Του Paulo Carvão
Θα πρέπει να είμαστε προσεκτικοί όταν προβλέπουμε ότι επίκειται να σκάσει η “φούσκα” της τεχνητής νοημοσύνης, αλλά και εξίσου σκεπτικοί απέναντι στην υπερβολική διαφημιστική εκστρατεία σχετικά με την τεχνητή νοημοσύνη.
Υπάρχουν ανησυχητικά σημάδια. Οι μετοχές των “Magnificent-7″ (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia και Tesla) αντιπροσωπεύουν πάνω από το ένα τρίτο του S&P 500, με την πρόσφατη ανάπτυξη να οφείλεται στην τεχνητή νοημοσύνη. Οι επενδυτές αρχίζουν να ανησυχούν για αυτό το επίπεδο συγκέντρωσης. Στο αποκορύφωμα της “φούσκας” των dot-com το 2000, οι κορυφαίες μετοχές τεχνολογίας από τα τέλη της δεκαετίας του 1990 (Cisco, Dell, Intel, Lucent και Microsoft) αντιπροσώπευαν το 15% του δείκτη. Μια τέτοια συγκέντρωση αυξάνει τον κίνδυνο.
Οι παραλληλισμοί δεν σταματούν εδώ. Η μαζική ανάπτυξη των τηλεπικοινωνιακών υποδομών σηματοδότησε την έλευση της εποχής του ηλεκτρονικού εμπορίου. Ο κόσμος χρειαζόταν τις υποδομές του διαδικτύου για να επιτύχει υψηλής ταχύτητας συνδεσιμότητα. Αυτό προκάλεσε μια υπερβολική ανάπτυξη δικτύων οπτικών ινών, η οποία οδήγησε σε χρεοκοπίες όταν η ζήτηση δεν ανταποκρίθηκε βραχυπρόθεσμα.
Σήμερα, οι κορυφαίες εταιρείες τεχνητής νοημοσύνης επενδύουν εκατοντάδες δισεκατομμύρια δολάρια στη δημιουργία νέων data centers. Το συνολικό κόστος επενδύσεων σε αυτόν τον τομέα υπολογίζεται σε τρισεκατομμύρια δολάρια, ποσά που κάποτε συσχετίζονταν μόνο με το ΑΕΠ μεγάλων κρατών. Θα επαναληφθεί η ιστορία, προκαλώντας μια κατάρρευση; Στο μεταξύ, η εκρηκτική ανάπτυξη της συνδεσιμότητας και οι επενδύσεις πριν από ένα τέταρτο του αιώνα “δημιούργησαν” τον κόσμο όπου ζούμε σήμερα, ο οποίος είναι πάντα online. Έχτισαν ευκαιρίες για δημιουργία αξίας, πέρα από τις υποδομές, σε επίπεδο εφαρμογών, και μεταμόρφωσαν τη βιομηχανία της πληροφορικής μέσω της μετάβασης στο cloud. Κάποιοι ίσως υποστηρίξουν ότι τα data centers είναι πλέον οι νέες υπηρεσίες κοινής ωφέλειας που απαιτούνται για την παροχή υπηρεσιών πληροφοριών κατά παραγγελία σε έναν όλο και πιο συνδεδεμένο κόσμο.
Θα υπάρξει η απαιτούμενη ζήτηση για την τεχνητή νοημοσύνη;
Η προσοχή επικεντρώνεται στον καταναλωτικό τομέα. Ο ιστότοπος ChatGPT της OpenAI δέχτηκε πάνω από πέντε δισεκατομμύρια επισκέψεις τον Ιούλιο που μας πέρασε.
