Sztuczna inteligencja to bez wątpienia temat numer jeden na rynkach finansowych i w strategiach technologicznych gigantów. Jednak w cieniu rekordowych wycen giełdowych i futurystycznych wizji narastają pytania o ekonomiczną opłacalność obecnej gorączki złota. Czy stoimy u progu nowej rewolucji przemysłowej, czy może czeka nas bolesna powtórka z pęknięcia bańki dot-comów?
 
Przyjrzyjmy się danym, które rzucają światło na to, co naprawdę dzieje się za kulisami "rewolucji AI". 

Skala inwestycji w infrastrukturę AI jest oszałamiająca. Szacuje się, że nakłady inwestycyjne (Capex) w najbliższych latach wyniosą około 1 biliona dolarów. Tylko w ostatnim roku „Hyperscalers” – czyli giganci tacy jak Microsoft, Amazon, Alphabet i Meta – wydali łącznie 335 miliardów dolarów na infrastrukturę oraz dodatkowe 50-100 miliardów na badania i rozwój. Przewiduje się, że do 2027 roku wydatki na same centra danych wzrosną do 1,4 biliona dolarów.
 
Tu jednak pojawia się problem, który David Cahn z Sequoia Capital nazwał „dziurą przychodową”. Aby uzasadnić tak gigantyczne wydatki na infrastrukturę (głównie procesory GPU), ekosystem AI musiałby generować setki miliardów dolarów rocznego przychodu. Obecnie jednak przychody te stanowią zaledwie ułamek potrzebnej kwoty – szacuje się, że Microsoft, Google i Meta (wyłączając OpenAI) generują z AI jedynie około 15-20 mld USD. Mamy więc do czynienia z „dylematem 600 miliardów dolarów” – luką między kosztami a realnym zyskiem. 

Sceptycy, tacy jak Jim Covello z Goldman Sachs, argumentują, że technologia ta jest po prostu zbyt kosztowna, by zastąpić ludzi w wielu zadaniach. Daron Acemoglu z MIT szacuje wręcz, że w ciągu dekady AI wpłynie na mniej niż 5% zadań, zwiększając produktywność w USA jedynie o 0,5%. Co więcej, 95% firm wciąż nie uzyskuje zwrotu z inwestycji w generatywną AI, utykając w fazie wiecznych pilotaży.
 
Na domiar złego, rynek przeżył niedawno „Szok DeepSeek”. Chiński startup wypuścił model o wydajności porównywalnej z amerykańskimi gigantami, ale jego trening kosztował zaledwie ułamek standardowych kwot (ok. 5,6 mln USD). To wydarzenie, które w jeden dzień obniżyło kapitalizację Nvidii o blisko 600 mld USD, sugeruje niebezpieczny trend dla producentów sprzętu: jeśli modele można trenować taniej, marże oparte na drogiej infrastrukturze mogą runąć. Modele językowe stają się towarem powszechnym (commodity), a wartość przesuwa się z infrastruktury w stronę aplikacji. 

Nawet jeśli pieniądze nie byłyby problemem, rozwój AI zderza się z barierami fizyki. Popyt na energię dla centrów danych w USA ma rosnąć o 15% rocznie, podczas gdy sieci energetyczne są przestarzałe, a czas oczekiwania na przyłącze wynosi od 40 do 70 miesięcy. Istnieje realne ryzyko, że nowo wybudowane centra danych staną się „aktywami osieroconymi” – gotowymi budynkami, które stoją puste z braku prądu. Do tego dochodzą wąskie gardła w łańcuchu dostaw, takie jak niedobory pamięci HBM, gdzie popyt przewyższa podaż.
 
Nie można też ignorować prawników. Fala pozwów o prawa autorskie (np. The New York Times przeciwko OpenAI) oraz wdrażanie unijnego AI Act wprowadzają ogromną niepewność. Regulacje są wskazywane przez 36% firm jako główny hamulec wdrażania tej technologii. 

Jednym z najbardziej niepokojących zjawisk jest tzw. finansowanie cyrkulacyjne. Przypomina ono mitycznego węża Ouroboros zjadającego własny ogon. Giganci technologiczni inwestują w startupy AI, które następnie wydają te same pieniądze na usługi chmurowe tychże gigantów. To sztucznie pompuje przychody i może ukrywać brak realnego popytu końcowego. Rynek jest też niebezpiecznie skoncentrowany – wzrost indeksu S&P 500 zależy w dużej mierze od zaledwie kilku spółek, co stwarza ryzyko systemowe. 

Czy bańka pęknie? Eksperci kreślą dwa główne scenariusze: 

Niezależnie od scenariusza finansowego, rynek pracy ulegnie zmianie. McKinsey szacuje, że do 2030 roku zautomatyzowane może zostać nawet 30% godzin pracy. 

Obecnie rynek znajduje się w fazie „trawienia” ogromnych inwestycji. Kluczowe będą najbliższe 12-18 miesięcy. Dla inwestorów i obserwatorów rynku płynie stąd jedna lekcja: warto szukać firm z realnymi przychodami, a nie tylko obietnicami. Jak w każdej gorączce złota, najlepiej zarabia się na sprzedaży łopat – dopóki ktoś nie wymyśli koparki, która sprawi, że łopaty staną się bezużyteczne.