Η βίαιη διόρθωση στη Wall Street, ο λογαριασμός των δισεκατομμυρίων και η στιγμή που η Τεχνητή Νοημοσύνη περνά από την οικονομία των προσδοκιών στην οικονομία των αποδείξεων, όπως γράφουν οι κ.κ. Γιώργος Σαμακοβιτης και Νικόλαος Γεωργικόπουλος
Υπάρχουν στιγμές στις χρηματοπιστωτικές αγορές όπου μια πτώση των τιμών αποκαλύπτει πολύ περισσότερα από όσα δείχνουν οι ίδιοι οι χρηματιστηριακοί δείκτες.
Η 5η Νοεμβρίου 2026 ήταν μία από αυτές.
Η μεγάλη διόρθωση στη Wall Street, με τον S&P 500 να υποχωρεί κατά 4,36% και τον Nasdaq κατά 5,52%, ήταν από τις ισχυρότερες ημερήσιες πτώσεις μετά τον Απρίλιο του 2025.
Η πίεση επικεντρώθηκε στις εταιρείες που είχαν συνδεθεί περισσότερο με το μεγάλο επενδυτικό αφήγημα της Τεχνητής Νοημοσύνης.
Η Nvidia έχασε 9,3%, η AMD 17,3%, η Micron 17,5% και η Broadcom 10,4%.
Ήταν εύκολο να δοθεί ένας δραματικός τίτλος: σκάει η φούσκα της AI.
Οικονομικά, όμως, το συμπέρασμα είναι πιο σύνθετο.
Η Τεχνητή Νοημοσύνη δεν κατέρρευσε.
Αυτό που βρέθηκε ξαφνικά υπό αμφισβήτηση ήταν η τιμή που οι αγορές ήταν διατεθειμένες να πληρώσουν σήμερα για τα κέρδη που περιμένουν από αυτήν αύριο. Και αυτή είναι μια εντελώς διαφορετική συζήτηση.
Από την πολιτική αβεβαιότητα στην επενδυτική αμφιβολία.
Η συγκεκριμένη διόρθωση είχε έναν άμεσο πολιτικό καταλύτη.
Μετά τις αμερικανικές ενδιάμεσες εκλογές, οι αγορές άρχισαν να επανεκτιμούν το ενδεχόμενο αυστηρότερων ρυθμίσεων για την AI και, κυρίως, για τη μαζική κατασκευή data centers.
Το CNBC σημείωσε ότι η νέα πολιτική πραγματικότητα ήρθε να πλήξει ένα επενδυτικό αφήγημα που ήδη πιεζόταν από τα υψηλά επιτόκια, τις τεράστιες κεφαλαιουχικές δαπάνες και τα ερωτήματα για τις τελικές αποδόσεις.
Αυτό είναι ίσως το σημείο που χρειάζεται τη μεγαλύτερη προσοχή.
Η αγορά δεν είπε ξαφνικά ότι «η AI δεν λειτουργεί».
Είπε κάτι πολύ πιο πεζό και πολύ πιο χρηματοοικονομικό: «Δεν είμαι πλέον βέβαιη ότι οι σημερινές αποτιμήσεις δικαιολογούνται από τον χρόνο και το ύψος των μελλοντικών χρηματοροών». Η διάκριση είναι θεμελιώδης. Μια τεχνολογία μπορεί να είναι επαναστατική και ταυτόχρονα μια μετοχή που συνδέεται με αυτήν να είναι υπερτιμημένη.
Η τεχνολογική αξία και η χρηματιστηριακή αξία δεν αποτελούν ταυτόσημες έννοιες.
Και η απόδειξη ότι δεν επρόκειτο για οριστική «καταδίκη» της AI ήρθε μόλις μία ημέρα αργότερα.
Στις 6 Νοεμβρίου ο Nasdaq ανέκαμψε κατά 1,1%, ο δείκτης ημιαγωγών κατά 4,2% και η Nvidia σχεδόν κατά 3%, ενώ AMD, Intel και Micron σημείωσαν κέρδη μεταξύ 5% και 11%.
