Υπάρχουν τεχνολογικές αλλαγές που επηρεάζουν τον τρόπο που εργαζόμαστε, και υπάρχουν εκείνες που επηρεάζουν τον τρόπο που σκεφτόμαστε.
Η τεχνητή νοημοσύνη φαίνεται να ανήκει στη δεύτερη κατηγορία, και αυτό ακριβώς την καθιστά ιδιαίτερα σημαντική για την οικονομική ανάλυση και τη σταθερότητα του χρηματοπιστωτικού συστήματος.
Το πρώτο στοιχείο που απαιτεί προσεκτική ανάγνωση είναι το μέγεθος της επενδυτικής δραστηριότητας που συνοδεύει αυτή την τεχνολογία.
Πάνω από 1,5 τρισεκατομμύριο δολάρια έχουν ανακοινωθεί για κέντρα δεδομένων, με τη μεγάλη πλειονότητα να μην έχει ακόμα υλοποιηθεί.
Η ζήτηση αυτή δεν παραμένει αόρατη στις τιμές. Ημιαγωγοί, εξειδικευμένο εργατικό δυναμικό, ηλεκτρική ενέργεια και νερό ακριβαίνουν ταυτόχρονα, σε μια συγκυρία όπου ο πληθωρισμός παραμένει ήδη επίμονος.
Η νομισματική πολιτική καλείται να διαχειριστεί έναν κύκλο όπου η ίδια η τεχνολογία που υπόσχεται μακροπρόθεσμη αποδοτικότητα δημιουργεί βραχυπρόθεσμες πληθωριστικές πιέσεις.
Αυτή η αντίφαση δεν είναι νέα στην οικονομική ιστορία, αλλά η κλίμακα και ο ρυθμός με τον οποίο εκδηλώνεται σήμερα δεν έχουν προηγούμενο στις τελευταίες δεκαετίες.
Στο εσωτερικό του χρηματοπιστωτικού συστήματος, η τεχνητή νοημοσύνη εισάγει τόσο δυνατότητες όσο και ευπάθειες.
Στη θετική πλευρά, εργαλεία που επέτρεπαν έγκαιρη αναγνώριση κινδύνων και αποδοτικότερη κατανομή κεφαλαίου ήταν μέχρι πρότινος προνόμιο μεγάλων θεσμικών παικτών.
Η ευρεία διάθεση ανάλογων εργαλείων σε μικρότερους συμμετέχοντες έχει δυνητικά θετικό πρόσημο για τις κεφαλαιαγορές και μπορεί να βελτιώσει ουσιαστικά την πρόσβαση στην πίστη για νοικοκυριά και επιχειρήσεις που παραδοσιακά βρίσκονταν στο περιθώριο.
Ωστόσο, η ίδια ομοιομορφία που κάνει τα συστήματα τεχνητής νοημοσύνης αποδοτικά μπορεί, υπό συνθήκες πίεσης, να αποδειχθεί πηγή συστημικής αστάθειας.
Όταν πολλά συστήματα έχουν εκπαιδευτεί σε παρόμοια δεδομένα και αντιδρούν στα ίδια σήματα, η διαφοροποίηση που ιστορικά σταθεροποιεί τις αγορές κινδυνεύει να εξαντληθεί ακριβώς εκεί που χρειάζεται περισσότερο.
Παράλληλα, η αυξανόμενη χρήση μόχλευσης για τη χρηματοδότηση επενδύσεων σε υποδομές τεχνητής νοημοσύνης αξίζει ιδιαίτερης προσοχής.
Μεγάλες εταιρείες τεχνολογίας αντλούν κεφάλαια μέσω αγορών ομολόγων, ενώ μικρότεροι παίκτες στρέφονται σε ιδιωτικά κεφάλαια και τιτλοποιήσεις.
Η ιστορία των τεχνολογικών κύκλων διδάσκει ότι η χρηματοδότηση αναδυόμενης τεχνολογίας με μόχλευση ενέχει ρίσκα που γίνονται ορατά μόνο όταν ο κύκλος αντιστραφεί.
Στην αγορά εργασίας, η αβεβαιότητα παραμένει η πιο έντιμη περιγραφή της κατάστασης.
Οι μεγάλες τεχνολογικές μεταβάσεις δημιουργούν ιστορικά περισσότερες θέσεις εργασίας από όσες εκτοπίζουν, αλλά η κατανομή του κόστους και των ωφελειών στον χρόνο σπάνια είναι δίκαιη.
Αυτό που καθιστά την τεχνητή νοημοσύνη διαφορετική από προηγούμενες τεχνολογικές επαναστάσεις είναι ότι επηρεάζει γνωστικές και χειρωνακτικές εργασίες ταυτόχρονα, διευρύνοντας τον κοινωνικό αντίκτυπο σε εύρος που δεν έχει προηγούμενο.
Η στάση που αρμόζει σε αυτή τη συγκυρία δεν είναι ούτε ο ενθουσιασμός χωρίς επιφυλάξεις ούτε η αμυντική αναμονή.
Είναι η συστηματική κατανόηση μιας τεχνολογίας που αλλάζει ταυτόχρονα τους κανόνες της παραγωγής, της χρηματοδότησης και της εργασίας.
Για όσους ασχολούνται με την οικονομική ανάλυση, αυτή η κατανόηση δεν είναι επιλογή. Είναι προϋπόθεση για να παραμείνει η ανάλυση συναφής με την πραγματικότητα που καλείται να ερμηνεύσει.
