Yapay Zeka Kâr Artışları Neden Wall Street'in Yüksek Beklentilerinin Gerisinde Kalabilir
Wall Street şu anda yapay zekanın tetiklediği devasa bir kurumsal kârlılık artışını fiyatlıyor, ancak artan uyarılar bu zaman çizelgesinin aşırı iyimser olabileceğini gösteriyor. Apollo baş ekonomisti Torsten Slok, yapay zeka kaynaklı marjların teknoloji dışı sektörlerdeki gerçek gerçekleşmesinin, mevcut piyasa projeksiyonlarının öngördüğünden çok daha uzun sürebileceğini savunuyor.
Teknoloji Değerlemeleri ile Gerçek Dünyadaki Benimseme Arasındaki Kopukluk
Birçok yapay zeka şirketinin mevcut değerlemesi tek ve devasa bir varsayıma dayanıyor: "Magnificent Seven" teknoloji devlerini dışarıda bırakan endeks olan S&P 493'ün, yapay zeka entegrasyonu yoluyla önemli bir marj genişlemesi yaşayacağı varsayımı. Teknoloji şirketleri otomasyonun faydalarını halihazırda görmeye başlasa da, genel ekonomi farklı bir hikaye anlatıyor.
Slok'a göre, yapay zekanın temel teknoloji sektörü dışındaki endüstrilerde kâr marjlarını artırdığına dair şu an için önemli bir kanıt bulunmuyor. Piyasalar hızlı kazanç artışını fiyatlıyor, ancak bu değerlemeleri haklı çıkaracak gerçek nakit akışları çok geriden gelebilir. Eğer verimlilik devriminin gerçekleşmesi beş ay yerine beş yıl sürerse, sektör yapay zeka hisselerinde sancılı ve önemli bir yeniden fiyatlama ile karşı karşıya kalabilir.
Düzenlemeye Tabi Sektörlerdeki Yapısal Engeller
Verimlilik artışındaki gecikme sadece yavaş benimseme meselesi değil; birçok küresel endüstrinin faaliyet gösterdiği karmaşık ortamların bir yan ürünüdür. Sağlık, bankacılık, enerji, ilaç ve imalat gibi yüksek düzeyde düzenlemeye tabi sektörlerde, yapay zeka entegrasyonu yolu engellerle doludur.
Katı gizlilik gereklilikleri, titiz mevzuat uyumu ve devasa süreç revizyonlarının gerekliliği, bu endüstrilerin bir yazılım girişimi kadar hızlı dönüşemeyeceği anlamına geliyor. Bu kurumsal sürtünmeler, iş akışlarını optimize etmek ve maliyetleri düşürmek için yapay zekanın konuşlandırılma hızına fren etkisi yapıyor. Sonuç olarak, yatırımcıların bahis oynadığı "verimlilik artışı", bu sektörler makine öğrenimi uygulamasının yasal ve operasyonel karmaşıklıklarını aşmaya çalışırken yıllarca gecikebilir.
Bilgi İşinde Ölçüm Sorunu
Yapay zeka bireysel çalışanların verimliliğini başarıyla artırsa bile, ikincil bir zorluk ortaya çıkıyor: bu kazanımları nicelleştirmenin zorluğu. Bilgi işi alanında, verimlilik artışlarını hassas bir şekilde ölçmek oldukça zordur.
Çıktının kolayca takip edilebildiği imalatın aksine, rapor taslağı hazırlamak veya verileri analiz etmek için bir LLM kullanan bir çalışanın sağladığı kazanımlar genellikle net metriklerden yoksundur. Somut veriler olmadan, yönetim ekipleri büyük ölçekli sermaye harcamalarını haklı çıkarmakta veya iyileşmeleri resmi bir bilançoda göstermekte zorlanıyor. Bunun yerine, bu kademeli verimlilik artışları genellikle günlük operasyonlar içinde "emiliyor" ve Wall Street'in talep ettiği görünür marj genişlemesi olarak kendini gösteremiyor.
Önemli Çıkarımlar
- Piyasa Aşırı Değerleme Riski: Yapay zeka hisse değerlemeleri, teknoloji dışı sektörlerde henüz gerçekleşmemiş olan S&P 493'teki marj büyümesine büyük ölçüde dayanmaktadır.
- Düzenleyici Sürtünme: Sağlık ve bankacılık gibi endüstriler, gizlilik zorunlulukları ve karmaşık süreç revizyonları nedeniyle yapay zeka benimsemede önemli gecikmelerle karşı karşıyadır.
- Nicelleştirilebilirlik Boşluğu: Bilgi işindeki verimlilik artışlarını ölçmek ve raporlamak zordur; bu da şirketlerin yapay zeka kullanımını net kâr büyümesine dönüştürmesini zorlaştırır.