Η τεχνολογία δεν άλλαξε μέσα σε 24 ώρες.
Άλλαξε η τιμή του φόβου.
Το πραγματικό ερώτημα: ποιος θα πληρώσει τον λογαριασμό; Η δεύτερη και σημαντικότερη διάσταση είναι οικονομική.
Η σημερινή επανάσταση της Τεχνητής Νοημοσύνης δεν χτίζεται μόνο με καλύτερους αλγορίθμους.
Χτίζεται με πραγματικό, ακριβό και κεφαλαιουχικά απαιτητικό εξοπλισμό: GPUs, servers, data centers, ηλεκτρικά δίκτυα, συστήματα ψύξης και τεράστιες ενεργειακές υποδομές.
Και εδώ οι αριθμοί αρχίζουν να αποκτούν άλλη βαρύτητα.
Σύμφωνα με στοιχεία που συγκεντρώνουν προβλέψεις της International Data Corporation (IDC), οι δαπάνες για AI infrastructure (υποδομές) αναμένεται να φθάσουν περίπου τα 497 δισ. δολάρια το 2026, αυξημένες κατά περίπου 56%, και να ξεπεράσουν το 1 τρισ. δολάρια έως το 2029. Αυτά τα ποσά μεταβάλλουν αναγκαστικά το ερώτημα που θέτει ένας επενδυτής. Μέχρι πρόσφατα ήταν: «Πόσο μεγάλη μπορεί να γίνει η AI;»
Τώρα γίνεται: «Ποιος θα κερδίσει πραγματικά χρήματα από την AI, πόσα και πότε;»Αυτή είναι, κατά τη γνώμη μας, η ουσιαστικότερη μετάβαση της σημερινής συγκυρίας.
Περνάμε από την οικονομία των προσδοκιών στην οικονομία των αποδείξεων.
Το αόρατο όριο της AI είναι φυσικό.
Υπάρχει όμως και ένα παράδοξο που συχνά χάνεται μέσα στη συζήτηση για chips και αλγορίθμους.
Όσο περισσότερο η AI γίνεται «ψηφιακή», τόσο περισσότερο εξαρτάται από απολύτως φυσικούς περιορισμούς.
Η ηλεκτρική ενέργεια είναι ένας από τους σημαντικότερους.
Στοιχεία που παραπέμπουν στην International Energy Agency υπολογίζουν ότι τα data centers κατανάλωσαν περίπου 415 TWh ηλεκτρικής ενέργειας το 2024, περίπου 1,5% της παγκόσμιας κατανάλωσης. Η βασική πρόβλεψη ανεβάζει το μέγεθος κοντά στις 945 TWh το 2030, δηλαδή σχεδόν διπλάσιο επίπεδο.
Αυτό μεταφέρει μέρος του προβλήματος της AI από τα εργαστήρια πληροφορικής στα υπουργεία Ενέργειας, στις ρυθμιστικές αρχές και στις τοπικές κοινωνίες. Για να λειτουργήσει ένα μοντέλο δεν αρκεί να υπάρχει GPU. Πρέπει να μπορεί να λειτουργήσει το data center που τη φιλοξενεί.
Και γι' αυτό πιθανόν το επόμενο bottleneck της Τεχνητής Νοημοσύνης να μην είναι ένας αλγόριθμος.
Μπορεί να είναι ένα ηλεκτρικό δίκτυο, μία άδεια, ένα κόστος κεφαλαίου ή μία πολιτική απόφαση.
Από το «AI story» στο ROI.
Από χρηματοοικονομική σκοπιά, այստեղ βρίσκεται η καρδιά του ζητήματος. Η αξία μιας επιχείρησης δεν προκύπτει επειδή συμμετέχει στη σημαντικότερη τεχνολογική τάση της εποχής.
