Czy sektor AI wraca do ery dotcomów?

Ekonomiści think tanku UniCredit The Investment Institute przeanalizowali nasilające się dyskusje na temat bańki spekulacyjnej wokół sztucznej inteligencji, konfrontując obecny boom z analogią do ery dotcomów z przełomu wieków. Zbadali zróżnicowanie pomiędzy firmami tworzącymi infrastrukturę a tymi specjalizującymi się w tworzeniu aplikacji, stopień przygotowania nowych modeli biznesowych do osiągnięcia rentowności, kluczowe ryzyka prawne i regulacyjne oraz potencjalne konsekwencje dla popytu na moc obliczeniową.

Porównanie obecnej sytuacji na rynkach z bańką dotcomów pozostaje nietrafione w odniesieniu do rentownych gigantów technologicznych i dostawców infrastruktury. Staje się jednak coraz bardziej adekwatne w kontekście fali wyspecjalizowanych aplikacji AI.

W warstwie infrastruktury i modeli bazowych ryzyko wynika z ewentualnych nadmiernych nakładów kapitałowych na centra danych i chipy, co przypomina dawne cykle rozbudowy sieci kolejowych lub telekomunikacyjnych. W warstwie aplikacji gwałtowny spadek barier wejścia umożliwia tworzenie zaawansowanych produktów analitycznych przez pojedyncze osoby, co może napędzić boom przedsiębiorczości.

Trwałość komercyjną aplikacji AI mogą jednak ograniczać spory o ochronę własności intelektualnej, tendencja rynku do koncentracji zysków u nielicznych podmiotów o silnej reputacji („zwycięzca zgarnia większość”) oraz narastający sprzeciw polityczny i społeczny, zwłaszcza ze strony zawodów opartych na wiedzy. Upadki startupów w tej warstwie prawdopodobnie nie zdestabilizowałyby rynków finansowych, lecz mogłyby wywołać kryzys nadpodaży mocy obliczeniowej, uderzając w zwrot z inwestycji infrastrukturalnych. Zagrożenie dla stabilności finansowej mogłyby natomiast stworzyć upadki firm AI finansowanych kredytami i funduszami venture capital.

Wprowadzenie

W ostatnich latach w dyskusjach o sztucznej inteligencji często przywołuje się analogię do bańki dotcomów. Nigdy nie była ona trafnym punktem odniesienia dla rozwoju modeli bazowych ani infrastruktury, na której się opierają. Staje się jednak coraz bardziej adekwatna w warstwie aplikacji AI. W miarę jak AI przenika do kolejnych branż, wielu przedsiębiorców będzie próbowało budować na jej bazie przełomowe modele biznesowe. Sukces odniosą jednak tylko nieliczni. Jeden ze scenariuszy zakłada falę nieudanych aplikacji AI i niższy od oczekiwań popyt na moc obliczeniową, co mogłoby wywrzeć presję na część obecnego cyklu inwestycji w infrastrukturę.

Niniejsza analiza podsumowuje polityczne, prawne i ekonomiczne uwarunkowania rozwoju aplikacji AI na tle bieżących wydarzeń rynkowych.

Miniony tydzień upłynął pod znakiem AI. Spółka Anthropic złożyła dokumentację rejestracyjną (formularz S-1) w związku z planowaną na listopad pierwszą ofertą publiczną (IPO). Niezależnie od tego, czy wycena spółki sięgnie 1,5 bln USD, czy przekroczy tę kwotę, inwestorzy powinni pamiętać, że nadal jest to inwestycja ryzykowna. Narastają obawy, że poważny incydent związany ze sztuczną inteligencją jest tylko kwestią czasu. Gdyby do niego doszło, mógłby wywołać ostrą reakcję regulacyjną, która doprowadziłaby do spadku dzisiejszych wygórowanych wycen. W ostatnich dniach notowania spółek z sektora AI podlegały silnym wahaniom, zarówno w Azji, jak i w USA. Mimo to w szerszej perspektywie nadal pozytywnie oceniamy potencjał inwestycyjny AI.

