Ob velikih naložbah v umetno inteligenco se vprašanje zdi nenavadno, na prvi pogled tudi precejšen paradoks. Toda gradnja podatkovnih centrov, rast prihodkov tehnoloških podjetij in višji življenjski standard niso ista stvar. Prvo ustvarja povpraševanje danes, drugo nagrajuje ponudnike, tretje pa zahteva, da tehnologija izboljša delovanje širokega dela gospodarstva. Povezava med njimi ni samodejna.
Umetna inteligenca lahko postane izjemen poslovni uspeh, ne da bi enako močno pospešila gospodarsko rast. Prihodki ponudnikov čipov, modelov in računske moči kažejo, koliko je trg pripravljen plačati za novo tehnologijo. Ne povedo pa, koliko več lahko zaradi nje proizvede celotno gospodarstvo. Med donosom na kapital in višjim življenjskim standardom je več vmesnih korakov.
Izjemen investicijski cikel že danes povečuje povpraševanje po polprevodnikih, elektriki in gradbenih zmogljivostih. A gradnja podatkovnih centrov je predvsem vlaganje v prihodnje zmogljivosti. Ali se bodo naložbe upravičile, bo odvisno od uporabe tehnologije tudi zunaj podjetij, ki jo razvijajo. Tu se začne razlika med tehnološkim prebojem in gospodarskim napredkom.
Nobelov nagrajenec za ekonomijo (2024) Daron Acemoglu opozarja, da prihrankov pri posameznih nalogah ni mogoče preprosto prenesti na celotno gospodarstvo. Odločilno je, kolikšen del dela lahko umetna inteligenca izboljša in kako veliki so prihranki. Njegov model dopušča precej zmernejši makroekonomski učinek, kot ga nakazujejo najbolj odmevni primeri uporabe. Gre za opozorilo pred enačenjem tehnoloških zmogljivosti s produktivnostjo.
Empirični dokazi kažejo razlike med podjetji. Raziskava Evropske investicijske banke ugotavlja, da uvajanje umetne inteligence povečuje produktivnost dela, vendar so koristi izrazitejše pri srednjih in velikih podjetjih. Del izboljšanja je povezan z dodatnimi kapitalskimi vlaganji. Nova orodja zahtevajo kakovostne podatke, usposabljanje zaposlenih in spremembe poslovnih procesov. Šele ti dopolnilni vložki pomagajo tehnologijo pretvoriti v gospodarsko korist.
Zamik ni nič nenavadnega. Raziskave o produktivnostni J-krivulji opozarjajo, da naložbe v organizacijo in znanje sprva povečajo stroške, njihovi učinki pa se pokažejo pozneje. Zato počasnejši odziv produktivnosti še ne pomeni neuspeha nove tehnologije. Prav tako pa ne dokazuje, da bo velik preskok slej ko prej nastopil.
Oxfordški ekonomist Carl Benedikt Frey v knjigi How Progress Ends opozarja na drugo razvojno napetost. Odkrivanje novih rešitev potrebuje tekmovanje idej in eksperimentiranje, njihovo širjenje pa kapital, obseg in organizacijo. Ureditev, ki uspešno razširja današnje tehnologije, ni nujno enako uspešna pri odkrivanju naslednjih. Velika podjetja so lahko nepogrešljiva za infrastrukturo, pomembno pa je ohraniti prostor za nove ponudnike. OECD opozarja, da kapitalska zahtevnost in koncentracija ključnih delov trga umetne inteligence ustvarjata konkurenčna tveganja.
Pomembna je tudi smer inoviranja. Avtomatizacija obstoječih nalog lahko zniža stroške, nove naloge, proizvodi in storitve pa odpirajo dodatne možnosti za rast. Obenem večja učinkovitost ni isto kot širša delitev njenih koristi. Del ustvarjene vrednosti lahko ostane pri ponudnikih infrastrukture ali programske opreme, del pri uporabnikih, del pa se prek nižjih cen in višjih plač prenese na kupce in zaposlene. Pri tem štejeta konkurenca in pogajalska moč.
Za vlagatelje je ključno, kolikšen del nove vrednosti bodo zajela posamezna podjetja. Za gospodarstvo pa, koliko dodatne vrednosti bo sploh nastalo in kako široko se bodo razširile koristi. To sta povezani, a različni vprašanji. Resnični preizkus umetne inteligence ne bo število zgrajenih podatkovnih centrov ali moč najnovejših modelov. Bo to, ali bodo tudi podjetja zunaj tehnološke elite sposobna ustvariti nekaj, česar prej niso mogla.
Vas zanimajo priložnosti za investiranje?
Vas zanima, kje se skrivajo priložnosti za investiranje v času sprememb? Prijavite se na brezplačen pogovor z našimi finančnimi strokovnjaki.