Чому прибутки від ШІ можуть відставати від високих очікувань Wall Street

Wall Street наразі закладає в ціни масове зростання корпоративного прибутку завдяки штучному інтелекту, проте дедалі частіше лунають попередження про те, що такі часові межі можуть бути надто оптимістичними. Торстен Слок, головний економіст Apollo, стверджує, що реальне зростання маржинальності завдяки ШІ в нетехнологічних секторах може тривати набагато довше, ніж передбачають поточні ринкові прогнози.

Розрив між оцінкою технологічних компаній та реальним впровадженням

Поточна оцінка багатьох компаній у сфері ШІ ґрунтується на одному масштабному припущенні: що індекс S&P 493 — індекс, який не включає технологічних гігантів «Великолепної сімки» — продемонструє значне розширення маржі завдяки інтеграції ШІ. Хоча технологічні компанії вже відчувають переваги автоматизації, ширша економіка свідчить про інше.

За словами Слока, наразі немає вагомих доказів того, що ШІ підвищує рівень прибутковості в галузях за межами основного технологічного сектору. Ринки закладають у ціни стрімке зростання прибутку, проте реальні грошові потоки, необхідні для обґрунтування таких оцінок, можуть значно відставати. Якщо революція продуктивності матеріалізується через п'ять років замість п'яти місяців, галузь може зіткнутися з болісним і суттєвим переглядом цін на акції компаній, що займаються ШІ.

Структурні бар'єри в регульованих галузях

Затримка у зростанні продуктивності — це не просто питання повільного впровадження; це наслідок складних умов, у яких працюють багато світових галузей. У суворо регульованих секторах, таких як охорона здоров'я, банківська справа, енергетика, фармацевтика та виробництво, шлях до інтеграції ШІ сповнений перешкод.

Суворі вимоги до конфіденційності, жорстке дотримання нормативних вимог і необхідність масштабного перегляду процесів означають, що ці галузі не можуть змінюватися так швидко, як софтверні стартапи. Ці інституційні тертя гальмують швидкість, з якою ШІ може бути впроваджений для оптимізації робочих процесів і зниження витрат. Як наслідок, «стрибок продуктивності», на який роблять ставку інвестори, може затриматися на роки, поки ці сектори долатимуть юридичні та операційні складнощі впровадження машинного навчання.

Проблема вимірювання в інтелектуальній праці

Навіть коли ШІ успішно підвищує ефективність окремих працівників, виникає додаткова проблема: складність кількісної оцінки цих досягнень. У сфері інтелектуальної праці покращення продуктивності надзвичайно важко виміряти точно.

На відміну від виробництва, де обсяги продукції легко відстежити, результати роботи працівника, який використовує LLM для підготовки звітів або аналізу даних, часто не мають чітких метрик. Без конкретних даних керівництвом важко обґрунтувати масштабні капітальні витрати або відобразити покращення у формальному балансі. Замість цього ці поступові зростання ефективності часто «поглинаються» щоденними операціями, не проявляючись у вигляді помітного розширення маржі, якого вимагає Wall Street.

Основні висновки

• Ризик переоцінки ринку: Оцінка акцій компаній ШІ значною мірою ґрунтується на зростанні маржі в індексі S&P 493, яке ще не проявилося в нетехнологічних секторах.
• Регуляторні перешкоди: Такі галузі, як охорона здоров'я та банківська справа, стикаються зі значними затримками у впровадженні ШІ через вимоги щодо конфіденційності та складні перетворення процесів.
• Прогалина у вимірюваності: Зростання продуктивності в інтелектуальній праці важко виміряти та відобразити у звітності, що ускладнює компаніям перетворення використання ШІ на зростання чистого прибутку.