Na tym tle premiera Econvitals w zeszłym tygodniu przeszła niemal niezauważona poza wąskim gronem pasjonatów ekonomii. To platforma AI stworzona przez Jasona Furmana z Harvardu, publikująca codzienne i cotygodniowe raporty makroekonomiczne, które model Claude pisze w pełni autonomicznie. Jest namacalnym przykładem tego, jak AI przeobrazi branże oparte na wiedzy. Przygotowanie takich opracowań zwykle wymagałoby pracy zespołu 20 analityków. Furman nadzoruje platformę w wolnym czasie, przy wsparciu dwóch studentów. Efekt jest imponujący. Według ekonomisty Oliviera Blancharda platformę „zdecydowanie warto śledzić”.

Jak podkreśla Edoardo Campanella, Director and Editor-in-Chief of The Investment Institute, może dziwić, że szef think tanku promuje narzędzie zdolne zagrozić zawodowi analityka. Przekonuje, że nie widzi w tym jednak sprzeczności – Furman oferuje wysokiej jakości, tradycyjną analizę bieżących danych makroekonomicznych – właśnie z tego rodzaju opracowań ekonomiści zrezygnowali, gdy 18 miesięcy temu uruchamiali Investment Institute, bo już wtedy było jasne, że AI stanie się w tym obszarze poważnym konkurentem. – Przeprowadziliśmy więc jedną z najbardziej radykalnych reorganizacji zespołu badawczego w branży finansowej, o jakich mi wiadomo. Odeszliśmy od rutynowych treści na rzecz analiz tematycznych o większej wartości dodanej. Jednocześnie tworzymy zupełnie nową ofertę analityczną we wszystkich kanałach komunikacji, stawiając na wysoką jakość – relacjonuje Edoardo Campanella.

W dalszej części analizy podkreśla, że znaczenie Econvitals wykracza poza świat analiz – platforma pokazuje też, czego możemy spodziewać się w innych dziedzinach. W 2024 r. Sam Altman, dyrektor generalny OpenAI, twierdził, że wkrótce pojawią się jednoosobowe jednorożce (startupy wyceniane na ponad 1 mld USD), a „przyszłością startupów może być jedna osoba i 10 000 procesorów GPU”. Econvitals pozwala zrozumieć, co miał na myśli, choć Furman traktuje platformę jako dobro publiczne i udostępnia ją bezpłatnie. Podobne usługi prawdopodobnie pojawią się w wielu branżach opartych na wiedzy, przyciągając kapitał, podsycając entuzjazm inwestorów i zaostrzając konkurencję.

Pod tym względem obecna sytuacja przypomina koniec lat 90., kiedy upowszechnianie się internetu budziło nadzieje na „nową gospodarkę” i szybki wzrost produktywności. To właśnie przejście od internetu jako technologii ogólnego przeznaczenia do firm wykorzystujących go w praktyce napędziło bańkę dotcomów. Teraz uwaga inwestorów będzie się coraz wyraźniej przesuwać z infrastruktury AI i modeli bazowych na aplikacje – wyspecjalizowane firmy AI automatyzujące całe procesy tworzenia treści.

To prowadzi nas do głównego pytania:

Czy w sektorze AI zaczyna się odpowiednik ery dotcomów?

Bańka? Jaka bańka?

Od ponad roku w dyskusjach o AI powraca trudne pytanie: czy tworzy się bańka? Jej istnienie można stwierdzić z całą pewnością dopiero po tym, jak pęknie. Tymczasem tradycyjne wskaźniki finansowe, takie jak wskaźnik ceny do zysku (C/Z, ang. P/E), nigdy nie wskazywały jednoznacznie na istnienie bańki.

Trudno było też znaleźć trafną analogię historyczną dla poszczególnych warstw ekosystemu AI. Przez pewien czas naturalnym punktem odniesienia wydawały się dotcomy, ale to porównanie było nietrafne. Głównymi beneficjentami dotychczasowego boomu na AI nie są spekulacyjne startupy o niesprawdzonych modelach biznesowych, lecz dojrzali, wysoce rentowni giganci technologiczni, generujący znaczne przepływy pieniężne (Meta, Microsoft, Alphabet itd.). Choć ich zasoby gotówki maleją, a inwestycje coraz częściej finansowane są długiem, ich solidna kondycja finansowa pozostaje niekwestionowana. Nie ulega też wątpliwości, że sama technologia istnieje i ma ogromne możliwości. W warstwie modeli ryzykiem jest natomiast to, że duże modele językowe coraz bardziej się do siebie upodabniają i coraz trudniej je od siebie odróżnić. ChatGPT i Claude to w istocie ten sam produkt.

