एआय (AI) मार्केट क्रॅश डॉट-कॉम मंदीपेक्षाही अधिक तीव्र का असू शकतो

आर्टिफिशियल इंटेलिजन्सच्या (AI) तेजीमुळे बाजारपेठेत अभूतपूर्व उत्साह निर्माण झाला आहे, परंतु प्रसिद्ध वित्ततज्ज्ञ अश्वथ दामोदरन यांनी आगामी प्रणालीगत जोखमीबद्दल (systemic risk) इशारा दिला आहे. मागील तंत्रज्ञान चक्रांच्या तुलनेत, सध्याची एआय लाट प्रचंड भौतिक पायाभूत सुविधा आणि मोठ्या कर्जाच्या पायावर उभी आहे, ज्यामुळे २००० च्या डॉट-कॉम क्रॅशपेक्षाही अधिक विनाशकारी संभाव्य सुधारणा (correction) घडवून आणण्याची शक्यता आहे.

पायाभूत सुविधांचा सापळा: कर्ज आणि घसारा (Depreciation)

न्यूयॉर्क युनिव्हर्सिटीचे प्राध्यापक अश्वथ दामोदरन यांनी तंत्रज्ञान क्षेत्रातील दिग्गज कंपन्यांच्या कार्यपद्धतीत झालेल्या मूलभूत बदलावर प्रकाश टाकला आहे. डॉट-कॉम काळात, कंपन्या प्रामुख्याने 'कॅपिटल-लाईट' (कमी भांडवल लागणारी) होत्या, ज्या सॉफ्टवेअरचा विस्तार नगण्य भौतिक खर्चासह करत असत. आज, एआयच्या शर्यतीसाठी डेटा सेंटर्स आणि विशेष हार्डवेअरमध्ये प्रचंड भांडवली खर्च (CapEx) आवश्यक आहे.

दामोदरन यांनी "Magnificent Seven" कंपन्यांसाठी एका गंभीर जोखमीकडे लक्ष वेधले आहे: त्या 'कॅपिटल-लाईट' सॉफ्टवेअर मॉडेल्सकडून जड पायाभूत सुविधांच्या मॉडेल्सकडे वळत आहेत. या कंपन्या अशा मालमत्तेमध्ये अब्जावधी डॉलर्स गुंतवत आहेत ज्याचा घसारा दहा वर्षांत होतो, परंतु वेगाने बदलणाऱ्या एआय क्षेत्रात, ते हार्डवेअर केवळ पाच वर्षांत कालबाह्य होऊ शकते. या विस्तारकामाचा मोठा भाग कर्जाद्वारे वित्तपुरवठा केला जात असल्याने, बाजारपेठेतील सुधारणा (correction) केवळ भागधारकांनाच हानी पोहोचवणार नाही, तर त्याचा व्यापक आर्थिक परिणाम (ripple effect) देखील होऊ शकतो.

एआय पारंपारिक सॉफ्टवेअर स्केलिंग चाचणीत का अपयशी ठरते

तंत्रज्ञान उद्योगातील एक सामान्य गैरसमज म्हणजे एआय हे क्लासिक सॉफ्टवेअरच्या "शून्य सीमांत खर्च" (marginal cost of zero) नियमाचे पालन करते. दामोदरन यांच्या मते हा एक भ्रम आहे. नेटफ्लिक्सच्या (Netflix) उलट, जे स्थिर कंटेंट खर्च वाढत्या ग्राहक बेसवर विभागते, एआय मॉडेल्सना प्रत्येक संवादासाठी (interaction) लक्षणीय खर्च करावा लागतो.

