भू-राजकीय पुरवठ्याचा धक्का
२०२६ च्या सुरुवातीच्या काळात असलेला आशावाद आता मावळला आहे, आणि त्याऐवजी जागतिक अर्थव्यवस्थेतील संरचनात्मक कमकुवतपणाची (structural fragility) भावना वाढली आहे. या बदलाचे मुख्य कारण म्हणजे होर्मुझच्या सामुद्रधुनीचे दीर्घकाळ चाललेले बंद असणे. मुख्य अर्थतज्ज्ञांच्या मते, हा घटक २०२५ मधील व्यापारी युद्धांमुळे (tariff-driven volatility) झालेल्या अस्थिरतेपेक्षाही अधिक विनाशकारी ठरत आहे. दररोज सुमारे १.१ कोटी बॅरल तेल आणि कंडेन्सेटचे (condensate) उत्पादन थांबल्याने, जागतिक अर्थव्यवस्था एका मोठ्या पुरवठा-साइड ऊर्जा धक्क्याचा (supply-side energy shock) सामना करत आहे. यामुळे साथीच्या रोगानंतर (post-pandemic) सुरू झालेली महागाई कमी होण्याची (disinflation) प्रक्रिया धोक्यात आली आहे. ऊर्जा-केंद्रित उद्योगांमध्ये (energy-intensive sectors) विशेषतः औद्योगिक कार्यांना (Industrial activity) मोठा फटका बसला आहे, कारण वाहतूक खर्च आणि कच्च्या मालाच्या किमती वाढत आहेत.
लवचिकतेतील फरक (Resilience Divergence)
जागतिक स्तरावर निराशाजनक अंदाज असतानाही, प्रादेशिक स्तरावर एक स्पष्ट विभाजन दिसून येत आहे. अमेरिका आणि भारत सध्या देशांतर्गत मागणी (domestic consumption) आणि लक्ष्यित गुंतवणुकीमुळे (targeted investment) वाढीसाठी तुलनेने सुरक्षित किनारे (havens) म्हणून उदयास आले आहेत. अमेरिकेत, खाजगी क्षेत्राची स्थिर मागणी आणि आर्टिफिशियल इंटेलिजन्स (AI) संबंधित मोठी भांडवली गुंतवणूक (capital expenditure) माफक वाढीस हातभार लावत आहे. तथापि, ही लवचिकता मर्यादित आहे; श्रम बाजार (labor market) 'कमी भरती, कमी कपात' (low-hire, low-fire) या संतुलनाकडे वाटचाल करत आहे. तसेच, ऊर्जेच्या वाढत्या किमतींमुळे (energy pass-through) होणारी महागाई (inflationary impulses) फेडरल रिझर्व्हला (Federal Reserve) सावध आणि डेटा-अवलंबित (data-dependent stance) भूमिका घेण्यास भाग पाडत आहे. त्याचप्रमाणे, भारत जागतिक वाढीमध्ये अग्रेसर आहे, परंतु आंतरराष्ट्रीय संस्थांनी (international bodies) वाढता आयात खर्च आणि घट्ट झालेल्या आर्थिक परिस्थितीमुळे (tightened financial conditions) भारताच्या FY27 अंदाजांमध्ये कपात केली आहे. आशिया-पॅसिफिक प्रदेशातील सर्वाधिक महागाई दरांना आटोक्यात ठेवत, आर्थिक गती कायम राखण्याचे जटिल संतुलन साधण्याचे आव्हान आता भारतीय अर्थव्यवस्थेसमोर आहे.
AI उत्पादकता अंतर (AI Productivity Gap)
भू-राजकीय तणावापलीकडे, आर्टिफिशियल इंटेलिजन्स (AI) संबंधित चर्चा ही सट्टा-आधारित उत्साहाकडून (speculative exuberance) कार्यक्षमतेच्या मोजमापाकडे (measured assessment of efficiency) वळली आहे. जरी 90% पेक्षा जास्त अर्थतज्ज्ञांना २०२६ पर्यंत AI तंत्रज्ञानाचा वापर वाढण्याची अपेक्षा असली, तरी उत्पादकतेत अर्थपूर्ण वाढ होण्यासाठी लागणारा अपेक्षित कालावधी लक्षणीयरीत्या वाढवण्यात आला आहे. विश्लेषकांच्या मते, अंमलबजावणीतील आव्हाने (implementation challenges) आणि फायद्यांचे असमान वितरण (uneven distribution of benefits), विशेषतः अभियांत्रिकी (engineering) आणि आरोग्यसेवा (healthcare) यांसारख्या क्षेत्रांमध्ये, अपेक्षांना मर्यादा घालत आहेत. वाढत्या धीम्या गतीसाठी तात्काळ उपाय (immediate panacea) म्हणून काम करण्याऐवजी, AI ला एक दीर्घकालीन संरचनात्मक गुंतवणूक (long-term structural investment) म्हणून पाहिले जात आहे, ज्याला व्यापक आर्थिक उत्पादनात (broad economic output) रूपांतरित होण्यासाठी अनेक वर्षे लागतील.
मंदीचे कारण: अस्थिरता आणि संरचनात्मक कमजोरी
जोखीम-विरोधी विश्लेषकांच्या मते, सध्याच्या वाढीच्या अंदाजांना धक्का पोहोचवू शकणारे तीन मुख्य धोके आहेत. प्रथम, होर्मुझच्या सामुद्रधुनीतील 'दीर्घकालीन व्यत्यय' (extended disruption) हा एक विश्वासार्ह धोका आहे. जर हे बंद २०२६ च्या अखेरपर्यंत चालू राहिले, तर ऊर्जेच्या किमतींमध्ये अत्यंत वाढ होऊ शकते, ज्यामुळे जागतिक मंदी (global recession) आणि गंभीर 'आर्थिक नुकसान' (economic scarring) होऊ शकते. दुसरे, केंद्रीय बँका त्यांच्या धोरणात्मक लवचिकतेच्या (policy flexibility) मर्यादेपर्यंत पोहोचल्या आहेत. लवकरच्या शिथिलतेनंतर (easing cycles) तुलनेने निष्क्रियतेच्या कालावधीनंतर, धोरणकर्त्यांना मर्यादित मार्ग दिसत आहे. ऊर्जेमुळे होणाऱ्या महागाईशी लढण्यासाठी उच्च व्याजदर (high rates) कायम ठेवल्यास, दीर्घकालीन उत्पादकता वाढवण्यासाठी आवश्यक असलेली गुंतवणूकच थांबण्याचा धोका आहे. शेवटी, खाजगी आणि सार्वजनिक कर्ज बाजार (debt markets) थकावट दर्शवत आहेत. या क्षेत्रांतील वाढती अस्थिरता, महागाईमुळे वास्तविक उत्पन्नाचे (real incomes) होणारे नुकसान, हे सूचित करते की ग्राहक आणि कॉर्पोरेट बफर (corporate buffers) हे शीर्षकांमध्ये दिसण्यापेक्षा खूपच कमी आहेत.
