ಎಐ ಮಾರುಕಟ್ಟೆ ಕುಸಿತವು ಡಾಟ್-ಕಾಂ ಕುಸಿತಕ್ಕಿಂತಲೂ ವೇಗವಾಗಿ ಸಂಭವಿಸಬಹುದು ಏಕೆ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ (AI) ಬೆಳವಣಿಗೆಯು ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಅಭೂತಪೂರ್ವ ಉತ್ಸಾಹವನ್ನು ಮೂಡಿಸಿದೆ, ಆದರೆ ಪ್ರಖ್ಯಾತ ಹಣಕಾಸು ತಜ್ಞ ಅಶ್ವತ್ ದಾಮೋದರನ್ ಮುಂಬರುವ ವ್ಯವಸ್ಥಿತ ಅಪಾಯದ ಬಗ್ಗೆ ಎಚ್ಚರಿಸಿದ್ದಾರೆ. ಹಿಂದಿನ ತಾಂತ್ರಿಕ ಚಕ್ರಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಪ್ರಸ್ತುತ ಎಐ ಏರಿಕೆ ಬೃಹತ್ ಭೌತಿಕ ಮೂಲಸೌಕರ್ಯ ಮತ್ತು ಹೆಚ್ಚಿನ ಸಾಲದ ಅಡಿಪಾಯದ ಮೇಲೆ ನಿರ್ಮಿತವಾಗಿದೆ, ಇದು 2000ರ ಡಾಟ್-ಕಾಂ ಕುಸಿತಕ್ಕಿಂತಲೂ ಹೆಚ್ಚು ವಿನಾಶಕಾರಿಯಾದ ಸಂಭವನೀಯ ಮಾರುಕಟ್ಟೆ ಕುಸಿತಕ್ಕೆ ನಾಂದಿ ಹಾಡುತ್ತಿದೆ.

ಮೂಲಸೌಕರ್ಯದ ಬಲೆ: ಸಾಲ ಮತ್ತು ಸವಕಳಿ

ನ್ಯೂಯಾರ್ಕ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಪ್ರಾಧ್ಯಾಪಕರಾದ ಅಶ್ವತ್ ದಾಮೋದರನ್, ತಾಂತ್ರಿಕ ದೈತ್ಯರು (tech giants) ಕಾರ್ಯನಿರ್ವಹಿಸುವ ರೀತಿಯಲ್ಲಿನ ಮೂಲಭೂತ ಬದಲಾವಣೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತಾರೆ. ಡಾಟ್-ಕಾಂ ಯುಗದಲ್ಲಿ, ಕಂಪನಿಗಳು ಹೆಚ್ಚಾಗಿ ಕಡಿಮೆ ಬಂಡವಾಳದ (capital-light) ಮಾದರಿಯಾಗಿದ್ದವು, ಕನಿಷ್ಠ ಭೌತಿಕ ವೆಚ್ಚಗಳೊಂದಿಗೆ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ವಿಸ್ತರಿಸುತ್ತಿದ್ದವು. ಇಂದು, ಎಐ ಸ್ಪರ್ಧೆಯು ಡೇಟಾ ಸೆಂಟರ್‌ಗಳು ಮತ್ತು ವಿಶೇಷ ಹಾರ್ಡ್‌ವೇರ್‌ಗಳಲ್ಲಿ ಬೃಹತ್ ಬಂಡವಾಳ ವೆಚ್ಚಗಳನ್ನು (CapEx) ಬಯಸುತ್ತದೆ.

