రఘురాం రాజన్ హెచ్చరిక: AI బూమ్.. ఆర్థిక వాస్తవాలకు దూరం!

మూలధన వ్యయాల ఉచ్చు (The Capital Expenditure Trap)

ప్రస్తుతం ఆర్థిక మార్కెట్లు AIని ఒక తిరుగులేని ఉత్పాదకత అద్భుతంగా చూస్తున్నాయి. కానీ, దాని వెనుక ఉన్న వాస్తవాలు వేరే కథ చెబుతున్నాయి. భారీ GPU క్లస్టర్లు, డేటా సెంటర్ల నిర్మాణానికి అప్పులు పోగుచేయడం.. గతంలో జరిగిన మౌలిక సదుపాయాల బబుల్స్‌ను గుర్తుచేస్తుంది. ఇక్కడ తరుగుదల (Depreciation) షెడ్యూల్స్, ఆదాయాన్ని మించిపోతున్నాయనిపిస్తోంది. లార్జ్ లాంగ్వేజ్ మోడల్స్‌లో ఆవిష్కరణల వేగం ఒక స్థాయికి చేరితే (parameter efficiencyలో సాంకేతిక పరిమితులు సూచిస్తున్నాయి), భారీ మౌలిక సదుపాయాల ఖర్చులను ముందుగానే భరించిన కంపెనీలు తీవ్రమైన మార్జిన్ సంకోచాన్ని ఎదుర్కొంటాయి. ప్రయోగాత్మక అమలు నుంచి లాభదాయకతకు మారడం అనేది చాలా కష్టమైన ప్రక్రియ, దీనిని ప్రస్తుత వాల్యుయేషన్ మోడల్స్‌లో తక్కువగా అంచనా వేస్తున్నారు.

పోటీతత్వ అడ్డంకి భ్రమ (The Competitive Moat Illusion)

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ రంగంలో ముందుగా అడుగుపెట్టిన వారికి తిరుగులేని ఆధిక్యం ఉంటుందని పెట్టుబడిదారులు తరచుగా భావిస్తారు. కానీ, ఈ మోడళ్ల స్వభావం (పరిశోధనలో అధిక పారదర్శకత, ఓపెన్-సోర్స్ ద్వారా వేగంగా కాపీ అవ్వడం) కారణంగా నిరంతర భేదాన్ని కొనసాగించడం కష్టం. సంప్రదాయ సాఫ్ట్‌వేర్ నెట్‌వర్క్ ప్రభావాల వలె కాకుండా, AI మోడళ్లు కొత్త, మరింత శక్తి-సమర్థవంతమైన నిర్మాణాల నుంచి నిరంతర ఒత్తిడిని ఎదుర్కొంటాయి. దీనివల్ల, ప్రస్తుత హార్డ్‌వేర్ ఫుట్‌ప్రింట్‌లను లాక్ చేసుకున్న సంస్థలకు సాంకేతిక పాతబడిపోయే (obsolescence) ప్రమాదం ఉంది. ఒక సంస్థ తన డేటా వ్యూహాన్ని ప్రస్తుత చిప్ ఆర్కిటెక్చర్‌ల చుట్టూ నిర్మించుకుని, భవిష్యత్తులో మరింత సమర్థవంతమైన, ప్రత్యేకమైన సిలికాన్‌కు మారితే.. ఆ మౌలిక సదుపాయాల ఖర్చు ఒక పోటీ ప్రయోజనం కంటే గణనీయమైన బాధ్యతగా మారుతుంది.

ఫోరెన్సిక్ రిస్క్ దృక్పథం (The Forensic Risk Perspective)

రిస్క్ మేనేజ్‌మెంట్ కోణం నుంచి చూస్తే, AI రంగం రంగవ్యాప్త పునఃమూల్యాంకనానికి దారితీసే మూడు ప్రధాన సమస్యలను ఎదుర్కొంటోంది. మొదటిది, హైపర్‌స్కేల్ డేటా సెంటర్ల విద్యుత్ వినియోగం పెరిగి, స్థానిక గ్రిడ్ స్థిరత్వానికి ముప్పు తెస్తోంది. దీనివల్ల అధిక-సాంద్రత కలిగిన టెక్ కారిడార్లలో నిర్మాణాలపై తాత్కాలిక నిషేధాలు అమలు కావచ్చు. రెండవది, మోడల్ అవుట్‌పుట్‌కు సంబంధించి డెవలపర్లకు బాధ్యత ఉండవచ్చు – ముఖ్యంగా డీప్‌ఫేక్స్, భద్రతా ఉల్లంఘనల విషయంలో. ఈ చట్టపరమైన రిస్క్‌ను బీమా మార్కెట్లు ఇంకా పూర్తిగా లెక్కించలేదు. చివరగా, రాజకీయ కోణాన్ని విస్మరించలేము. తెల్లకోటు ఉద్యోగాలు (white-collar labor) భారీగా తగ్గితే, అది ఎన్నికల వేదికలపై ఒక ప్రధాన అంశంగా మారుతుంది. ప్రభుత్వాలు కార్మిక కోతలను పరిమితం చేసే లేదా AI-నిర్దిష్ట పన్నులు విధించే రక్షణాత్మక చట్టాలను అమలు చేసే అవకాశం ఉంది. ఇది ప్రస్తుత వాల్యుయేషన్ మల్టిపుల్స్‌కు మద్దతునిస్తున్న ఖర్చు తగ్గింపు సిద్ధాంతాన్ని నేరుగా దెబ్బతీస్తుంది.

మార్కెట్ అంచనాలు మరియు భవిష్యత్ అస్థిరత (Market Expectations and Future Volatility)

బ్రోకరేజ్ ఏకాభిప్రాయం అధిక-వృద్ధి చెందుతున్న టెక్ సంస్థలకు అనుకూలంగా ఉంది. అయితే, రంగాలవారీగా జరిగిన ఉన్మాదాల (manias) చారిత్రక డేటా ప్రకారం, ప్రస్తుత ఆశావాదం మూలధన వ్యయంలోని చక్రీయ తగ్గుదలలను అరుదుగా పరిగణిస్తుంది. అంతర్గత భద్రతా సమస్యలు, డేటా గవర్నెన్స్ సమస్యల వల్ల అడాప్షన్ సైకిల్స్ కొనసాగితే, ఆశించిన ఆదాయ పెరుగుదల భవిష్యత్ ఆర్థిక కాలాల్లోకి నెట్టబడుతుంది. ఇది ప్రస్తుత స్టాక్ ధరలకు (పరిపూర్ణత కోసం ధర నిర్ణయించబడినవి) మరియు వాస్తవానికి (బహుళ-సంవత్సరాల ఏకీకరణ ప్రక్రియ) మధ్య అంతరాన్ని సృష్టిస్తుంది. భవిష్యత్ పనితీరు ఆవిష్కరణ సామర్థ్యం ద్వారా కాకుండా, రుణ భారాన్ని, నియంత్రణ సమ్మతిని కఠినమైన ఆర్థిక వాతావరణంలో నిర్వహించగల సామర్థ్యం ద్వారా నిర్దేశించబడుతుంది.