Investiţiile în inteligenţa artificială au ajuns la un nivel fără precedent, însă amploarea cheltuielilor nu este însoţită automat şi de rezultate financiare pe măsură. Companiile din industria tehnologică investesc masiv în centre de date, infrastructură, putere de calcul şi dezvoltarea unor modele tot mai performante, în timp ce investitorii şi creditorii aşteaptă randamente care s-ar putea dovedi cu mult mai mici decât estimările actuale, arată o analiză a XTB realizată în exclusivitate pentru BUSINESS Magazin.

Doar cele mai mari companii americane din zona AI au investit, în primii doi ani ai actualului ciclu, mai mult decât costul ajustat la inflaţie al programului spaţial Apollo, care a dus primul om pe Lună, şi al construirii reţelei de autostrăzi interstatale din SUA.

Problema nu este lipsa interesului pentru AI, ci distanţa tot mai mare dintre costurile implementării acestui tip de tehnologie şi valoarea economică produsă. De fapt, investiţiile sunt finanţate pornind de la ipoteza că inteligenţa artificială va genera economii importante, venituri noi şi avantaje competitive.

Până în prezent însă, randamentul capitalului investit a scăzut în aproape întreaga piaţă, ceea ce poate reprezenta un semnal că – momentan, cel puţin - rezultatele nu ţin pasul cu volumul resurselor alocate.

O industrie AI cu două viteze

Piaţa începe să se împartă tot mai clar în două segmente. Primul este format din modelele de ultimă generaţie, cunoscute drept „frontier models”, care oferă cele mai avansate capabilităţi disponibile la un moment dat. Acestea devin tot mai performante, dar şi mult mai costisitoare.

Al doilea segment este reprezentat de modelele mai vechi, de soluţiile open-source şi de instrumentele considerate „good enough”, adică sunt suficient de performante pentru a rezolva o sarcină concretă, dar mult mai ieftine. Costurile mari ale modelelor de frontieră au convins deja unele companii să limiteze implementările AI sau să aleagă soluţii mai puţin avansate, dar mai accesibile.

Informaţiile analizate de Silicon Data indică o scădere a cheltuielilor companiilor pentru inteligenţa artificială. Această decizie nu înseamnă neapărat că organizaţiile utilizează AI mai puţin, ci poate reflecta trecerea de la modelele de frontieră către alternativele „good enough”. Este mai degrabă un proces de optimizare a costurilor decât un proces de renunţare la tehnologie.

Presiunea exercitată de modelele open-source este deja destul de evidentă, subliniază analiştii de la XTB. Pe măsură ce alternativele mai ieftine devin suficient de performante pentru majoritatea activităţilor, laboratoarele care dezvoltă modelele cele mai avansate riscă să piardă venituri. În acelaşi timp, devine mai dificil de justificat ritmul actual al investiţiilor în centre de date şi infrastructură.

Tehnologia funcţionează, dar modelul de afaceri rămâne incert

Una dintre cele mai mari vulnerabilităţi ale ecosistemului AI este lipsa unei metode clare de monetizare. Laboratoarele care dezvoltă modelele de frontieră, precum OpenAI şi Anthropic, dar şi furnizorii specializaţi în infrastructură şi putere de calcul se confruntă cu o combinaţie dificilă de costuri ridicate de finanţare şi venituri încă insuficiente pentru a justifica investiţiile.

Costurile de antrenare a modelelor sunt estimate la sute de milioane de dolari pentru generaţiile mai vechi şi la mai multe miliarde de dolari pentru fiecare nou model de frontieră. În raport cu veniturile actuale, recuperarea exclusivă a costurilor de antrenare ar putea dura ani, chiar şi în scenariul în care aceste companii ar ajunge să genereze marje nete pozitive.

Numeroase companii implicate în industria AI continuă să obţină finanţare datorită optimismului investitorilor, deşi nu au încă un traseu real şi verificabil către profitabilitate. Cât timp capitalul este ieftin, această situaţie poate continua. Dacă finanţarea devine mai costisitoare însă, multe dintre aceste companii ar putea întâmpina dificultăţi majore, potrivit XTB.

Situaţia este şi mai complicată pentru companiile care îşi bazează activitatea pe închirierea puterii de calcul. Acestea trebuie să finanţeze investiţii uriaşe în infrastructură, însă nu beneficiază de fluxurile de numerar ale marilor grupuri tehnologice şi nici de perspectiva unor produse AI cu marje foarte ridicate. Modelul lor depinde, în mare măsură, de menţinerea unui deficit permanent de putere de calcul, ipoteză care intră în contradicţie cu extinderea rapidă a capacităţii globale.

Numeroase companii implicate în industria AI continuă să obţină finanţare datorită optimismului investitorilor, deşi nu au încă un traseu real şi verificabil către profitabilitate. Cât timp capitalul este ieftin, această situaţie poate continua. Dacă finanţarea devine mai costisitoare, însă, multe dintre aceste companii ar putea întâmpina dificultăţi majore, subliniază XTB.

Când utilizarea este confundată cu productivitatea?

Din perspectivă economică, iluzia productivităţii apare atunci când simpla implementare a inteligenţei artificiale este confundată cu obţinerea unor rezultate. Numărul de instrumente introduse, modelele testate sau bugetele alocate nu demonstrează, prin ele însele, că o companie produce mai mult, reduce costurile sau îşi îmbunătăţeşte profitabilitatea.

În următorii ani, companiile tehnologice vor trebui să susţină simultan investiţii record şi o creştere a veniturilor şi profiturilor. Conform estimărilor actuale, fluxurile de numerar disponibile ar putea rămâne apropiate de zero, chiar dacă veniturile şi profitul continuă să crească, deoarece o parte tot mai mare a resurselor va fi direcţionată către noi investiţii.

Piaţa presupune, în acelaşi timp, că investiţiile, veniturile şi fluxurile de numerar vor înregistra creşteri fără precedent. Fiecare dintre aceste ipoteze este dificil de susţinut individual, iar realizarea lor simultană presupune un scenariu aproape perfect. Companiile trebuie să rezolve probleme tehnice şi comerciale încă insuficient înţelese, în timp ce gestionează datorii şi investiţii record.

Acest lucru nu înseamnă că inteligenţa artificială nu va transforma economia sau activitatea companiilor. Riscul principal nu este eşecul tehnologiei, ci supraestimarea vitezei cu care aceasta poate produce rezultate financiare, arată XTB.

Pentru companii, abordarea pragmatică ar putea însemna renunţarea la cursa pentru utilizarea celor mai avansate şi mai scumpe modele în orice situaţie. Soluţiile AI mai ieftine, aplicate unor procese clar definite şi evaluate prin rezultate măsurabile, pot oferi un raport mai bun între cost şi valoarea obţinută.

Avertisment cu privire la riscuri: investiţiile sunt riscante şi pot genera pierderi.