχνολογικές εταιρείες ανακοίνωσαν τον Ιούνιο σχέδια άντλησης νέων κεφαλαίων μέσω αυξήσεων μετοχικού κεφαλαίου.

Κανένα από αυτά τα στοιχεία δεν είναι από μόνο του ανησυχητικό. Πρόκειται για επιχειρήσεις με επενδυτική πιστοληπτική αξιολόγηση και ισχυρούς ισολογισμούς. Ωστόσο, σηματοδοτούν την αλλαγή φάσης του κύκλου. Οι επενδυτικές εκρήξεις που χρηματοδοτούνται αποκλειστικά από ίδια κεφάλαια έχουν ένα φυσικό όριο: σταματούν όταν εξαντλούνται τα διαθέσιμα μετρητά. Οι κύκλοι που βασίζονται στον δανεισμό μπορούν να διαρκέσουν περισσότερο, αλλά και να καταλήξουν σε πολύ πιο επώδυνη διόρθωση.

Το κρίσιμο είναι να ξεχωρίσουμε τους διαφορετικούς παίκτες. Οι μεγάλοι hyperscalers, με τα σημαντικά ταμειακά τους διαθέσιμα, μπορούν να απορροφήσουν μια απογοητευτική εξέλιξη στις αποδόσεις της AI. Οι βασικές δραστηριότητές τους στη διαφήμιση, στο cloud και στο λογισμικό εξακολουθούν να παράγουν ισχυρές ταμειακές ροές.

Η εικόνα είναι εντελώς διαφορετική για τις neoclouds και τα εργαστήρια τεχνητής νοημοσύνης (AI labs). Οι επιχειρήσεις αυτές εξαρτώνται σε μεγάλο βαθμό από εξωτερική χρηματοδότηση, όπως κεφάλαια επιχειρηματικών συμμετοχών (venture capital), ιδιωτική πίστωση, χρηματοδότηση από προμηθευτές και στρατηγικούς επενδυτές. Τα επιχειρηματικά τους μοντέλα προϋποθέτουν ότι τα έσοδα θα συνεχίσουν να αυξάνονται με εντυπωσιακούς ρυθμούς. Επομένως, είναι πιθανότερο να αποτελέσουν το πρώτο σημείο πίεσης εάν οι συνθήκες χρηματοδότησης γίνουν αυστηρότερες.

Ανάμεσα στις δύο αυτές κατηγορίες διαμορφώνεται μια ολοένα μεγαλύτερη γκρίζα ζώνη από συμβάσεις μίσθωσης, κοινοπραξίες και εταιρείες ειδικού σκοπού (SPVs), μέσω των οποίων οι hyperscalers διατηρούν μέρος του δανεισμού εκτός των δικών τους ισολογισμών.

Η κατεύθυνση είναι σαφής. Η επενδυτική έκρηξη ξεκίνησε ως ένα εγχείρημα που χρηματοδοτούνταν από τις ίδιες τις πλουσιότερες εταιρείες του κόσμου. Σταδιακά, όμως, μετατρέπεται όλο και περισσότερο σε μια ιστορία πιστωτικής επέκτασης.

Μισθώσεις, εταιρείες ειδικού σκοπού και private credit: πόσο αδιαφανής έχει γίνει η χρηματοδότηση της AI;

Πιο αδιαφανής από όσο δείχνουν οι ισολογισμοί των μεγάλων τεχνολογικών ομίλων, αλλά μέχρι στιγμής ο κίνδυνος βρίσκεται κυρίως σε ορισμένους από τους ισχυρότερους δανειολήπτες παγκοσμίως.

Ένα ολοένα μεγαλύτερο μέρος της χρηματοδότησης της τεχνητής νοημοσύνης μεταφέρεται εκτός ισολογισμών. Εταιρείες ειδικού σκοπού και κοινοπραξίες, όπως το κέντρο δεδομένων Hyperion της Meta, το οποίο χρηματοδοτείται με τη συμμετοχή της Blue Owl, μακροχρόνιες συμβάσεις μίσθωσης και δάνεια που εξασφαλίζονται με GPUs επιτρέπουν στις επιχειρήσεις να χρηματοδοτούν την επέκταση των υποδομών τους χωρίς ο αντίστοιχος δανεισμός να εμφανίζεται άμεσα στους δικούς τους ισολογισμούς.

Παράλληλα, αυξάνεται η τιτλοποίηση περιουσιακών στοιχείων που σχετίζονται με τα κέντρα δεδομένων, μέσω τίτλων εξασφαλισμένων με περιουσιακά στοιχεία (ABS) και τίτλων εξασφαλισμένων με εμπορικά ακίνητα (CMBS). Με αυτόν τον τρόπο, ένας ευρύτερος κύκλος επενδυτών συμμετέχει πλέον στη χρηματοδότηση της αγοράς.

Οι συμβάσεις μίσθωσης αποτελούν ένα ιδιαίτερα ευαίσθητο σημείο. Οι σχετικές υποχρεώσεις αναγνωρίζονται στους ισολογισμούς μόνο όταν οριστικοποιηθούν οι συμβάσεις. Μέχρι τότε, το πραγματικό ύψος των πρόσθετων υποχρεώσεων από μισθώσεις παραμένει αβέβαιο.

Υπάρχει επίσης το ερώτημα ποιος αναλαμβάνει τον κίνδυνο εάν ο μισθωτής αποχωρήσει μετά τη λήξη της αρχικής περιόδου. Αν και οι αρχικές διάρκειες μίσθωσης των 15 ετών δεν είναι ασυνήθιστες, μπορεί να είναι μικρότερες από την οικονομική διάρκεια ζωής των υποδομών. Έτσι, παραμένει ένας υπολειπόμενος κίνδυνος που αφορά την ανανέωση της σύμβασης ή την εξεύρεση νέου μισθωτή.

Οι κίνδυνοι, πάντως, πρέπει να αξιολογούνται ανά σύμβαση. Οι μεγαλύτερες τεχνολογικές εταιρείες διαθέτουν πολύ ισχυρούς ισολογισμούς και μπορούν να αναλάβουν πρόσθετες υποχρεώσεις. Επιπλέον, μεγάλο μέρος των χρηματοδοτικών δομών εκτός ισολογισμού στηρίζεται τελικά στη δική τους πιστοληπτική ικανότητα.

