Γιατί η Wall Street αγνοεί την «κρυφή» βόμβα πίσω από την τεχνητή νοημοσύνη – Τι προκαλεί φόβο στους επενδυτές

Οι πέντε μεγαλύτερες αμερικανικές εταιρείες τεχνολογίας φέρονται να έχουν αναλάβει περίπου 1,65 τρισ. δολάρια υποχρεώσεων που δεν εμφανίζονται στους ισολογισμούς τους, ενώ το πραγματικό ποσό ενδέχεται να είναι ήδη σημαντικά μεγαλύτερο. Μόνο τρεις από αυτές ανακοίνωσαν σχεδόν 900 δισ. δολάρια νέων δεσμεύσεων για την τεχνητή νοημοσύνη μέσα σε ένα τρίμηνο, καθώς η κούρσα για data centers, προηγμένα chips και υπολογιστική ισχύ αποκτά πρωτοφανείς διαστάσεις.

σχετικά άρθρα

Η φούσκα της τεχνητής νοημοσύνης, το πετρέλαιο και το ρίσκο κατάρρευσης των αγορών

Οικονομική ρωγμή στις ΗΠΑ: Πώς ο πόλεμος στο Ιράν γκρεμίζει το αφήγημα Τραμπ

Το γεωπολιτικό ράλι της αγοράς, το στοίχημα του Τραμπ στο Ιράν και η AI

Σύμφωνα με τον οικονομολόγο Patrick Boyle, η εικόνα αυτή έχει οδηγήσει ορισμένους σχολιαστές να κάνουν συγκρίσεις με την Enron, την αμερικανική ενεργειακή εταιρεία που κατέρρευσε το 2001, όταν αποκαλύφθηκε ότι έκρυβε τεράστια χρέη και ζημιές μέσα σε ένα δίκτυο οντοτήτων εκτός ισολογισμού. Ωστόσο, η σύγκριση αυτή παραβλέπει μια κρίσιμη διαφορά: στην περίπτωση των τεχνολογικών εταιρειών, μεγάλο μέρος των υποχρεώσεων δεν αποκρύπτεται παράνομα από τους επενδυτές, αλλά γνωστοποιείται στις υποσημειώσεις των οικονομικών καταστάσεων.

Πολλές από αυτές τις δεσμεύσεις αφορούν μακροχρόνιες συμφωνίες αγοράς καρτών γραφικών ή μισθώσεις data centers που δεν έχουν ακόμη κατασκευαστεί ή τεθεί σε λειτουργία. Με τους συνήθεις λογιστικούς κανόνες, εφόσον το προϊόν δεν έχει παραδοθεί ή το κτίριο δεν λειτουργεί, η υποχρέωση δεν περνά ακόμη στον ισολογισμό.

Είναι αντίστοιχο με ένα διετές συμβόλαιο τηλεφωνίας: ο πελάτης έχει δεσμευτεί να πληρώνει κάθε μήνα, αλλά δεν καταγράφει από την πρώτη ημέρα ολόκληρο το ποσό ως προσωπικό χρέος. Στην περίπτωση της Big Tech, όμως, αντί για ένα συμβόλαιο κινητής τηλεφωνίας πρόκειται για 15ετείς μισθώσεις data centers αξίας δεκάδων δισεκατομμυρίων δολαρίων.

Η Meta, για παράδειγμα, ανέλαβε 233 δισ. δολάρια νέων δεσμεύσεων μέσα σε ένα τρίμηνο, εκ των οποίων 96 δισ. αφορούν μισθώσεις που σταδιακά θα περάσουν στον ισολογισμό όταν οι εγκαταστάσεις τεθούν σε λειτουργία. Επομένως, ένα σημαντικό μέρος του λεγόμενου «κρυφού χρέους» αποτελεί ουσιαστικά διαφορά χρονισμού στη λογιστική καταγραφή.

Αυτό δεν σημαίνει ότι δεν υπάρχουν πιο σύνθετες πρακτικές. Κοινοπραξίες και ειδικά χρηματοδοτικά οχήματα μπορούν να σχεδιάζονται ώστε να παραμένουν εκτός ισολογισμού. Ακόμη και τότε, όμως, τα στοιχεία βρίσκονται στις οικονομικές καταστάσεις. Το πρόβλημα είναι ότι συχνά χρειάζεται κάποιος να ψάξει βαθιά στις υποσημειώσεις για να τα εντοπίσει.

Ο κύκλος των δισεκατομμυρίων γύρω από Nvidia, OpenAI και Anthropic

Η μεγαλύτερη ανησυχία δεν αφορά μόνο το πού καταγράφονται οι υποχρεώσεις, αλλά τον τρόπο με τον οποίο χρηματοδοτείται η έκρηξη της AI.

Η Nvidia βρίσκεται στο επίκεντρο συμφωνιών τεχνητής νοημοσύνης συνολικής αξίας άνω των 750 δισ. δολαρίων. Μεταξύ άλλων, εξετάζεται η στήριξη χρηματοδότησης ύψους 250 δισ. ώστε η OpenAI να μισθώσει υπολογιστική ισχύ και άλλων 350 δισ. για αγορές chips από την ίδια.