ते एआय बिझनेस मॉडेलची तुलना नेटफ्लिक्सऐवजी स्पॉटिफायशी (Spotify) करतात. स्पॉटिफायच्या मॉडेलमध्ये, प्रत्येक नवीन स्ट्रीमसाठी खर्च येतो, ज्यामुळे नफ्याचे प्रमाण (margins) कमी होते. त्याचप्रमाणे, प्रत्येक अतिरिक्त एआय क्वेरीमुळे महागड्या कॉम्प्युट पॉवरचा वापर होतो. पारंपारिक 'इकोनॉमीज ऑफ स्केल'चा अभाव आणि DeepSeek सारख्या कमी खर्चाच्या स्पर्धकांमुळे संभाव्य किंमत घसरण, या गोष्टी सूचित करतात की वेगाने होणारी वाढ मूल्य निर्माण करण्याऐवजी प्रत्यक्षात मूल्य नष्ट करू शकते.

"एआय फिव्हर ड्रीम" आणि सामाजिक विस्कळीतपणा

दामोदरन एआयच्या "बुल केस" (bull case) वरही भाष्य करतात, ज्यामध्ये स्वतःच्या काही अस्तित्वाच्या जोखमी आहेत. जर एआयने आपले अंतिम आश्वासन पूर्ण केले—केवळ उत्पादकता वाढवण्याचे साधन म्हणून नाही, तर मानवी श्रमाचा पूर्णपणे पर्याय म्हणून—तर त्याचे सामाजिक परिणाम अभूतपूर्व असतील.

ते या परिस्थितीचे वर्णन "AI चा एक उन्माद" (AI fever dream) असे करतात, जिथे या तंत्रज्ञानाच्या यशानेच पांढरपेशा (white-collar) कामगारांपैकी निम्म्या लोकांच्या नोकऱ्या जाण्याचा धोका निर्माण होऊ शकतो. जरी आर्थिक परतावा बॅलन्स शीटवर प्रभावी वाटत असला, तरी मोठ्या प्रमाणावरील बेरोजगारीमुळे समाजावर होणारा "प्रचंड खर्च" हा असा धोका आहे ज्याचा सध्याच्या बाजार मूल्यमापनात विचार केला जात नाही.

धोरणात्मक संयम विरुद्ध आक्रमक खर्च

या उन्मादाच्या काळात, दामोदरन यांनी AI शर्यतीमधील Apple च्या कथित संकोचाचे आश्चर्यकारक समर्थन केले आहे. टीकाकार असा युक्तिवाद करतात की Apple मागे पडत आहे, परंतु दामोदरन सुचवतात की "संयमाचे मूल्य कमी लेखणे" ही एक सामान्य चूक आहे. आपल्या प्रतिस्पर्ध्यांनी केलेल्या मोठ्या CapEx चुका आणि हार्डवेअर कालबाह्य होण्याच्या जोखमींचे निरीक्षण करून, Apple स्वतःला अधिक कार्यक्षमतेने आणि कमी भांडवल वाया घालवून बाजारपेठेत उतरण्यासाठी सज्ज करत असावे.

महत्त्वाचे निष्कर्ष

• संरचनात्मक धोका: डॉट-कॉम काळाप्रमाणे नाही, तर AI चा उछाल मोठ्या कर्जावर आणि प्रचंड भौतिक पायाभूत सुविधांवर अवलंबून आहे, ज्यामुळे बाजार कोसळल्यास तो प्रणालीगतदृष्ट्या अधिक धोकादायक ठरू शकतो.
• मार्जिनमधील घट: पारंपारिक सॉफ्टवेअरप्रमाणे AI मध्ये 'झिरो-मार्जिनल-कॉस्ट'चा फायदा नाही; ते स्केलेबल प्लॅटफॉर्म (उदा. Netflix) पेक्षा उच्च-खर्च असलेल्या सेवेप्रमाणे (उदा. Spotify) अधिक कार्य करते.
• सामाजिक प्रभाव: सर्वात यशस्वी AI बिझनेस मॉडेल्स—जे मानवी श्रमाची पूर्णपणे जागा घेतील—त्यामुळे तीव्र सामाजिक अस्थिरता आणि आर्थिक विस्कळीतपणा निर्माण होऊ शकतो.