Είναι η άνοδος της τεχνητής νοημοσύνης δομικά βιώσιμη;

Οι εφαρμογές AI έχουν ήδη ενσωματωθεί σε κρίσιμες επιχειρησιακές λειτουργίες, από την αυτοματοποίηση διαδικασιών και τη βελτίωση παραγωγικότητας έως την ανάλυση δεδομένων και τη λήψη αποφάσεων.

Το γεγονός ότι η ζήτηση προέρχεται από υπαρκτές ανάγκες και όχι από θεωρητικά σενάρια μελλοντικής χρήσης δημιουργεί ένα πιο σταθερό υπόβαθρο ανάπτυξης.

Ωστόσο, η ιστορία των αγορών δείχνει ότι ακόμη και οι πιο ισχυρές θεματικές δεν εξελίσσονται γραμμικά.

Περίοδοι έντονου ενθουσιασμού ακολουθούνται συχνά από φάσεις ενοποίησης, ανακατανομής κεφαλαίων και επαναξιολόγησης αποτιμήσεων.

Σε αυτό το πλαίσιο, οι σημερινοί «νικητές» δεν είναι δεδομένο ότι θα διατηρήσουν την ηγετική τους θέση μακροπρόθεσμα.

Η εμπειρία από την πρώτη φάση του διαδικτύου είναι ενδεικτική.

Στα τέλη της δεκαετίας του 1990, ελάχιστοι επενδυτές εστίαζαν σε εταιρείες όπως η Alphabet ή η Netflix, οι οποίες τότε είτε δεν υπήρχαν είτε δεν βρίσκονταν στο προσκήνιο.

Παρ’ όλα αυτά, αναδείχθηκαν σε μακροχρόνιους ωφελημένους ενός τεχνολογικού μετασχηματισμού που ξεπέρασε κατά πολύ τις αρχικές προσδοκίες.

Γιατί ο κύκλος της AI διαφέρει από το 1999

Η συχνή σύγκριση της σημερινής αγοράς με τη «φούσκα» του 1999 παραβλέπει θεμελιώδεις διαφορές στη δομή χρηματοδότησης και στην ποιότητα των επενδύσεων.

Την περίοδο εκείνη, η ανάπτυξη του διαδικτύου στηρίχθηκε σε μεγάλο βαθμό σε εξωτερική χρηματοδότηση, με εταιρείες που δεν παρήγαγαν κέρδη να αντλούν κεφάλαια από τις αγορές για έργα αμφίβολης απόδοσης.

Χαρακτηριστικό παράδειγμα αποτέλεσε η υπερεπένδυση σε οπτικές ίνες, γνωστές ως «dark fiber», όπου η προσφορά χωρητικότητας ξεπέρασε κατά πολύ τη ζήτηση.

Αν και η υποδομή αυτή αξιοποιήθηκε χρόνια αργότερα, αρχικά οδήγησε σε χαμηλές αποδόσεις κεφαλαίου και τελικά σε κατάρρευση επιχειρηματικών μοντέλων όταν οι συνθήκες χρηματοδότησης επιδεινώθηκαν.

Στον αντίποδα, ο σημερινός κύκλος της AI χαρακτηρίζεται από ζήτηση που προηγείται της προσφοράς.

Οι μονάδες επεξεργασίας γραφικών, που αποτελούν τη ραχοκοκαλιά των AI workloads, λειτουργούν από την πρώτη στιγμή σε επίπεδα σχεδόν πλήρους αξιοποίησης.

Αυτό μεταφράζεται σε άμεση παραγωγή εσόδων και μετρήσιμα οφέλη παραγωγικότητας για hyperscalers και εταιρείες λογισμικού.

Επιπλέον, οι βασικοί επενδυτές στον χώρο είναι μεγάλες, κερδοφόρες εταιρείες με ισχυρές ταμειακές ροές.

Η χρηματοδότηση των επενδύσεων γίνεται κυρίως μέσω εσωτερικά παραγόμενων κεφαλαίων και όχι μέσω επιθετικής μόχλευσης ή συνεχών αυξήσεων κεφαλαίου, στοιχείο που ενισχύει τη βιωσιμότητα του κύκλου.

Η άνοδος των επενδύσεων και το στοίχημα του capex

Οι επενδύσεις σε υποδομές AI οδηγούν σε σημαντική αύξηση των κεφαλαιουχικών δαπανών για μεγάλους τεχνολογικούς ομίλους.