Το πρόβλημα δεν είναι τόσο η κρυφή αφερεγγυότητα όσο η κρυφή συγκέντρωση κινδύνου. Είναι δύσκολο να διαπιστωθεί σε ποιο βαθμό ολόκληρο το σύστημα εξαρτάται από τους ίδιους λίγους μεγάλους μισθωτές.

Η αδιαφάνεια δυσκολεύει επίσης τη συνολική μακροοικονομική αξιολόγηση. Όταν η χρηματοδότηση κατανέμεται μεταξύ εταιρειών ειδικού σκοπού, ταμείων private credit και τιτλοποιήσεων, γίνεται δυσκολότερο για τους επενδυτές, τις ρυθμιστικές αρχές και τις κεντρικές τράπεζες να εντοπίσουν πού συγκεντρώνονται οι κίνδυνοι και πώς θα μπορούσε να μεταδοθεί ένα σοκ.

Στο μέλλον, η πρόσβαση σε κεφάλαια ενδέχεται να εξελιχθεί σε σημαντικό περιορισμό για την ανάπτυξη της τεχνητής νοημοσύνης, μαζί με τις αδειοδοτήσεις και την πρόσβαση σε ηλεκτρική ενέργεια. Όσο περισσότερο ο κλάδος εξαρτάται από σύνθετες χρηματοδοτικές δομές, τόσο περισσότερο χρειάζεται τη διαρκή προθυμία των επενδυτών να χορηγούν κεφάλαια.

Η χρηματοοικονομική μηχανική μπορεί να παρατείνει μια επενδυτική έκρηξη, αλλά δεν μπορεί να δημιουργήσει τις αποδόσεις που απαιτούνται για να τη δικαιολογήσουν.

Πόσο εκτεθειμένες είναι οι τράπεζες και αποτελεί το private credit το σκιώδες τραπεζικό σύστημα αυτού του κύκλου;

Η άμεση έκθεση των τραπεζών φαίνεται περιορισμένη. Το πιο ευάλωτο σημείο είναι το private credit, αλλά η μετάδοση μιας κρίσης θα γινόταν κυρίως μέσω των αγορών και όχι μέσω τραπεζικών χρεοκοπιών.

Η άμεση έκθεση των τραπεζών στην τεχνητή νοημοσύνη φαίνεται μικρή. Οι μεγάλοι hyperscalers χρηματοδοτούνται κυρίως από τις ταμειακές ροές τους και τις αγορές ομολόγων, παρά μέσω τραπεζικών δανείων. Η έμμεση έκθεση είναι δυσκολότερο να υπολογιστεί, καθώς οι τράπεζες δανείζουν σε ταμεία private credit, κατασκευαστές κέντρων δεδομένων και κατασκευαστικές επιχειρήσεις.

Το private credit αποτελεί το πιο προφανές αδύναμο σημείο. Είναι το σκιώδες τραπεζικό σύστημα του σημερινού κύκλου; Σε έναν βαθμό, ναι.

Διαθέτει μικρότερο πρόβλημα αναντιστοιχίας διάρκειας ενεργητικού και παθητικού σε σχέση με το σκιώδες τραπεζικό σύστημα πριν από το 2008. Μεγάλο μέρος των κεφαλαίων είναι δεσμευμένο σε κλειστά επενδυτικά κεφάλαια, επομένως οι επενδυτές δεν μπορούν να αποσύρουν μαζικά τα χρήματά τους.

Ωστόσο, παρουσιάζει και αρκετά κοινά χαρακτηριστικά με το παλαιότερο μοντέλο: αδιαφάνεια, αραιές αποτιμήσεις και συσσώρευση μόχλευσης πάνω σε ήδη μοχλευμένα κεφάλαια. Τα ίδια τα funds δανείζονται από τράπεζες για να χορηγήσουν δάνεια σε επιχειρήσεις που έχουν ήδη υψηλό δανεισμό.

Επιπλέον, η έκθεσή τους στην τεχνητή νοημοσύνη αυξάνεται μέσω δανείων προς neoclouds, χρηματοδοτήσεων με εξασφάλιση GPUs και δανεισμού προς κατασκευαστές κέντρων δεδομένων.

Το πιο ευαίσθητο σημείο είναι τα ημι-ρευστά επενδυτικά οχήματα που διατίθενται σε ιδιώτες και εύπορους πελάτες. Τα προϊόντα αυτά υπόσχονται περιοδική δυνατότητα ρευστοποίησης, ενώ επενδύουν σε περιουσιακά στοιχεία που στην πραγματικότητα δεν είναι καθόλου ρευστά.

Σε περίπτωση ύφεσης, οι αιτήσεις εξαγοράς μεριδίων θα μπορούσαν να αναγκάσουν τους διαχειριστές να επιβάλουν περιορισμούς στις αναλήψεις, πλήττοντας την εμπιστοσύνη σε ολόκληρη την κατηγορία επενδύσεων. Προς το παρόν, αυτά τα επενδυτικά οχήματα δεν αποτελούν βασικό πυλώνα χρηματοδότησης της ανάπτυξης της AI, αλλά είναι ένα από τα σημεία μέσω των οποίων ένα σοκ θα μπορούσε να εξελιχθεί σε ευρύτερο πρόβλημα.

Εάν τελικά εμφανιστούν πιέσεις, η ING αναμένει ότι η μετάδοση θα γίνει μέσω της αυστηροποίησης των χρηματοπιστωτικών συνθηκών και της διεύρυνσης των πιστωτικών περιθωρίων σε ολόκληρη την οικονομία, παρά μέσω τραπεζικών χρεοκοπιών.

Μια τέτοια εξέλιξη θα ήταν λιγότερο δραματική από το 2008, αλλά σε καμία περίπτωση ακίνδυνη. Η επανατιμολόγηση του πιστωτικού κινδύνου θα αύξανε το κόστος χρηματοδότησης πολύ πέρα από τον τεχνολογικό κλάδο, πλήττοντας ακριβώς τις μη τεχνολογικές επενδύσεις που ήδη δυσκολεύονται.

