A mesterséges intelligencia körüli tőkepiaci eufória a modern gazdasági ciklus egyik legjelentősebb strukturális kérdésévé vált. Az AI nem csupán technológiai áttörés, hanem egy új általános célú technológia, amely képes újrakeretezni a termelékenység, a munka és a tőke viszonyát. Ugyanakkor a tőkepiac dinamikája és az innováció körüli várakozások olyan mértékben gyorsultak fel, hogy a fundamentumoktól való leválás, vagyis a klasszikus buborékképződés jegyei is egyre inkább érzékelhetők.
Számos befektetési elemző, köztük Gary Savage figyelmeztetése szerint is minden pénzügyi buborék a saját pszichológiájába omlik össze: amikor a várakozások exponenciálisan nőnek, a realitás törvényszerűen nem tud velük lépést tartani. Savage számításai szerint az ilyen szakaszokban az eszközértékek háromnegyede is elpárologhat, mielőtt az egyensúly helyreáll. Ez a dinamikus korrekció a piaci ciklusok örök logikáját idézi: a lelkesedés fázisában az értékeltségek elszakadnak a fundamentumoktól, majd a kiábrándulás idején a piac gyakran túlságosan alacsony értékre korrigál. Az emberi viselkedés hajlamos a szélsőségekre, a „fear-and-greed” ingamozgás pedig a likviditási ciklusok természetes velejárója. A mesterséges intelligencia e tekintetben sajátos eset: az innováció valódi, de felmerül, hogy talán az értékeltségek sebessége meghaladja a technológiai diffúzió tényleges ütemét.
A befektetői viselkedés mintázata a korábbi technológiai ciklusokat idézi: az új paradigma megjelenését követően az eszközárak rendszerint előreszaladnak a valós bevételi és termelékenységi hatásokhoz képest. A mesterséges intelligencia esetében azonban a helyzet komplexebb, mert a technológia nem egy szűk iparághoz, hanem a gazdaság egészéhez kapcsolódik, így a hatása horizontális. Az AI-infrastruktúra, pl. félvezetők, adatközpontok, felhőszolgáltatások, beruházásai részben immateriális tőke formájában jelennek meg. Ez a statisztikai késleltetés a valós hatás és a mért adatok közötti szakadékot növeli, hozzájárulva a piaci értékeltségek és a makrostatisztikák közti feszültséghez.
Makrogazdasági szempontból a jelenlegi AI-rali a likviditási ciklus és a monetáris feltételek közvetlen függvénye. Az ultraalacsony kamatok időszakában az innovációs tőke költsége minimális volt, a „duration trade” logikájára épülő hosszú távú értékelések megugrottak. A jegybanki szigorítás és a reálkamatok emelkedése azonban új értékelési rezsimet hozott létre, amelyben a diszkontráta megugrása hirtelen leértékelheti a jövőbeli cash-flow-ígéreteket. Az AI-szektor ezért különösen érzékeny a finanszírozási feltételekre: egyszerre profitál a technológiai narratívából és szenved a likviditás szűkülésétől.
A buborék-meghatározás klasszikus kritériumai, azaz a gyors tőkebeáramlás, a fundamentumoktól elszakadt értékeltség, a profit irracionális extrapolációja részben teljesülnek az AI esetében, de nem univerzálisan. A legnagyobb vállalatok, például a vezető chipgyártók és felhőszolgáltatók esetében a bevétel és a cash-flow ténylegesen nő, miközben a kisebb, spekulatív szereplőkbe irányuló tőke sokszor nem fenntartható üzleti modelleket finanszíroz.
A piac tehát kettős: a magrégióban fundamentális növekedés, a periférián eufórikus árazás dominál. Ez a szerkezet emlékeztet az 1990-es évek végének dotkom-időszakára, de az AI gazdasági beágyazottsága mélyebb és reálisabb, mint az akkori internetlázé volt.
A termelékenységi hatások időben aszinkronok. A vállalati szinten már mérhető hatékonyságnövekedés még nem jelenik meg a GDP-statisztikákban, ami részben az immateriális tőke elszámolásának hiányosságaira vezethető vissza. Az AI hatása a teljes tényező-termelékenységre endogén módon épül be: a tudás- és adatintenzív tevékenységek növelik a gazdaság innovációs kapacitását, de a makroszintű hozadék csak akkor materializálódik, ha a technológia széles körben diffundál, és a munkaerőpiac képes adaptálódni. Ez az adaptáció azonban nem súrlódásmentes: a skill-biased technological change a magas képzettségű munkaerő jövedelmi prémiumát növeli, miközben a rutinmunkák kiszorulnak. A folyamat fokozza az egyenlőtlenséget, és a kereslet oldalán deflációs nyomást generálhat, ami módosíthatja a monetáris politika hatékonyságát.
