Δεν έχετε δει τίποτα ακόμα. Πέρυσι, οι μεγαλύτερες εταιρείες τεχνολογίας της Αμερικής, συμπεριλαμβανομένων των Amazon, Google και Microsoft, ξόδεψαν 450 δισ. δολάρια σε υποδομές, μεγάλο μέρος των οποίων προοριζόταν για την τεχνητή νοημοσύνη. ΄Hταν μόνο το ορεκτικό. Για το κυρίως πιάτο, φέτος θα δαπανήσουν 900 δισ. δολάρια σε μικροτσίπ, κέντρα δεδομένων, ηλεκτρική ενέργεια και άλλα, ενώ το 2027 θα ακολουθήσει το επιδόρπιο ύψους 1,4 τρισεκατομμυρίων δολαρίων. Για να χρηματοδοτήσουν αυτή την ξέφρενη σπατάλη, φέτος δανείστηκαν περισσότερα από 400 δισ. δολάρια. Η έκρηξη των κεφαλαιουχικών δαπανών για την τεχνητή νοημοσύνη εξελίσσεται ραγδαία στην μεγαλύτερη επενδυτική έκρηξη της ιστορίας (βλ. διάγραμμα 1).
Αν η υπερνοημοσύνη βρίσκεται πλέον σε απόσταση αναπνοής, η δημιουργία υπολογιστικών κέντρων μεγέθους ποδοσφαιρικών γηπέδων μπορεί να εξελιχθεί στη σημαντικότερη επενδυτική επιλογή κεφαλαίων που έχει γίνει ποτέ. Ωστόσο, οι κεφαλαιουχικές δαπάνες αποφέρουν ακόμη απογοητευτικές αποδόσεις στους επενδυτές. Από το υψηλό που σημείωσαν τον Ιούνιο, οι τιμές των μετοχών των μεγαλύτερων εταιρειών τεχνητής νοημοσύνης, εν μέσω των ανησυχιών ότι θα είναι δύσκολο να επιτευχθούν ικανοποιητικές αποδόσεις, έχουν υποχωρήσει κατά 15%. Αφού η Alphabet, μητρική εταιρεία της Google, ανακοίνωσε τα αποτελέσματα του δεύτερου τριμήνου στις 22 Ιουλίου, οι μετοχές της υποχώρησαν κατά 7%. (Τα αποτελέσματα της Microsoft και της Meta αναμένονται στις 29 Ιουλίου και της Amazon την επόμενη μέρα.) Στις 28 Ιουλίου, ο δείκτης αναφοράς της Νότιας Κορέας, στον οποίο κυριαρχούν οι Samsung Electronics και SK Hynix, δύο μεγάλες κατασκευάστριες μικροτσίπ, υποχώρησε κατά ένα δέκατο.
Πρόχειροι υπολογισμοί δείχνουν ότι, για να καλυφθούν οι κεφαλαιουχικές δαπάνες (capex) της τεχνητής νοημοσύνης αποκλειστικά από αναγνωρίσιμα έσοδα που προέρχονται από αυτή, θα απαιτούνταν ετήσια έσοδα της τάξης των 2,5 τρισ. δολαρίων — ποσό μεγαλύτερο από τα συνολικά σημερινά έσοδα ολόκληρου του τεχνολογικού κλάδου. Μόνο μια μικρή μειοψηφία καταναλωτών φαίνεται πρόθυμη να πληρώσει για προσωπικές συνδρομές τεχνητής νοημοσύνης, οπότε τα πραγματικά κέρδη θα πρέπει να προέλθουν από πωλήσεις σε επιχειρήσεις. Οι traders θα μπορούσαν, για παράδειγμα, να χρησιμοποιήσουν το Copilot της Microsoft για να δημιουργήσουν καλύτερα χρηματοοικονομικά μοντέλα, ενώ τα σχολεία θα μπορούσαν να διδάξουν τα παιδιά με μοντέλα της Google. Προς το παρόν, όμως, οι πωλήσεις της τάξης των τρισεκατομμυρίων απέχουν πολύ.
