Το σενάριο αυτό θα μπορούσε να γίνει πραγματικότητα για πολλούς λόγους. Τα οφέλη της τεχνητής νοημοσύνης για την παραγωγικότητα μπορεί να έχουν υπερεκτιμηθεί. Σε αυτή την περίπτωση, οι επιχειρήσεις που εξετάζουν την υιοθέτηση προηγμένων μοντέλων θα περιορίσουν τη ζήτησή τους για tokens, τις βασικές μονάδες δεδομένων που επεξεργάζονται αυτά τα μοντέλα. Εναλλακτικά, η διαθεσιμότητα μοντέλων ανοιχτών βαρών, τα οποία επιτρέπουν στους χρήστες να προσαρμόζουν τις παραμέτρους ενός μοντέλου στις ανάγκες τους, μπορεί να τους δώσει τη δυνατότητα να δημιουργήσουν μικρά γλωσσικά μοντέλα που λειτουργούν στη δική τους υποδομή ή ακόμη και σε φορητούς υπολογιστές, όπως αυτός που χρησιμοποιώ για να γράψω το παρόν σχόλιο. Σε κάθε περίπτωση, τα έσοδα που θα αποκομίσουν οι επενδυτές από τα κέντρα δεδομένων θα υπολείπονται των προσδοκιών.

Η πιο άμεση και ορατή επίπτωση θα ήταν μια απότομη πτώση στις υψηλές χρηματιστηριακές αποτιμήσεις των «Magnificent 7», των επτά τεχνολογικών και συναφών με την τεχνολογία εταιρειών τεράστιας κεφαλαιοποίησης που έχουν οδηγήσει τον S&P 500. Ωστόσο, οι χρηματιστηριακές διορθώσεις δεν αποτελούν εγγύηση ούτε για χρηματοπιστωτικές κρίσεις ούτε καν για ύφεση. Εάν η τιμή της μετοχής της Meta υποχωρήσει, ο Mark Zuckerberg θα αγοράσει λιγότερα κάστρα στην Ιρλανδία. Θα υπάρξει επιβράδυνση της καταναλωτικής και επενδυτικής δαπάνης. Θα υπάρξουν απώλειες για επενδυτικά κεφάλαια, όπως το Situational Awareness, που ειδικεύονται σε επενδύσεις σχετικές με την τεχνητή νοημοσύνη. Ωστόσο, χρηματοπιστωτική κρίση θα προέκυπτε μόνο εάν εμπλέκονταν τράπεζες, ασφαλιστικές εταιρείες και άλλοι μεγάλοι θεσμικοί επενδυτές. Και υπάρχουν ελάχιστες ενδείξεις ότι έχουν μεγάλη έκθεση στον κίνδυνο των μετοχών που σχετίζονται με την τεχνητή νοημοσύνη.

Οι εξελίξεις στις αγορές χρέους είναι περισσότερο ανησυχητικές. Καθώς το κόστος κατασκευής κέντρων δεδομένων υπερβαίνει τις ελεύθερες ταμειακές ροές των εταιρειών που τα χρηματοδοτούν και τα έσοδα από δυνητικούς ενοικιαστές παραμένουν ακόμη μακρινή προοπτική, μεγάλο μέρος αυτών των επενδύσεων χρηματοδοτείται μέσω δανεισμού από private credit funds, δηλαδή μη τραπεζικές εταιρείες που χορηγούν ιδιωτικά διαπραγματευόμενα δάνεια. Εάν η ζήτηση για υπηρεσίες κέντρων δεδομένων αποδειχθεί χαμηλότερη από τις προσδοκίες, αυτά τα δάνεια θα παρουσιάσουν προβλήματα αποπληρωμής —ένας ευγενικός τρόπος να πούμε ότι οι δανειολήπτες θα χρεοκοπήσουν.

Το ερώτημα στη συνέχεια είναι ποιοι έχουν επενδύσει στα private credit funds. Η δημοφιλής εικόνα είναι ότι πρόκειται για τα ίδια family offices και τα άτομα υψηλής καθαρής περιουσίας που επενδύουν σε venture capital και μπορούν να αντέξουν περιστασιακές απώλειες. Η πραγματικότητα όμως είναι ότι η συντριπτική πλειονότητα του private credit παρέχεται από θεσμικούς επενδυτές: συνταξιοδοτικά ταμεία, ασφαλιστικές εταιρείες και, τολμώ να πω, πανεπιστημιακά κληροδοτήματα.