Ο πραγματικός οικονομικός αντίκτυπος θα φανεί από το πόσο υιοθετήσουν την τεχνητή νοημοσύνη οι καταναλωτές και οι επιχειρήσεις. Το Εθνικό Γραφείο Οικονομικών Ερευνών άρχισε να δημοσιεύει την έρευνά του για την υιοθέτηση της γενετικής τεχνητής νοημοσύνης πριν από περίπου έναν χρόνο. Στα τέλη του 2024, περίπου το 40% του πληθυσμού των ΗΠΑ ανέφερε ότι χρησιμοποιεί τη γενετική τεχνητή νοημοσύνη και το 23% ανέφερε ότι την είχε χρησιμοποιήσει στην εργασία του τουλάχιστον μία φορά την εβδομάδα πριν ξεκινήσει η έρευνα. Συγκρίνοντας το επίπεδο χρήσης της τεχνητής νοημοσύνης από την αρχική κυκλοφορία του ChatGPT, η χρήση της γενετικής τεχνητής νοημοσύνης στους χώρους εργασίας αυξάνεται ταχύτερα σε σύγκριση με τη χρήση της σε PCs ή στο διαδίκτυο, σύμφωνα με τη μελέτη. Αυτή τη δυναμική της τεχνητής νοημοσύνης οι οικονομολόγοι την αποκαλούν τεχνολογία γενικής χρήσης, με βαθιά και ευρεία επίδραση στην οικονομία.
Ωστόσο, οι προκλήσεις παραμένουν. Μια ομάδα ερευνητών του MIT έβαλε στο μικροσκόπιό της περισσότερες από 300 δημόσια γνωστές πρωτοβουλίες στον τομέα της τεχνητής νοημοσύνης, περισσότερες από 50 εταιρείες και εκατοντάδες στελέχη του κλάδου από τον Ιανουάριο έως τον Ιούνιο του 2025 και κατέληξε στο συμπέρασμα ότι το 95% δεν είχε θετική απόδοση από την επένδυσή του. Κατάφερε να εντοπίσει τρεις παράγοντες που οδήγησαν στην επιτυχία του υπόλοιπου 5%. Οι επιτυχημένες εταιρείες αγοράζουν αντί να κατασκευάζουν, εκτελούν εντός των επιχειρηματικών μονάδων αντί για κεντρικά εργαστήρια και επιλέγουν εργαλεία που ενσωματώνονται στις υφιστάμενες επιχειρηματικές ροές εργασίας τους. Ενώ η επίτευξη αποδόσεων που συνδέονται με την επιχειρηματική μεταμόρφωση είναι σπάνια, η υιοθέτηση της τεχνητής νοημοσύνης είναι υψηλή, με το 90% να εξετάζει σοβαρά την αγορά μιας λύσης ΤΝ. Είναι ένα γνωστό μοτίβο όταν οι επιχειρήσεις υιοθετούν τεχνολογία. Οι αναλυτές το αποκαλούν “κύκλο υπερκινητικότητας”, παρακολουθώντας τις καινοτόμες τεχνολογίες από την είσοδό τους στην αγορά έως το σημείο όπου οι επιχειρήσεις είναι πιθανό να επωφεληθούν από αυτές και η τεχνολογία να γίνει mainstream.
Η Bank of America, η δεύτερη μεγαλύτερη τράπεζα στις ΗΠΑ, με προϋπολογισμό 4 δισ. δολαρίων για νέες τεχνολογίες όπως η τεχνητή νοημοσύνη, είναι ένα παράδειγμα του μοντέλου που προσδιόρισε η μελέτη του MIT: ενσωμάτωση της τεχνητής νοημοσύνης και των επιχειρηματικών ροών εργασίας. Η τράπεζα ανέπτυξε ένα εργαλείο για να βοηθά τους τραπεζικούς υπαλλήλους να προετοιμάζονται για τις συναντήσεις με τους πελάτες, ανακτώντας πληροφορίες από πολλαπλά συστήματα. Προηγουμένως, ένας νέος στη δουλειά θα χρειαζόταν για την ίδια διαδικασία πολλές ώρες ή και ημέρες.
Μέχρι πού μπορεί να μας οδηγήσουν τα σημερινά μοντέλα τεχνητής νοημοσύνης;
Καθώς αυξάνεται η χρήση της τεχνητής νοημοσύνης, αυξάνεται και η συζήτηση σχετικά με τη δυναμική της και το κατά πόσον το τρέχον μοντέλο ανάπτυξης είναι βιώσιμο.