Σε βάθος χρόνου πρέπει να μπορεί να μετατρέψει αυτή τη συμμετοχή σε έσοδα, περιθώρια κέρδους και, τελικά, χρηματοροές. Όσο υψηλότερες είναι οι προσδοκίες που έχουν ήδη ενσωματωθεί σε μια αποτίμηση, τόσο μικρότερος γίνεται ο χώρος για απογοήτευση. Αυτό εξηγεί γιατί σε αγορές πολύ υψηλών προσδοκιών ακόμη και ένα καλό αποτέλεσμα μπορεί να μην είναι αρκετά καλό.
Δεν αρκεί πλέον μια εταιρεία να πει ότι επενδύει στην AI.
Πρέπει σταδιακά να αποδείξει πόση αξία δημιουργεί κάθε επιπλέον δολάριο που επενδύει.
Με άλλα λόγια, η επόμενη φάση της AI δεν θα έχει ως κεντρικό σύνθημα το «show me the technology». Θα έχει το πολύ πιο απαιτητικό: «Show me the return.»
Wall Street και πραγματική οικονομία δεν είναι το ίδιο πράγμα.
Χρειάζεται, ωστόσο, και εδώ επιστημονική ψυχραιμία. Μια μεγάλη χρηματιστηριακή πτώση δεν ισοδυναμεί αυτομάτως με οικονομική κρίση.
Το Reuters επισήμανε μετά τη διόρθωση ότι ορισμένοι δείκτες χρηματοπιστωτικού
στρες είχαν μεν επιδεινωθεί, χωρίς όμως να βρίσκονται όλοι σε επίπεδα γενικευμένου συναγερμού.
Για να μετατραπεί μια χρηματιστηριακή διόρθωση σε πρόβλημα της πραγματικής οικονομίας απαιτείται μηχανισμός μετάδοσης: ακριβότερη ή δυσκολότερη χρηματοδότηση, περιορισμός επενδύσεων, επιδείνωση της απασχόλησης και, τελικά, επίδραση στην κατανάλωση και στην παραγωγή.
Εκεί πρέπει να στραφεί η προσοχή.
Διότι η σημερινή AI economy δεν περιορίζεται στη Silicon Valley.
Συνδέει ημιαγωγούς, κατασκευές, ηλεκτρική ενέργεια, τηλεπικοινωνίες, χρηματοδότηση και ακίνητα.
Εάν λοιπόν κάποτε μειωθούν ουσιαστικά οι κεφαλαιουχικές δαπάνες, οι συνέπειες δεν θα σταματήσουν στην τιμή μιας τεχνολογικής μετοχής.
Το σωστό μάθημα από τα dot-com.
Η σύγκριση με τη φούσκα των dot-com είναι ελκυστική, αλλά πρέπει να χρησιμοποιείται με ακρίβεια και όχι ως εύκολο ιστορικό κλισέ.
Το σημαντικό μάθημα από εκείνη την περίοδο δεν είναι ότι κάθε τεχνολογική ευφορία καταλήγει στην καταστροφή.
Είναι κάτι πολύ πιο ενδιαφέρον: Μια τεχνολογική επανάσταση μπορεί να είναι απολύτως πραγματική και οι αποτιμήσεις που δημιουργούνται γύρω της απολύτως υπερβολικές.
Η κατάρρευση πολλών internet stocks δεν εξαφάνισε το Internet.
Αντίθετα, το Internet συνέχισε να μετασχηματίζει την παραγωγή, το εμπόριο, την ενημέρωση και την καθημερινότητα, ενώ η αγορά ξεχώρισε σταδιακά τις επιχειρήσεις που διέθεταν βιώσιμα μοντέλα από εκείνες που διέθεταν κυρίως ένα εντυπωσιακό αφήγημα.
Αυτό ενδέχεται να αποτελεί και το πραγματικό τεστ της AI.
Όχι αν θα επιβιώσει.
Αλλά ποιοι θα επιβιώσουν μέσα σε αυτήν.