Για να εκτοξευθούν τα έσοδα από την τεχνητή νοημοσύνη, περισσότερες εταιρείες θα πρέπει να τη χρησιμοποιήσουν (αυτό που οι οικονομολόγοι αποκαλούν αύξηση στο «εκτενές περιθώριο») και να την αξιοποιήσουν σε βάθος (το «εντατικό περιθώριο»). Σύμφωνα με την τελευταία δεκαπενθήμερη έρευνα της Υπηρεσίας Απογραφής (Census Bureau), κατά τη διάρκεια των προηγούμενων δύο εβδομάδων, στο εκτενές περιθώριο, περίπου το 20% των αμερικανικών εταιρειών χρησιμοποίησε την τεχνητή νοημοσύνη «σε οποιαδήποτε… επιχειρηματική λειτουργία». Στη Βρετανία, τα επίσημα στοιχεία δείχνουν ότι περίπου το ένα τρίτο των επιχειρήσεων δηλώνει ότι χρησιμοποιεί τεχνητή νοημοσύνη, αν και η ερώτηση διατυπώνεται διαφορετικά. Αυτό υποδηλώνει ταχεία τεχνολογική διάδοση με οποιαδήποτε κριτήρια: άλλωστε, πριν από τέσσερα χρόνια κανείς δεν χρησιμοποιούσε μεγάλα γλωσσικά μοντέλα.
Ωστόσο, τα ποσοστά αυτά ενδέχεται να έχουν πρόσφατα σταθεροποιηθεί. Τον Μάιο, οικονομολόγοι της Υπηρεσίας Απογραφής διαπίστωσαν ότι «τους τελευταίους έξι μήνες, η χρήση της τεχνητής νοημοσύνης παρέμεινε σχετικά σταθερή σε πολλούς τομείς». Μια έρευνα του Jon Hartley από το Πανεπιστήμιο του Τέξας στο Ώστιν και άλλων ερευνητών δείχνει ότι, αφού έφτασε στο αποκορύφωμα του 46% του εργατικού δυναμικού στα μέσα του 2025, σήμερα μόνο το 33% περίπου των ατόμων χρησιμοποιεί την τεχνητή νοημοσύνη στην εργασία του. Αν, για παράδειγμα, το ένα τρίτο των επιχειρήσεων στον ΟΟΣΑ έχει υιοθετήσει την τεχνητή νοημοσύνη, για να αποφέρουν έσοδα 2,5 τρισεκατομμυρίων δολαρίων από την τεχνητή νοημοσύνη, οι επιχειρήσεις θα πρέπει να δαπανήσουν κατά μέσο όρο περίπου 100.000 δολάρια ετησίως. Είναι κάτι τέτοιο εφικτό;
Ίσως. Προς το παρόν, όμως, ελάχιστες επιχειρήσεις αντιμετωπίζουν την τεχνητή νοημοσύνη ως βασική τεχνολογία, γεγονός που περιορίζει το ποσό που είναι διατεθειμένες να δαπανήσουν γι’ αυτή. Σύμφωνα με έρευνα της Ευρωπαϊκής Κεντρικής Τράπεζας, στα τέλη του 2025 μόνο το ένα δέκατο των επιχειρήσεων της ευρωζώνης που χρησιμοποιούν τεχνητή νοημοσύνη ανέφεραν ότι το έκαναν «εντατικά». Η Bundesbank διαπιστώνει ότι περίπου το μισό των γερμανικών επιχειρήσεων που χρησιμοποιούν τεχνητή νοημοσύνη το κάνουν για το 5% των ωρών εργασίας ή λιγότερο. Ο Ivan Yotzov της Τράπεζας της Αγγλίας, μαζί με τους συνεργάτες του, διαπίστωσε ότι ο μέσος Αμερικανός διευθυντής χρησιμοποιεί την τεχνητή νοημοσύνη 1,7 ώρες την εβδομάδα — χρόνος που χρειάζεται για να δημιουργήσει μια αξιοπρεπή παρουσίαση PowerPoint, αλλά τίποτα περισσότερο.
