Fed nie wie, kto finansuje boom AI wart 3 bln USD

Debata o sztucznej inteligencji i polityce pieniężnej już trwa. Prezes Fedu Kevin Warsh oraz inni przedstawiciele banku centralnego słusznie podkreślają, że AI może zwiększyć produktywność i potencjał produkcyjny gospodarki. Jednocześnie boom inwestycyjny wywiera presję na dostępne zasoby, zanim pojawią się jego pozytywne efekty. Problem związany z tym przesunięciem w czasie jest realny. Może jednak przesłaniać pilniejsze wyzwanie: sztuczna inteligencja tworzy również duży i szybko zmieniający się ekosystem finansowania, którego skala zadłużenia, ekspozycje na ryzyko i słabości są znacznie gorzej rozpoznane.

Morgan Stanley szacuje, że do 2028 roku globalne inwestycje w infrastrukturę związaną z AI wyniosą niemal 3 bln USD, a luka w finansowaniu zewnętrznym sięgnie około 1,5 bln USD. Inwestycje już zwiększają zapotrzebowanie na usługi budowlane, półprzewodniki, energię elektryczną i wykwalifikowanych pracowników. W krótkim terminie może to zwiększać wykorzystanie zasobów oraz podnosić ceny. Z czasem automatyzacja, zmiany organizacyjne i nowy kapitał powinny jednak zwiększać potencjalną produkcję oraz obniżać koszty jednostkowe.

Błędem byłoby uznanie każdej oznaki presji związanej z rozbudową infrastruktury AI za problem inflacyjny wymagający podwyżek stóp procentowych. Polityka pieniężna nie tylko ogranicza popyt. Wpływa również na inwestycje i innowacje, które decydują o przyszłej podaży. Patrick Moran i Albert Queralto wykazali w artykule opublikowanym w 2018 roku w „Journal of Monetary Economics”, że gdy innowacje i wdrażanie technologii mają charakter endogeniczny, decyzje banku centralnego zmieniają zachęty firm do opracowywania i stosowania nowych technologii. W efekcie mogą wpływać na przyszłą produktywność.

Lata 90. pokazują bardziej przekonujący scenariusz alternatywny. W połowie tej dekady bezrobocie spadło poniżej poziomu, który ówcześni decydenci uznawali za naturalną stopę bezrobocia, a w Fedzie narastała presja na zaostrzenie polityki pieniężnej. Ówczesny prezes banku centralnego Alan Greenspan dopuścił jednak możliwość, że modele były błędne, a szybszy wzrost produktywności podniósł maksymalne tempo rozwoju gospodarki. W dużej mierze sprzeciwiał się dalszym podwyżkom stóp. Bezrobocie nadal spadało, a inflacja pozostała umiarkowana.

Nie da się dziś rozstrzygnąć, jak dużą część boomu produktywności z lat 90. Stany Zjednoczone mogłyby utracić, gdyby Fed nadal podnosił stopy, aż gospodarka dostosowałaby się do wskazań jego modeli. To właśnie stanowi problem. Inflacja wywołana zbyt łagodną polityką pieniężną ostatecznie pojawia się w danych. Utracona produktywność, wynikająca z inwestycji i innowacji, które nigdy nie doszły do skutku, nie zostawia w nich śladu.

W przypadku AI szkody mogą być dodatkowo trwałe. Centra danych, moce energetyczne, kapitał ludzki, doświadczenie w finansowaniu oraz firmy powstające wokół tych elementów tworzą narastające przewagi. Jeżeli inwestycje zostaną zrealizowane w innych krajach, obniżenie stóp procentowych w USA kilka lat później nie musi ich przywrócić. Utrata istotnej części cyklu inwestycji w AI mogłaby trwale osłabić produktywność i konkurencyjność amerykańskiej gospodarki.

Skupienie na inflacji pomija także drugą stronę boomu AI — szybko zmieniającą się architekturę finansową. Tradycyjne modele polityki pieniężnej przyznają zmiennym finansowym zaskakująco małą niezależną rolę. Standardowe modele koncentrują się na inflacji i zatrudnieniu albo na luce produktowej, czyli różnicy między faktyczną a potencjalną produkcją gospodarki. Warunki finansowe są w nich ważne głównie wtedy, gdy pomagają prognozować te zmienne.

W najnowszej pracy napisanej wspólnie z Sergeyem Sarkisyanem pokazujemy, że spready kredytowe, czyli różnice między oprocentowaniem ryzykownych i bezpieczniejszych instrumentów, zawierają istotne dla polityki pieniężnej informacje o zniekształceniach w finansowaniu oraz koszcie kapitału firm. Inflacja i luka produktowa nie wychwytują tych informacji.