Και η Ελλάδα;
Για μια οικονομία όπως η ελληνική, το ουσιώδες ερώτημα δεν είναι εάν ο Nasdaq θα κερδίσει ή θα χάσει 3% στην επόμενη συνεδρίαση. Αυτό είναι θόρυβος. Το στρατηγικό ερώτημα είναι αν η Ελλάδα θα παρακολουθήσει την επανάσταση της AI ως καταναλωτής ξένης τεχνολογίας ή εάν θα τη μετατρέψει σε εργαλείο παραγωγικότητας.
Για τις επιχειρήσεις, το πραγματικό στοίχημα βρίσκεται στην αυτοματοποίηση διαδικασιών, στην ποιότητα των υπηρεσιών, στην αξιοποίηση δεδομένων και στη μείωση του κόστους.
Για τα πανεπιστήμια, στην έρευνα και στο ανθρώπινο κεφάλαιο. Για τη δημόσια διοίκηση, στη δυνατότητα παροχής ταχύτερων και αποτελεσματικότερων υπηρεσιών. Και για την οικονομική πολιτική, στο εάν η τεχνολογική πρόοδος μπορεί να μεταφραστεί σε μετρήσιμη παραγωγικότητα και υψηλότερη προστιθέμενη αξία. Εκεί θα κριθεί η πραγματική οικονομική σημασία της AI για τη χώρα και όχι στις ημερήσιες διακυμάνσεις μιας αμερικανικής μετοχής.
Η τελική εξίσωση.
Οι χρηματοπιστωτικές αγορές έχουν μια διαχρονική ιδιότητα: μπορούν να υπερβάλλουν τόσο όταν ενθουσιάζονται όσο και όταν φοβούνται.
Η μεγάλη διόρθωση της 5ης Νοεμβρίου, επομένως, δεν απέδειξε ότι απέτυχε η Τεχνητή Νοημοσύνη. Όπως και η ανάκαμψη της επόμενης ημέρας δεν απέδειξε ότι λύθηκαν τα οικονομικά της προβλήματα.
Το Reuters κατέγραψε ακριβώς αυτή την απότομη μερική αντιστροφή στις 6 Νοεμβρίου, μετά το βαρύ sell-off της προηγουμένης.
Το πραγματικό ερώτημα είναι βαθύτερο. Πόση οικονομική αξία μπορεί πράγματι να δημιουργήσει η AI, πόσο κεφάλαιο απαιτείται για να δημιουργηθεί αυτή η αξία και ποιος τελικά θα την καρπωθεί; Από εδώ και πέρα, πιθανότατα δεν θα αρκεί να είσαι μέρος του «AI story». Θα πρέπει να αποδεικνύεις ότι διαθέτεις βιώσιμο οικονομικό μοντέλο.
Και αυτό ίσως είναι το πιο υγιές πράγμα που θα μπορούσε να συμβεί στην ίδια την Τεχνητή Νοημοσύνη.
Γιατί οι χρηματιστηριακές φούσκες μπορούν πράγματι να σκάσουν.
Οι πραγματικές τεχνολογικές επαναστάσεις, όμως, δεν κρίνονται σε μία συνεδρίαση. Κρίνονται στην παραγωγικότητα που δημιουργούν, στις χρηματοροές που παράγουν και στην οικονομική αξία που αφήνουν πίσω τους. Και, τελικά, αυτό είναι το τεστ που τώρα αρχίζει.
*Γιωργος Σαμακοβίτης είναι Καθηγητής Χρηματοοικονομικής Τεχνολογίας και Αναπληρωτής Διευθυντής της Σχολής, με αρμοδιότητα στους τομείς FinTech, Blockchain και Προστασίας της Ιδιωτικότητας.