Γι’ αυτούς τους ερασιτέχνες, τα δωρεάν ή εξαιρετικά φθηνά μοντέλα τεχνητής νοημοσύνης είναι συχνά αρκετά καλά. Επίσημα στοιχεία από τη Βρετανία υποδηλώνουν ότι σχεδόν το μισό των βρετανικών επιχειρήσεων που χρησιμοποιούν τεχνητή νοημοσύνη δεν πληρώνουν γι’ αυτήν, πιθανώς αρκούμενες στο δωρεάν επίπεδο ενός αμερικανικού ή ενός κινεζικού μοντέλου ανοιχτού κώδικα. Η Ramp, μια εταιρεία χρηματοοικονομικής τεχνολογίας, διαπιστώνει ότι μόνο ένα μικρό ποσοστό εταιρειών ξοδεύει χιλιάδες δολάρια το μήνα ανά υπάλληλο για τεχνητή νοημοσύνη. Ωστόσο, η μέση μηνιαία δαπάνη ανά εργαζόμενο τον Ιούνιο ήταν 10,66 δολάρια. Η εταιρεία λογισμικού Intuit, η οποία παρακολουθεί μικρές και μεσαίες επιχειρήσεις στην Αμερική, τη Βρετανία και τον Καναδά, αναφέρει ότι περίπου μία στις δέκα πληρώνει για ένα εξειδικευμένο εργαλείο τεχνητής νοημοσύνης.
Οι συνολικές δαπάνες για την τεχνητή νοημοσύνη μπορούν μόνο να εκτιμηθούν, καθώς οι πηγές δεδομένων είναι ασαφείς και η εικόνα αλλάζει ραγδαία (βλ. διάγραμμα 2). Τον Ιούνιο, η συμβουλευτική εταιρεία Exponential View υπολογίζει τα έσοδα από την παραγωγική τεχνητή νοημοσύνη σε 175 δισ. δολάρια, σε ετήσια βάση. Σε πρόσφατη μελέτη, ο Anton Korinek της Anthropic και ο Patrick McKelvey της Τράπεζας του Καναδά εκτιμούν τα συνολικά έσοδα από «υπηρεσίες τεχνητής νοημοσύνης» που βασίζονται σε μοντέλα παραγωγικής τεχνητής νοημοσύνης. Προσαρμόζοντας τη μεθοδολογία τους, υπολογίζουμε ότι, κατά το πρώτο τρίμηνο του τρέχοντος έτους, το ποσό αυτό ανήλθε σε 220 δισ. δολάρια (και πάλι σε ετήσια βάση). Τα στοιχεία της Ramp υποδηλώνουν ότι το 2-3% των επιχειρηματικών δαπανών διατίθεται πλέον στην τεχνητή νοημοσύνη, δηλαδή 170 δισ. δολάρια ετησίως.
Όλοι αυτοί οι πολύπλοκοι υπολογισμοί συμπίπτουν περίπου με έναν πολύ απλούστερο: την άθροιση των εσόδων από την τεχνητή νοημοσύνη των εταιρειών που πωλούν το μεγαλύτερο μέρος της τεχνητής νοημοσύνης. Η Anthropic αποφέρει περίπου 75 δισ. δολάρια, σε ετήσια βάση, η OpenAI, δεκάδες δισεκατομμύρια, η Google, μέσω του μοντέλου τεχνητής νοημοσύνης της Gemini, και η Microsoft πιθανώς αποφέρουν λίγο λιγότερα. Φέτος, η SpaceX ενδέχεται να έχει έσοδα αξίας μερικών δισεκατομμυρίων δολαρίων από την επιχείρηση ΤΝ. Η Meta επίσης αποφέρει μερικά δολάρια από την τεχνητή νοημοσύνη. Αν τα προσθέσουμε όλα αυτά, καταλήγουμε σε περίπου 150 δισ. δολάρια ετησίως.
Τα έσοδα αυξάνονται με εξαιρετικά γρήγορους ρυθμούς. Ίσως όμως όχι αρκετά γρήγορα για τους επενδυτές, όπως υποδηλώνουν οι υπολογισμοί του Phurichai Rungcharoenkitkul από την Τράπεζα Διεθνών Διακανονισμών. Το βασικό σημείο είναι ότι η χρήση της τεχνητής νοημοσύνης, όπως υποδηλώνεται από την κατανάλωση token, πιθανώς αυξάνεται ακόμα πιο γρήγορα από τα έσοδα. Αυτό μπορεί να οφείλεται στο γεγονός ότι όλο και περισσότεροι άνθρωποι, αντί να πληρώνουν, μετακινούνται από το ένα δωρεάν μοντέλο στο άλλο. Σύμφωνα με την ανάλυση του κ. Rungcharoenkitkul, αυτό έχει μια σημαντική συνέπεια: τουλάχιστον ένα μέρος της υπερβολικής δαπάνης κεφαλαίου για την τεχνητή νοημοσύνη αντιπροσωπεύει ανταγωνισμό μηδενικού αθροίσματος. Οι εταιρείες χρησιμοποιούν μέρος της επιπλέον υπολογιστικής ισχύος που αναπτύσσουν όχι για να επεκτείνουν την αγορά των πελατών που πληρώνουν, αλλά για να αποσπάσουν πελάτες από τους ανταγωνιστές τους. Η μελέτη υπονοεί ότι ίσως το ένα τρίτο της επένδυσης, ή και περισσότερο, είναι απίθανο να αποφέρει ικανοποιητική απόδοση.