Οι τράπεζες ενδέχεται να περάσουν σχεδόν αλώβητες από μια κατάρρευση της αγοράς AI. Η οικονομία, όμως, στην οποία χορηγούν δάνεια μπορεί να μην έχει την ίδια τύχη.

Επανάληψη της ιστορίας με τη χρηματοδότηση από προμηθευτές: πρέπει να ανησυχούμε όταν οι κατασκευαστές μικροτσίπ χρηματοδοτούν τους ίδιους τους πελάτες τους;

Είναι ένα φαινόμενο που αξίζει να παρακολουθούμε, αλλά δεν πρόκειται για μια επανάληψη της ιστορίας των Lucent και Nortel, κυρίως επειδή οι ισολογισμοί των σημερινών εταιρειών είναι πολύ ισχυρότεροι.

Το προηγούμενο της εποχής των dotcom προκαλεί προβληματισμό. Οι Lucent, Nortel και Cisco χορηγούσαν δάνεια σε νεοφυείς τηλεπικοινωνιακές εταιρείες, ώστε εκείνες να αγοράζουν τον εξοπλισμό τους. Όταν οι πελάτες τους χρεοκόπησαν, οι προμηθευτές υπέστησαν τις απώλειες, ενώ μεγάλο μέρος της ζήτησης που εμφανιζόταν στα στοιχεία είχε στην πραγματικότητα χρηματοδοτηθεί από τους ίδιους τους πωλητές.

Σήμερα παρατηρούνται ορισμένες ομοιότητες. Οι κατασκευαστές μικροτσίπ αποκτούν συμμετοχές σε εργαστήρια τεχνητής νοημοσύνης και neoclouds, τα οποία στη συνέχεια αγοράζουν τα δικά τους προϊόντα. Μια περιορισμένη ομάδα εταιρειών αντλεί κεφάλαια, αγοράζει μικροτσίπ, μισθώνει υπολογιστική ισχύ και καταγράφει έσοδα από συναλλαγές μεταξύ των ίδιων παικτών.

Ο προβληματισμός αφορά λιγότερο την αφερεγγυότητα και περισσότερο την αξιοπιστία των ενδείξεων για την πραγματική ζήτηση. Οι κυκλικές συμφωνίες μπορούν να διογκώνουν τα αναφερόμενα μεγέθη και να θολώνουν την εικόνα της τελικής ζήτησης. Έσοδα που υπάρχουν μόνο επειδή ο προμηθευτής χρηματοδότησε την αγορά του προϊόντος του δεν αποτελούν πραγματική, ανεξάρτητη ζήτηση.

Υπάρχουν, ωστόσο, σημαντικές διαφορές σε σχέση με το παρελθόν. Πολλές από αυτές τις συμβάσεις φαίνεται να αποτελούν κανονικές εμπορικές συμφωνίες, ενώ τα εργαστήρια AI καταγράφουν επίσης ταχεία αύξηση εσόδων από πελάτες που δεν συμμετέχουν σε αυτές τις συνδεδεμένες συναλλαγές.

Επιπλέον, τα έσοδα από την τεχνητή νοημοσύνη εξακολουθούν να αποτελούν μόνο ένα μέρος των πολύ μεγαλύτερων επιχειρηματικών δραστηριοτήτων των hyperscalers. Και το γενικότερο μακροοικονομικό περιβάλλον είναι εντελώς διαφορετικό: ο συνολικός λόγος εταιρικού χρέους προς ΑΕΠ στις ΗΠΑ δεν προκαλεί ανησυχία, σε πλήρη αντίθεση με τη συσσώρευση μόχλευσης πριν από την κατάρρευση των dotcom και τη διεθνή χρηματοπιστωτική κρίση.

Σε ένα σύστημα με ισχυρά ταμειακά διαθέσιμα, οι κυκλικές συναλλαγές αποτελούν κυρίως πρόβλημα διαφάνειας. Σε ένα σύστημα με υψηλή μόχλευση, μπορούν να εξελιχθούν σε πρόβλημα φερεγγυότητας.

Αυτό δεν σημαίνει ότι οι επενδυτές μπορούν να εφησυχάσουν. Οι κυκλικές συμφωνίες δημιουργούν κίνδυνο συγκέντρωσης: εάν ένα σημαντικό εργαστήριο AI αντιμετωπίσει προβλήματα, το σοκ μπορεί να μεταδοθεί γρήγορα στους προμηθευτές, στους ιδιοκτήτες των εγκαταστάσεων και στους επενδυτές του, οι οποίοι συχνά είναι οι ίδιες εταιρείες.

Παράλληλα, δυσκολεύουν την αξιολόγηση της πραγματικής τελικής ζήτησης για υπηρεσίες τεχνητής νοημοσύνης, δηλαδή ακριβώς του παράγοντα στον οποίο στηρίζεται ολόκληρη η επενδυτική έκρηξη.

Το κριτήριο είναι απλό: πρέπει να ακολουθούμε τη διαδρομή του χρήματος μέχρι να φτάσουμε σε έναν τελικό πελάτη που δεν είναι ταυτόχρονα και επενδυτής. Όσο μεγαλύτερη γίνεται αυτή η διαδρομή, τόσο περισσότερους λόγους έχουμε να ανησυχούμε.

Τα υψηλότερα επιτόκια της Fed συνέβαλαν στο τέλος της φούσκας των dotcom. Μπορεί η νομισματική πολιτική ή οι αποδόσεις των ομολόγων να προκαλέσουν και αυτή τη φορά την κατάρρευση;

Πιθανότατα όχι ως αρχικός πυροκροτητής. Ωστόσο, η νομισματική πολιτική θα μπορούσε να κάνει μια ενδεχόμενη κατάρρευση πολύ πιο επώδυνη, καθώς το δίχτυ ασφαλείας είναι σήμερα πιο περιορισμένο σε σχέση με το 2001.

Την περίοδο 1999-2000, η Fed αύξησε τα επιτόκια έως το 6,5% πριν από το σκάσιμο της φούσκας των dotcom και στη συνέχεια τα μείωσε κατά σχεδόν πέντε ποσοστιαίες μονάδες μέσα στο 2001.