**Νικόλαος Γεωργικόπουλος είναι Καθηγητής Χρηματοοικονομικής στο Rutgers Business School, USA. Ερευνητικός Συνεργάτης στο Stern School of Business – NYU (USA). Πρόεδρος Επιτροπής στην Ελληνική Αναπτυξιακή Τράπεζα (ΕΑΤ). Σύμβουλος Αναπτυξιακής Πολιτικής της Δημάρχου Πεντέλης και Συνεργάτης του Δημάρχου Αμαρουσίου.
www.bankingnews.gr
Η 5η Νοεμβρίου 2026 ήταν μία από αυτές.
Η μεγάλη διόρθωση στη Wall Street, με τον S&P 500 να υποχωρεί κατά 4,36% και τον Nasdaq κατά 5,52%, ήταν από τις ισχυρότερες ημερήσιες πτώσεις μετά τον Απρίλιο του 2025.
Η πίεση επικεντρώθηκε στις εταιρείες που είχαν συνδεθεί περισσότερο με το μεγάλο επενδυτικό αφήγημα της Τεχνητής Νοημοσύνης.
Η Nvidia έχασε 9,3%, η AMD 17,3%, η Micron 17,5% και η Broadcom 10,4%.
Ήταν εύκολο να δοθεί ένας δραματικός τίτλος: σκάει η φούσκα της AI.
Οικονομικά, όμως, το συμπέρασμα είναι πιο σύνθετο.
Η Τεχνητή Νοημοσύνη δεν κατέρρευσε.
Αυτό που βρέθηκε ξαφνικά υπό αμφισβήτηση ήταν η τιμή που οι αγορές ήταν διατεθειμένες να πληρώσουν σήμερα για τα κέρδη που περιμένουν από αυτήν αύριο. Και αυτή είναι μια εντελώς διαφορετική συζήτηση.
Από την πολιτική αβεβαιότητα στην επενδυτική αμφιβολία.
Η συγκεκριμένη διόρθωση είχε έναν άμεσο πολιτικό καταλύτη.
Μετά τις αμερικανικές ενδιάμεσες εκλογές, οι αγορές άρχισαν να επανεκτιμούν το ενδεχόμενο αυστηρότερων ρυθμίσεων για την AI και, κυρίως, για τη μαζική κατασκευή data centers.
Το CNBC σημείωσε ότι η νέα πολιτική πραγματικότητα ήρθε να πλήξει ένα επενδυτικό αφήγημα που ήδη πιεζόταν από τα υψηλά επιτόκια, τις τεράστιες κεφαλαιουχικές δαπάνες και τα ερωτήματα για τις τελικές αποδόσεις.
Αυτό είναι ίσως το σημείο που χρειάζεται τη μεγαλύτερη προσοχή.
Η αγορά δεν είπε ξαφνικά ότι «η AI δεν λειτουργεί».
Είπε κάτι πολύ πιο πεζό και πολύ πιο χρηματοοικονομικό: «Δεν είμαι πλέον βέβαιη ότι οι σημερινές αποτιμήσεις δικαιολογούνται από τον χρόνο και το ύψος των μελλοντικών χρηματοροών». Η διάκριση είναι θεμελιώδης. Μια τεχνολογία μπορεί να είναι επαναστατική και ταυτόχρονα μια μετοχή που συνδέεται με αυτήν να είναι υπερτιμημένη.
Η τεχνολογική αξία και η χρηματιστηριακή αξία δεν αποτελούν ταυτόσημες έννοιες.
Και η απόδειξη ότι δεν επρόκειτο για οριστική «καταδίκη» της AI ήρθε μόλις μία ημέρα αργότερα.
Στις 6 Νοεμβρίου ο Nasdaq ανέκαμψε κατά 1,1%, ο δείκτης ημιαγωγών κατά 4,2% και η Nvidia σχεδόν κατά 3%, ενώ AMD, Intel και Micron σημείωσαν κέρδη μεταξύ 5% και 11%.
Η τεχνολογία δεν άλλαξε μέσα σε 24 ώρες.
Άλλαξε η τιμή του φόβου.
Το πραγματικό ερώτημα: ποιος θα πληρώσει τον λογαριασμό; Η δεύτερη και σημαντικότερη διάσταση είναι οικονομική.
