Το μεγάλο ερώτημα για την οικονομική βιωσιμότητα της έκρηξης της τεχνητής νοημοσύνης.
Οι προβλέψεις κορυφαίων στελεχών της τεχνολογίας για το μέλλον της παγκόσμιας οικονομίας δεν λείπουν.
Ο ιδρυτής της Monzo, Tom Blomfield, εκτιμά ότι η ανεργία θα εκτοξευθεί τα επόμενα πέντε χρόνια, καθώς όλο και μεγαλύτερο μέρος της ανθρώπινης εργασίας θα αντικαθίσταται από την τεχνητή νοημοσύνη.
Ο Elon Musk εκτιμά ότι μέσα σε μία δεκαετία η ανεργία θα μπορούσε να αγγίξει σχεδόν το 100%.
Όμως οι προβλέψεις είναι ένα πράγμα. Τι πραγματικά συμβαίνει στην οικονομία σήμερα;
Η χρήση AI από τις μικρές επιχειρήσεις τετραπλασιάζεται
Νέα στοιχεία που έδωσε στη δημοσιότητα η Capital on Tap, μία από τις μεγαλύτερες εταιρείες χρηματοδότησης μικρομεσαίων επιχειρήσεων στη Βρετανία, αποκαλύπτουν μια πολύ διαφορετική εικόνα.
Η εταιρεία παρακολουθεί τα πρότυπα δαπανών σε συναλλαγές συνολικής αξίας δεκάδων δισεκατομμυρίων λιρών κάθε χρόνο.
Σύμφωνα με τα στοιχεία, η υιοθέτηση της τεχνητής νοημοσύνης από τις μικρές επιχειρήσεις έχει αυξηθεί θεαματικά τα τελευταία δύο χρόνια.
Μόλις το 3,2% των μικρομεσαίων επιχειρήσεων (SMEs) δαπανούσε χρήματα για υπηρεσίες εταιρειών AI το δεύτερο τρίμηνο του 2024.
Δύο χρόνια αργότερα, το ποσοστό αυτό έχει τετραπλασιαστεί, φτάνοντας το 12,8% το δεύτερο τρίμηνο του 2026.
Αναμενόμενα, έχει αυξηθεί σημαντικά και η μέση δαπάνη για AI, από 93 λίρες ανά μικρή επιχείρηση σε 288 λίρες μέσα στην ίδια περίοδο.
Η μεγάλη παγίδα κρύβεται στη «μέση» δαπάνη
Υπάρχει όμως μια σημαντική λεπτομέρεια.
Η διάμεση δαπάνη για το δεύτερο τρίμηνο του 2026 είναι στην πραγματικότητα πολύ χαμηλότερη, στις 75,60 λίρες.
Ο λόγος είναι ότι ο μέσος όρος επηρεάζεται σημαντικά από έναν μικρό αριθμό επιχειρήσεων που δαπανούν τεράστια ποσά για υπηρεσίες τεχνητής νοημοσύνης.
Συγκεκριμένα, οι επιχειρήσεις που βρίσκονται στο ανώτερο 1% των δαπανών για AI ξοδεύουν κατά μέσο όρο 3.159 λίρες η καθεμία.
Με άλλα λόγια, η εντυπωσιακή αύξηση των δαπανών δεν σημαίνει ότι η πλειονότητα των μικρών επιχειρήσεων έχει αρχίσει να διοχετεύει μεγάλα ποσά στην τεχνητή νοημοσύνη.
Μόλις 0,1% των συνολικών δαπανών πηγαίνει στην AI
Και εδώ βρίσκεται το πραγματικά ενδιαφέρον στοιχείο.
Κατά μέσο όρο, τα εργαλεία τεχνητής νοημοσύνης αντιστοιχούν μόλις στο 0,1% της αξίας όλων των δαπανών μέσω καρτών που επεξεργάζεται η Capital on Tap.
Μόλις 0,1%.
Αν αυτό το ποσοστό επεκταθεί στο σύνολο της βρετανικής οικονομίας, η συνολική ετήσια δαπάνη για υπηρεσίες τεχνητής νοημοσύνης διαμορφώνεται σε περίπου 4 δισ. λίρες.
Για να γίνει αντιληπτό το μέγεθος, πρόκειται για ποσό μικρότερο από το ένα δέκατο του ετήσιου τζίρου της Tesco.
Η εικόνα αυτή βρίσκεται σε γενικές γραμμές κοντά και σε άλλες εκτιμήσεις για τις ετήσιες παγκόσμιες δαπάνες στην τεχνητή νοημοσύνη, οι οποίες τις τοποθετούν περίπου μεταξύ 100 και 150 δισ. λιρών.
Το τεράστιο χάσμα: Σχεδόν 1 τρισ. δολάρια σε υποδομές
Αναμφίβολα, οι δαπάνες για AI θα συνεχίσουν να αυξάνονται, καθώς οι μεγαλύτεροι πάροχοι τεχνητής νοημοσύνης αρχίζουν να χρεώνουν περισσότερο για τα μοντέλα τους.
