Mengapa Keuntungan AI Mungkin Terlambat Berbanding Jangkaan Tinggi Wall Street

Wall Street kini sedang mengambil kira lonjakan besar dalam keuntungan korporat yang didorong oleh kecerdasan buatan (AI), namun amaran yang semakin meningkat menunjukkan bahawa garis masa ini mungkin terlalu optimistik. Torsten Slok, ketua ekonomi di Apollo, berpendapat bahawa realisasi sebenar margin yang didorong oleh AI dalam sektor bukan teknologi boleh mengambil masa yang jauh lebih lama daripada yang dicadangkan oleh unjuran pasaran semasa.

Ketidakselarasan Antara Penilaian Teknologi dan Penggunaan Dunia Sebenar

Penilaian semasa banyak syarikat AI bergantung pada satu andaian besar: bahawa S&P 493—indeks yang mengecualikan gergasi teknologi "Magnificent Seven"—akan melihat pengembangan margin yang ketara melalui integrasi AI. Walaupun syarikat teknologi sudah mula melihat manfaat automasi, ekonomi yang lebih luas menceritakan kisah yang berbeza.

Menurut Slok, buat masa ini tiada bukti ketara bahawa AI sedang meningkatkan margin keuntungan dalam industri di luar sektor teknologi teras. Pasaran sedang mengambil kira pertumbuhan pendapatan yang pantas, namun aliran tunai sebenar yang diperlukan untuk mewajarkan penilaian ini mungkin jauh ketinggalan. Jika revolusi produktiviti mengambil masa lima tahun untuk direalisasikan dan bukannya lima bulan, industri tersebut boleh menghadapi penilaian semula saham AI yang menyakitkan dan ketara.

Halangan Struktur dalam Industri Terkawal

Kelewatan dalam peningkatan produktiviti bukan sekadar isu pengambilan yang perlahan; ia adalah kesan sampingan daripada persekitaran kompleks di mana banyak industri global beroperasi. Dalam sektor yang dikawal selia dengan ketat seperti penjagaan kesihatan, perbankan, tenaga, farmaseutikal, dan pembuatan, laluan ke arah integrasi AI penuh dengan rintangan.

Keperluan privasi yang ketat, pematuhan kawal selia yang rapi, dan keperluan untuk rombakan proses secara besar-besaran bermakna industri ini tidak boleh beralih sepantas syarikat pemula (startup) perisian. Geseran institusi ini bertindak sebagai penghalang kepada kelajuan AI boleh digunakan untuk mengoptimumkan aliran kerja dan mengurangkan kos. Akibatnya, "lonjakan produktiviti" yang dipertaruhkan oleh pelabur mungkin tertangguh selama bertahun-tahun sementara sektor-sektor ini mengemudi kerumitan undang-undang dan operasi pelaksanaan pembelajaran mesin (machine learning).

Masalah Pengukuran dalam Kerja Pengetahuan

Walaupun AI berjaya meningkatkan kecekapan pekerja secara individu, cabaran kedua muncul: kesukaran untuk mengukur keuntungan ini secara kuantitatif. Dalam bidang kerja pengetahuan, peningkatan produktiviti sangat sukar untuk diukur dengan tepat.

Tidak seperti pembuatan, di mana output mudah dijejak, keuntungan yang diperoleh oleh pekerja yang menggunakan LLM untuk merangka laporan atau menganalisis data sering kali kekurangan metrik yang jelas. Tanpa data konkrit, pasukan pengurusan bergelut untuk mewajarkan perbelanjaan modal berskala besar atau mengiktiraf penambahbaikan tersebut dalam kunci kira-kira rasmi. Sebaliknya, peningkatan kecekapan secara berperingkat ini sering kali "diserap" ke dalam operasi harian, dan gagal menjelma sebagai pengembangan margin ketara yang dituntut oleh Wall Street.

Ringkasan Utama

• Risiko Penilaian Pasaran yang Melampau: Penilaian saham AI sangat bergantung pada pertumbuhan margin dalam S&P 493, yang masih belum direalisasikan dalam sektor bukan teknologi.
• Geseran Kawal Selia: Industri seperti penjagaan kesihatan dan perbankan menghadapi kelewatan ketara dalam penggunaan AI disebabkan oleh mandat privasi dan rombakan proses yang kompleks.
• Jurang Kebolehkiraan: Peningkatan produktiviti dalam kerja pengetahuan sukar untuk diukur dan dilaporkan, menjadikannya sukar bagi syarikat untuk menterjemahkan penggunaan AI kepada pertumbuhan keuntungan bersih.