Παράλληλα, η Google έχει συμφωνήσει να εγγυηθεί πληρωμές μισθώσεων της Anthropic, μια κίνηση που ισοδυναμεί ουσιαστικά με χρηματοδότηση περίπου 35 δισ. δολαρίων, ενώ η SoftBank έχει δεσμεύσει 65 δισ. στην OpenAI και χρησιμοποίησε δάνειο-γέφυρα 40 δισ. για τη χρηματοδότηση της συμφωνίας.

Το αποτέλεσμα είναι ένα περίπλοκο σύστημα στο οποίο οι εταιρείες που βρίσκονται στην καρδιά της έκρηξης της AI επενδύουν η μία στην άλλη και χρηματοδοτούν πελάτες που αγοράζουν τα δικά τους προϊόντα.

Η πρακτική θυμίζει το λεγόμενο vendor financing, το οποίο δεν είναι καινούργιο. Κατασκευαστές τηλεπικοινωνιακού εξοπλισμού ή αεροσκαφών χρηματοδοτούν εδώ και δεκαετίες πελάτες ώστε να αγοράσουν τα προϊόντα τους. Για τη Nvidia υπάρχει επίσης σαφής επιχειρηματική λογική: βοηθώντας μια εταιρεία όπως η OpenAI να αποκτήσει την υπολογιστική ισχύ που χρειάζεται, εξασφαλίζει πελάτη για τα chips της και ταυτόχρονα μπορεί να αποκτήσει συμμετοχή σε μια επιχείρηση που ενδέχεται να αποκτήσει τεράστια αξία.

Το πρόβλημα εμφανίζεται όταν το στοίχημα αποτύχει. Τότε ο προμηθευτής δεν χάνει μόνο έναν πελάτη, αλλά ενδέχεται να χάσει και τα χρήματα που του δάνεισε για να αγοράσει τα προϊόντα του.

Ακόμη μεγαλύτερο κίνδυνο δημιουργούν οι εγγυήσεις χρέους. Μια επένδυση μετοχικού κεφαλαίου μπορεί στη χειρότερη περίπτωση να μηδενιστεί. Μια εγγύηση για τις υποχρεώσεις ενός πελάτη, αντίθετα, μπορεί να μετατρέψει μια αποτυχημένη επένδυση σε πρόβλημα για την οικονομική κατάσταση του ίδιου του εγγυητή.

Η Nvidia παράγει σήμερα περίπου 200 δισ. δολάρια μετρητών ετησίως, γεγονός που της επιτρέπει να απορροφήσει ενδεχόμενες αποτυχίες μεμονωμένων startups. Ωστόσο, όσο οι εγγυήσεις πλησιάζουν τις εκατοντάδες δισεκατομμύρια, το ρίσκο αυξάνεται. Ενδεικτικό είναι ότι το κόστος ασφάλισης του χρέους της Nvidia έναντι αθέτησης υποχρεώσεων σημείωσε τη μεγαλύτερη ημερήσια άνοδο που έχει καταγραφεί όταν έγιναν γνωστές οι νέες συμφωνίες.

Την ίδια στιγμή, οι πραγματικές ταμειακές ροές των τεχνολογικών κολοσσών δείχνουν την πίεση που προκαλεί η επενδυτική έκρηξη. Οι τέσσερις μεγαλύτεροι hyperscalers εμφάνισαν τη χαμηλότερη συνδυασμένη ελεύθερη ταμειακή ροή της τελευταίας δεκαετίας, περίπου 7 δισ. δολάρια, ενώ η Alphabet πέρασε σε αρνητική ταμειακή ροή για πρώτη φορά από την εισαγωγή της στο χρηματιστήριο.

Παράλληλα, υπάρχει η συζήτηση γύρω από τα «προσαρμοσμένα» κέρδη. Οι εταιρείες συχνά προβάλλουν μεγέθη που εξαιρούν αποσβέσεις και άλλες δαπάνες. Ωστόσο, τα δισεκατομμύρια που επενδύονται σε chips και data centers αφορούν εξοπλισμό που φθείρεται και χρειάζεται αντικατάσταση.

Αντίστοιχη κριτική αφορά τις αμοιβές εργαζομένων με μετοχές. Παρότι χαρακτηρίζονται «μη ταμειακή» δαπάνη και συχνά αφαιρούνται από τα προσαρμοσμένα αποτελέσματα, εξακολουθούν να αποτελούν πραγματικό κόστος για τους μετόχους. Οι εταιρείες μάλιστα χρησιμοποιούν πραγματικά μετρητά για επαναγορές μετοχών ώστε να αντισταθμίσουν την αύξηση του αριθμού των μετοχών που προκαλούν αυτές οι αμοιβές.