Ωστόσο, τα έσοδα ενδέχεται σύντομα να αυξηθούν γρηγορότερα, εφόσον πληρούνται δύο προϋποθέσεις. Η πρώτη είναι ότι η τεχνητή νοημοσύνη ενισχύει σημαντικά την παραγωγικότητα. Προς το παρόν, υπάρχουν ελάχιστα στοιχεία που να δείχνουν ότι η τεχνητή νοημοσύνη μετασχηματίζει τις επιχειρήσεις. Ελάχιστες εταιρείες εξοικονομούν χρήματα αντικαθιστώντας τους εργαζομένους τους με bots. Σύμφωνα με τη μελέτη του κ. Yotzov, εννέα στα δέκα στελέχη αναφέρουν ότι τα τελευταία τρία χρόνια, η τεχνητή νοημοσύνη δεν είχε καμία επίδραση στην παραγωγικότητα της εταιρείας τους. Αν όμως αυτό αλλάξει, περισσότερες εταιρείες θα βρουν λόγους να αφιερώσουν περισσότερους πόρους στην συγκεκριμένη τεχνολογία. Θα είναι επίσης πιο πρόθυμες να απορροφήσουν τις αυξήσεις των τιμών, ενισχύοντας περαιτέρω τα έσοδα.
Το δεύτερο είναι ότι η τεχνητή νοημοσύνη συμβάλλει στο «άυλο κεφάλαιο». Για να αξιοποιήσουν στο έπακρο την τεχνητή νοημοσύνη, οι εταιρείες δεν μπορούν απλώς να αγοράσουν ένα chatbot. Πρέπει να αναδιαμορφώσουν τις διαδικασίες τους, συμπεριλαμβανομένου του προσωπικού τους και της χρήσης των δεδομένων, από την κορυφή έως τη βάση. Τα ιστορικά στοιχεία υποδηλώνουν ότι για κάθε 1 δολάριο επένδυσης σε υλικό υπολογιστών, οι εταιρείες έχουν πραγματοποιήσει 5-10 δολάρια σε τέτοιου είδους άυλες επενδύσεις — κάτι που σημαίνει ότι, για να αξιοποιήσουν πλήρως το δυναμικό της τεχνητής νοημοσύνης, θα έπρεπε να δαπανήσουν τρισεκατομμύρια δολάρια ετησίως.
Ωστόσο, μέχρι στιγμής, υπάρχουν ελάχιστα στοιχεία που να υποδηλώνουν έκρηξη των άυλων επενδύσεων. Εταιρείες οργάνωσης δεδομένων όπως η Palantir έχουν έσοδα της τάξης των δισεκατομμυρίων, όχι εκατοντάδων δισεκατομμυρίων. Το ποσοστό των Αμερικανών εργαζομένων που εγκαταλείπουν τις θέσεις εργασίας τους βρίσκεται κοντά στο ιστορικό χαμηλό, γεγονός που υποδηλώνει ελάχιστη αναδιοργάνωση της εργασίας. Νέα στοιχεία δείχνουν ότι οι επενδύσεις των αμερικανικών εταιρειών σε «οργανωτικό κεφάλαιο» —ουσιαστικά προσπάθειες βελτίωσης των ρουτινών, των διαδικασιών, της κουλτούρας, των σχέσεων με τους προμηθευτές και των ροών δεδομένων— μειώνονται ως ποσοστό του ΑΕΠ (βλ. διάγραμμα 3). Όταν η τεχνητή νοημοσύνη καταλάβει την οικονομία, θα το νιώσετε.
© 2026 The Economist Newspaper Limited. All rights reserved. Άρθρο από τον Economist, το οποίο μεταφράστηκε και δημοσιεύθηκε με επίσημη άδεια από το www.powergame.gr. Το πρωτότυπο άρθρο, στα αγγλικά, βρίσκεται στο www.economist.com
