Why an AI Market Crash Could Outpace the Dot-Com Bust

The artificial intelligence boom has fueled unprecedented market enthusiasm, but prominent finance expert Aswath Damodaran warns of a looming systemic risk. Unlike previous tech cycles, the current AI surge is built on a foundation of massive physical infrastructure and heavy debt, setting the stage for a potential correction far more devastating than the 2000 dot-com crash.

The Infrastructure Trap: Debt and Depreciation

Aswath Damodaran, a professor at New York University, highlights a fundamental shift in how tech giants operate. During the dot-com era, companies were largely capital-light, scaling software with minimal physical overhead. Today, the AI race requires massive capital expenditures (CapEx) in data centers and specialized hardware.

Damodaran points out a critical risk for "Magnificent Seven" companies: they are transitioning from capital-light software models to heavy infrastructure models. These companies are investing billions in assets that depreciate over ten years, yet in the fast-moving AI landscape, that hardware could become obsolete in just five. Because much of this expansion is financed through debt, a market correction wouldn't just hurt shareholders—it could trigger a broader economic ripple effect.

Why AI Fails the Traditional Software Scaling Test

A common misconception in the tech industry is that AI follows the classic software "marginal cost of zero" rule. Damodaran argues this is a fallacy. Unlike Netflix, which spreads fixed content costs across an expanding subscriber base, AI models incur significant costs for every single interaction.

He compares the AI business model to Spotify rather than Netflix. In Spotify's model, every new stream incurs a cost, resulting in thinner margins. Similarly, every additional AI query burns expensive compute power. This lack of traditional economies of scale, combined with potential price erosion from low-cost competitors like DeepSeek, suggests that rapid growth might actually destroy value rather than create it.

The "AI Fever Dream" and Social Disruption

Damodaran also addresses the "bull case" for AI, which carries its own set of existential risks. If AI achieves its ultimate promise—not just as a productivity tool, but as a total replacement for human labor—the societal consequences would be unprecedented.

Hij beschrijft dit scenario als een "AI-koortsdroom", waarbij het succes van de technologie zelf zou kunnen leiden tot het verdringen van tot wel de helft van alle kantoorpersoneel. Hoewel de economische rendementen op een balans indrukwekkend kunnen lijken, vormen de "waanzinnige kosten voor de samenleving" die worden veroorzaakt door het massale verlies van banen een risico waar de huidige marktwaarderingen geen rekening mee houden.

Strategische terughoudendheid versus agressieve uitgaven

Te midden van de hype biedt Damodaran een verrassende verdediging van de vermeende aarzeling van Apple in de AI-race. Terwijl critici beweren dat Apple achterblijft, suggereert Damodaran dat het "onderschatten van terughoudendheid" een veelvoorkomende fout is. Door de enorme CapEx-fouten en de risico's op veroudering van hardware bij zijn concurrenten te observeren, positioneert Apple zich mogelijk om de markt met meer efficiëntie en minder verspild kapitaal te betreden.

Belangrijkste conclusies

• Structureel risico: In tegenstelling tot het dot-comtijdperk wordt de AI-boom gedreven door een hoge schuldenlast en massale fysieke infrastructuur, waardoor een crash systemisch gevaarlijker is.
• Margedruk: AI mist het voordeel van nul marginale kosten dat traditionele software wel heeft, en functioneert meer als een kostbare dienst (vergelijkbaar met Spotify) dan als een schaalbaar platform (zoals Netflix).
• Maatschappelijke impact: De meest succesvolle AI-businessmodellen — die menselijke arbeid volledig vervangen — zouden diepe sociale instabiliteit en economische ontwrichting kunnen veroorzaken.