Również w warstwie infrastruktury AI – centrów danych, zasobów chmurowych i chipów AI – porównanie z dotcomami okazuje się nieadekwatne. Ryzyko nie polega tu na stworzeniu słabego produktu, lecz na nadmiernych inwestycjach wielkich dostawców infrastruktury chmurowej, tzw. hiperskalerów (Microsoft, Amazon, Oracle itd.), próbujących prześcignąć konkurentów. Najtrafniejszą analogią są w tym przypadku wielkie boomy infrastrukturalne z przeszłości: rozbudowa amerykańskich linii kolejowych w latach 1865–1890 oraz budowa sieci telekomunikacyjnych i internetowych pod koniec lat 90.

Porównanie z dotcomami nabiera natomiast sensu w warstwie aplikacji, czyli tam, gdzie AI znajduje zastosowanie w konkretnych sektorach. Pojawienie się platform takich jak Econvitals sugeruje, że wkrótce możemy zobaczyć falę firm tworzonych od podstaw wokół AI, opartych na istniejących modelach bazowych – podobną do fali dotcomów. Dotychczas ta część rynku przyciągała mniej uwagi, ponieważ inwestorzy nadal koncentrują się na chipach, centrach danych i modelach bazowych. Może się jednak okazać najbardziej dynamiczną częścią ekosystemu AI i przynieść najgłębsze zmiany.

Wtedy i dziś

Platformy takie jak Econvitals pozwalają już dziś zobaczyć zarys tej przyszłości. Koszt uruchomienia zaawansowanego przedsięwzięcia opartego na wiedzy gwałtownie spada. Pracę, która kiedyś wymagała dziesiątek analityków, programistów i badaczy, może dziś wykonywać garstka osób korzystających z zaawansowanych narzędzi AI. Econvitals opiera się na przykład na 500 000 linii kodu napisanego w całości przy użyciu AI. Doprowadzenie platformy do obecnego etapu rozwoju zajęło sześć miesięcy. Przed erą AI stworzenie takiego rozwiązania wymagałoby trzech lat pracy dwudziestoosobowego zespołu inżynierów, specjalistów od analizy danych i ekonomistów.

W miarę obniżania się barier wejścia liczba przedsięwzięć wykorzystujących AI prawdopodobnie gwałtownie wzrośnie. Równie mocno zaostrzy się jednak konkurencja o to, kto zdoła na nowo zdefiniować całe branże. Podobnie jak internet dał początek tysiącom startupów pod koniec lat 90., tak AI może zapoczątkować falę nowych firm w obszarze badań, doradztwa, usług prawnych, edukacji, ochrony zdrowia i wielu innych branż opartych na wiedzy. Tak jak przed trzydziestu laty, część z nich zdobędzie dominującą pozycję. Amazon, eBay i Yahoo należały do zwycięzców ery internetu. Wiele innych firm jednak zniknęło. Pets.com, internetowy sprzedawca karmy i akcesoriów dla zwierząt, zadebiutował na giełdzie w lutym 2000 r., a zaledwie dziewięć miesięcy później został zlikwidowany.

Istnieje jednak zasadnicza różnica między erą dotcomów a dzisiejszym boomem na AI. Większość firm internetowych, które zbankrutowały, była kapitałochłonna: potrzebowała dużych budżetów marketingowych, magazynów, infrastruktury fizycznej i setek pracowników. Ich przetrwanie zależało od stałego dopływu finansowania zewnętrznego. Gdy zamknął się dostęp do rynków kapitałowych, wiele z nich upadło. Nowa generacja firm tworzonych wokół AI wygląda zupełnie inaczej. Pojedynczy przedsiębiorca, korzystający z asystentów programowania opartych na AI, narzędzi projektowych i zautomatyzowanych systemów marketingowych, może stworzyć produkty, które wcześniej wymagałyby pracy dziesiątek inżynierów oprogramowania, analityków i pracowników wsparcia. Możemy więc być świadkami nie tyle boomu inwestycyjnego, ile boomu przedsiębiorczości.