Η σημερινή επανάσταση της Τεχνητής Νοημοσύνης δεν χτίζεται μόνο με καλύτερους αλγορίθμους.
Χτίζεται με πραγματικό, ακριβό και κεφαλαιουχικά απαιτητικό εξοπλισμό: GPUs, servers, data centers, ηλεκτρικά δίκτυα, συστήματα ψύξης και τεράστιες ενεργειακές υποδομές.
Και εδώ οι αριθμοί αρχίζουν να αποκτούν άλλη βαρύτητα.
Σύμφωνα με στοιχεία που συγκεντρώνουν προβλέψεις της International Data Corporation (IDC), οι δαπάνες για AI infrastructure (υποδομές) αναμένεται να φθάσουν περίπου τα 497 δισ. δολάρια το 2026, αυξημένες κατά περίπου 56%, και να ξεπεράσουν το 1 τρισ. δολάρια έως το 2029. Αυτά τα ποσά μεταβάλλουν αναγκαστικά το ερώτημα που θέτει ένας επενδυτής. Μέχρι πρόσφατα ήταν: «Πόσο μεγάλη μπορεί να γίνει η AI;»
Τώρα γίνεται: «Ποιος θα κερδίσει πραγματικά χρήματα από την AI, πόσα και πότε;»Αυτή είναι, κατά τη γνώμη μας, η ουσιαστικότερη μετάβαση της σημερινής συγκυρίας.
Περνάμε από την οικονομία των προσδοκιών στην οικονομία των αποδείξεων.
Το αόρατο όριο της AI είναι φυσικό.
Υπάρχει όμως και ένα παράδοξο που συχνά χάνεται μέσα στη συζήτηση για chips και αλγορίθμους.
Όσο περισσότερο η AI γίνεται «ψηφιακή», τόσο περισσότερο εξαρτάται από απολύτως φυσικούς περιορισμούς.
Η ηλεκτρική ενέργεια είναι ένας από τους σημαντικότερους.
Στοιχεία που παραπέμπουν στην International Energy Agency υπολογίζουν ότι τα data centers κατανάλωσαν περίπου 415 TWh ηλεκτρικής ενέργειας το 2024, περίπου 1,5% της παγκόσμιας κατανάλωσης. Η βασική πρόβλεψη ανεβάζει το μέγεθος κοντά στις 945 TWh το 2030, δηλαδή σχεδόν διπλάσιο επίπεδο.
Αυτό μεταφέρει μέρος του προβλήματος της AI από τα εργαστήρια πληροφορικής στα υπουργεία Ενέργειας, στις ρυθμιστικές αρχές και στις τοπικές κοινωνίες. Για να λειτουργήσει ένα μοντέλο δεν αρκεί να υπάρχει GPU. Πρέπει να μπορεί να λειτουργήσει το data center που τη φιλοξενεί.
Και γι' αυτό πιθανόν το επόμενο bottleneck της Τεχνητής Νοημοσύνης να μην είναι ένας αλγόριθμος.
Μπορεί να είναι ένα ηλεκτρικό δίκτυο, μία άδεια, ένα κόστος κεφαλαίου ή μία πολιτική απόφαση.
Από το «AI story» στο ROI.
Από χρηματοοικονομική σκοπιά, այստեղ βρίσκεται η καρδιά του ζητήματος. Η αξία μιας επιχείρησης δεν προκύπτει επειδή συμμετέχει στη σημαντικότερη τεχνολογική τάση της εποχής.
Σε βάθος χρόνου πρέπει να μπορεί να μετατρέψει αυτή τη συμμετοχή σε έσοδα, περιθώρια κέρδους και, τελικά, χρηματοροές. Όσο υψηλότερες είναι οι προσδοκίες που έχουν ήδη ενσωματωθεί σε μια αποτίμηση, τόσο μικρότερος γίνεται ο χώρος για απογοήτευση. Αυτό εξηγεί γιατί σε αγορές πολύ υψηλών προσδοκιών ακόμη και ένα καλό αποτέλεσμα μπορεί να μην είναι αρκετά καλό.
