Paradoks inwestycji w AI: rekordowy kapitał, ale gdzie są zwroty?

„Erę komputerów widać wszędzie poza statystykami produktywności”. Robert Solow napisał to w 1987 roku. Warto to przeczytać ponownie w 2024.
Ilość kapitału płynącego w tym roku do AI nie ma precedensu. Cztery największe amerykańskie firmy technologiczne, Microsoft, Alphabet, Amazon i Meta, zmierzają do wydania w 2024 roku na inwestycje znacznie ponad 200 mld dolarów, w większości związanych z centrami danych i infrastrukturą AI. Nvidia w czerwcu na krótko stała się najcenniejszą firmą świata. Twórcy modeli z czołówki pozyskują rundy liczone w miliardach, a nie milionach.
A jednak pytanie, które zdominowało rozmowy inwestorów tego lata, nie dotyczyło wzrostu. Dotyczyło zwrotów.
Pytanie za 600 miliardów dolarów
W czerwcu David Cahn z Sequoia Capital opublikował analizę, która precyzyjnie ujęła tę debatę. Jeśli wziąć obecne tempo wydatków na infrastrukturę AI i założyć, że firmy, które ją kupują, muszą zarobić rozsądną marżę, ekosystem AI musiałby generować około 600 mld dolarów rocznych przychodów, by uzasadnić tę inwestycję. Faktyczne przychody z AI to dziś ułamek tej kwoty.
Kilka tygodni później Goldman Sachs opublikował raport, którego tytuł oddawał nastrój: za dużo wydatków, za mało korzyści? Ekonomista z MIT, Daron Acemoglu, oszacował w nim, że AI może dodać do PKB USA w ciągu następnej dekady tylko około 1 procenta, znacznie mniej niż krążące na rynku optymistyczne prognozy.
To nie są poglądy z marginesu. Pochodzą od jednych z najbardziej wyrafinowanych inwestorów i ekonomistów na świecie.
Co widzę w praktyce
W pracy z zarządami firm i spółkami portfelowymi widzę powtarzalny wzorzec. Niemal każda organizacja uruchomiła pilotaże generatywnej AI. Bardzo niewiele przeniosło je do produkcji na dużą skalę. Te, którym się udało, często raportują istotne zyski w konkretnych procesach, takich jak obsługa klienta, tworzenie oprogramowania i obsługa dokumentów, ale zyski te nie złożyły się jeszcze w widoczne zmiany w rachunku wyników.
Przyczyny rzadko są techniczne. Są organizacyjne. Procesy nie zostały przeprojektowane. Dane są rozproszone. Odpowiedzialność za wyniki jest niejasna. Pracownicy używają narzędzi AI indywidualnie, ale organizacja nie zmieniła sposobu, w jaki ułożona jest praca. Technologię da się szybko poprawić. Organizacje są znacznie trudniejsze.
Oznaki wstrząsu
Tymczasem warstwa modeli już pokazuje oznaki przeciążenia. W marcu Microsoft zatrudnił większość zespołu Inflection AI, w tym współzałożyciela Mustafę Suleymana, w transakcji, która zostawiła ze start-upu pustą skorupę. Podobne układy pojawiły się w Adept z Amazonem i w Character.ai z Google. Stability AI, jeden z ulubieńców 2022 roku, patrzył, jak jego założyciel ustępuje w obliczu trudności finansowych. To ciche przejęcia talentów, a nie triumfalne wyjścia.
Lekcja dla inwestorów jest taka, że technologiczna imponująca forma to nie to samo co budowa trwałego biznesu, zwłaszcza gdy najwięksi konkurenci są jednocześnie dostawcami mocy obliczeniowej i potencjalnymi nabywcami.
Jak o tym myśleć
Nie uważam, że boom na AI jest bańką w tym sensie, że technologii brakuje wartości. Uważam natomiast, że czas pojawienia się zwrotów jest niedoszacowany, a ich rozkład będzie bardzo nierówny. Historia podpowiada, że w cyklach infrastrukturalnych pierwsi inwestorzy w moce często osiągają słabe zwroty, a większość wartości przejmują ci, którzy korzystają z infrastruktury później, kiedy jest obfita i tania.
Rynek zaczyna odróżniać firmy tworzące przełomy technologiczne od firm budujących rentowne biznesy. To rozróżnienie wyznaczy kolejną fazę.
Pytanie inwestycyjne: Czy boom inwestycyjny w AI tworzy trwałą wartość ekonomiczną, czy inwestorzy finansują wyścig infrastrukturalny o niepewnych zwrotach?