Αυτή τη φορά, ένα ενεργειακό σοκ διατηρεί τον πληθωρισμό πάνω από τον στόχο. Οι πραγματικές αυξήσεις επιτοκίων, αλλά και το ενδεχόμενο νέων αυξήσεων, θα μπορούσαν να φέρουν τόσο τη Federal Reserve όσο και την Ευρωπαϊκή Κεντρική Τράπεζα πιο κοντά σε μια επικίνδυνη κατάσταση.

Τα υψηλά επιτόκια πολιτικής δεν σημαίνει απαραίτητα ότι θα σταματήσουν πρώτα τις επενδύσεις στην AI. Εάν οι προσδοκώμενες αποδόσεις της τεχνητής νοημοσύνης παραμείνουν πολύ υψηλές, τα κεφάλαια μπορεί να συνεχίσουν να εισρέουν στον κλάδο, ακόμη και όταν η χρηματοδότηση γίνεται ασύμφορη για επενδύσεις με χαμηλότερες αποδόσεις σε άλλους τομείς.

Με άλλα λόγια, η αυστηρή νομισματική πολιτική θα μπορούσε να διευρύνει ακόμη περισσότερο τη διαφορά ανάμεσα στις επενδύσεις στην τεχνολογία και στις υπόλοιπες επενδύσεις, αντί να τερματίσει την επενδυτική έκρηξη.

Προς το παρόν, η ING αναμένει ότι οι χρηματοδοτικές ανάγκες των hyperscalers θα αυξηθούν περαιτέρω, καθώς επιταχύνονται οι επενδύσεις σε υποδομές τεχνητής νοημοσύνης, κέντρα δεδομένων και παραγωγή ηλεκτρικής ενέργειας.

Η συνολική αξία των εκδόσεων ομολόγων εκτιμάται ότι θα φτάσει περίπου τα 280 δισ. δολάρια το 2027, εκ των οποίων περίπου 190 δισ. δολάρια θα είναι σε δολάρια ΗΠΑ και 65 δισ. δολάρια σε ευρώ (περίπου 60 δισ. ευρώ). Για τις ευρωπαϊκές αγορές εταιρικών ομολόγων, η ING εκτιμά ότι η καθαρή προσφορά τίτλων από τον κλάδο τεχνολογίας, μέσων ενημέρωσης και τηλεπικοινωνιών (TMT) θα ανέλθει σε 103 δισ. ευρώ, συμπεριλαμβανομένων ομολογιακών εκδόσεων 65 δισ. δολαρίων από τους hyperscalers.

Μεγαλύτερη σημασία από το βραχυπρόθεσμο επιτόκιο της κεντρικής τράπεζας έχει το μακροπρόθεσμο τμήμα της καμπύλης αποδόσεων. Καθώς η ανάπτυξη των υποδομών AI χρηματοδοτείται ολοένα περισσότερο μέσω δανεισμού, οι υψηλότερες αποδόσεις των ομολόγων και τα αυξημένα ασφάλιστρα διάρκειας (term premia) ανεβάζουν το κόστος χρηματοδότησης μακροπρόθεσμων επενδύσεων, από τα κέντρα δεδομένων έως τις μονάδες παραγωγής ηλεκτρικής ενέργειας.

Μια παρατεταμένη άνοδος των μακροπρόθεσμων αποδόσεων θα έπληττε επομένως περισσότερο εκείνα τα τμήματα της επενδυτικής έκρηξης που εξαρτώνται σε μεγαλύτερο βαθμό από εξωτερική χρηματοδότηση.

Το σημαντικότερο ζήτημα, ωστόσο, είναι το δίχτυ ασφαλείας. Εάν η φούσκα σκάσει, οι κεντρικές τράπεζες δεν θα έχουν τη δυνατότητα να παρέμβουν τόσο επιθετικά όσο το 2001, όσο ο πληθωρισμός παραμένει πάνω από τον στόχο. Παράλληλα, τα διαθέσιμα δημοσιονομικά περιθώρια είναι πολύ πιο περιορισμένα σε σχέση με πριν από 25 χρόνια.

Δεν θα πρέπει, πάντως, να αποκλειστεί μια διαφορετική μορφή διάσωσης. Η τεχνητή νοημοσύνη δεν αποτελεί απλώς ένα οικονομικό εργαλείο, αλλά συνδέεται και με την ισχύ σε γεωπολιτικό και τεχνολογικό επίπεδο. Εάν ο κλάδος αντιμετωπίσει σοβαρές δυσκολίες, θα μπορούσε να εξεταστεί κάποια μορφή κρατικής στήριξης, από δημόσιες προμήθειες έως εγγυήσεις ή στοχευμένη βοήθεια προς επιχειρήσεις στρατηγικής σημασίας.

Η κατάρρευση των dotcom αφέθηκε στις δυνάμεις της αγοράς. Μια αντίστοιχη κρίση στην τεχνητή νοημοσύνη ενδέχεται να μην αντιμετωπιστεί με τον ίδιο τρόπο.

Η νομισματική πολιτική δύσκολα θα είναι εκείνη που θα προκαλέσει το σκάσιμο της φούσκας. Μπορεί, όμως, να καθορίσει πόσο σκληρή θα είναι η προσγείωση, ενώ η Ουάσιγκτον ενδέχεται να αποφασίσει ποιοι θα έχουν τελικά ένα αλεξίπτωτο.

Φούσκα ή όχι;

Τι δείχνουν οι αποτιμήσεις και η απόσταση ανάμεσα στις επενδύσεις και στα έσοδα;

Υπάρχουν επιμέρους τμήματα της αγοράς με χαρακτηριστικά φούσκας, αλλά όχι μια γενικευμένη φούσκα. Οι κορυφαίες εταιρείες είναι εξαιρετικά κερδοφόρες, ενώ η μεγαλύτερη αβεβαιότητα εντοπίζεται στα εργαστήρια AI και στο χάσμα ανάμεσα στις επενδύσεις και στα έσοδα.

Ας ξεκινήσουμε από τις αποτιμήσεις. Στην κορύφωση της αγοράς το 2000, η Cisco διαπραγματευόταν σε επίπεδα άνω των 100 φορές τα κέρδη της. Οι σημερινοί πρωταγωνιστές της τεχνητής νοημοσύνης είναι ακριβοί, αλλά ταυτόχρονα κερδοφόροι, ενώ οι αναλυτές αναμένουν ότι η αύξηση των κερδών τους θα μειώσει αισθητά τους πολλαπλασιαστές αποτίμησης.