Όμως εδώ εμφανίζεται ένα τεράστιο οικονομικό πρόβλημα.
Την ώρα που οι επιχειρήσεις δαπανούν ακόμη σχετικά μικρά ποσά για υπηρεσίες AI, οι μεγαλύτερες εταιρείες τεχνολογίας στον κόσμο αναμένεται να δαπανήσουν σχεδόν 1 τρισ. δολάρια για υποδομές τεχνητής νοημοσύνης μόνο φέτος.
Και οι δαπάνες αυτές αναμένεται να αυξηθούν ακόμη περισσότερο το 2027.
Σύμφωνα με εκτίμηση του Economist, οι μεγαλύτερες αμερικανικές τεχνολογικέ εταιρείες θα δαπανήσουν περίπου 900 δισ. δολάρια το 2026 και περίπου 1,4 τρισ. δολάρια το 2027.
Ένα σημαντικό μέρος αυτών των επενδύσεων χρηματοδοτείται μάλιστα μέσω χρέους.
Πρέπει να αυξηθούν εκθετικά τα έσοδα
Για να αποδώσουν αυτές οι τεράστιες επενδύσεις σε υποδομές τεχνητής νοημοσύνης, οι δαπάνες των επιχειρήσεων για AI θα πρέπει να αυξηθούν κατά τάξεις μεγέθους.
Το πρόβλημα είναι ότι πράγματι αυξάνονται – και μάλιστα γρήγορα.
Αλλά όχι αρκετά γρήγορα ώστε να συμβαδίζουν με το τεράστιο κύμα επενδύσεων που πραγματοποιούν οι εταιρείες τεχνολογίας.
Και κάπου εδώ βρίσκεται το μεγάλο ερώτημα για την οικονομική βιωσιμότητα της έκρηξης της τεχνητής νοημοσύνης.
Πώς μπορούν να βγουν οι αριθμοί;
Είναι ένα ερώτημα που δεν έχει εύκολη απάντηση, αλλά ολοένα και περισσότεροι επενδυτές αρχίζουν να το θέτουν.
Γιατί πίσω από τα τρισεκατομμύρια δολάρια που διοχετεύονται σε data centers, chips και υποδομές AI υπάρχει ένα απλό οικονομικό ζητούμενο: οι πραγματικοί πελάτες πρέπει κάποια στιγμή να πληρώσουν τον λογαριασμό.
Και μέχρι σήμερα, η απόσταση ανάμεσα στις επενδύσεις στην AI και στην πραγματική της εμπορευματοποίηση παραμένει τεράστια.
www.bankingnews.gr
Ο ιδρυτής της Monzo, Tom Blomfield, εκτιμά ότι η ανεργία θα εκτοξευθεί τα επόμενα πέντε χρόνια, καθώς όλο και μεγαλύτερο μέρος της ανθρώπινης εργασίας θα αντικαθίσταται από την τεχνητή νοημοσύνη.
Ο Elon Musk εκτιμά ότι μέσα σε μία δεκαετία η ανεργία θα μπορούσε να αγγίξει σχεδόν το 100%.
Όμως οι προβλέψεις είναι ένα πράγμα. Τι πραγματικά συμβαίνει στην οικονομία σήμερα;
Η χρήση AI από τις μικρές επιχειρήσεις τετραπλασιάζεται
Νέα στοιχεία που έδωσε στη δημοσιότητα η Capital on Tap, μία από τις μεγαλύτερες εταιρείες χρηματοδότησης μικρομεσαίων επιχειρήσεων στη Βρετανία, αποκαλύπτουν μια πολύ διαφορετική εικόνα.
Η εταιρεία παρακολουθεί τα πρότυπα δαπανών σε συναλλαγές συνολικής αξίας δεκάδων δισεκατομμυρίων λιρών κάθε χρόνο.
Σύμφωνα με τα στοιχεία, η υιοθέτηση της τεχνητής νοημοσύνης από τις μικρές επιχειρήσεις έχει αυξηθεί θεαματικά τα τελευταία δύο χρόνια.
Μόλις το 3,2% των μικρομεσαίων επιχειρήσεων (SMEs) δαπανούσε χρήματα για υπηρεσίες εταιρειών AI το δεύτερο τρίμηνο του 2024.
Δύο χρόνια αργότερα, το ποσοστό αυτό έχει τετραπλασιαστεί, φτάνοντας το 12,8% το δεύτερο τρίμηνο του 2026.
Αναμενόμενα, έχει αυξηθεί σημαντικά και η μέση δαπάνη για AI, από 93 λίρες ανά μικρή επιχείρηση σε 288 λίρες μέσα στην ίδια περίοδο.
Η μεγάλη παγίδα κρύβεται στη «μέση» δαπάνη
Υπάρχει όμως μια σημαντική λεπτομέρεια.
Η διάμεση δαπάνη για το δεύτερο τρίμηνο του 2026 είναι στην πραγματικότητα πολύ χαμηλότερη, στις 75,60 λίρες.