Czynniki ryzyka

Różnice w strukturze działalności firm internetowych i firm AI oznaczają, że ewentualna bańka w warstwie aplikacji – której powstanie nie jest przesądzone – może pęknąć z innych powodów niż bańka dotcomów. Firmy z ery internetu często miały słabe podstawy ekonomiczne i pochłaniały ogromne ilości kapitału. Dzisiejsze startupy AI działają przy znacznie niższych kosztach i mogą dużo szybciej osiągnąć rentowność. Nie będzie to więc powtórka z Pets.com. Ryzyka kryją się gdzie indziej:

• Kwestie własności intelektualnej. Wiele powstających dziś aplikacji AI opiera się na pozyskiwaniu, przetwarzaniu lub ponownym wykorzystywaniu treści stworzonych przez inne podmioty. Grupy medialne, wydawcy, autorzy, artyści i twórcy oprogramowania coraz częściej kwestionują wykorzystywanie materiałów chronionych prawem autorskim do trenowania AI i w zastosowaniach komercyjnych. Platforma badawcza wytrenowana w dużej mierze na zastrzeżonych analizach finansowych, asystent prawny oparty na chronionych bazach danych prawniczych czy usługa edukacyjna wykorzystująca chronione treści mogą stać się przedmiotem sporów o własność intelektualną, które mogłyby zaszkodzić ich działalności. Dziennik „The New York Times” pozwał OpenAI i Microsoft, zarzucając im nieautoryzowane wykorzystanie swoich treści do trenowania AI. Z kolei stowarzyszenie Authors Guild wraz z pisarzami, m.in. Johnem Grishamem, wystąpiło z roszczeniami dotyczącymi naruszenia praw autorskich w związku z wykorzystaniem książek w modelach AI. Jeśli platforma AI zostanie pozbawiona dostępu do specjalistycznej wiedzy niezbędnej do trenowania, natychmiast straci jakąkolwiek wartość rynkową. Spółka Anthropic zgodziła się niedawno zapłacić 1,5 mld USD w ramach ugody w postępowaniu z pozwu zbiorowego autorów i wydawców, po tym jak wykorzystała ponad 7 mln pirackich książek z nielegalnych bibliotek internetowych (tzw. shadow libraries) do trenowania swojego chatbota Claude. Mniejszym firmom AI z pewnością trudno byłoby udźwignąć koszty sporów o własność intelektualną.
• Koncentracja ekonomiczna. Najbardziej udane aplikacje AI mogą ostatecznie działać według zasady „winner-takes-most”, czyli „zwycięzca zgarnia większość”. Jeśli każdy przedsiębiorca ma dostęp do podobnych modeli bazowych, przewaga konkurencyjna będzie zależeć w mniejszym stopniu od samego modelu, a w większym – od marki, reputacji, danych dostępnych na wyłączność i zaufania. Econvitals dobrze to ilustruje: wartość platformy wynika z wiarygodności, wiedzy eksperckiej i reputacji Jasona Furmana. W świecie, w którym treści będzie pod dostatkiem, osoby potrafiące je wiarygodnie selekcjonować, uznani eksperci i ugruntowane marki mogą przejąć nieproporcjonalnie dużą część wartości ekonomicznej. Furman nie tylko nadzoruje platformę, lecz także sam tworzy treści. Dla niektórych odbiorców to właśnie one pozostają jej najcenniejszą częścią. Profesor MIT Ivan Werning napisał niedawno w serwisie X: „Zasubskrybowałem [Econvitals] ze względu na część, której nie tworzy AI – komentarze Jasona”. Platformy AI służące do analiz ekonomicznych istniały jeszcze przed premierą Econvitals, lecz nie przyciągały uwagi, właśnie dlatego, że nie stało za nimi znane nazwisko. Udostępniając Econvitals bezpłatnie, Furman już na starcie eliminuje konkurencję w tym obszarze.
• Sprzeciw polityczny i społeczny. Każda większa rewolucja technologiczna tworzy zwycięzców i przegranych. Im większy sukces odniesie AI, tym więcej zawodów odczuje zagrożenie. W miarę jak utrata miejsc pracy będzie coraz bardziej widoczna w sektorach, w których AI zastępuje ludzi, zamiast wspierać ich pracę, będzie rosła presja na wprowadzenie regulacji. Już teraz widać to w branży wydawniczej i badaniach naukowych. Wiele czasopism naukowych i wydawnictw wymaga od autorów ujawniania wykorzystania generatywnej AI i odmawia publikacji tekstów nie tylko napisanych, lecz także zredagowanych przez AI. W ten sposób redaktorzy i naukowcy wyraźnie bronią swojej roli zawodowej. W przyszłości organy regulacyjne mogą na przykład zażądać od instytucji finansowych, by nie wykorzystywały narzędzi AI do tworzenia analiz mogących wpływać na decyzje inwestycyjne, ponieważ nawet twórcom AI coraz trudniej ustalić, co dzieje się wewnątrz „czarnej skrzynki” modelu i czy nie wykazuje on stronniczości mogącej wpływać na decyzje inwestorów. Co ciekawe, reakcje na Econvitals zaczynają przypominać obronę interesów dawnych cechów rzemieślniczych. Firma badawcza MacroPolicy Perspectives wydała oświadczenie: „Mamy poważny problem z treściami generowanymi przez AI, prezentowanymi bez wskazania niezliczonych profesjonalnych prognostów, na których się opierają, oraz bez uznania specjalistów z urzędów statystycznych, którzy opracowują dane”.

