Σκάει η “φούσκα” της τεχνητής νοημοσύνης;
Οι μετοχές των “Magnificent-7” (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia και Tesla) αντιπροσωπεύουν πάνω από το ένα τρίτο του S&P 500, με την πρόσφατη ανάπτυξη να οφείλεται στην τεχνητή νοημοσύνη. Οι επενδυτές αρχίζουν να ανησυχούν για αυτό το επίπεδο συγκέντρωσης. Στο αποκορύφωμα της “φούσκας” των dot-com το 2000, οι κορυφαίες μετοχές τεχνολογίας από τα τέλη της δεκαετίας του 1990 (Cisco, Dell, Intel, Lucent και Microsoft) αντιπροσώπευαν το 15% του δείκτη. Μια τέτοια συγκέντρωση αυξάνει τον κίνδυνο
Η προσοχή επικεντρώνεται στον καταναλωτικό τομέα. Ο ιστότοπος ChatGPT της OpenAI δέχτηκε πάνω από πέντε δισεκατομμύρια επισκέψεις τον Ιούλιο που μας πέρασε.
Ο πραγματικός οικονομικός αντίκτυπος θα φανεί από το πόσο υιοθετήσουν την τεχνητή νοημοσύνη οι καταναλωτές και οι επιχειρήσεις. Το Εθνικό Γραφείο Οικονομικών Ερευνών άρχισε να δημοσιεύει την έρευνά του για την υιοθέτηση της γενετικής τεχνητής νοημοσύνης πριν από περίπου έναν χρόνο. Στα τέλη του 2024, περίπου το 40% του πληθυσμού των ΗΠΑ ανέφερε ότι χρησιμοποιεί τη γενετική τεχνητή νοημοσύνη και το 23% ανέφερε ότι την είχε χρησιμοποιήσει στην εργασία του τουλάχιστον μία φορά την εβδομάδα πριν ξεκινήσει η έρευνα. Συγκρίνοντας το επίπεδο χρήσης της τεχνητής νοημοσύνης από την αρχική κυκλοφορία του ChatGPT, η χρήση της γενετικής τεχνητής νοημοσύνης στους χώρους εργασίας αυξάνεται ταχύτερα σε σύγκριση με τη χρήση της σε PCs ή στο διαδίκτυο, σύμφωνα με τη μελέτη. Αυτή τη δυναμική της τεχνητής νοημοσύνης οι οικονομολόγοι την αποκαλούν τεχνολογία γενικής χρήσης, με βαθιά και ευρεία επίδραση στην οικονομία.
Ωστόσο, οι προκλήσεις παραμένουν. Μια ομάδα ερευνητών του MIT έβαλε στο μικροσκόπιό της περισσότερες από 300 δημόσια γνωστές πρωτοβουλίες στον τομέα της τεχνητής νοημοσύνης, περισσότερες από 50 εταιρείες και εκατοντάδες στελέχη του κλάδου από τον Ιανουάριο έως τον Ιούνιο του 2025 και κατέληξε στο συμπέρασμα ότι το 95% δεν είχε θετική απόδοση από την επένδυσή του. Κατάφερε να εντοπίσει τρεις παράγοντες που οδήγησαν στην επιτυχία του υπόλοιπου 5%. Οι επιτυχημένες εταιρείες αγοράζουν αντί να κατασκευάζουν, εκτελούν εντός των επιχειρηματικών μονάδων αντί για κεντρικά εργαστήρια και επιλέγουν εργαλεία που ενσωματώνονται στις υφιστάμενες επιχειρηματικές ροές εργασίας τους. Ενώ η επίτευξη αποδόσεων που συνδέονται με την επιχειρηματική μεταμόρφωση είναι σπάνια, η υιοθέτηση της τεχνητής νοημοσύνης είναι υψηλή, με το 90% να εξετάζει σοβαρά την αγορά μιας λύσης ΤΝ. Είναι ένα γνωστό μοτίβο όταν οι επιχειρήσεις υιοθετούν τεχνολογία. Οι αναλυτές το αποκαλούν “κύκλο υπερκινητικότητας”, παρακολουθώντας τις καινοτόμες τεχνολογίες από την είσοδό τους στην αγορά έως το σημείο όπου οι επιχειρήσεις είναι πιθανό να επωφεληθούν από αυτές και η τεχνολογία να γίνει mainstream.
Ακόμη και ο Sam Altman, ο οποίος συνέβαλε τα μέγιστα στην εκρηκτική ανάπτυξη της τεχνητής νοημοσύνης, προειδοποιεί ότι η αγορά μπορεί να “υπερθερμανθεί”. Ο ίδιος και άλλοι επενδυτές επισημαίνουν τις ραγδαία αυξανόμενες αποτιμήσεις, τα υπερβολικά χρήματα που επενδύονται σε επιχειρηματικά μοντέλα που δεν έχει αποδειχθεί ότι λειτουργούν και τον κίνδυνο της κατασκευής υποδομών ταχύτερα από ό,τι δικαιολογεί η ζήτηση. Όπως και στην έκθεση του MIT, ανησυχούν ότι μεγάλο μέρος των κεφαλαίων διοχετεύεται σε έργα που είναι απίθανο να αποδώσουν. Η ανησυχία δεν αφορά τόσο τις μακροπρόθεσμες προοπτικές της τεχνητής νοημοσύνης, όσο τις υπερβολικές προσδοκίες που δημιουργούν τις προϋποθέσεις για μια απότομη διόρθωση.