"Magnificent Seven" ಕಂಪನಿಗಳಿಗೆ ಇರುವ ಒಂದು ನಿರ್ಣಾಯಕ ಅಪಾಯವನ್ನು ದಾಮೋದರನ್ ಎತ್ತಿ ತೋರಿಸುತ್ತಾರೆ: ಅವು ಕಡಿಮೆ ಬಂಡವಾಳದ ಸಾಫ್ಟ್‌ವೇರ್ ಮಾದರಿಗಳಿಂದ ಬೃಹತ್ ಮೂಲಸೌಕರ್ಯ ಮಾದರಿಗಳಿಗೆ ಬದಲಾಗುತ್ತಿವೆ. ಈ ಕಂಪನಿಗಳು ಹತ್ತು ವರ್ಷಗಳಲ್ಲಿ ಸವಕಳಿ (depreciate) ಆಗುವ ಆಸ್ತಿಗಳಲ್ಲಿ ಶತಕೋಟಿಗಳನ್ನು ಹೂಡಿಕೆ ಮಾಡುತ್ತಿವೆ, ಆದರೆ ವೇಗವಾಗಿ ಚಲಿಸುವ ಎಐ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಆ ಹಾರ್ಡ್‌ವೇರ್ ಕೇವಲ ಐದು ವರ್ಷಗಳಲ್ಲಿ ಹಳೆಯದಾಗಬಹುದು (obsolete). ಈ ವಿಸ್ತರಣೆಯ ಹೆಚ್ಚಿನ ಭಾಗವನ್ನು ಸಾಲದ ಮೂಲಕ ಹಣಕಾಸು ಒದಗಿಸಲಾಗಿರುವುದರಿಂದ, ಮಾರುಕಟ್ಟೆಯ ಕುಸಿತವು ಕೇವಲ ಷೇರುದಾರರಿಗೆ ಮಾತ್ರವಲ್ಲದೆ, ವ್ಯಾಪಕವಾದ ಆರ್ಥಿಕ ಪರಿಣಾಮಗಳನ್ನೂ ಉಂಟುಮಾಡಬಹುದು.

ಎಐ ಸಾಂಪ್ರದಾಯಿಕ ಸಾಫ್ಟ್‌ವೇರ್ ಸ್ಕೇಲಿಂಗ್ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಏಕೆ ವಿಫಲವಾಗುತ್ತದೆ

ತಾಂತ್ರಿಕ ಉದ್ಯಮದಲ್ಲಿ ಒಂದು ಸಾಮಾನ್ಯ ತಪ್ಪು ಕಲ್ಪನೆಯೆಂದರೆ, ಎಐ ಸಾಂಪ್ರದಾಯಿಕ ಸಾಫ್ಟ್‌ವೇರ್‌ನ "ಶೂನ್ಯ ಅಂಚಿನ ವೆಚ್ಚ" (marginal cost of zero) ನಿಯಮವನ್ನು ಅನುಸರಿಸುತ್ತದೆ ಎಂಬುದು. ದಾಮೋದರನ್ ಇದು ಒಂದು ಭ್ರಮೆ ಎಂದು ವಾದಿಸುತ್ತಾರೆ. ಸ್ಥಿರ ವಿಷಯದ ವೆಚ್ಚಗಳನ್ನು (fixed content costs) ವಿಸ್ತರಿಸುತ್ತಿರುವ ಚಂದಾದಾರರ ಸಂಖ್ಯೆಯ ಮೇಲೆ ಹಂಚಿಕೆ ಮಾಡುವ Netflix ನಂತೆಯಲ್ಲದೆ, ಎಐ ಮಾದರಿಗಳು ಪ್ರತಿಯೊಂದು ಸಂವಹನಕ್ಕೂ ಗಮನಾರ್ಹ ವೆಚ್ಚವನ್ನು ಎದುರಿಸುತ್ತವೆ.