Odzwierciedla to zmianę akcentów w mandacie Fedu. Rezerwa Federalna powstała po to, aby chronić stabilność finansową po powtarzających się panikach bankowych. Z czasem ten pierwotny cel został jednak zepchnięty na dalszy plan, ponieważ inflacja i zatrudnienie zaczęły dominować w modelach oraz debacie o polityce pieniężnej. Stabilność finansowa powinna zajmować w mandacie Fedu równie ważne miejsce jak stabilność cen i zatrudnienie, a w niektórych sytuacjach powinna nawet mieć nad nimi pierwszeństwo. Nadmierne zadłużenie, kruche finansowanie i poważne zniekształcenia w alokacji kapitału mogą wyrządzić gospodarce znacznie trwalsze szkody niż umiarkowane odchylenia inflacji lub zatrudnienia od celu.

W przypadku AI ma to szczególne znaczenie. Fed potrzebuje znacznie lepszego rozeznania w sposobie finansowania inwestycji. Chodzi między innymi o rosnącą rolę rynków prywatnych, coraz bardziej złożone powiązania między kredytobiorcami i pośrednikami finansowymi oraz faktyczne miejsce występowania zadłużenia, ryzyka terminów zapadalności i ostatecznych ekspozycji na straty. Potrzebne są również lepsze dane i modele pokazujące, jak straty mogłyby rozprzestrzeniać się w sytuacji, gdy oczekiwane przychody okażą się rozczarowujące albo drogi sprzęt obliczeniowy szybciej, niż zakładano, stanie się przestarzały.

Wymaga to innego podziału zasobów analitycznych. Od 2008 roku Fed intensywnie rozwijał wiedzę na temat banków, rynku mieszkaniowego i kredytów hipotecznych. Ta wiedza nadal jest cenna. Kolejne źródło słabości finansowej prawdopodobnie nie będzie jednak przypominać poprzedniego kryzysu. Rynki prywatne i nowe struktury finansowania zasługują na równie pogłębioną analizę. Bank centralny bardzo dobrze przygotowany do zrozumienia ostatniego kryzysu nie musi być równie dobrze przygotowany do przewidzenia następnego.

To jedna z lekcji kryzysu z 2008 roku. Głównym problemem nie była wyłącznie niewłaściwie ustalona stopa funduszy federalnych. Decydenci nie docenili skali zadłużenia, złożoności i wzajemnych powiązań szybko zmieniającego się systemu finansowania kredytów hipotecznych. Zrozumieli ich znaczenie dopiero wtedy, gdy konsekwencje stały się systemowe.

AI nie jest tym samym co kredyty subprime, czyli kredyty hipoteczne udzielane klientom o podwyższonym ryzyku. Nie ma też podstaw, aby przewidywać kolejny kryzys finansowy. Wniosek instytucjonalny jest jednak jasny: gdy innowacje finansowe rozwijają się szybciej niż modele analityczne, ustalenie, gdzie gromadzi się ryzyko, musi stać się jednym z głównych zadań Fedu. Same podwyżki stóp procentowych nie zastąpią zrozumienia problemu.

Automatyczne zaostrzanie polityki pieniężnej mogłoby doprowadzić do najgorszego z obu światów. Jeżeli powstające zagrożenie ma charakter finansowy, a nie inflacyjny, wyższe stopy mogą ujawnić zadłużenie, którego skali w pełni nie rozumiemy. Jednocześnie zwiększą koszt inwestycji produkcyjnych potrzebnych do uzyskania oczekiwanych korzyści z AI. W rezultacie Fed mógłby nie rozpoznać narastającej słabości finansowej, a Stany Zjednoczone jednocześnie poniosłyby znacznie trudniejszą do odwrócenia stratę: trwałe osłabienie przewagi technologicznej, ponieważ inwestycje, doświadczenie i uzupełniająca je infrastruktura rozwijałyby się gdzie indziej.

Nie oznacza to poparcia dla zbyt łagodnej polityki pieniężnej. Utrzymująca się inflacja z pewnością będzie wymagać reakcji banku centralnego. Decydenci nie powinni jednak wybierać, które projekty AI zasługują na finansowanie. Ich zadaniem jest dopasowanie narzędzi do problemów i przywrócenie stabilności finansowej jej właściwego miejsca w ramach działania Fedu, bez niepotrzebnego ograniczania tworzenia kapitału, od którego może zależeć długoterminowa konkurencyjność Stanów Zjednoczonych.

W ostatnich latach Fed ponownie uczył się, jak groźne jest niedoszacowanie inflacji. Teraz wyzwaniem jest niedopuszczenie do sytuacji, w której złożoność i innowacje finansowe zaskoczą decydentów. Inflacja prędzej czy później daje o sobie znać. Słabości finansowe mogą pozostać ukryte aż do wybuchu kryzysu. Utracona produktywność jest jeszcze trudniejsza do wykrycia i może być nieodwracalna.

Ryzykiem, którego nie należy lekceważyć, jest osłabienie przewagi Stanów Zjednoczonych w dziedzinie AI, zanim gospodarka zdąży w pełni odczuć wzrost produktywności wynikający z tej technologii.