Whalesbook
AI ची उत्पादकता: 2026 च्या गुंतवणुकीची गुरुकिल्ली
2026 मध्ये जागतिक गुंतवणूकदारांसाठी सर्वात महत्त्वाचा प्रश्न हा आहे की, आर्टिफिशियल इंटेलिजन्स (AI) मुळे खऱ्या अर्थाने उत्पादकतेत किती वाढ होईल. Barclays Private Bank चे Chief Market Strategist Julien Lafargue यांनी म्हटले आहे की, जर AI मुळे कार्यक्षमतेत (Efficiency) लक्षणीय सुधारणा दिसल्या नाहीत, तर AI इन्फ्रास्ट्रक्चर, जसे की Nvidia च्या हाय-एंड चिप्सवरील मोठी गुंतवणूक धोक्यात येऊ शकते. Lafargue यांच्या मते, उत्पादकतेवर आधारित वाढ हाच सध्याच्या आर्थिक आव्हानांवर मात करण्याचा आणि 'कर्जाच्या दुष्टचक्रातून' (Debt Spiral) बाहेर पडण्याचा मार्ग आहे.
आकडेवारीचा खेळ: डेटाचा विलंब आणि मापनाचे आव्हान
या संदर्भात मुख्य अडचण म्हणजे उत्पादकता डेटा (Productivity Data) मिळण्यास होणारा विलंब. GDP रिपोर्ट्ससारखे अधिकृत आकडे येण्यास बराच वेळ लागतो. त्यामुळे गुंतवणूकदारांना अप्रत्यक्ष संकेतांवर (Indirect Indicators) अवलंबून राहावे लागते. Lafargue यांना अपेक्षा आहे की 2026 च्या दुसऱ्या किंवा तिसऱ्या तिमाहीत कंपन्या AI मुळे झालेल्या उत्पादकता सुधारणांचे ठोस आकडे सादर करू शकतील. मात्र, सध्या रिअल-टाइममध्ये (Real-time) आकडेवारी तपासणे कठीण असल्याने बाजारातील सहभागींसाठी एक मोठे आव्हान निर्माण झाले आहे.
अमेरिकेतील उत्पादकता: तात्पुरती तेजी की AI चा उदय?
सध्या अमेरिकेत उत्पादकतेत जी वाढ दिसत आहे, ती खूप सावधगिरीने पाहिली जात आहे. Lafargue यांच्या मते, ही वाढ साथीच्या रोगासारख्या मोठ्या आर्थिक व्यत्ययानंतर दिसून येणाऱ्या तात्पुरत्या सुधारणांसारखी असू शकते, जिथे कर्मचाऱ्यांच्या पुनर्रचनेमुळे (Labor Reallocation) उत्पादन तात्पुरते वाढते. 2023 मध्ये अमेरिकेची उत्पादकता मागील दोन दशकांच्या सरासरीपेक्षा जास्त वाढली असली, तरी ही वाढ थेट AI च्या व्यापक वापरामुळे झाली आहे, याचे पुरेसे पुरावे अजूनही नाहीत. काही तज्ञांचे मत आहे की AI चा वापर अजूनही पूर्ण क्षमतेने झालेला नाही, परंतु भविष्यात त्याचा उत्पादकतेवर 1.5% ते 3% पर्यंत वाढीचा परिणाम होऊ शकतो. मात्र, इतर संशोधनानुसार, AI च्या सुरुवातीच्या अंमलबजावणी (Implementation) आणि पुनर्रचना (Redesign) टप्प्यात उत्पादकता तात्पुरती कमी होऊ शकते, ज्याला 'प्रोडक्टिव्हिटी जे- कर्व्ह' (Productivity J-Curve) म्हणतात.
गुंतवणूकदारांची बदलती दिशा: भारताऐवजी आशियाई देश
जागतिक गुंतवणूकदारांचा कल आता भारताकडे कमी होताना दिसत आहे. याची दोन मुख्य कारणे दिली जात आहेत: भारतातील शेअर बाजारात AI-आधारित कंपन्यांमध्ये थेट गुंतवणुकीचे (Direct Exposure) प्रमाण कमी असणे आणि भारत प्रामुख्याने सेवा-आधारित अर्थव्यवस्था (Service-led Economy) असल्याने AI मुळे होणाऱ्या बदलांना अधिक संवेदनशील ठरू शकते, असे मानले जाते. याउलट, चीन आणि जपानसारख्या बाजारपेठांमध्ये गुंतवणूकदारांची आवड वाढत आहे. सध्या, भारतातील IT क्षेत्राचा P/E गुणोत्तर अंदाजे 21.8x आहे, जो त्याच्या तीन वर्षांच्या सरासरीपेक्षा कमी आहे. या तुलनेत, चीनमधील शांघाय SE माहिती आणि तंत्रज्ञान क्षेत्राचा P/E जानेवारी 2026 मध्ये 36.6x होता, तर जपानच्या IT क्षेत्राचा P/E अंदाजे 30.4x आहे, जो त्याच्या तीन वर्षांच्या सरासरीपेक्षा जास्त आहे.