ಅವರು ಎಐ ವ್ಯವಹಾರ ಮಾದರಿಯನ್ನು Netflix ಗೆ ಹೋಲಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ Spotify ಗೆ ಹೋಲಿಸುತ್ತಾರೆ. Spotify ಮಾದರಿಯಲ್ಲಿ, ಪ್ರತಿಯೊಂದು ಹೊಸ ಸ್ಟ್ರೀಮ್ ಕೂಡ ವೆಚ್ಚವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ, ಇದು ಕಡಿಮೆ ಲಾಭದ ಅಂಚನ್ನು (thinner margins) ನೀಡುತ್ತದೆ. ಅದೇ ರೀತಿ, ಪ್ರತಿಯೊಂದು ಹೆಚ್ಚುವರಿ ಎಐ ಪ್ರಶ್ನೆಯು (query) ದುಬಾರಿ ಕಂಪ್ಯೂಟ್ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತದೆ. ಸಾಂಪ್ರದಾಯಿಕ 'economies of scale' ನ ಕೊರತೆ ಮತ್ತು DeepSeek ನಂತಹ ಕಡಿಮೆ ವೆಚ್ಚದ ಸ್ಪರ್ಧಿಗಳಿಂದ ಉಂಟಾಗಬಹುದಾದ ಬೆಲೆ ಕುಸಿತವು, ಕ್ಷಿಪ್ರ ಬೆಳವಣಿಗೆಯು ಮೌಲ್ಯವನ್ನು ಸೃಷ್ಟಿಸುವ ಬದಲು ವಾಸ್ತವವಾಗಿ ಮೌಲ್ಯವನ್ನು ನಾಶಪಡಿಸಬಹುದು ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

"ಎಐ ಫೀವರ್ ಡ್ರೀಮ್" ಮತ್ತು ಸಾಮಾಜಿಕ ಅಸ್ತವ್ಯಸ್ತತೆ

ದಾಮೋದರನ್ ಎಐನ "ಬುಲ್ ಕೇಸ್" (bull case) ಬಗ್ಗೆಯೂ ಮಾತನಾಡುತ್ತಾರೆ, ಇದು ತನ್ನದೇ ಆದ ಅಸ್ತಿತ್ವದ ಅಪಾಯಗಳನ್ನು ಹೊಂದಿದೆ. ಎಐ ತನ್ನ ಅಂತಿಮ ಭರವಸೆಯನ್ನು ಸಾಧಿಸಿದರೆ—ಅಂದರೆ ಕೇವಲ ಉತ್ಪಾದಕತೆಯ ಸಾಧನವಾಗಿ ಮಾತ್ರವಲ್ಲದೆ, ಮಾನವ ಶ್ರಮಕ್ಕೆ ಸಂಪೂರ್ಣ ಪರ್ಯಾಯವಾಗಿ ಬದಲಾದರೆ—ಅದರ ಸಾಮಾಜಿಕ ಪರಿಣಾಮಗಳು ಅಭೂತಪೂರ್ವವಾಗಿರುತ್ತವೆ.

ಅವರು ಈ ಸನ್ನಿವೇಶವನ್ನು "AI fever dream" ಎಂದು ವಿವರಿಸುತ್ತಾರೆ, ಇಲ್ಲಿ ತಂತ್ರಜ್ಞಾನದ ಯಶಸ್ಸೇ ಎಲ್ಲಾ ವೈಟ್-ಕಾಲರ್ ಉದ್ಯೋಗಿಗಳಲ್ಲಿ ಅರ್ಧದಷ್ಟು ಜನರನ್ನು ಕೆಲಸದಿಂದ ಹೊರಹಾಕಲು ಕಾರಣವಾಗಬಹುದು. ಆರ್ಥಿಕ ಲಾಭಗಳು ಬ್ಯಾಲೆನ್ಸ್ ಶೀಟ್‌ನಲ್ಲಿ ಆಕರ್ಷಕವಾಗಿ ಕಂಡರೂ, ಸಾಮೂಹಿಕ ಉದ್ಯೋಗ ನಷ್ಟದಿಂದ ಸಮಾಜಕ್ಕೆ ಉಂಟಾಗುವ "ಭಯಾನಕ ವೆಚ್ಚಗಳು" ಪ್ರಸ್ತುತ ಮಾರುಕಟ್ಟೆ ಮೌಲ್ಯಮಾಪನಗಳು ಪರಿಗಣಿಸದ ಅಪಾಯವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ.