Ο δείκτης P/E της Microsoft αναμένεται να υποχωρήσει από τις 29,2 φορές τα εκτιμώμενα κέρδη του οικονομικού έτους 2026 στις 21,9 φορές το 2028. Για την Amazon, η αντίστοιχη εκτίμηση είναι από 28 φορές τα κέρδη του 2025 στις 21 φορές το 2027, ενώ για την Alphabet από 20,9 στις 17,9 φορές κατά την ίδια περίοδο.

Με δεδομένο ότι οι εκτιμήσεις για τα κέρδη είναι πλέον υψηλότερες σε σχέση με πριν από λίγους μήνες, οι αποτιμήσεις αυτές δεν φαίνονται ιδιαίτερα υπερβολικές.

Η μεγαλύτερη αβεβαιότητα βρίσκεται στα εργαστήρια τεχνητής νοημοσύνης, των οποίων οι αποτιμήσεις ακολουθούν τη λογική των επενδύσεων venture capital: εντυπωσιακή αύξηση εσόδων, αλλά αβέβαιη μακροπρόθεσμη οικονομική βιωσιμότητα.

Στη συνέχεια υπάρχει το χάσμα ανάμεσα στις επενδύσεις και στα έσοδα. Οι κεφαλαιουχικές δαπάνες αυξάνονται ταχύτερα από τα έσοδα που προέρχονται από την AI, καθώς μπορεί να χρειαστούν αρκετά χρόνια μέχρι οι επενδύσεις να μετατραπούν πλήρως σε πωλήσεις.

Η Amazon, η Microsoft και η Alphabet έχουν επενδύσει συνολικά περίπου 600 δισ. δολάρια την περίοδο 2023-2025. Ως ένας γενικός κανόνας, κάθε δολάριο που επενδύεται σε υποδομές AI ενδέχεται να πρέπει να αποφέρει 40-50 σεντς ετήσιων εσόδων, με την παραδοχή ότι οι εταιρείες θα επιτύχουν περιθώρια κέρδους αντίστοιχα με εκείνα των hyperscalers.

Αυτό συνεπάγεται ετήσια έσοδα 240-300 δισ. δολαρίων, αν και πρέπει να σημειωθεί ότι δεν αφορούσαν όλες οι συγκεκριμένες κεφαλαιουχικές δαπάνες αποκλειστικά την τεχνητή νοημοσύνη.

Το ποσό φαίνεται τεράστιο, αλλά γίνεται πιο κατανοητό όταν συγκριθεί με το κόστος εργασίας. Με ετήσιο κόστος 100.000 δολαρίων ανά εργαζόμενο, τα 300 δισ. δολάρια αντιστοιχούν στο κόστος τριών εκατομμυρίων εργαζομένων. Η AI δεν χρειάζεται απαραίτητα να τους αντικαταστήσει. Μια αύξηση της παραγωγικότητας κατά 20% σε 15 εκατομμύρια εργαζομένους θα μπορούσε να δημιουργήσει ισοδύναμη οικονομική αξία.

Οι καταναλωτές από μόνοι τους δεν αρκούν για να καλύψουν αυτό το χάσμα. Τα απαιτούμενα έσοδα θα πρέπει να προέλθουν από τις επιχειρήσεις.

Υπάρχουν δύο ακόμη σημαντικές επιφυλάξεις.

Η πρώτη αφορά τη συγκέντρωση της αγοράς. Η βαρύτητα των μεγαλύτερων τεχνολογικών μετοχών στον S&P 500 έχει ξεπεράσει τα επίπεδα της κορύφωσης των dotcom. Επομένως, οποιαδήποτε απογοήτευση θα μπορούσε να επηρεάσει έντονα ολόκληρο τον δείκτη.

Η δεύτερη αφορά τις κυκλικές συναλλαγές στη χρηματοδότηση και στα έσοδα, οι οποίες καθιστούν δυσκολότερη την αποτύπωση της πραγματικής τελικής ζήτησης.

Τέλος, το γεγονός ότι μπορεί να υπάρχει φούσκα στις τιμές των μετοχών δεν σημαίνει ότι η ίδια η τεχνολογία δεν έχει αξία. Οι σιδηρόδρομοι πέρασαν από μια περίοδο φούσκας. Το ίδιο συνέβη και με το διαδίκτυο. Και οι δύο τεχνολογίες, ωστόσο, άλλαξαν τον κόσμο.

Τι θα μπορούσε να τερματίσει πρόωρα την επενδυτική έκρηξη: η απογοητευτική ζήτηση, οι περιορισμοί στην ενέργεια, η εμφάνιση φθηνότερων μοντέλων ή μια κρίση στην Ταϊβάν;

Το πιθανότερο δεν είναι να υπάρξει ένας και μοναδικός παράγοντας που θα προκαλέσει την ανατροπή, αλλά μια σταδιακή συσσώρευση πιέσεων: υπερβάλλουσα παραγωγική δυναμικότητα, συμπίεση των περιθωρίων κέρδους και αυστηρότερες συνθήκες χρηματοδότησης, εάν το χάσμα ανάμεσα στις επενδύσεις και στα έσοδα δεν περιοριστεί.

Ας ξεκινήσουμε από τους συνήθεις κινδύνους. Η ζήτηση μπορεί να αποδειχθεί κατώτερη των προσδοκιών, εάν η υιοθέτηση της AI από τις επιχειρήσεις επιβραδυνθεί και τα πιλοτικά προγράμματα δεν καταφέρουν να μετατραπούν σε πραγματικά κέρδη.

Οι περιορισμοί στην ηλεκτρική ενέργεια είναι πιθανότερο να περιορίσουν τον ρυθμό ανάπτυξης της επενδυτικής έκρηξης παρά να την τερματίσουν. Θα μπορούσαν, μάλιστα, να παρατείνουν τη διάρκειά της. Μια κρίση στην Ταϊβάν παραμένει ένα γεγονός χαμηλής πιθανότητας, αλλά με εξαιρετικά μεγάλες δυνητικές επιπτώσεις.

