AI ਦੇ ਪ੍ਰੋਫਿਟ (Profit) 'ਤੇ ਟਿਕਿਆ 2026 ਦਾ ਨਿਵੇਸ਼! ਅੰਕੜਿਆਂ ਦੀ ਦੇਰੀ ਨਾਲ ਬਾਜ਼ਾਰ 'ਚ ਵੱਡੀ ਅਨਿਸ਼ਚਿਤਤਾ

AI ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਦੀ ਜ਼ਰੂਰਤ ਅਤੇ ਮਾਪਣ ਦੀ ਚੁਣੌਤੀ

2026 ਵਿੱਚ ਦੁਨੀਆ ਭਰ ਦੇ ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਸਭ ਤੋਂ ਵੱਡਾ ਸਵਾਲ ਇਹ ਹੈ ਕਿ Artificial Intelligence (AI) ਦਾ ਅਸਲ ਪ੍ਰੋਡਕਟਿਵਿਟੀ (Productivity) 'ਤੇ ਕਿੰਨਾ ਮਾਪਣਯੋਗ ਅਸਰ ਪਿਆ ਹੈ। Barclays Private Bank ਦੇ Chief Market Strategist Julien Lafargue ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਜੇਕਰ ਕੁਸ਼ਲਤਾ (Efficiency) ਵਿੱਚ ਵਾਧੇ ਦੇ ਠੋਸ ਸਬੂਤ ਨਹੀਂ ਮਿਲਦੇ, ਤਾਂ AI ਇਨਫਰਾਸਟ੍ਰਕਚਰ, ਜਿਸ ਵਿੱਚ ਹਾਈ-ਐਂਡ ਸੈਮੀਕੰਡਕਟਰ ਚਿਪਸ (Semiconductor Chips) ਸ਼ਾਮਲ ਹਨ, 'ਤੇ ਕੀਤੇ ਜਾ ਰਹੇ ਭਾਰੀ ਪੂੰਜੀਗਤ ਖਰਚੇ (Capital Expenditure) ਘੱਟ ਸਕਦੇ ਹਨ। ਉਹ ਸਮਝਦੇ ਹਨ ਕਿ ਲਗਾਤਾਰ, ਪ੍ਰੋਡਕਟਿਵਿਟੀ-ਆਧਾਰਿਤ ਵਿਕਾਸ (Growth) ਦੇਸ਼ਾਂ ਲਈ ਮੌਜੂਦਾ ਆਰਥਿਕ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਅਤੇ 'ਕਰਜ਼ਾਈ ਚੱਕਰਾਂ' (Debt Spirals) ਤੋਂ ਬਾਹਰ ਨਿਕਲਣ ਦਾ ਅਹਿਮ ਰਾਹ ਹੈ।

ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਡਾਟਾ (Productivity Data) ਨਾਲ ਜੁੜੀ ਮਾਪਣ ਦੀ ਦੇਰੀ (Measurement Lag) ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ। ਅਧਿਕਾਰਤ ਅੰਕੜੇ, ਜੋ ਆਮ ਤੌਰ 'ਤੇ GDP ਰਿਪੋਰਟਾਂ ਰਾਹੀਂ ਜਾਰੀ ਹੁੰਦੇ ਹਨ, ਕਾਫੀ ਦੇਰੀ ਨਾਲ ਮਿਲਦੇ ਹਨ। ਇਸ ਕਾਰਨ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਅਸਿੱਧੇ ਸੈਟੇਲਾਈਟ (Indirect Indicators) ਦੀ ਭਾਲ ਕਰਨੀ ਪੈਂਦੀ ਹੈ। Lafargue ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ 2026 ਦੀ ਦੂਜੀ ਜਾਂ ਤੀਜੀ ਤਿਮਾਹੀ ਤੱਕ, ਕਾਰਪੋਰੇਟ ਆਗੂ (Corporate Leaders) AI ਰਾਹੀਂ ਪ੍ਰਾਪਤ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਾਧੇ ਬਾਰੇ ਠੋਸ ਅੰਕੜੇ ਪੇਸ਼ ਕਰਨ ਲੱਗ ਪੈਣਗੇ। ਇਹ ਰੀਅਲ-ਟਾਈਮ ਮੁਲਾਂਕਣ (Real-time Assessment) ਵਿੱਚ ਮੁਸ਼ਕਲ ਬਾਜ਼ਾਰ ਭਾਗੀਦਾਰਾਂ ਲਈ ਇੱਕ ਵੱਡਾ ਅੰਨ੍ਹਾ ਸਥਾਨ (Blind Spot) ਬਣਾ ਰਹੀ ਹੈ।

ਅਮਰੀਕੀ ਪ੍ਰੋਡਕਟਿਵਿਟੀ: ਇੱਕ ਚੱਕਰੀ ਵਾਧਾ ਜਾਂ AI ਦਾ ਨਵਾਂ ਯੁੱਗ?

