AI και Οικονομία

Υπάρχει μια σαφής ασυμμετρία στον τρόπο με τον οποίο η τεχνητή νοημοσύνη ενσωματώνεται στο χρηματοπιστωτικό σύστημα: αφενός, οι αγορές κεφαλαίων έχουν ήδη τοποθετηθεί επιθετικά, προεξοφλώντας τη μελλοντική της επίδραση στην κερδοφορία και στην ανάπτυξη˙ αφετέρου, οι ρυθμιστικές αρχές βρίσκονται ακόμη στη φάση κατανόησης και διαμόρφωσης πλαισίων.

Αυτό το χάσμα, ανάμεσα στην ταχύτητα της αγοράς και την ταχύτητα της εποπτείας, αποτελεί τον πυρήνα της σημερινής επενδυτικής πραγματικότητας.

Τρεις διαστάσεις του φαινομένου αποκτούν ιδιαίτερη σημασία και δεν αποτυπώνονται πλήρως στη δημόσια συζήτηση.

Η τεχνητή νοημοσύνη ως νέος τύπος συστημικού κινδύνου

Η τεχνητή νοημοσύνη αυξάνει την αποδοτικότητα στις τράπεζες, αλλά ταυτόχρονα εισάγει έναν νέο, πιο σύνθετο τύπο κινδύνου, ενώ το κρίσιμο χαρακτηριστικό είναι η αμφίδρομη χρήση της.

Με άλλα λόγια, τα ίδια εργαλεία που ενισχύουν την κυβερνοασφάλεια μέσω ταχύτερου εντοπισμού ευπαθειών μπορούν να χρησιμοποιηθούν για την εκμετάλλευσή τους.

Η κρισιμότητα αυτής της διάστασης φαίνεται και στο γεγονός ότι ήδη αποτελεί αντικείμενο εντατικής παρακολούθησης από τις εποπτικές αρχές, οι οποίες αναγνωρίζουν ότι η φύση του κινδύνου μεταβάλλεται.

Η κυβερνοασφάλεια παύει να είναι ένα στατικό πεδίο άμυνας και μετατρέπεται σε δυναμικό σύστημα συνεχούς προσαρμογής.

Έτι περαιτέρω, το πρόβλημα εντείνεται από τη δομή της αγοράς, καθώς οι τράπεζες δεν βασίζονται αποκλειστικά σε εσωτερικές λύσεις, αλλά χρησιμοποιούν εργαλεία τρίτων παρόχων.

Αυτό, με τη σειρά του, δημιουργεί πολυεπίπεδες αλυσίδες εξάρτησης, στις οποίες ο τελικός κίνδυνος δεν είναι εύκολο να απομονωθεί ή να αποδοθεί.

Επομένως, η ευθύνη μεταφέρεται μεταξύ τραπεζών, παρόχων τεχνολογίας και υποδομών, χωρίς σαφή όρια.

Εποπτεία με εργαλεία άλλης εποχής

Το υφιστάμενο εποπτικό πλαίσιο δεν σχεδιάστηκε για τεχνολογίες με τα χαρακτηριστικά της τεχνητής νοημοσύνης.

Είναι κοινός τόπος, εξάλλου, ότι οι κατευθύνσεις διαχείρισης κινδύνου που χρησιμοποιούνται τη σήμερον βασίζονται σε παραδοσιακά μοντέλα, τα οποία είναι διαφανή, σταθερά και πλήρως ελέγξιμα.

Κι όμως, η τεχνητή νοημοσύνη λειτουργεί διαφορετικά. Εξελίσσεται συνεχώς, βασίζεται σε μεγάλους όγκους δεδομένων και παράγει αποτελέσματα που δεν είναι πάντα εύκολα ερμηνεύσιμα.

Ως εκ τούτου, η εφαρμογή παλαιών πλαισίων σε αυτή τη νέα πραγματικότητα δημιουργεί στρεβλώσεις. Και μάλιστα, σε ορισμένες περιπτώσεις περιορίζει αδικαιολόγητα την καινοτομία, ενώ σε άλλες αφήνει κενά εκεί όπου απαιτείται αυστηρότερη εποπτεία.

Οι πρόσφατες κινήσεις των ρυθμιστικών αρχών να προσαρμόσουν ή να περιορίσουν την εφαρμογή των παλαιών πλαισίων αποτελούν ένδειξη αναγνώρισης του προβλήματος. Ωστόσο, το νέο πλαίσιο δεν έχει ακόμη διαμορφωθεί πλήρως. Το αποτέλεσμα είναι μια μεταβατική περίοδος κανονιστικής αβεβαιότητας, στην οποία οι τράπεζες καλούνται να επενδύουν και να καινοτομούν χωρίς πλήρη ορατότητα για τις μελλοντικές απαιτήσεις.