Η εμφάνιση φθηνότερων μοντέλων αποτελεί έναν από τους πιο ενδιαφέροντες κινδύνους. Το σοκ που προκάλεσε η DeepSeek τον Ιανουάριο του 2025 οδήγησε σε απώλεια σχεδόν 600 δισ. δολαρίων από τη χρηματιστηριακή αξία της Nvidia μέσα σε μία ημέρα.

Η φθηνότερη υπολογιστική ισχύς μπορεί να αυξήσει τη ζήτηση, σύμφωνα με το παράδοξο του Jevons, αλλά οι μεγαλύτεροι όγκοι χρήσης μπορεί να συνοδεύονται από χαμηλότερα περιθώρια κέρδους. Αυτό καθιστά την κερδοφορία εργαστηρίων AI όπως η OpenAI και η Anthropic ένα από τα μεγαλύτερα ερωτηματικά.

Εάν τα αποτελέσματα απογοητεύσουν, ο εξοπλισμός θα εξακολουθήσει να είναι απαραίτητος, αλλά ο ρυθμός ανάπτυξης των υποδομών πιθανότατα θα επιβραδυνθεί. Παράλληλα, τα εξαιρετικά υψηλά περιθώρια κέρδους της Nvidia θα μπορούσαν να υποχωρήσουν προς πιο κανονικά επίπεδα, εάν ενταθεί ο ανταγωνισμός ή μειωθεί η αξία της σπανιότητας που χαρακτηρίζει σήμερα την προηγμένη υπολογιστική ισχύ.

Ένας ακόμη κίνδυνος που συχνά παραλείπεται από τις σχετικές αναλύσεις είναι η χρηματοδότηση. Η άνοδος των αποδόσεων των ομολόγων, ένα πιστωτικό γεγονός σε κάποια ιδιαίτερα μοχλευμένη neocloud ή σε ένα fund private credit, αλλά και ένα ενεργειακό σοκ που θα διατηρήσει τις κεντρικές τράπεζες σε αυστηρή στάση, θα μπορούσαν να επιβαρύνουν σημαντικά τον κλάδο.

Σε τελική ανάλυση, η ING θεωρεί ότι ο μεγαλύτερος κίνδυνος είναι η υπερβάλλουσα παραγωγική δυναμικότητα. Η συνεχής καινοτομία στα μικροτσίπ, η ανάπτυξη αποδοτικότερων μοντέλων και η βελτιστοποίηση των αλγορίθμων θα μπορούσαν τελικά να δημιουργήσουν ανισορροπία ανάμεσα στην προσφορά και στη ζήτηση, μειώνοντας τον βαθμό αξιοποίησης των υποδομών και τις αποδόσεις των επενδύσεων.

Προς το παρόν, ωστόσο, ο κλάδος εξακολουθεί να δυσκολεύεται να αυξήσει την υπολογιστική του δυναμικότητα και να εξασφαλίσει επαρκή ηλεκτρική ενέργεια, ενώ παράλληλα αναδύονται νέα επιχειρηματικά μοντέλα και εφαρμογές.

Υπάρχει και ένας διαφορετικός τρόπος να ερμηνεύσουμε τις σημερινές δεσμεύσεις για τεράστιες επενδύσεις: ως στρατηγική αποτροπής της εισόδου νέων ανταγωνιστών. Η ανακοίνωση γιγαντιαίων επενδυτικών σχεδίων μπορεί να αποθαρρύνει άλλες εταιρείες από το να εισέλθουν στην αγορά. Ορισμένα από αυτά τα σχέδια, μάλιστα, ενδέχεται να μην υλοποιηθούν ποτέ πλήρως εάν οι αποδόσεις αποδειχθούν απογοητευτικές.

Ένα τέτοιο τέλος θα ήταν πιο ήσυχο από μια απότομη κατάρρευση. Δεν θα ερχόταν με έναν εκκωφαντικό κρότο, αλλά μέσα από μια σειρά διαδοχικών προς τα κάτω αναθεωρήσεων των προβλέψεων για τις κεφαλαιουχικές δαπάνες.

Εάν οι τεχνολογικές μετοχές υποχωρήσουν κατά 30%, πόσο θα επηρεαστεί η κατανάλωση στις ΗΠΑ μέσω της απώλειας χρηματιστηριακού πλούτου;

Λιγότερο από όσο θα μπορούσε να υποθέσει κανείς, αλλά περισσότερο από ό,τι στην κατάρρευση των dotcom. Η πραγματική ζημιά, ωστόσο, θα προέλθει κυρίως από τις επενδύσεις και την απασχόληση.

Ο χρηματιστηριακός πλούτος στις ΗΠΑ είναι ιδιαίτερα συγκεντρωμένος. Το ανώτερο 20% των νοικοκυριών με βάση το εισόδημα, δηλαδή εκείνα που κερδίζουν περισσότερα από 155.000 δολάρια ετησίως, κατέχει το 84,1% των μετοχών, των αμοιβαίων κεφαλαίων και των συνταξιοδοτικών προγραμμάτων καθορισμένων εισφορών.

Αυτό περιορίζει την επίδραση του χρηματιστηριακού πλούτου στην κατανάλωση. Έρευνα της Fed δείχνει ότι η οριακή ροπή προς κατανάλωση από τον πλούτο υποχώρησε από περίπου 3,5 σεντς ανά δολάριο την περίοδο 1964-2011 σε 2,6 σεντς το 2020.

Μια χρηματιστηριακή διόρθωση της τάξης του 30% θα εξαφάνιζε περίπου 24,5 τρισ. δολάρια από τον πλούτο των αμερικανικών νοικοκυριών. Με οριακή ροπή προς κατανάλωση 2,6 σεντς ανά δολάριο, αυτό θα σήμαινε μείωση των καταναλωτικών δαπανών κατά περίπου 640 δισ. δολάρια ή 2,9% της ονομαστικής κατανάλωσης, η οποία διαμορφωνόταν σε ετησιοποιημένη βάση στα 22,3 τρισ. δολάρια τον Αύγουστο.

Καθώς ο χρηματιστηριακός πλούτος είναι σήμερα ακόμη πιο συγκεντρωμένος από ό,τι το 2020, ο πολλαπλασιαστής της επίδρασης στην κατανάλωση πιθανότατα θα είναι χαμηλότερος. Με οριακή ροπή προς κατανάλωση 2,2 σεντς, η μείωση θα περιοριζόταν περίπου στο 2,4%.