Το μεγάλο στοίχημα των 2,5 τρισ. δολαρίων

Πίσω από όλα αυτά βρίσκεται ένα πολύ μεγαλύτερο ερώτημα: μπορεί η τεχνητή νοημοσύνη να δημιουργήσει αρκετά έσοδα ώστε να δικαιολογήσει τις πρωτοφανείς επενδύσεις;

Το φαινόμενο περιγράφεται ως «big market delusion». Όταν εμφανίζεται μια νέα τεχνολογία που υπόσχεται μια τεράστια αγορά, πολλές εταιρείες αποτιμώνται σαν να πρόκειται να κυριαρχήσουν σε αυτή. Το πρόβλημα είναι ότι δεν μπορούν να κερδίσουν όλες ταυτόχρονα. Αν αθροιστούν οι προσδοκίες που ενσωματώνουν οι αποτιμήσεις τους, μπορεί να προκύψει μια αγορά μεγαλύτερη από αυτή που είναι δυνατόν να υπάρξει.

Η επενδυτική έκρηξη της AI εκτιμάται ότι κατευθύνεται προς περίπου 900 δισ. δολάρια δαπανών μέσα σε έναν χρόνο για chips, data centers και ηλεκτρική ενέργεια, με περισσότερα από 400 δισ. να χρηματοδοτούνται μέσω δανεισμού.

Για να δικαιολογηθεί αυτή η κλίμακα επενδύσεων, υπολογίζεται ότι ο κλάδος θα έπρεπε να παράγει περίπου 2,5 τρισ. δολάρια ετήσια έσοδα από την AI, ποσό μεγαλύτερο από όσα παράγει σήμερα ολόκληρος ο παγκόσμιος τεχνολογικός κλάδος από όλες τις δραστηριότητές του.

Η πραγματική χρήση απέχει ακόμη πολύ από αυτή την εικόνα. Περίπου το ένα πέμπτο των αμερικανικών επιχειρήσεων δηλώνει ότι χρησιμοποιεί κάποια μορφή AI, αλλά πολλές χρησιμοποιούν δωρεάν υπηρεσίες. Ο μέσος Αμερικανός διευθυντής χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης περίπου 100 λεπτά την εβδομάδα, ενώ εννέα στους δέκα στελέχη δήλωσαν ότι η AI δεν έχει μεταβάλει την παραγωγικότητα της επιχείρησής τους τα τελευταία τρία χρόνια.

Ενδιαφέρον είναι ότι τα πιο ξεκάθαρα οφέλη φαίνεται να εμφανίζονται στις μικρότερες επιχειρήσεις. Το ποσοστό νέων επιχειρηματιών που χρησιμοποιούν AI για να ξεκινήσουν τη δραστηριότητά τους διπλασιάστηκε σε δύο χρόνια και έφτασε το 60%. Χρησιμοποιούν τα εργαλεία για ιστοσελίδες, γραφειοκρατικές διαδικασίες και εργασίες που παλαιότερα απαιτούσαν την πρόσληψη επιπλέον προσωπικού.

Υπάρχει, τέλος, ένας λόγος που οι τεράστιες υποχρεώσεις μπορούν να παραμένουν για μεγάλο διάστημα μακριά από το επίκεντρο. Η πληροφορία μπορεί να είναι δημόσια, αλλά αυτό δεν σημαίνει ότι είναι εύκολα αξιοποιήσιμη. Ένας κρίσιμος αριθμός μπορεί να βρίσκεται στη σελίδα 83 μιας έκθεσης 200 σελίδων, κατανεμημένος σε τέσσερις διαφορετικές υποσημειώσεις.

Έρευνες έχουν δείξει ότι οι επενδυτές τείνουν να δίνουν μεγαλύτερη βαρύτητα στους αριθμούς που παρουσιάζονται πιο εμφανώς, ενώ τα κέρδη που στηρίζονται σε πραγματικές ταμειακές ροές αποδεικνύονται μακροπρόθεσμα πιο αξιόπιστα από εκείνα που εξαρτώνται περισσότερο από λογιστικές εκτιμήσεις.

Επομένως, η σημερινή ιστορία δεν είναι ένα νέο Enron. Οι υποχρεώσεις δεν είναι πραγματικά κρυφές και τα στοιχεία στις περισσότερες περιπτώσεις έχουν γνωστοποιηθεί. Το μεγάλο ζήτημα είναι διαφορετικό: η παγκόσμια τεχνολογική βιομηχανία έχει δεσμεύσει πρωτοφανή ποσά σε μια τεχνολογία της οποίας η οικονομική απόδοση δεν έχει ακόμη φτάσει ούτε κατά διάνοια στο επίπεδο που απαιτείται για να δικαιολογήσει αυτές τις επενδύσεις.

Η AI μπορεί τελικά να αποδειχθεί τόσο σημαντική όσο το Διαδίκτυο. Αυτό, όμως, δεν σημαίνει ότι οι σημερινές επενδύσεις, οι σημερινές αποτιμήσεις και το χρονοδιάγραμμα πάνω στο οποίο στηρίζονται θα δικαιωθούν. Και μέχρι να δοθεί η απάντηση, οι εταιρείες θα συνεχίσουν να δανείζονται, να κατασκευάζουν data centers και να καταγράφουν τις τεράστιες μελλοντικές δεσμεύσεις τους στις υποσημειώσεις των οικονομικών τους καταστάσεων.