विविधीकरण आणि पर्यायी रणनीती
Lafargue यांनी गुंतवणूकदारांना भौगोलिक विविधीकरणाचा (Geographical Diversification) सल्ला दिला आहे. अमेरिकन बाजारातील जास्त गुंतवणूक आता बदलताना दिसत आहे, जिथे गुंतवणूकदारांना पूर्वी फायदा झाला होता. त्यामुळे इतर प्रदेशांमध्ये, विशेषतः उदयोन्मुख बाजारपेठांमध्ये (Emerging Markets) गुंतवणूक वाढवण्याची शिफारस केली जात आहे. इक्विटी (Equities) अजूनही 'वाढीचे मुख्य इंजिन' मानल्या जात असल्या तरी, Lafargue बाजारातील फरकाचा आणि अस्थिरतेचा (Volatility) फायदा घेणाऱ्या पर्यायी धोरणांमध्येही (Alternative Strategies) संभाव्यता पाहतात.
Nvidia चे मूल्यांकन: AI इन्फ्रास्ट्रक्चरची किंमत
AI चिप्स पुरवणारी प्रमुख कंपनी Nvidia चे बाजार भांडवल (Market Capitalization) फेब्रुवारी 2026 पर्यंत अंदाजे $4.8 ट्रिलियन आहे, आणि त्याचा मागील P/E गुणोत्तर 47.77 आहे. हे मूल्यांकन भविष्यातील प्रचंड वाढीच्या अपेक्षेवर आधारित आहे. विश्लेषक AI इन्फ्रास्ट्रक्चरवर मोठ्या खर्चाचा अंदाज लावत असले तरी, या मागणीची शाश्वतता (Sustainability) थेट उत्पादकता वाढीवर अवलंबून आहे. जर ठोस फायदे मिळण्यास विलंब झाला, तर अशा इन्फ्रास्ट्रक्चर प्रदात्यांच्या प्रीमियम मूल्यांकनावर (Premium Valuation) दबाव येऊ शकतो.
जोखमीची कहाणी: सिद्ध न झालेली वाढ आणि डेटाची समस्या
2026 साठी मुख्य जोखीम AI च्या अपेक्षित क्षमतेमध्ये आणि मोजता येण्याजोग्या आर्थिक उत्पादनामध्ये (Measurable Economic Output) असलेल्या तफावतीमध्ये आहे. 'AI उत्पादकता विरोधाभास' (AI Productivity Paradox) ही एक मोठी चिंता आहे, जिथे वैयक्तिक कार्यक्षमतेतील सुधारणा संस्थात्मक गतीमध्ये (Organizational Velocity) मोजता येत नाहीत, विशेषतः सॉफ्टवेअर डेव्हलपमेंटमध्ये. काही अभ्यासातून असे दिसून आले आहे की AI साधने वापरकर्त्यांना वेगाने काम होत असल्याची जाणीव करून देत असली तरी, प्रत्यक्षात कामाला जास्त वेळ लागतो. यामुळे वास्तव आणि समजूत यातील अंतर दिसून येते. भारतसारख्या देशांसाठी, ठोस AI एकत्रीकरण (Tangible AI Integration) सिद्ध करण्यात अयशस्वी झाल्यास, जागतिक भांडवली प्रवाहात (Global Capital Flows) ते अधिक मार्जिनलाइज होऊ शकते. याव्यतिरिक्त, अमेरिका आणि जपानसारख्या प्रमुख अर्थव्यवस्थांवरील मोठे कर्ज त्यांच्या राष्ट्रीय उत्पन्नापेक्षा जास्त आहे, ज्यामुळे 'डेबिट स्पायरल'चा धोका वाढतो, आणि उत्पादकतेतील वाढीने हा धोका आणखी वाढू शकतो.
भविष्यातील वाटचाल: केवळ चर्चेच्या पलीकडे
विश्लेषकांना अपेक्षा आहे की AI गुंतवणूक 2026 पर्यंत कॉर्पोरेट खर्च आणि आर्थिक वाढीला चालना देत राहील. या वर्षासाठी $500 अब्ज पेक्षा जास्त AI गुंतवणुकीचा अंदाज आहे. कंपन्या आता AI उपक्रमांमधून गुंतवणुकीवर ठोस परतावा (Return on Investment) मागत आहेत, केवळ प्रयोग करण्याच्या पलीकडे जाऊन. काही अंदाजांनुसार, AI पुढील दशकात अर्थव्यवस्था-व्यापी (Economy-wide) श्रम उत्पादकता 1.5% ते 3% ने वाढवू शकते, परंतु तात्काळ आव्हान डेटा प्रमाणीकरण (Data Validation) आणि या वाढीचे मोजमाप करणे हे आहे. J.P. Morgan Global Research नुसार, AI गुंतवणूक बाजाराला आकार देत राहील, परंतु AI आणि नॉन-AI क्षेत्रांमधील दरी वाढण्याची शक्यता आहे. एकूणच, AI वर लक्ष केंद्रित राहील, परंतु ठोस परिणामांवर आणि मूल्यांकनावर (Valuation) अधिक जोर दिला जाईल.