ਅਮਰੀਕਾ (US) ਵਿੱਚ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਿੱਚ ਹਾਲੀਆ ਵਾਧੇ ਨੂੰ ਸਾਵਧਾਨੀ ਨਾਲ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ। Lafargue ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਵਾਧਾ ਵੱਡੇ ਆਰਥਿਕ ਵਿਘਨਾਂ, ਜਿਵੇਂ ਕਿ ਮਹਾਂਮਾਰੀ ਤੋਂ ਬਾਅਦ, ਦੇਖੇ ਗਏ ਅਸਥਾਈ ਕੁਸ਼ਲਤਾ ਸੁਧਾਰਾਂ (Temporary Efficiency Improvements) ਵਰਗਾ ਲੱਗਦਾ ਹੈ, ਜਦੋਂ ਕਿਰਤ ਦੀ ਮੁੜ-ਵੰਡ (Labor Reallocations) ਨੇ ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਉਤਪਾਦਨ ਦੇ ਅੰਕੜੇ ਵਧਾ ਦਿੱਤੇ ਸਨ। ਹਾਲਾਂਕਿ ਅਮਰੀਕਾ ਨੇ 2023 ਵਿੱਚ ਪਿਛਲੇ ਦੋ ਦਹਾਕਿਆਂ ਦੀ ਔਸਤ ਤੋਂ ਵੱਧ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਾਧਾ ਦੇਖਿਆ ਹੈ, ਪਰ ਇਸਨੂੰ AI ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਅਪਣਾਉਣ (AI Adoption) ਨਾਲ ਸਿੱਧਾ ਜੋੜਨ ਦੇ ਸਬੂਤ ਅਜੇ ਵੀ ਅਸਿੱਧੇ ਹੀ ਹਨ। ਕੁਝ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਭਾਵੇਂ AI ਅਪਣਾਉਣ ਦਾ ਪੱਧਰ ਅਜੇ ਸਿਖਰ 'ਤੇ ਨਹੀਂ ਪਹੁੰਚਿਆ, ਪਰ ਇਸਦਾ ਪ੍ਰੋਡਕਟਿਵਿਟੀ 'ਤੇ ਅਸਰ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਕਾਫੀ ਵੱਡਾ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ ਲਗਭਗ 1.5% ਤੋਂ 3% ਤੱਕ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਧਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਦੂਜੇ ਪਾਸੇ, ਕੁਝ ਖੋਜਾਂ ਇਹ ਵੀ ਦੱਸਦੀਆਂ ਹਨ ਕਿ AI ਸ਼ੁਰੂਆਤੀ ਦੌਰ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਅਤੇ ਮੁੜ-ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੇ ਪੜਾਵਾਂ ਦੌਰਾਨ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਿੱਚ ਗਿਰਾਵਟ ਲਿਆ ਸਕਦਾ ਹੈ, ਜਿਸਨੂੰ 'ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਜੇ-ਕਰਵ' (Productivity J-Curve) ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ ਦਾ ਬਦਲਦਾ ਧਿਆਨ: ਭਾਰਤ ਦਾ AI ਗੈਪ ਬਨਾਮ ਏਸ਼ੀਆਈ ਮੁਕਾਬਲੇਬਾਜ਼

