AI महागाईवर नियंत्रण मिळवू शकेल का? मार्गदर्शनासाठी फेडने मार्क अँड्रीसन यांची निवड केली

फेडरल रिझर्व्ह (Federal Reserve) अधिकृतपणे आपल्या मॅक्रोइकोनॉमिक (macroeconomic) अंदाज वर्तवण्याच्या मॉडेल्समध्ये कृत्रिम बुद्धिमत्ता (AI) समाविष्ट करण्याच्या दिशेने पावले उचलत आहे. उद्योगातील प्रमुख नेत्यांची एका नवीन वर्किंग ग्रुपमध्ये नियुक्ती करून, AI क्रांती ही महागाई कमी करणारी (disinflationary) शक्ती म्हणून काम करेल की नवीन आर्थिक अस्थिरतेचे कारण बनेल, हे ठरवण्याचे उद्दिष्ट फेडने ठेवले आहे.

फेडचा नवीन "Productivity and Jobs" वर्किंग ग्रुप

तंत्रज्ञान-एकात्मिक धोरणनिर्मितीकडे (tech-integrated policymaking) एक महत्त्वपूर्ण पाऊल म्हणून, फेडचे अध्यक्ष केविन वॉर्श यांनी उदयोन्मुख तंत्रज्ञानाचा अभ्यास करण्यासाठी पाच विशेष वर्किंग ग्रुप्सची घोषणा केली आहे. यातील सर्वात महत्त्वाच्या "Productivity and Jobs" गटाचे नेतृत्व करण्यासाठी तीन दिग्गज व्यक्तींची निवड करण्यात आली आहे: व्हेंचर कॅपिटलिस्ट मार्क अँड्रीसन, स्टॅनफोर्डचे अर्थशास्त्रज्ञ चार्ल्स आय. जोन्स (सध्या Anthropic मध्ये रजेवर आहेत) आणि मायक्रोसॉफ्टच्या कार्यकारी अधिकारी आशा शर्मा.

या गटाला एक प्रचंड मोठे आव्हान देण्यात आले आहे: जनरेटिव्ह AI सारखी मूलभूत तंत्रज्ञानं श्रम बाजार (labor markets) आणि राष्ट्रीय उत्पादकता (national productivity) कशी बदलतील, याचे मोजमाप करणे. फेडसाठी, हा बदल समजून घेणे केवळ शैक्षणिक दृष्टिकोनातून महत्त्वाचे नाही, तर भविष्यातील व्याजदरांचा मार्ग (interest rate trajectories) ठरवण्यासाठी ते अत्यंत आवश्यक आहे.

महागाई कमी करण्याचा युक्तिवाद: उत्पादकता वाढवणारे इंजिन म्हणून AI

या उपक्रमामागील मुख्य प्रेरणा म्हणजे महागाईवर नियंत्रण मिळवण्यासाठी AI ची क्षमता. एका पूर्वीच्या लेखामध्ये, अध्यक्ष वॉर्श यांनी सुचवले होते की, AI चा व्यापक वापर "महत्त्वाची महागाई कमी करणारी शक्ती" (significant disinflationary force) म्हणून काम करू शकतो. याचे तर्कशास्त्र सोपे आहे: जर AI मुळे उत्पादकता लक्षणीयरीत्या वाढली आणि अर्थव्यवस्थेची एकूण उत्पादन क्षमता विस्तारली, तर resulting efficiency gains मुळे किमतींवरील दबाव कमी होऊ शकतो.

जर AI मुळे कंपन्या कमी संसाधनांमध्ये अधिक उत्पादन करू शकल्या, तर फेडरल रिझर्व्हला महागाई वाढण्याचा धोका न पत्करता व्याजदर कमी करण्यासाठी आवश्यक असलेली "मोकळीक" (breathing room) मिळेल. हे माजी अध्यक्ष ॲलन ग्रीन्सपॅन यांच्या काळाची आठवण करून देते, ज्यांनी १९९० च्या दशकाच्या उत्तरार्धात अशाच प्रकारच्या उत्पादकता बदलांचे व्यवस्थापन केले होते.