Σε διεθνές επίπεδο, η πρόκληση είναι ακόμη μεγαλύτερη. Η έλλειψη εναρμόνισης μεταξύ διαφορετικών δικαιοδοσιών δημιουργεί τον κίνδυνο κανονιστικού κατακερματισμού και ευκαιριών για arbitrage. Η σύγκλιση των προτύπων εξελίσσεται αργά, καθώς συνδέεται με πολιτικές και γεωοικονομικές ισορροπίες.

Οι αγορές έχουν ήδη τοποθετηθεί σε έναν νέο επενδυτικό κύκλο

Ενώ η εποπτεία εξελίσσεται σταδιακά, οι αγορές κεφαλαίων έχουν ήδη κινηθεί αποφασιστικά.

Οι μεγάλες εταιρείες τεχνολογίας αυξάνουν σημαντικά τις κεφαλαιουχικές τους δαπάνες, επενδύοντας σε υποδομές τεχνητής νοημοσύνης, όπως κέντρα δεδομένων, υπολογιστική ισχύ και ενεργειακές εγκαταστάσεις.

Το βασικό χαρακτηριστικό αυτού του κύκλου είναι ότι οι επενδύσεις πραγματοποιούνται με ταχύτητα που σε πολλές περιπτώσεις ξεπερνά τη βραχυπρόθεσμη δημιουργία ελεύθερων ταμειακών ροών.

Οι εταιρείες θυσιάζουν μέρος της τρέχουσας ρευστότητας προκειμένου να εξασφαλίσουν μελλοντική κυριαρχία σε μια αγορά που ακόμη διαμορφώνεται.

Η λογιστική κερδοφορία παραμένει ισχυρή, καθώς οι επενδύσεις αποσβένονται σε βάθος χρόνου.

Ωστόσο, η εικόνα των ταμειακών ροών είναι πιο απαιτητική, αντανακλώντας το πραγματικό κόστος της μετάβασης.

Η αγορά αποτιμά αυτή τη στρατηγική θετικά, υπό την προϋπόθεση ότι οι επενδύσεις θα μετατραπούν σε έσοδα και κέρδη μέσα σε εύλογο χρονικό διάστημα. Προς το παρόν, οι αποτιμήσεις στο ταμπλό βρίσκονται σε (ή κοντά σε) ιστορικά υψηλά, με τις μετοχές να μοιάζουν ασταμάτητες.

Η επενδυτική διάσταση

Η τεχνητή νοημοσύνη αναδιαμορφώνει το χρηματοπιστωτικό σύστημα σε τρία επίπεδα: λειτουργικό, επενδυτικό και κανονιστικό. Οι αγορές έχουν ήδη ενσωματώσει υψηλές προσδοκίες για την επίδρασή της στην κερδοφορία και την ανάπτυξη. Παράλληλα, οι ρυθμιστικές αρχές βρίσκονται σε διαδικασία προσαρμογής, προσπαθώντας να καλύψουν ένα ταχέως εξελισσόμενο πεδίο.

Για τον επενδυτή, το βασικό ζήτημα δεν είναι αν η τεχνητή νοημοσύνη θα δημιουργήσει αξία, αλλά πότε και σε ποιο βαθμό θα επιβεβαιωθούν οι προσδοκίες. Οι αποτιμήσεις προϋποθέτουν επιτυχή μετατροπή των επενδύσεων σε διατηρήσιμα έσοδα και ταμειακές ροές. Αυτό δημιουργεί ένα περιβάλλον όπου οι ευκαιρίες συνυπάρχουν με αυξημένο κίνδυνο απογοήτευσης.

Η επενδυτική στρατηγική σε αυτή τη φάση απαιτεί διάκριση. Οι εταιρείες με πραγματική δυνατότητα αξιοποίησης της τεχνητής νοημοσύνης και σαφή ορατότητα απόδοσης των επενδύσεων έχουν προβάδισμα. Αντίθετα, όπου η αποτίμηση στηρίζεται αποκλειστικά σε προσδοκίες χωρίς αντίστοιχη εκτέλεση, η ευαισθησία σε αρνητικές εκπλήξεις είναι αυξημένη.

Η αγορά έχει ήδη τοποθετηθεί. Το επόμενο στάδιο θα καθοριστεί από την ικανότητα επιβεβαίωσης αυτών των προσδοκιών.