AktualnościMakroFed wezwany, by skupić się na ryzykach finansowania AI, a nie tylko na inflacji

Fed wezwany, by skupić się na ryzykach finansowania AI, a nie tylko na inflacji

Autor: Fortune Crypto·

Najważniejsze informacje

  • Morgan Stanley prognozuje prawie 3 biliony dolarów globalnych inwestycji w infrastrukturę związaną z AI do 2028 roku, przy szacunkowej luce w finansowaniu zewnętrznym wynoszącej 1,5 biliona dolarów.
  • Autor przywołuje połowę lat 90., gdy przewodniczący Fed Alan Greenspan sprzeciwiał się dalszym podwyżkom stóp mimo spadku bezrobocia poniżej domniemanej stopy naturalnej, a inflacja pozostawała niska.
  • Wydatki związane z AI są coraz częściej finansowane przez kredyt prywatny, finanse strukturyzowane i inne pozabankowe kanały, dlatego Fed potrzebuje lepszych danych o tym, gdzie kumulują się dźwignia finansowa, ryzyko terminowości i ostateczne ekspozycje.
  • Artykuł przywołuje lekcję kryzysu z 2008 roku: decydenci nie pojęli dźwigni i wzajemnych powiązań szybko zmieniającego się systemu finansowania hipotecznego, dopóki skutki nie nabrały charakteru systemowego.
  • Autor ostrzega, że odruchowe zaostrzanie polityki mogłoby obnażyć słabo rozpoznaną dźwignię finansową i jednocześnie podnieść koszty produktywnych inwestycji w AI, co grozi trwałą utratą technologicznego przywództwa Stanów Zjednoczonych.
Fed wezwany, by skupić się na ryzykach finansowania AI, a nie tylko na inflacji

Debata o sztucznej inteligencji i polityce pieniężnej jest już w toku. Przewodniczący Rezerwy Federalnej Kevin Warsh i inni słusznie podkreślali, że sztuczna inteligencja może podnieść produktywność i zdolności produkcyjne, choć boom inwestycyjny wywiera presję na zasoby, zanim te korzyści się pojawią. Ten problem rozłożenia w czasie jest realny. Grozi jednak przesłonięciem bliższego wyzwania: AI tworzy również duży i szybko ewoluujący ekosystem finansowania, którego dźwignia finansowa, ekspozycje i podatności są znacznie słabiej rozpoznane.

Morgan Stanley prognozuje, że do 2028 roku globalne inwestycje w infrastrukturę związaną z AI sięgną prawie 3 bilionów dolarów, przy szacunkowej luce w finansowaniu zewnętrznym rzędu 1,5 biliona dolarów. Te wydatki pochłaniają już moce budowlane, półprzewodniki, energię elektryczną i wykwalifikowaną siłę roboczą. W krótkim okresie mogą podnosić wykorzystanie zasobów i ceny. Z czasem automatyzacja, zmiany organizacyjne i nowy kapitał powinny podnieść potencjalną produkcję i obniżyć koszty jednostkowe.

Błędem byłoby traktowanie każdego sygnału presji ze strony tej rozbudowy jako problemu inflacyjnego wymagającego wyższych stóp procentowych. Polityka pieniężna nie tylko ogranicza popyt; może również wpływać na inwestycje i innowacje, które determinują przyszłą podaż. Patrick Moran i Albert Queralto wykazali w artykule z 2018 roku opublikowanym w czasopiśmie Journal of Monetary Economics, że gdy innowacje i wdrażanie technologii są endogeniczne, polityka pieniężna zmienia zachęty firm do rozwijania i wdrażania nowych technologii, a zatem może wpływać na przyszłą produktywność.

Lata 90. dostarczają bardziej przekonującego kontrfaktycznego przykładu historycznego. W połowie lat 90. bezrobocie spadło poniżej poziomu, który decydenci uważali wówczas za jego naturalną stopę, a wewnątrz Fed narastała presja na zaostrzenie polityki. Przewodniczący Alan Greenspan rozważył natomiast możliwość, że modele się mylą — że szybszy wzrost produktywności podniósł limit prędkości gospodarki — i w dużej mierze opierał się dalszym podwyżkom stóp. Bezrobocie nadal spadało, a inflacja pozostawała niska.

Warto dziś zadać pytanie, jak dużą część boomu produktywnościowego lat 90. Ameryka przegapiłaby, gdyby Fed zaostrzał politykę, dopóki gospodarka nie dopasowałaby się do jego modeli. Odpowiedź jest niepoznawalna — i właśnie w tym tkwi problem. Inflacja wywołana nadmiernie akomodacyjną polityką prędzej czy później pojawia się w danych. Produktywność utracona wskutek niezrealizowanych inwestycji i innowacji — nie. W przypadku AI szkody mogą być trwałe. Centra danych, moce energetyczne, kapitał ludzki, doświadczenie w finansowaniu oraz powstające wokół nich firmy tworzą skumulowane przewagi. Jeśli te inwestycje zrealizują się gdzie indziej, obniżenie amerykańskich stóp kilka lat później niekoniecznie sprowadzi je z powrotem. Przegapienie istotnej części cyklu inwestycyjnego w AI mogłoby zostawić trwałe blizny na amerykańskiej produktywności i konkurencyjności.