प्रतिवाद: पायाभूत सुविधा आणि ऊर्जा मर्यादा

तथापि, AI-चालित स्थिरतेचा मार्ग महागाईच्या जोखमींनी भरलेला आहे. अर्थशास्त्रज्ञ आणि फेड अधिकारी सावध करत आहेत की, "AI बूम" साठी मोठ्या प्रमाणावर भांडवली खर्च (capital expenditure) आवश्यक आहे, ज्यामुळे अल्प ते मध्यम काळात किमती वाढू शकतात.

महागाई वाढवणारे प्रमुख अडथळे खालीलप्रमाणे आहेत:

• भांडवल आणि हार्डवेअरची मागणी: डॉयचे बँक (Deutsche Bank) च्या अंदाजानुसार, २०३० पर्यंत AI डेटा सेंटरमधील एकूण गुंतवणूक ४ ट्रिलियन डॉलर्सपेक्षा जास्त असू शकते. चिप्स आणि कच्च्या मालाच्या या प्रचंड मागणीचा परिणाम मेमरी चिप्ससारख्या बाजारपेठांवर आधीच दिसून येत आहे.
• ऊर्जा आणि ग्रीड मर्यादा: AI क्लस्टर्ससाठी लागणारी प्रचंड वीज ऊर्जा स्थिरतेसाठी धोका निर्माण करू शकते. फेड गव्हर्नर मायकल एस. बार यांनी नमूद केले आहे की, पुरवठ्यातील या मर्यादांमुळे AI बूममुळे पॉलिसी रेट्स (policy rates) त्वरित कमी होण्याची शक्यता कमी आहे.

टेक इकोसिस्टमसाठी हे का महत्त्वाचे आहे

ही घडामोड सूचित करते की AI आता केवळ अर्थव्यवस्थेचा एक भाग राहिलेला नाही—ते आता चलनविषयक धोरणाचे (monetary policy) मूलभूत चालक बनत आहे. डेव्हलपर्स, संस्थापक आणि गुंतवणूकदारांसाठी, फेडचे निष्कर्ष येणाऱ्या अनेक वर्षांसाठी भांडवलाची किंमत (cost of capital) ठरवतील. जर फेडने असा निष्कर्ष काढला की AI यशस्वीरित्या उत्पादकता वाढवत आहे, तर आपण कमी व्याजदरांचे वातावरण पाहू शकतो, ज्यामुळे तंत्रज्ञानाचा अधिक विस्तार होईल. याउलट, जर AI ला ऊर्जा आणि हार्डवेअर महागाईचा चालक म्हणून पाहिले गेले, तर "स्वस्त पैशांचे" (cheap money) युग मिळणे कठीण होईल.

मुख्य मुद्दे

• धोरणात्मक सल्लागार: AI च्या आर्थिक प्रभावाचा अभ्यास करण्यासाठी फेडने मार्क अँड्रीसन, चार्ल्स आय. जोन्स (Anthropic) आणि आशा शर्मा (Microsoft) यांच्या सह-अध्यक्षतेखाली "Productivity and Jobs" वर्किंग ग्रुप तयार केला आहे.
• उत्पादकता सिद्धांत: फेडचे अध्यक्ष केविन वॉर्श AI ला एक संभाव्य महागाई कमी करणारे साधन म्हणून पाहतात, जे उत्पादन वाढवू शकते आणि व्याजदर कपातीस मदत करू शकते.
• महागाईचे धोके: २०३० पर्यंत डेटा सेंटर्समध्ये ४ ट्रिलियन डॉलर्सपर्यंत होणारी प्रचंड गुंतवणूक आणि ऊर्जा ग्रीडमधील अडथळ्यांमुळे, उत्पादकता वाढण्यापूर्वी किमतींवर मोठा दबाव निर्माण होऊ शकतो.