Πρόκειται για μια επίδραση στο επίπεδο της κατανάλωσης, η οποία συνήθως εκδηλώνεται σε διάστημα ενός έως δύο ετών. Παραμένει, ωστόσο, ένα ιδιαίτερα μεγάλο ποσό.

Η ιστορία προσφέρει κάποια καθησυχαστικά στοιχεία. Κατά την κατάρρευση των dotcom, η κατανάλωση στις ΗΠΑ επηρεάστηκε ελάχιστα. Αυτή τη φορά, όμως, η κατάσταση θα μπορούσε να είναι δυσκολότερη.

Πρώτον, τα εύπορα νοικοκυριά είναι σήμερα εκείνα που στηρίζουν την κατανάλωση. Αντίθετα, το χαμηλότερο 60% των νοικοκυριών, το οποίο δαπανά συνολικά περίπου όσα και το ανώτερο 20%, πιέζεται από τους δασμούς και τις υψηλότερες τιμές καυσίμων.

Δεύτερον, η Fed διαθέτει πολύ μικρότερο περιθώριο για μειώσεις επιτοκίων σε σχέση με το 2001.

Τρίτον, το πιστωτικό περιθώριο ασφαλείας είναι μικρότερο. Η αύξηση των καθυστερήσεων στην εξυπηρέτηση δανείων αυτοκινήτων και πιστωτικών καρτών δείχνει ότι οι πιέσεις στα χαμηλότερα εισοδήματα εντείνονται.

Το θετικό στοιχείο είναι ότι η σημερινή κατάσταση δεν θυμίζει το 2008. Το χρέος των αμερικανικών νοικοκυριών αντιστοιχεί περίπου στο 70% του ΑΕΠ, όσο δηλαδή και το 2001, και παραμένει πολύ χαμηλότερο από το 100% που είχε φτάσει το 2007.

Σε τελική ανάλυση, η επίδραση του χρηματιστηριακού πλούτου είναι το μικρότερο κανάλι μετάδοσης. Μετά την κατάρρευση των dotcom, οι επιχειρηματικές επενδύσεις μειώθηκαν κατά 11% μέσα σε δύο χρόνια. Οι επενδύσεις σε εξοπλισμό πληροφορικής υποχώρησαν μόλις κατά 6%, οι επενδύσεις σε εξοπλισμό μεταφορών κατά 21%, ενώ οι επενδύσεις σε βιομηχανικά κτίρια κατέρρευσαν κατά 55%.

Η τεχνολογία μπορεί να ανάψει το φυτίλι, αλλά η έκρηξη εκδηλώνεται σε άλλους τομείς της οικονομίας.

Τι θα σήμαινε μια πτώση των τεχνολογικών μετοχών για το δολάριο και τις αγορές συναλλάγματος;

Δεν είναι βέβαιο ότι θα ακολουθούσε η κλασική ενίσχυση του δολαρίου ως ασφαλούς καταφυγίου. Αυτή τη φορά, μια διόρθωση στις τεχνολογικές μετοχές θα μπορούσε να πλήξει και το ίδιο το αμερικανικό νόμισμα.

Η συνήθης αντίδραση των αγορών είναι ότι σε περιόδους αποφυγής κινδύνου το δολάριο ενισχύεται. Ωστόσο, μια διόρθωση που θα προκληθεί από την τεχνητή νοημοσύνη θα έχει ως επίκεντρο τις ΗΠΑ.

Οι ξένοι επενδυτές διατηρούν μεγάλες θέσεις σε αμερικανικές μετοχές, ένα σημαντικό μέρος των οποίων δεν είναι αντισταθμισμένο έναντι του συναλλαγματικού κινδύνου, έπειτα από μία δεκαετία υπεραπόδοσης των αμερικανικών αγορών.

Μια μεγάλη πτώση των αμερικανικών τεχνολογικών μετοχών θα μπορούσε να προκαλέσει επαναπατρισμό κεφαλαίων και αύξηση των συναλλαγματικών αντισταθμίσεων. Και οι δύο εξελίξεις θα ασκούσαν πιέσεις στο δολάριο, όπως συνέβη και κατά το επεισόδιο «sell America» τον Απρίλιο του 2025.

Το ΔΝΤ εκτιμά ότι το δολάριο θα μπορούσε να υποχωρήσει περίπου κατά 6% σε περίπτωση χρηματιστηριακής διόρθωσης που θα προκληθεί από την AI.

Στην ίδια κατεύθυνση λειτουργεί και το κανάλι των επιτοκίων. Η αρνητική επίδραση στον πλούτο, η εξασθένηση της κατανάλωσης και η επιβράδυνση της αμερικανικής ανάπτυξης θα μπορούσαν τελικά να οδηγήσουν τη Fed σε μειώσεις επιτοκίων, περιορίζοντας τη διαφορά επιτοκίων έναντι του δολαρίου.

Ο χρόνος αυτής της αντίδρασης θα εξαρτηθεί από τον πληθωρισμό. Εάν οι τιμές εξακολουθούν να αυξάνονται με ρυθμό υψηλότερο από τον στόχο, η Fed μπορεί να καθυστερήσει τις μειώσεις επιτοκίων περισσότερο από όσο προσδοκούν οι αγορές, περιορίζοντας έτσι την αρχική πτώση του δολαρίου.

Μεταξύ των κερδισμένων, το γεν και το ελβετικό φράγκο θα μπορούσαν να διαδραματίσουν τον παραδοσιακό ρόλο των ασφαλών καταφυγίων. Το ευρώ ενδέχεται να ενισχυθεί σε σχετικούς όρους, δεδομένης της μικρότερης έκθεσης της Ευρώπης τόσο στις επενδύσεις σε υποδομές AI όσο και στον χρηματιστηριακό πλούτο.

Μια τεχνολογική κατάρρευση με αφετηρία τις ΗΠΑ θα μπορούσε, για πρώτη φορά, να αποτελέσει λόγο διακράτησης ευρωπαϊκών περιουσιακών στοιχείων και όχι φυγής από αυτά.