ਭਾਰਤ (India) ਦੀ ਬਾਜ਼ਾਰ ਵਿੱਚ ਕਦੇ-ਕਦਾਈਂ ਵਧਦੀ ਅਪੀਲ ਘੱਟ ਰਹੀ ਹੈ। ਇਸਦੇ ਦੋ ਮੁੱਖ ਕਾਰਨ ਦੱਸੇ ਜਾ ਰਹੇ ਹਨ: ਭਾਰਤੀ ਸਟਾਕ ਮਾਰਕੀਟ ਵਿੱਚ AI-ਆਧਾਰਿਤ ਕੰਪਨੀਆਂ (AI-driven Companies) ਦਾ ਸਿੱਧਾ ਐਕਸਪੋਜ਼ਰ (Exposure) ਘੱਟ ਹੋਣਾ ਅਤੇ ਇਸਨੂੰ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇੱਕ ਸੇਵਾ-ਆਧਾਰਿਤ ਅਰਥਚਾਰਾ (Service-led Economy) ਮੰਨਿਆ ਜਾਣਾ, ਜੋ AI-ਆਧਾਰਿਤ ਵਿਘਨਾਂ (Disruptions) ਪ੍ਰਤੀ ਜ਼ਿਆਦਾ ਸੰਵੇਦਨਸ਼ੀਲ ਹੋ ਸਕਦਾ ਹੈ। ਇਸਦੇ ਉਲਟ, ਨਿਵੇਸ਼ਕਾਂ ਦਾ ਧਿਆਨ ਚੀਨ (China) ਅਤੇ ਜਾਪਾਨ (Japan) ਵਰਗੇ ਬਾਜ਼ਾਰਾਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਭਾਰਤ ਦਾ ਇਨਫਰਮੇਸ਼ਨ ਟੈਕਨੋਲੋਜੀ (IT) ਸੈਕਟਰ ਇਸ ਸਮੇਂ ਲਗਭਗ 21.8x ਦੇ P/E 'ਤੇ ਵਪਾਰ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਇਸਦੇ ਤਿੰਨ-ਸਾਲਾ ਔਸਤ ਤੋਂ ਘੱਟ ਹੈ। ਇਸਦੇ ਮੁਕਾਬਲੇ, ਜਨਵਰੀ 2026 ਵਿੱਚ ਚੀਨ ਦੇ ਸ਼ੰਘਾਈ SE ਇਨਫਰਮੇਸ਼ਨ & ਟੈਕਨੋਲੋਜੀ ਸੈਕਟਰ ਦਾ P/E 36.6x ਸੀ, ਜਦੋਂ ਕਿ ਜਾਪਾਨ ਦੇ IT ਸੈਕਟਰ ਦਾ P/E ਲਗਭਗ 30.4x ਹੈ, ਜੋ ਇਸਦੇ ਤਿੰਨ-ਸਾਲਾ ਔਸਤ ਤੋਂ ਵੱਧ ਹੈ।

ਵਿਭਿੰਨਤਾ ਅਤੇ ਬਦਲਵੇਂ ਰਣਨੀਤੀਆਂ

Lafargue ਦੀ ਮੁੱਖ ਸਲਾਹ ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਭੂਗੋਲਿਕ ਵਿਭਿੰਨਤਾ (Geographical Diversification) ਬਣੀ ਹੋਈ ਹੈ। ਉਹ ਨੋਟ ਕਰਦੇ ਹਨ ਕਿ ਅਮਰੀਕਾ (US) ਬਾਜ਼ਾਰ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਜ਼ਿਆਦਾ ਐਕਸਪੋਜ਼ਰ, ਜਿਸ ਨੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਖੂਬ ਲਾਭ ਪਹੁੰਚਾਇਆ ਹੈ, ਵਿੱਚ ਹੁਣ ਬਦਲਾਅ ਦੇ ਸੰਕੇਤ ਮਿਲ ਰਹੇ ਹਨ। ਉਹ ਹੋਰ ਖੇਤਰਾਂ, ਖਾਸ ਕਰਕੇ ਉਭਰ ਰਹੇ ਬਾਜ਼ਾਰਾਂ (Emerging Markets) ਵਿੱਚ ਵਧੇਰੇ ਨਿਵੇਸ਼ ਦੀ ਸਲਾਹ ਦਿੰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਇਕਵਿਟੀ (Equities) ਨੂੰ ਅਜੇ ਵੀ ਵਿਕਾਸ ਦਾ ਮੁੱਖ ਇੰਜਣ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, Lafargue ਬਦਲਵੀਆਂ ਰਣਨੀਤੀਆਂ (Alternative Strategies) ਵਿੱਚ ਵੀ ਸੰਭਾਵਨਾ ਦੇਖਦੇ ਹਨ ਜੋ ਬਾਜ਼ਾਰ ਦੀ ਵੰਡ (Market Dispersion) ਅਤੇ ਅਸਥਿਰਤਾ (Volatility) ਦਾ ਲਾਭ ਉਠਾ ਸਕਦੀਆਂ ਹਨ।