Παρά το μέγεθος αυτών των επενδύσεων, οι εταιρείες διαθέτουν περιθώρια ελεύθερων ταμειακών ροών κοντά στο 20%, επιτρέποντας τη χρηματοδότηση της ανάπτυξης χωρίς να διακυβεύεται η χρηματοοικονομική σταθερότητα.

Αυτή η εικόνα διαφοροποιεί τις σημερινές επενδύσεις από παλαιότερους κύκλους, όπου η απόσταση μεταξύ capex και πραγματικής απόδοσης ήταν μεγάλη.

Στην περίπτωση της AI, η συσχέτιση μεταξύ επένδυσης και παραγωγής αξίας εμφανίζεται άμεση, γεγονός που στηρίζει τις αποτιμήσεις σε πιο στέρεη βάση.

Ωστόσο, η αυξημένη ένταση κεφαλαίου ενέχει και κινδύνους.

Ορισμένες εταιρείες προχωρούν σε φιλόδοξα επενδυτικά προγράμματα με την υπόθεση ότι η ζήτηση θα παραμείνει ισχυρή για πολλά χρόνια.

Σε περίπτωση επιβράδυνσης, οι αποδόσεις αυτών των επενδύσεων ενδέχεται να πιεστούν, δημιουργώντας εστίες απογοήτευσης στις αγορές.

Για τον λόγο αυτό, η παρακολούθηση της σχέσης μεταξύ capex, αύξησης εσόδων και περιθωρίων κερδοφορίας καθίσταται κρίσιμη για την αξιολόγηση των πραγματικών νικητών του κύκλου.

Ποιοι είναι οι διαχρονικοί ωφελημένοι και ποιοι οι κίνδυνοι

Η επενδυτική στρατηγική που φαίνεται να προσφέρει την καλύτερη σχέση κινδύνου και απόδοσης είναι εκείνη που εστιάζει σε εταιρείες με ισχυρά υφιστάμενα επιχειρηματικά μοντέλα, οι οποίες ενσωματώνουν την AI για να ενισχύσουν την ανταγωνιστικότητά τους.

Εταιρείες όπως η Microsoft αποτελούν χαρακτηριστικό παράδειγμα, καθώς συνδυάζουν ηγετική θέση στις υποδομές με ευρεία υιοθέτηση σε εταιρικό επίπεδο.

Παράλληλα, υπάρχουν ώριμες εταιρείες λογισμικού που παραμένουν υποτιμημένες σε σχέση με τα θεμελιώδη μεγέθη τους, παρά τη δυνατότητα ουσιαστικής ενσωμάτωσης AI στις πλατφόρμες τους.

Επιχειρήσεις όπως η ServiceNow, η Tyler Technologies και η Intuit εμφανίζουν σταθερή ανάπτυξη, ισχυρά περιθώρια και χαμηλότερες αποτιμήσεις σε σύγκριση με καθαρά «AI plays».

Στον αντίποδα, μετοχές που διαπραγματεύονται σε εξαιρετικά υψηλούς πολλαπλασιαστές, όπως αποτιμήσεις άνω των 200 φορών τα κέρδη ή των 100 φορών τις πωλήσεις, ενσωματώνουν σενάρια τελειότητας.

Σε αυτές τις περιπτώσεις, το περιθώριο λάθους είναι ελάχιστο και οποιαδήποτε απόκλιση στην εκτέλεση μπορεί να οδηγήσει σε έντονη διόρθωση.

Συμπερασματικά, η τεχνητή νοημοσύνη συνιστά έναν βαθύ και διαρκή μετασχηματισμό της οικονομίας, αλλά όχι μια ενιαία επενδυτική ιστορία.

Η διάκριση μεταξύ δομικών ωφελημένων και κερδοσκοπικών αφηγημάτων θα καθορίσει τις αποδόσεις των επόμενων ετών.

Σε έναν κύκλο που υπόσχεται πολλά, η πειθαρχία και η εστίαση στα θεμελιώδη παραμένουν τα πιο αξιόπιστα εργαλεία για τη δημιουργία μακροπρόθεσμης αξίας.

Ο Συμεών Μαυρουδής είναι Διαχειριστής Α/Κ και ιδιωτικών χαρτοφυλακίων στη Fast Finance ΑΕΠΕΥ