Οι χαμένοι θα ήταν τα νομίσματα των ασιατικών εξαγωγικών οικονομιών τεχνολογίας, κυρίως το δολάριο Ταϊβάν και το νοτιοκορεατικό γουόν, καθώς οι οικονομίες τους εξαρτώνται σε μεγάλο βαθμό από τη ζήτηση για προϊόντα τεχνητής νοημοσύνης. Τα δύο νομίσματα θα δέχονταν ισχυρές πιέσεις, αν και οι παρεμβάσεις των τοπικών αρχών και τα μεγάλα εμπορικά πλεονάσματα θα μπορούσαν να περιορίσουν κάπως τις απώλειες.

Το βασικό συμπέρασμα είναι ότι σε μια κατάρρευση της αγοράς AI το δολάριο ενδέχεται να χάσει τη φήμη του ως ασφαλούς καταφυγίου. Όχι επειδή ο υπόλοιπος κόσμος θα έχει βρει ένα καλύτερο καταφύγιο, αλλά επειδή αυτή τη φορά η φωτιά θα έχει ξεκινήσει μέσα στο ίδιο το καταφύγιο.

Το βασικό σενάριο για το 2027: Επενδυτική έκρηξη, σταθεροποίηση ή κατάρρευση; Ποιους δείκτες θα πρέπει να παρακολουθούν οι επενδυτές;

Το βασικό σενάριο της ING είναι μια σταθεροποίηση σε υψηλά επίπεδα: η επενδυτική έκρηξη θα συνεχιστεί το 2027, αλλά η συμβολή της στην οικονομική ανάπτυξη θα κορυφωθεί. Η κατάρρευση παραμένει το σημαντικότερο εναλλακτικό σενάριο κινδύνου.

Οι πρώιμοι δείκτες δείχνουν ότι η προσφορά ημιαγωγών θα παραμείνει περιορισμένη έως το 2028, γεγονός που υποδηλώνει ότι ο επενδυτικός κύκλος έχει ακόμη διάρκεια. Ωστόσο, καθώς επιβραδύνεται ο ρυθμός αύξησης των κεφαλαιουχικών δαπανών, η συμβολή της τεχνητής νοημοσύνης στην ανάπτυξη των ΗΠΑ αναμένεται να εξασθενήσει.

Η διαφορά ανάμεσα στα δύο σενάρια έχει τεράστια σημασία για την αμερικανική οικονομία.

Μια σταθεροποίηση σε υψηλά επίπεδα θα έδινε περισσότερο χώρο στην υπόλοιπη οικονομία. Κεφάλαια, ηλεκτρική ενέργεια και εργαζόμενοι που σήμερα απορροφώνται από την AI θα μπορούσαν να κατευθυνθούν ξανά σε άλλους τομείς, επιτρέποντας την ανάκαμψη των μη τεχνολογικών επενδύσεων και ενδεχομένως της απασχόλησης.

Μια απότομη κατάρρευση θα ήταν εντελώς διαφορετική εξέλιξη. Θα σήμαινε ξαφνική διακοπή των τεχνολογικών επενδύσεων, όπως συνέβη το 2001, σε συνδυασμό με αρνητική επίδραση στην κατανάλωση λόγω της πτώσης των χρηματιστηριακών αγορών. Αυτή τη φορά, μάλιστα, οι κεντρικές τράπεζες θα είχαν μικρότερο περιθώριο να μειώσουν τα επιτόκια, καθώς ο πληθωρισμός θα εξακολουθούσε να αποτελεί βασική τους ανησυχία.

Ποια στοιχεία θα πρέπει, λοιπόν, να παρακολουθούν οι επενδυτές;

Για την ίδια την επενδυτική έκρηξη, οι βασικοί δείκτες είναι οι προβλέψεις των hyperscalers για τις κεφαλαιουχικές δαπάνες, τα βιβλία παραγγελιών και οι χρόνοι παράδοσης των εταιρειών της Ταϊβάν, καθώς και η εξέλιξη των εσόδων από την AI σε σχέση με τις αντίστοιχες επενδύσεις.

Οι αγορές θα εστιάσουν στα πραγματικά έσοδα που αποκομίζουν οι μεγάλοι τεχνολογικοί όμιλοι από την τεχνητή νοημοσύνη, στα περιθώρια κέρδους που αποφέρουν τα πρόσθετα έσοδα και στον τρόπο με τον οποίο θα χρηματοδοτηθεί η επόμενη φάση της ανάπτυξης των υποδομών.

Εάν τα στοιχεία αποδειχθούν κατώτερα των προϋπολογισμών των εταιρειών και των προβλέψεων των αναλυτών, θα μπορούσαν να προκαλέσουν ένα κύμα πωλήσεων στις μετοχές.

Στο μέτωπο της χρηματοδότησης, οι πιστωτικές διαφορές των ομολόγων που συνδέονται με την AI, οι ροές κεφαλαίων και οι αιτήσεις εξαγοράς στο private credit, καθώς και οι αποδόσεις των ομολόγων και τα ασφάλιστρα διάρκειας, θα δείξουν κατά πόσο οι επενδυτές εξακολουθούν να είναι πρόθυμοι να χρηματοδοτούν την ανάπτυξη του κλάδου.

Στην πραγματική οικονομία, τα βασικά ερωτήματα είναι εάν θα ανακάμψουν επιτέλους οι μη τεχνολογικές επενδύσεις, πώς θα εξελιχθούν οι προσλήψεις στους κλάδους που εκτίθενται περισσότερο στην AI και τι δείχνουν τα στοιχεία για την παραγωγικότητα, τις συνδέσεις με τα ηλεκτρικά δίκτυα και τη διαθέσιμη ενεργειακή δυναμικότητα.

Το ερώτημα για το 2027 δεν είναι εάν η τεχνητή νοημοσύνη θα αλλάξει τον κόσμο. Είναι εάν θα προλάβει να δημιουργήσει έσοδα και κέρδη που θα δικαιολογούν τις τεράστιες επενδύσεις.

Εάν τα πραγματικά αποτελέσματα δεν ανταποκριθούν στις εξαιρετικά υψηλές προσδοκίες, η σημερινή σταθεροποίηση σε υψηλά επίπεδα μπορεί τελικά να αποδειχθεί το χείλος μιας πολύ πιο απότομης πτώσης.

Πηγή: ING