Egy másik lényeges dimenzió az energia- és infrastruktúra-korlát. Az adatközpontok energiaigénye exponenciálisan nő, ami a mesterséges intelligenciát paradox módon egyszerre teszi a dekarbonizáció eszközévé és akadályává. A növekvő energiaintenzitás makroszinten kínálati inflációs nyomást okozhat, különösen akkor, ha az energiaszektor beruházásai nem tartanak lépést az adatfeldolgozási igényekkel. Az AI tehát rövid távon inflációs, hosszabb távon deflációs erő is lehet – a technológiai hatékonyság és az inputköltségek relatív sebessége dönti el, melyik hat dominál.
Felmerülhet az a kérdés is, hogy létezik-e technológiai üvegplafon. Azaz egy pont, ahol a számítási kapacitás, az energiaigény és az adatminőség korlátai átmenetileg megfékezik az exponenciális növekedést. A fejlődés ritmusa nem mindig extrapolálható, sokszor inkább hullámzó, mivel a technológiai ciklusok gyakran váltogatják az áttörések és konszolidáció időszakait. Lehet, hogy az AI is ilyen hullámban halad majd: a jelenlegi robbanást egy természetes lassulás, majd újabb ugrás követi.
A pénzügyi stabilitási kockázatok sem elhanyagolhatók. A technológiai részvények súlya a globális indexekben történelmi csúcsot ért el, így egy esetleges újraárazódás rendszerszintű eszközár-hatásokkal járhat. Nem ez az első mesterséges intelligencia-láz a gazdaságtörténetben. Az 1950-es évek szabályalapú kísérletei, az 1980-as évek expert system-hulláma vagy a 2010-es évek deep learning-eufóriája mind rövid életű fellendülések voltak, amelyek után kijózanodás következett. A különbség ma az, hogy az AI már nem egy szűk kutatási terület, hanem horizontális infrastruktúra: az egész gazdaság technológiai rétegeibe beépül.
Minsky logikáját követve a jelenlegi AI-eufória már a spekulatív finanszírozási fázis jeleit mutatja, ahol a hitel és az értékeltség kölcsönösen erősítik egymást. A túlzott tőkeáttétel vagy a tőkepiac hirtelen likviditási visszaesése a szektoron túlmutató korrekciót válthat ki, különösen akkor, ha a vállalati mérlegekben az AI-hoz kapcsolódó beruházások nem hoznak időben megtérülést.
A geopolitikai dimenzió is strukturális tényezővé vált. Az exportkontrollok, a technológiai szuverenitás politikái és az adatrezidencia-szabályok a globális értékláncokat regionalizálják. Az Egyesült Államok és Kína közti technológiai verseny a félvezető- és AI-ökoszisztéma széttagolódásához vezet, ami a termelékenység szórását növeli, a beruházási kockázati prémiumot pedig emeli. Az AI tehát nemcsak gazdasági, hanem geopolitikai beruházási téma is lett, ahol az adat, az energia és a tudás nemzeti erőforrássá válik.
Az AI-buborék nem klasszikus pénzügyi lufi, hanem egy hibrid növekedési ciklus: egyszerre hordozza a túlértékeltség és a strukturális átalakulás jegyeit. A közelgő korrekció valószínű, de inkább normalizálódás, mint összeomlás formájában zajlik talán majd. A piaci zaj lecsengése után a tartós érték a vertikálisan integrált, adatvezérelt és energiahatékony vállalatoknál koncentrálódik. A mesterséges intelligencia a következő évtized gazdasági alaprétege: olyan általános célú infrastruktúra, amely, akárcsak az elektromosság vagy az internet, túléli a ciklusokat, és hosszú távon átrendezi a növekedés forrásait.
A buborék tehát talán nem a vég, hanem a tanulási görbe ára: az új gazdasági korszakba való átmenet természetes kísérőjelensége, szerintünk.
—
Elemzéseink kizárólag tájékoztató jellegűek, és nem tekinthetők befektetési ajánlásnak, tanácsadásnak vagy egyéb pénzügyi döntést megalapozó útmutatásnak.
—
Köszönjük szépen a témajavaslatot egy kedves barátunknak.
—
Fotó: Shutterstock