Ο λόγος είναι ότι ο μέσος όρος επηρεάζεται σημαντικά από έναν μικρό αριθμό επιχειρήσεων που δαπανούν τεράστια ποσά για υπηρεσίες τεχνητής νοημοσύνης.
Συγκεκριμένα, οι επιχειρήσεις που βρίσκονται στο ανώτερο 1% των δαπανών για AI ξοδεύουν κατά μέσο όρο 3.159 λίρες η καθεμία.
Με άλλα λόγια, η εντυπωσιακή αύξηση των δαπανών δεν σημαίνει ότι η πλειονότητα των μικρών επιχειρήσεων έχει αρχίσει να διοχετεύει μεγάλα ποσά στην τεχνητή νοημοσύνη.
Μόλις 0,1% των συνολικών δαπανών πηγαίνει στην AI
Και εδώ βρίσκεται το πραγματικά ενδιαφέρον στοιχείο.
Κατά μέσο όρο, τα εργαλεία τεχνητής νοημοσύνης αντιστοιχούν μόλις στο 0,1% της αξίας όλων των δαπανών μέσω καρτών που επεξεργάζεται η Capital on Tap.
Μόλις 0,1%.
Αν αυτό το ποσοστό επεκταθεί στο σύνολο της βρετανικής οικονομίας, η συνολική ετήσια δαπάνη για υπηρεσίες τεχνητής νοημοσύνης διαμορφώνεται σε περίπου 4 δισ. λίρες.
Για να γίνει αντιληπτό το μέγεθος, πρόκειται για ποσό μικρότερο από το ένα δέκατο του ετήσιου τζίρου της Tesco.
Η εικόνα αυτή βρίσκεται σε γενικές γραμμές κοντά και σε άλλες εκτιμήσεις για τις ετήσιες παγκόσμιες δαπάνες στην τεχνητή νοημοσύνη, οι οποίες τις τοποθετούν περίπου μεταξύ 100 και 150 δισ. λιρών.
Το τεράστιο χάσμα: Σχεδόν 1 τρισ. δολάρια σε υποδομές
Αναμφίβολα, οι δαπάνες για AI θα συνεχίσουν να αυξάνονται, καθώς οι μεγαλύτεροι πάροχοι τεχνητής νοημοσύνης αρχίζουν να χρεώνουν περισσότερο για τα μοντέλα τους.
Όμως εδώ εμφανίζεται ένα τεράστιο οικονομικό πρόβλημα.
Την ώρα που οι επιχειρήσεις δαπανούν ακόμη σχετικά μικρά ποσά για υπηρεσίες AI, οι μεγαλύτερες εταιρείες τεχνολογίας στον κόσμο αναμένεται να δαπανήσουν σχεδόν 1 τρισ. δολάρια για υποδομές τεχνητής νοημοσύνης μόνο φέτος.
Και οι δαπάνες αυτές αναμένεται να αυξηθούν ακόμη περισσότερο το 2027.
Σύμφωνα με εκτίμηση του Economist, οι μεγαλύτερες αμερικανικές τεχνολογικέ εταιρείες θα δαπανήσουν περίπου 900 δισ. δολάρια το 2026 και περίπου 1,4 τρισ. δολάρια το 2027.
Ένα σημαντικό μέρος αυτών των επενδύσεων χρηματοδοτείται μάλιστα μέσω χρέους.
Πρέπει να αυξηθούν εκθετικά τα έσοδα
Για να αποδώσουν αυτές οι τεράστιες επενδύσεις σε υποδομές τεχνητής νοημοσύνης, οι δαπάνες των επιχειρήσεων για AI θα πρέπει να αυξηθούν κατά τάξεις μεγέθους.
Το πρόβλημα είναι ότι πράγματι αυξάνονται – και μάλιστα γρήγορα.
Αλλά όχι αρκετά γρήγορα ώστε να συμβαδίζουν με το τεράστιο κύμα επενδύσεων που πραγματοποιούν οι εταιρείες τεχνολογίας.
Και κάπου εδώ βρίσκεται το μεγάλο ερώτημα για την οικονομική βιωσιμότητα της έκρηξης της τεχνητής νοημοσύνης.
Πώς μπορούν να βγουν οι αριθμοί;
Είναι ένα ερώτημα που δεν έχει εύκολη απάντηση, αλλά ολοένα και περισσότεροι επενδυτές αρχίζουν να το θέτουν.
Γιατί πίσω από τα τρισεκατομμύρια δολάρια που διοχετεύονται σε data centers, chips και υποδομές AI υπάρχει ένα απλό οικονομικό ζητούμενο: οι πραγματικοί πελάτες πρέπει κάποια στιγμή να πληρώσουν τον λογαριασμό.
Και μέχρι σήμερα, η απόσταση ανάμεσα στις επενδύσεις στην AI και στην πραγματική της εμπορευματοποίηση παραμένει τεράστια.
www.bankingnews.gr
Σχόλια αναγνωστών