Δεν αρκεί πλέον μια εταιρεία να πει ότι επενδύει στην AI.
Πρέπει σταδιακά να αποδείξει πόση αξία δημιουργεί κάθε επιπλέον δολάριο που επενδύει.
Με άλλα λόγια, η επόμενη φάση της AI δεν θα έχει ως κεντρικό σύνθημα το «show me the technology». Θα έχει το πολύ πιο απαιτητικό: «Show me the return.»
Wall Street και πραγματική οικονομία δεν είναι το ίδιο πράγμα.
Χρειάζεται, ωστόσο, και εδώ επιστημονική ψυχραιμία. Μια μεγάλη χρηματιστηριακή πτώση δεν ισοδυναμεί αυτομάτως με οικονομική κρίση.
Το Reuters επισήμανε μετά τη διόρθωση ότι ορισμένοι δείκτες χρηματοπιστωτικού
στρες είχαν μεν επιδεινωθεί, χωρίς όμως να βρίσκονται όλοι σε επίπεδα γενικευμένου συναγερμού.
Για να μετατραπεί μια χρηματιστηριακή διόρθωση σε πρόβλημα της πραγματικής οικονομίας απαιτείται μηχανισμός μετάδοσης: ακριβότερη ή δυσκολότερη χρηματοδότηση, περιορισμός επενδύσεων, επιδείνωση της απασχόλησης και, τελικά, επίδραση στην κατανάλωση και στην παραγωγή.
Εκεί πρέπει να στραφεί η προσοχή.
Διότι η σημερινή AI economy δεν περιορίζεται στη Silicon Valley.
Συνδέει ημιαγωγούς, κατασκευές, ηλεκτρική ενέργεια, τηλεπικοινωνίες, χρηματοδότηση και ακίνητα.
Εάν λοιπόν κάποτε μειωθούν ουσιαστικά οι κεφαλαιουχικές δαπάνες, οι συνέπειες δεν θα σταματήσουν στην τιμή μιας τεχνολογικής μετοχής.
Το σωστό μάθημα από τα dot-com.
Η σύγκριση με τη φούσκα των dot-com είναι ελκυστική, αλλά πρέπει να χρησιμοποιείται με ακρίβεια και όχι ως εύκολο ιστορικό κλισέ.
Το σημαντικό μάθημα από εκείνη την περίοδο δεν είναι ότι κάθε τεχνολογική ευφορία καταλήγει στην καταστροφή.
Είναι κάτι πολύ πιο ενδιαφέρον: Μια τεχνολογική επανάσταση μπορεί να είναι απολύτως πραγματική και οι αποτιμήσεις που δημιουργούνται γύρω της απολύτως υπερβολικές.
Η κατάρρευση πολλών internet stocks δεν εξαφάνισε το Internet.
Αντίθετα, το Internet συνέχισε να μετασχηματίζει την παραγωγή, το εμπόριο, την ενημέρωση και την καθημερινότητα, ενώ η αγορά ξεχώρισε σταδιακά τις επιχειρήσεις που διέθεταν βιώσιμα μοντέλα από εκείνες που διέθεταν κυρίως ένα εντυπωσιακό αφήγημα.
Αυτό ενδέχεται να αποτελεί και το πραγματικό τεστ της AI.
Όχι αν θα επιβιώσει.
Αλλά ποιοι θα επιβιώσουν μέσα σε αυτήν.
Και η Ελλάδα;
Για μια οικονομία όπως η ελληνική, το ουσιώδες ερώτημα δεν είναι εάν ο Nasdaq θα κερδίσει ή θα χάσει 3% στην επόμενη συνεδρίαση. Αυτό είναι θόρυβος. Το στρατηγικό ερώτημα είναι αν η Ελλάδα θα παρακολουθήσει την επανάσταση της AI ως καταναλωτής ξένης τεχνολογίας ή εάν θα τη μετατρέψει σε εργαλείο παραγωγικότητας.