Skupianie się na inflacji pomija również drugą połowę boomu AI: jego szybko zmieniającą się architekturę finansową. Tradycyjne modele polityki pieniężnej przypisują zmiennym finansowym wyjątkowo mało samodzielnej wagi. Standardowe ramy koncentrują się na inflacji i zatrudnieniu albo na luce produktowej, a warunki finansowe mają znaczenie głównie o tyle, o ile pozwalają prognozować te zmienne. W niedawnych badaniach przeprowadzonych z Sergeyem Sarkisyanem pokazujemy, że spready kredytowe zawierają istotne dla polityki informacje o zniekształceniach finansowania i koszcie kapitału firm, których inflacja i luka produktowa nie ujmują. Ponieważ wydatki na AI płyną przez kredyt prywatny, finanse strukturyzowane i inne pozabankowe kanały, Fed musi rozumieć nie tylko to, ile się inwestuje, ale też gdzie osiada dźwignia finansowa i jak kruche może być finansowanie w razie zmiany warunków.

Odbija to osobliwy dryf w mandacie Fed. Rezerwa Federalna została powołana, by chronić stabilność finansową po nawracających panikach bankowych. Jej pierwotny cel zszedł jednak na dalszy plan, w miarę jak inflacja i zatrudnienie zaczęły dominować w jej modelach i debacie politycznej. Stabilność finansowa powinna stać obok stabilności cen i zatrudnienia w sercu mandatu Fed — a czasem powinna mieć nad obiema pierwszeństwo. Dźwignia finansowa, kruchość finansowania i poważne zniekształcenia w alokacji kapitału mogą wyrządzić znacznie trwalsze szkody gospodarcze niż umiarkowane odchylenia inflacji czy zatrudnienia od celu.

AI czyni to zagadnienie szczególnie istotnym. Fed potrzebuje znacznie lepszego rozumienia tego, jak te inwestycje są finansowane: rosnącej roli rynków prywatnych, coraz bardziej złożonych powiązań między kredytobiorcami i pośrednikami oraz tego, gdzie faktycznie kumulują się dźwignia finansowa, ryzyko terminowości i ostateczne ekspozycje. Potrzebuje lepszych danych i lepszych modeli tego, jak straty mogłyby się rozprzestrzeniać, gdyby przychody okazały się niższe od oczekiwań albo gdyby dzisiejszy kosztowny kapitał obliczeniowy dezaktualizował się szybciej, niż zakładano. Są to praktyczne pytania dotyczące sektora budowanego w nadzwyczajnym tempie, a mają one znaczenie, ponieważ struktura finansowania może przesądzać o odporności tej rozbudowy, jeśli założenia dotyczące popytu lub czasu życia aktywów okażą się zbyt optymistyczne.

Wymaga to innej alokacji zasobów intelektualnych. Od 2008 roku Fed mocno inwestował w rozumienie banków, rynku mieszkaniowego i kredytów hipotecznych. Ta wiedza pozostaje cenna. Jednak kolejna podatność finansowa raczej nie będzie przypominać poprzedniej. Rynki prywatne i nowe struktury finansowania zasługują na porównywalną głębokość analityczną. Bank centralny wyjątkowo dobrze przygotowany do zrozumienia ostatniego kryzysu niekoniecznie jest dobrze przygotowany, by wyprzedzić następny.

To lekcja z 2008 roku. Centralnym błędem nie było jedynie błędnie ustalona stopa funduszy federalnych. Decydenci nie zdołali pojąć dźwigni, złożoności i wzajemnych powiązań szybko zmieniającego się systemu finansowania hipotecznego, dopóki skutki nie nabrały charakteru systemowego. AI to nie kredyty subprime i prognozowanie kolejnego kryzysu finansowego byłoby nieuzasadnione. Lekcja instytucjonalna jest jednak jasna: gdy innowacje finansowe rozwijają się szybciej niż nasze modele, zrozumienie, gdzie kumuluje się ryzyko, musi być centralnym zagadnieniem dla Fed. Wyższe stopy procentowe nie zastępują zrozumienia problemu.

Co więcej, odruchowe zaostrzanie polityki mogłoby przynieść najgorsze z obu światów. Jeśli rodząca się podatność ma charakter finansowy, a nie inflacyjny, wyższe stopy mogłyby obnażyć dźwignię finansową, której w pełni nie rozumiemy, jednocześnie podnosząc koszty produktywnych inwestycji niezbędnych, aby AI przyniosła oczekiwane zyski. Rezultatem mogłaby być niezrozumiana przez Fed podatność finansowa w połączeniu z czymś znacznie trudniejszym do naprawienia: trwałą utratą technologicznego przywództwa Stanów Zjednoczonych, gdy inwestycje, kompetencje i uzupełniająca infrastruktura rozwijają się gdzie indziej.

Nic z tego nie jest argumentem za luźną polityką pieniężną. Trwała inflacja z pewnością będzie wymagała reakcji polityki pieniężnej, a bankierzy centralni nie powinni decydować o tym, które projekty AI zasługują na finansowanie. Zadaniem jest dopasowanie instrumentów do problemów i przywrócenie stabilności finansowej należnego jej miejsca w ramach Fed, bez niepotrzebnego osłabiania tworzenia kapitału, od którego może zależeć długoterminowa konkurencyjność Ameryki.

Ostatnie kilka lat Fed spędził, przypominając sobie o niebezpieczeństwach niedoszacowania inflacji. Wyzwaniem teraz jest niedopuszczenie, aby złożoność i innowacje finansowe zaskoczyły decydentów. Inflacja prędzej czy później daje o sobie znać. Podatności finansowe mogą pozostawać ukryte, dopóki nie staną się kryzysami. Niezrealizowaną produktywność jeszcze trudniej wykryć — i może ona być trwała.

Ryzykiem, którego nie wolno niedoszacowywać, jest erozja amerykańskiej przewagi w zakresie AI, zanim pojawią się jej pełne korzyści produktywnościowe.

Opinie wyrażone w tekstach opiniotwórczych Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania Fortune.

Ten materiał ukazał się pierwotnie w serwisie Fortune.com