Tại sao lợi nhuận từ AI có thể chậm hơn so với kỳ vọng cao của Wall Street
Wall Street hiện đang định giá cho một sự bùng nổ mạnh mẽ về lợi nhuận doanh nghiệp nhờ trí tuệ nhân tạo, nhưng những cảnh báo ngày càng tăng cho thấy mốc thời gian này có thể quá lạc quan. Torsten Slok, kinh tế trưởng tại Apollo, lập luận rằng việc hiện thực hóa biên lợi nhuận do AI thúc đẩy trong các lĩnh vực phi công nghệ có thể mất nhiều thời gian hơn so với các dự báo hiện tại của thị trường.
Sự mất kết nối giữa định giá công nghệ và việc áp dụng trong thực tế
Định giá hiện tại của nhiều công ty AI dựa trên một giả định duy nhất và khổng lồ: rằng chỉ số S&P 493—chỉ số loại trừ bảy gã khổng lồ công nghệ "Magnificent Seven"—sẽ chứng kiến sự mở rộng biên lợi nhuận đáng kể thông qua việc tích hợp AI. Trong khi các công ty công nghệ đã và đang thấy được lợi ích của tự động hóa, nền kinh tế rộng lớn hơn lại cho thấy một câu chuyện khác.
Theo Slok, hiện chưa có bằng chứng đáng kể nào cho thấy AI đang thúc đẩy biên lợi nhuận trong các ngành công nghiệp nằm ngoài lĩnh vực công nghệ cốt lõi. Thị trường đang định giá cho sự tăng trưởng lợi nhuận nhanh chóng, nhưng dòng tiền thực tế cần thiết để chứng minh cho các mức định giá này có thể sẽ tụt lại phía sau rất xa. Nếu cuộc cách mạng năng suất mất năm năm để hiện thực hóa thay vì năm tháng, ngành công nghiệp này có thể phải đối mặt với một đợt định giá lại đầy đau đớn và đáng kể đối với các cổ phiếu AI.
Các rào cản cấu trúc trong các ngành được quản lý chặt chẽ
Sự chậm trễ trong việc gia tăng năng suất không chỉ đơn thuần là vấn đề áp dụng chậm; đó là hệ quả của môi trường phức tạp mà nhiều ngành công nghiệp toàn cầu đang vận hành. Trong các lĩnh vực được quản lý chặt chẽ như y tế, ngân hàng, năng lượng, dược phẩm và sản xuất, con đường tích hợp AI đầy rẫy những trở ngại.
Các yêu cầu nghiêm ngặt về quyền riêng tư, việc tuân thủ quy định khắt khe và sự cần thiết phải đại tu quy trình trên diện rộng đồng nghĩa với việc các ngành này không thể chuyển hướng nhanh chóng như một startup phần mềm. Những ma sát về mặt thể chế này đóng vai trò như một lực hãm đối với tốc độ triển khai AI để tối ưu hóa quy trình làm việc và giảm chi phí. Do đó, "cú hích năng suất" mà các nhà đầu tư đang đặt cược có thể bị trì hoãn nhiều năm khi các lĩnh vực này phải điều hướng qua các phức tạp về pháp lý và vận hành của việc triển khai machine learning.
Vấn đề đo lường trong công việc tri thức
Ngay cả khi AI tăng hiệu quả làm việc của từng cá nhân một cách thành công, một thách thức thứ hai lại nảy sinh: sự khó khăn trong việc định lượng những thành quả này. Trong lĩnh vực công việc tri thức, việc cải thiện năng suất nổi tiếng là rất khó để đo lường một cách chính xác.
Không giống như sản xuất, nơi đầu ra dễ dàng được theo dõi, những lợi ích mà một nhân viên đạt được khi sử dụng LLM để soạn thảo báo cáo hoặc phân tích dữ liệu thường thiếu các chỉ số rõ ràng. Nếu không có dữ liệu cụ thể, các đội ngũ quản lý sẽ gặp khó khăn trong việc chứng minh cho các khoản chi tiêu vốn quy mô lớn hoặc ghi nhận những cải tiến này trên bảng cân đối kế toán chính thức. Thay vào đó, những mức tăng hiệu quả dần dần này thường bị "hấp thụ" vào các hoạt động hàng ngày, không thể hiện rõ thành sự mở rộng biên lợi nhuận mà Wall Street yêu cầu.
Các điểm chính cần lưu ý
- Rủi ro định giá quá cao của thị trường: Định giá cổ phiếu AI phụ thuộc nặng nề vào sự tăng trưởng biên lợi nhuận trong chỉ số S&P 493, điều mà vẫn chưa hiện thực hóa trong các lĩnh vực phi công nghệ.
- Ma sát về quy định: Các ngành như y tế và ngân hàng đối mặt với sự chậm trễ đáng kể trong việc áp dụng AI do các quy định về quyền riêng tư và việc đại tu quy trình phức tạp.
- Khoảng cách về khả năng định lượng: Việc gia tăng năng suất trong công việc tri thức rất khó đo lường và báo cáo, khiến các công ty khó chuyển đổi việc sử dụng AI thành sự tăng trưởng lợi nhuận ròng.