ಕಾರ್ಯತಂತ್ರದ ಸಂಯಮ ಮತ್ತು ಆಕ್ರಮಣಕಾರಿ ವೆಚ್ಚಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸ

ಈ ಗೊಂದಲದ ನಡುವೆ, AI ಸ್ಪರ್ಧೆಯಲ್ಲಿ Apple ತೋರಿಸುತ್ತಿರುವ ಹಿಂಜರಿಕೆಯನ್ನು ದಮೋದರನ್ ಆಶ್ಚರ್ಯಕರವಾಗಿ ಸಮರ್ಥಿಸುತ್ತಾರೆ. Apple ಹಿಂದೆ ಬೀಳುತ್ತಿದೆ ಎಂದು ವಿಮರ್ಶಕರು ವಾದಿಸಿದರೂ, "ಸಂಯಮವನ್ನು ಕಡಿಮೆ ಅಂದಾಜಿಸುವುದು" ಒಂದು ಸಾಮಾನ್ಯ ತಪ್ಪಾಗಿದೆ ಎಂದು ದಮೋದರನ್ ಸೂಚಿಸುತ್ತಾರೆ. ತನ್ನ ಸಮಾನ ಸಂಸ್ಥೆಗಳು ಎದುರಿಸುತ್ತಿರುವ ಬೃಹತ್ CapEx ತಪ್ಪುಗಳು ಮತ್ತು ಹಾರ್ಡ್‌ವೇರ್ ಹಳೆಯದಾಗುವ (hardware obsolescence) ಅಪಾಯಗಳನ್ನು ಗಮನಿಸುವ ಮೂಲಕ, Apple ಹೆಚ್ಚು ದಕ್ಷತೆಯೊಂದಿಗೆ ಮತ್ತು ಕಡಿಮೆ ಬಂಡವಾಳ ವ್ಯರ್ಥ ಮಾಡುವ ಮೂಲಕ ಮಾರುಕಟ್ಟೆಗೆ ಪ್ರವೇಶಿಸಲು ತನ್ನನ್ನು ತಾನು ಸಿದ್ಧಪಡಿಸಿಕೊಳ್ಳುತ್ತಿರಬಹುದು.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ರಚನಾತ್ಮಕ ಅಪಾಯ (Structural Risk): ಡಾಟ್-ಕಾಂ ಯುಗದಂತೆ ಅಲ್ಲದೆ, AI ಏಳಿಗೆಯು ಹೆಚ್ಚಿನ ಸಾಲ ಮತ್ತು ಬೃಹತ್ ಭೌತಿಕ ಮೂಲಸೌಕರ್ಯಗಳಿಂದ ಚಾಲಿತವಾಗಿದ್ದು, ಇದು ಮಾರುಕಟ್ಟೆಯ ಕುಸಿತವನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಹೆಚ್ಚು ಅಪಾಯಕಾರಿಯಾಗಿಸುತ್ತದೆ.
• ಮಾರ್ಜಿನ್ ಕಂಪ್ರೆಶನ್ (Margin Compression): ಸಾಂಪ್ರದಾಯಿಕ ಸಾಫ್ಟ್‌ವೇರ್‌ನಂತೆ AI ಗೆ 'ಜೀರೋ-ಮಾರ್ಜಿನಲ್-ಕಾಸ್ಟ್' (zero-marginal-cost) ಪ್ರಯೋಜನವಿಲ್ಲ; ಇದು ಸ್ಕೇಲೆಬಲ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ (Netflix ನಂತೆ) ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಬದಲು, ಹೆಚ್ಚಿನ ವೆಚ್ಚದ ಸೇವೆಯಂತೆ (Spotify ನಂತೆ) ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
• ಸಾಮಾಜಿಕ ಪರಿಣಾಮ: ಅತ್ಯಂತ ಯಶಸ್ವಿ AI ವ್ಯವಹಾರ ಮಾದರಿಗಳು—ಅಂದರೆ ಮಾನವ ಶ್ರಮವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಿಸುವ ಮಾದರಿಗಳು—ತೀವ್ರವಾದ ಸಾಮಾಜಿಕ ಅಸ್ಥಿರತೆ ಮತ್ತು ಆರ್ಥಿಕ ಅಸ್ತವ್ಯಸ್ತತೆಯನ್ನು ಉಂಟುಮಾಡಬಹುದು.