ਮੂਲਯਾਂਕਣ ਬਹਿਸ: Nvidia ਅਤੇ AI ਇਨਫਰਾਸਟ੍ਰਕਚਰ

Nvidia, AI ਚਿਪਸ ਦਾ ਇੱਕ ਪ੍ਰਮੁੱਖ ਪ੍ਰਦਾਤਾ, ਇਸ ਸਮੇਂ ਲਗਭਗ $4.8 ਟ੍ਰਿਲੀਅਨ ਦੇ ਮਾਰਕੀਟ ਕੈਪੀਟਲਾਈਜ਼ੇਸ਼ਨ (Market Capitalization) ਅਤੇ ਫਰਵਰੀ 2026 ਤੱਕ ਲਗਭਗ 47.77x ਦੇ ਟ੍ਰੇਲਿੰਗ P/E ਰੇਸ਼ੋ (Trailing P/E Ratio) 'ਤੇ ਹੈ। ਇਹ ਮੂਲਯਾਂਕਣ (Valuation) ਭਵਿੱਖੀ ਵਿਕਾਸ ਲਈ ਨਿਵੇਸ਼ਕਾਂ ਦੀਆਂ ਵੱਡੀਆਂ ਉਮੀਦਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਵਿਸ਼ਲੇਸ਼ਕ AI ਇਨਫਰਾਸਟ੍ਰਕਚਰ 'ਤੇ ਭਾਰੀ ਖਰਚੇ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹਨ, ਪਰ ਇਸ ਮੰਗ ਦੀ ਟਿਕਾਊਤਾ (Sustainability) ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਾਧੇ ਦੀ ਅਹਿਮੀਅਤ ਨਾਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਜੁੜੀ ਹੋਈ ਹੈ। ਜੇਕਰ ਠੋਸ ਲਾਭ ਵਿੱਚ ਦੇਰੀ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਅਜਿਹੇ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਪ੍ਰੀਮੀਅਮ ਮੂਲਯਾਂਕਣ 'ਤੇ ਦਬਾਅ ਆ ਸਕਦਾ ਹੈ।

ਫੋਰੈਂਸਿਕ ਬੇਅਰ ਕੇਸ: ਅਣ-ਸਾਬਤ ਲਾਭ ਅਤੇ ਮਾਪਣ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ

2026 ਲਈ ਮੁੱਖ ਜੋਖਮ (Risk) AI ਦੀ ਕਲਪਿਤ ਸਮਰੱਥਾ (Perceived Potential) ਅਤੇ ਇਸਦੇ ਮਾਪਣਯੋਗ ਆਰਥਿਕ ਉਤਪਾਦਨ (Measurable Economic Output) ਵਿਚਕਾਰ ਪਾੜਾ ਹੈ। "AI ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਪੈਰਾਡੌਕਸ" (AI Productivity Paradox), ਜਿੱਥੇ ਵਿਅਕਤੀਗਤ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਸੰਗਠਨਾਤਮਕ ਗਤੀ (Organizational Velocity) ਵਿੱਚ ਮਾਪਣਯੋਗ ਵਾਧਾ ਨਹੀਂ ਕਰ ਪਾਉਂਦੇ, ਇੱਕ ਵੱਡੀ ਚਿੰਤਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਸੌਫਟਵੇਅਰ ਵਿਕਾਸ (Software Development) ਵਿੱਚ। ਅਧਿਐਨਾਂ ਨੇ ਦੱਸਿਆ ਹੈ ਕਿ AI ਟੂਲ ਕਈ ਵਾਰ ਕੰਮ ਪੂਰਾ ਹੋਣ ਦਾ ਸਮਾਂ ਵਧਾ ਦਿੰਦੇ ਹਨ, ਭਾਵੇਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਪੀਡ-ਅੱਪ ਮਹਿਸੂਸ ਹੋਵੇ, ਜੋ ਕਿ ਧਾਰਨਾ ਅਤੇ ਅਸਲੀਅਤ ਵਿਚਕਾਰ ਇੱਕ ਪਾੜਾ ਦਿਖਾਉਂਦਾ ਹੈ। ਭਾਰਤ ਵਰਗੇ ਦੇਸ਼ਾਂ ਲਈ, ਠੋਸ AI ਏਕੀਕਰਨ (AI Integration) ਦਿਖਾਉਣ ਵਿੱਚ ਅਸਫਲਤਾ, ਗਲੋਬਲ ਕੈਪੀਟਲ ਫਲੋਜ਼ (Global Capital Flows) ਵਿੱਚ ਇਸਨੂੰ ਹੋਰ ਵੀ ਹਾਸ਼ੀਏ 'ਤੇ ਪਾ ਸਕਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਮਰੀਕਾ ਅਤੇ ਜਾਪਾਨ ਵਰਗੀਆਂ ਪ੍ਰਮੁੱਖ ਅਰਥਚਾਰਿਆਂ 'ਤੇ ਕਰਜ਼ੇ ਦਾ ਭਾਰ (Debt Burdens) ਉਹਨਾਂ ਦੀ ਕੌਮੀ ਆਮਦਨ (National Income) ਤੋਂ ਵੱਧ ਹੈ, ਜਿਸ ਨਾਲ "ਕਰਜ਼ਾਈ ਚੱਕਰ" ਦਾ ਜੋਖਮ ਵਧਦਾ ਹੈ। ਇਹ ਆਰਥਿਕ ਵਿਕਾਸ ਅਤੇ ਕਰਜ਼ਾ ਸੇਵਾ (Debt Servicing) ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਲਾਭਾਂ ਦੇ ਨਾ ਮਿਲਣ 'ਤੇ ਹੋਰ ਵਧ ਸਕਦਾ ਹੈ। ਇਹ ਮੈਕਰੋ-ਫਾਈਨੈਂਸ਼ੀਅਲ ਅਸਥਿਰਤਾ (Macro-financial Fragility) AI ਦੇ ਵਾਅਦਾ ਕੀਤੇ ਆਰਥਿਕ ਉਭਾਰ 'ਤੇ ਭਾਰੀ ਨਿਰਭਰ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਜੋਖਮ ਦੀ ਇੱਕ ਹੋਰ ਪਰਤ ਜੋੜਦੀ ਹੈ।