Επιπλέον, τα private credit funds έχουν λάβει μέτρα για να αντλήσουν κεφάλαια από αυτούς τους θεσμικούς επενδυτές, εξαγοράζοντας ασφαλιστικές εταιρείες, των οποίων τα χαρτοφυλάκια ενεργητικού μπορούν στη συνέχεια να γεμίσουν με δάνεια. Αυτό δημιουργεί τον κίνδυνο μιας κρίσης στον ασφαλιστικό κλάδο, η οποία θα μπορούσε να εκδηλωθεί με διάφορους τρόπους. Οι μητρικές εταιρείες private credit των ασφαλιστικών εταιρειών θα μπορούσαν να τις ανακεφαλαιοποιήσουν, εφόσον διαθέτουν τα απαραίτητα κεφάλαια. Εναλλακτικά, τα κρατικά ταμεία εγγυήσεων, στα οποία συνεισφέρουν οι υγιείς ασφαλιστικές εταιρείες, θα μπορούσαν να χρηματοδοτήσουν την ανακεφαλαιοποίηση, αν και δεν θα υπάρχουν υγιείς εταιρείες εάν ολόκληρος ο κλάδος καταρρεύσει. Τέλος, η ομοσπονδιακή κυβέρνηση θα μπορούσε να παρέμβει με ένα πρόγραμμα διάσωσης, όπως έκανε το 2008 για την American International Group.

Εκτός από τον δανεισμό από συνταξιοδοτικά ταμεία και ασφαλιστικές εταιρείες, οι εταιρείες private credit δανείζονται και από εμπορικές τράπεζες, χρησιμοποιώντας το χαρτοφυλάκιο των δανείων τους ως εξασφάλιση, αυξάνοντας έτσι τη μόχλευση των επενδύσεών τους και ενισχύοντας τις αποδόσεις τους. Ακόμη και αν οι τράπεζες δεν δανείζουν σε εταιρείες τεχνητής νοημοσύνης και κέντρα δεδομένων ούτε επενδύουν άμεσα σε αυτές, μπορεί και πάλι να βρεθούν εκτεθειμένες. Μπορούμε μόνο να ελπίζουμε ότι οι εποπτικές αρχές τους παρακολουθούν την κατάσταση.

Τέλος, οι εταιρείες private credit, οι οποίες αρχικά βασίζονταν σε ένα μοντέλο αγοράς και διακράτησης, προχωρούν ολοένα περισσότερο στην τιτλοποίηση των δανείων τους. Συσκευάζουν αυτά τα δάνεια μέσω εταιρειών ειδικού σκοπού, οι οποίες εκδίδουν ομόλογα που υποστηρίζονται από τις σχετικές ταμειακές ροές, με τα ομόλογα να χωρίζονται σε επίπεδα κινδύνου ή «tranches», τα οποία έχουν πρώτη, δεύτερη και τρίτη προτεραιότητα στις πληρωμές εξυπηρέτησης του χρέους. Η λεγόμενη «mezzanine tranche», δηλαδή η κατηγορία ομολόγων μεσαίου κινδύνου, πωλείται στη συνέχεια σε άλλους διαχειριστές περιουσιακών στοιχείων. Για να αξιολογήσουμε πόσο άμεσος είναι ο κίνδυνος μιας κρίσης, θα χρειαζόταν να γνωρίζουμε περισσότερα για τον κίνδυνο που ενσωματώνει αυτή η mezzanine tranche και για το ποιοι την κατέχουν. Δεν τα γνωρίζουμε. Εάν αυτό σας θυμίζει τον ρόλο της τιτλοποίησης, των εταιρειών ειδικού σκοπού, των διαφορετικών tranches και της αδιαφάνειας στην κρίση των ενυπόθηκων στεγαστικών δανείων υψηλού κινδύνου του 2007-08, δεν είστε οι μόνοι.

Όπως ακριβώς οι αγορές χρέους τροφοδότησαν την παγκόσμια χρηματοπιστωτική σχεδόν-κατάρρευση που ακολούθησε εκείνη την κρίση, έτσι και η έκθεσή τους στην τεχνητή νοημοσύνη θα καθορίσει τις εξελίξεις σήμερα. Το πρόβλημα είναι ότι διαθέτουμε εξαιρετικά περιορισμένες δημόσιες πληροφορίες για αυτές τις αγορές και οι εποπτικές αρχές δεν κάνουν αυτή την πληροφόρηση ευκολότερη.

Barry Eichengreen, καθηγητής Οικονομικών και Πολιτικών Επιστημών στο University of California, Berkeley, έχει διατελέσει ανώτερος σύμβουλος πολιτικής στο Διεθνές Νομισματικό Ταμείο. Είναι συγγραφέας πολλών βιβλίων, μεταξύ των οποίων το Money Beyond Borders: Global Currencies From Croesus to Crypto (Princeton University Press, 2026).

Πηγή: Project Syndicate