Co dalej?

Ze względu na różnice między erą AI a erą internetu ewentualne pęknięcie bańki miałoby też inny przebieg. Krach dotcomów nastąpił, ponieważ firmy internetowe przepalały ogromne ilości kapitału, szybko zwiększały zatrudnienie i ponosiły wysokie nakłady na marketing, nie mając jasnej ścieżki do rentowności. Gdy wyschło finansowanie od inwestorów, wiele z nich zostało bez gotówki i zbankrutowało, co ostatecznie doprowadziło do destabilizacji rynków finansowych.

W przypadku bańki w warstwie aplikacji AI mechanizm przenoszenia się problemów na resztę rynku byłby zupełnie inny. Kluczowym zasobem nie jest tu kapitał finansowy, lecz moc obliczeniowa. Duża liczba aplikacji AI generuje popyt na korzystanie z modeli, czyli tzw. inferencję. To skłania dostawców modeli bazowych i hiperskalerów do inwestowania coraz większych sum w procesory graficzne (GPU), centra danych i infrastrukturę energetyczną. Jeśli jednak z trzech omówionych wcześniej powodów wiele aplikacji nie zdoła przyciągnąć płacących klientów ani zapewnić trwałych przychodów, popyt na usługi AI może okazać się niższy od oczekiwań.

W przeciwieństwie do ery dotcomów upadki startupów prawdopodobnie nie destabilizowałyby rynków finansowych, ponieważ firmy te potrzebują stosunkowo niewiele kapitału. Kryzys mógłby natomiast przybrać postać nadmiaru mocy obliczeniowych w całym ekosystemie AI, niepełnego wykorzystania centrów danych, niższych zwrotów z inwestycji w infrastrukturę oraz rosnącej presji na modele biznesowe firm, które zainwestowały setki miliardów dolarów w oczekiwaniu na przyszły popyt. Obok firm AI działających w małych zespołach i przy niewielkim zaangażowaniu kapitału istnieje jednak także wiele takich, które finansują się kredytami i funduszami venture capital. Jeśli upadną z wymienionych wcześniej przyczyn, mogą wywołać niestabilność finansową podobną do tej, którą obserwowaliśmy na początku 2000 r.

Niezależnie od tego, czy ta potencjalna bańka w warstwie aplikacji powstanie i pęknie, chciałbym zakończyć jeszcze jedną refleksją. Econvitals przypomina nie tylko o tym, jak głęboko AI może zmienić funkcjonowanie całych zawodów, lecz także o tym, że raczej nie zastąpi tego, co sprawia, że człowiek pozostaje niezbędny. W wielu dziedzinach AI zautomatyzuje rutynowe zadania i sprawi, że wiedza stanie się powszechnie dostępnym towarem. Jednocześnie jednak zwiększy wartość kreatywności, samodzielnego osądu, oryginalności i zaufania.

Coraz ważniejsze staje się więc robienie tego, czego maszyny nie potrafią – i podążanie drogą Furmana, zamiast budowania kolejnego Econvitals. Powinniśmy z zadowoleniem przyjąć świat, w którym AI eliminuje powtarzalne zadania i uwalnia czas na działania o większej wartości dodanej. Gdy treści staną się wszechobecne i trudne do odróżnienia, ludzie mogą bardziej cenić wartość wnoszoną przez człowieka – wiedzę ekspercką i osobistą wiarygodność, których maszyny nie są w stanie łatwo odtworzyć.