ਭਵਿੱਖ ਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ: ਹਾਈਪ ਤੋਂ ਪਰੇ

ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ AI ਨਿਵੇਸ਼ 2026 ਤੱਕ ਕਾਰਪੋਰੇਟ ਖਰਚਿਆਂ ਅਤੇ ਆਰਥਿਕ ਵਿਕਾਸ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦਾ ਰਹੇਗਾ। ਅਨੁਮਾਨ ਇਹ ਵੀ ਲਗਾਏ ਜਾ ਰਹੇ ਹਨ ਕਿ ਇਸ ਸਾਲ AI ਨਿਵੇਸ਼ $500 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਹੋਵੇਗਾ। ਕੰਪਨੀਆਂ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਆਪਣੇ AI ਪਹਿਲਕਦਮੀਆਂ (AI Initiatives) ਤੋਂ ਨਿਵੇਸ਼ 'ਤੇ ਅਸਲ ਰਿਟਰਨ (Return on Investment - ROI) ਦੀ ਮੰਗ ਕਰ ਰਹੀਆਂ ਹਨ। ਜਦੋਂ ਕਿ ਕੁਝ ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹਨ ਕਿ AI ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ ਲਗਭਗ 1.5% ਤੋਂ 3% ਤੱਕ ਪ੍ਰੋਡਕਟਿਵਿਟੀ ਵਧਾ ਸਕਦਾ ਹੈ, ਤੁਰੰਤ ਚੁਣੌਤੀ ਇਹਨਾਂ ਲਾਭਾਂ ਦੇ ਡਾਟਾ ਪ੍ਰਮਾਣੀਕਰਨ (Data Validation) ਅਤੇ ਮਾਪਣ ਦੀ ਹੈ। J.P. Morgan Global Research ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ AI ਨਿਵੇਸ਼ ਬਾਜ਼ਾਰੀ ਗਤੀਸ਼ੀਲਤਾ (Market Dynamics) ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦਾ ਰਹੇਗਾ, ਪਰ AI ਅਤੇ ਗੈਰ-AI ਖੇਤਰਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਵੀ ਵਧਦਾ ਦੇਖ ਰਿਹਾ ਹੈ। ਸਰਬਸੰਮਤੀ AI 'ਤੇ ਲਗਾਤਾਰ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ, ਪਰ ਪ੍ਰਦਰਸ਼ਨਯੋਗ ਨਤੀਜਿਆਂ (Demonstrable Results) 'ਤੇ ਵਧਦੇ ਜ਼ੋਰ ਅਤੇ ਮੂਲਯਾਂਕਣ (Valuation) ਪ੍ਰਤੀ ਸਾਵਧਾਨ ਪਹੁੰਚ ਨਾਲ।