Μεγάλο μέρος της προόδου που έχει επιτευχθεί μέχρι σήμερα βασίζεται σε μεγάλα γλωσσικά μοντέλα που επωφελούνται από την κλίμακα. Κλίμακα σημαίνει ότι με περισσότερη υπολογιστική ισχύ και περισσότερα δεδομένα, παράγονται καλύτερα αποτελέσματα. Ο Richard Sutton, πρωτοπόρος στον τομέα της τεχνητής νοημοσύνης, παρατήρησε το 2019 ότι οι γενικές μέθοδοι που αξιοποιούν την υπολογιστική ισχύ υπερτερούν εκείνων που βασίζονται στην ανθρώπινη ευφυΐα.
Ο Gary Marcus, ένας από τους επικριτές της υπερβολικής διαφημιστικής εκστρατείας για την τεχνητή νοημοσύνη, σχολίασε τις ανάμεικτες κριτικές που έλαβε η τελευταία έκδοση ChatGPT-5 της OpenAI. Επανέλαβε την άποψη ότι ένα μοντέλο ανάπτυξης που βασίζεται στην κλιμάκωση δεν είναι η σωστή πορεία για τον κλάδο. Την ίδια θέση υποστηρίζει εδώ και δεκαετίες.
Ο σκεπτικισμός αυτών των επιστημόνων σχετικά με την τρέχουσα πρόοδο αποτελεί μια τεχνική προειδοποίηση. Η υπερβολή που δημιουργούν οι επενδυτές και τα μεγάλα εργαστήρια τεχνητής νοημοσύνης μπορεί να φέρουν απογοήτευση. Ωστόσο, και οι δύο πιστεύουν στη μακροπρόθεσμη δυναμική της τεχνητής νοημοσύνης, ωστόσο προτείνουν πως πρέπει να ακολουθηθούν εναλλακτικές προσεγγίσεις. Προσεγγίσεις που μπορεί να απαιτούν περισσότερες επενδύσεις στην έρευνα και στην ανάπτυξη.
Υπάρχει “φούσκα” στην τεχνητή νοημοσύνη;
Ακόμη και ο Sam Altman, ο οποίος συνέβαλε τα μέγιστα στην εκρηκτική ανάπτυξη της τεχνητής νοημοσύνης, προειδοποιεί ότι η αγορά μπορεί να “υπερθερμανθεί”. Ο ίδιος και άλλοι επενδυτές επισημαίνουν τις ραγδαία αυξανόμενες αποτιμήσεις, τα υπερβολικά χρήματα που επενδύονται σε επιχειρηματικά μοντέλα που δεν έχει αποδειχθεί ότι λειτουργούν και τον κίνδυνο της κατασκευής υποδομών ταχύτερα από ό,τι δικαιολογεί η ζήτηση. Όπως και στην έκθεση του MIT, ανησυχούν ότι μεγάλο μέρος των κεφαλαίων διοχετεύεται σε έργα που είναι απίθανο να αποδώσουν. Η ανησυχία δεν αφορά τόσο τις μακροπρόθεσμες προοπτικές της τεχνητής νοημοσύνης, όσο τις υπερβολικές προσδοκίες που δημιουργούν τις προϋποθέσεις για μια απότομη διόρθωση.
Η μακροπρόθεσμη δυναμική της τεχνητής νοημοσύνης παραμένει σημαντική, αλλά οι αγορές σπάνια κινούνται σε ευθεία γραμμή. Μια διόρθωση θα μπορούσε να επιβραδύνει τη δυναμική βραχυπρόθεσμα, ενισχύοντας παράλληλα την ανάγκη για πειθαρχία. Η επόμενη φάση θα εξαρτηθεί από την πρόοδο της έρευνας, τη βελτίωση της ποιότητας των μοντέλων και την κατεύθυνση των επενδύσεων προς την οικονομική αξία.