Για τις επιχειρήσεις, το πραγματικό στοίχημα βρίσκεται στην αυτοματοποίηση διαδικασιών, στην ποιότητα των υπηρεσιών, στην αξιοποίηση δεδομένων και στη μείωση του κόστους.
Για τα πανεπιστήμια, στην έρευνα και στο ανθρώπινο κεφάλαιο. Για τη δημόσια διοίκηση, στη δυνατότητα παροχής ταχύτερων και αποτελεσματικότερων υπηρεσιών. Και για την οικονομική πολιτική, στο εάν η τεχνολογική πρόοδος μπορεί να μεταφραστεί σε μετρήσιμη παραγωγικότητα και υψηλότερη προστιθέμενη αξία. Εκεί θα κριθεί η πραγματική οικονομική σημασία της AI για τη χώρα και όχι στις ημερήσιες διακυμάνσεις μιας αμερικανικής μετοχής.
Η τελική εξίσωση.
Οι χρηματοπιστωτικές αγορές έχουν μια διαχρονική ιδιότητα: μπορούν να υπερβάλλουν τόσο όταν ενθουσιάζονται όσο και όταν φοβούνται.
Η μεγάλη διόρθωση της 5ης Νοεμβρίου, επομένως, δεν απέδειξε ότι απέτυχε η Τεχνητή Νοημοσύνη. Όπως και η ανάκαμψη της επόμενης ημέρας δεν απέδειξε ότι λύθηκαν τα οικονομικά της προβλήματα.
Το Reuters κατέγραψε ακριβώς αυτή την απότομη μερική αντιστροφή στις 6 Νοεμβρίου, μετά το βαρύ sell-off της προηγουμένης.
Το πραγματικό ερώτημα είναι βαθύτερο. Πόση οικονομική αξία μπορεί πράγματι να δημιουργήσει η AI, πόσο κεφάλαιο απαιτείται για να δημιουργηθεί αυτή η αξία και ποιος τελικά θα την καρπωθεί; Από εδώ και πέρα, πιθανότατα δεν θα αρκεί να είσαι μέρος του «AI story». Θα πρέπει να αποδεικνύεις ότι διαθέτεις βιώσιμο οικονομικό μοντέλο.
Και αυτό ίσως είναι το πιο υγιές πράγμα που θα μπορούσε να συμβεί στην ίδια την Τεχνητή Νοημοσύνη.
Γιατί οι χρηματιστηριακές φούσκες μπορούν πράγματι να σκάσουν.
Οι πραγματικές τεχνολογικές επαναστάσεις, όμως, δεν κρίνονται σε μία συνεδρίαση. Κρίνονται στην παραγωγικότητα που δημιουργούν, στις χρηματοροές που παράγουν και στην οικονομική αξία που αφήνουν πίσω τους. Και, τελικά, αυτό είναι το τεστ που τώρα αρχίζει.
*Γιωργος Σαμακοβίτης είναι Καθηγητής Χρηματοοικονομικής Τεχνολογίας και Αναπληρωτής Διευθυντής της Σχολής, με αρμοδιότητα στους τομείς FinTech, Blockchain και Προστασίας της Ιδιωτικότητας.
**Νικόλαος Γεωργικόπουλος είναι Καθηγητής Χρηματοοικονομικής στο Rutgers Business School, USA. Ερευνητικός Συνεργάτης στο Stern School of Business – NYU (USA). Πρόεδρος Επιτροπής στην Ελληνική Αναπτυξιακή Τράπεζα (ΕΑΤ). Σύμβουλος Αναπτυξιακής Πολιτικής της Δημάρχου Πεντέλης και Συνεργάτης του Δημάρχου Αμαρουσίου.
www.bankingnews.gr
Σχόλια αναγνωστών