Większy niż AIG: ukryty dług związany ze sztuczną inteligencją ukryty w Twojej polisie ubezpieczeniowej – Dan Oliver – Dan Oliver, ITM Trading, Inc. podcast, 7.10.2026

Boom związany ze sztuczną inteligencją nie jest historią o wycenach akcji spółek technologicznych, lecz historią o narastającym zadłużeniu. Pod budową infrastruktury AI kryją się setki miliardów dolarów wydawanych na układy obliczeniowe, centra danych oraz długoterminowe kontrakty zobowiązujące do odbioru i opłacania określonych usług lub zasobów. Znaczna część tego finansowania nie jest w oczywisty sposób widoczna w bilansach przedsiębiorstw, a część znajduje się w sektorze prywatnego kredytu, który jest mniej przejrzysty niż tradycyjny system bankowy.

---

Ważną rolę odgrywają też firmy oferujące ubezpieczenia na życie, które inwestują pieniądze w projekty związane z rozwojem sztucznej inteligencji. Problem polega na tym, że muszą one mieć wystarczająco dużo pieniędzy, aby wypłacać świadczenia swoim klientom nawet za kilkadziesiąt lat. Jeśli ich inwestycje w infrastrukturę AI przyniosą duże straty, mogą mieć trudności z wywiązywaniem się z tych zobowiązań.

Sztuczna inteligencja może okazać się technologią, która głęboko zmieni świat, a jednocześnie nie przynieść inwestorom wystarczających dochodów, aby pokryć koszty jej rozwoju. Korzyści technologiczne i rentowność finansowa nie są bowiem tym samym. Nawet jeśli nowa technologia okaże się niezwykle użyteczna dla społeczeństwa, przedsiębiorstwa finansujące jej infrastrukturę mogą nie odzyskać zainwestowanego kapitału. Jeżeli założenia dotyczące przyszłych przychodów i zysków się nie sprawdzą, straty nie ograniczą się do Doliny Krzemowej. Mogą przenieść się na firmy ubezpieczeniowe, posiadaczy polis oraz pozostałe segmenty rynku kredytowego. W przypadku wystąpienia poważnego kryzysu prawdopodobną reakcją władz monetarnych będzie interwencja Rezerwy Federalnej, czyli banku centralnego Stanów Zjednoczonych. Taka pomoc może jednak oznaczać kolejne zwiększenie podaży pieniądza, a w konsekwencji osłabienie jego siły nabywczej.

1. Historyczny schemat baniek inwestycyjnych

Aby zrozumieć zagrożenia związane z inwestycjami w sztuczną inteligencję, należy spojrzeć na historię rozwoju technologicznego i finansowania infrastruktury. Przez ostatnie dwa lub trzy stulecia kolejne przełomowe wynalazki wywoływały podobny mechanizm gospodarczy. Nowa technologia otwierała ogromne możliwości, inwestorzy zaczynali finansować jej rozwój na dużą skalę, powstawała nadmierna ilość infrastruktury, a następnie okazywało się, że rzeczywisty popyt i generowane przychody nie wystarczają do uzasadnienia wszystkich poniesionych nakładów.

Jednym z pierwszych przykładów były wodne kanały transportowe. W latach trzydziestych XIX wieku rozwój kanałów postrzegano jako znakomity sposób na przewożenie towarów. Technologia miała realną wartość gospodarczą, ale jej perspektywy skłoniły inwestorów do nadmiernego finansowania nowych przedsięwzięć. W efekcie powstawała infrastruktura, której skala przekraczała uzasadnione potrzeby rynku. Zbyt duża podaż możliwości transportowych prowadziła do presji na ceny i ograniczała zdolność operatorów do obsługi zadłużenia.

Podobny mechanizm wystąpił w branży kolejowej w latach 70. XIX wieku. Choć kolej była przełomową technologią, jej rozwój wymagał ogromnych nakładów finansowych. Inwestorzy, zachęceni perspektywą przyszłych zysków, rozbudowywali sieć kolejową na dużą skalę, często wyprzedzając rzeczywiste potrzeby rynku. W rezultacie zdolności przewozowe rosły szybciej niż popyt, co prowadziło do spadku cen usług i ograniczenia przychodów. Gdy wpływy z działalności nie wystarczały na pokrycie kosztów i obsługę zadłużenia, przedsiębiorstwa traciły zdolność do spłaty zobowiązań, a załamanie finansowania prowadziło do poważnych strat inwestorów.

Kolejnym przykładem są nieruchomości. Sektor ten jest szczególnie podatny na cykle kredytowe, albowiem zakup domów i budynków jest często finansowany długiem. Łatwy dostęp do finansowania podnosi ceny nieruchomości, a rosnące ceny zwiększają wartość zabezpieczeń, które właściciele mogą przedstawić bankom. Dzięki temu możliwe jest zaciąganie kolejnych kredytów, co zwiększa popyt i jeszcze bardziej podbija ceny. Powstaje samonapędzający się mechanizm, w którym wzrost wartości aktywów uzasadnia dalsze zadłużanie się. W pewnym momencie jednak buduje się zbyt wiele nieruchomości, popyt przestaje nadążać za podażą, ceny spadają, a część kredytobiorców traci zdolność do obsługi długu.

Ważnym historycznym przykładem jest także bańka telekomunikacyjna z przełomu XX i XXI wieku. Problemem nie był przede wszystkim sam internet, lecz nadmierna rozbudowa infrastruktury, zwłaszcza sieci szerokopasmowych. Inwestorzy uwierzyli w ogromny potencjał nowej technologii i sfinansowali znacznie więcej infrastruktury, niż rynek był w stanie w krótkim czasie w rentowny sposób wykorzystać.

Wszystkie te przykłady łączy wspólny schemat: kapitał staje się zbyt tani, inwestycje nadmiernie rosną, powstaje nadwyżka zdolności produkcyjnych lub infrastrukturalnych, ceny usług i aktywów spadają, a zadłużone przedsiębiorstwa nie są w stanie spłacić zobowiązań. Technologia może pozostać wartościowa, ale inwestycje dokonane po zbyt wysokich cenach okazują się nieopłacalne.

2. Niskie stopy procentowe jako źródło nadmiernych inwestycji

Jednym z głównych czynników sprzyjających powstawaniu takich baniek jest polityka pieniężna, a w szczególności utrzymywanie niskich stóp procentowych. Władze często dążą do obniżania kosztu pieniądza. Ułatwia to zaciąganie kredytów, pobudza inwestycje i wspiera wzrost gospodarczy. Jednocześnie jednak tanie finansowanie może skłaniać przedsiębiorstwa i inwestorów do podejmowania nadmiernego ryzyka.

Niskie stopy procentowe sprawiają, że kosztowne, kapitałochłonne projekty wydają się bardziej opłacalne, niż byłyby w warunkach normalnego (droższego) finansowania. Przedsiębiorstwa mogą łatwiej pozyskiwać kapitał i zaciągać większe zobowiązania, a inwestorzy chętniej angażują środki w przedsięwzięcia, których przyszłe zyski pozostają niepewne lub mogą pojawić się dopiero po wielu latach. W efekcie finansowanie napływa również do projektów, które przy wyższych stopach procentowych byłyby zbyt kosztowne, mniej atrakcyjne ekonomicznie lub w ogóle nie zostałyby zrealizowane. To z kolei sprzyja nadmiernym inwestycjom, powstawaniu nadwyżki mocy produkcyjnych i narastaniu zadłużenia, które może okazać się trudne do spłacenia, gdy oczekiwane przychody nie spełnią pokładanych w nich nadziei.

Problem staje się widoczny, gdy rozbudowana infrastruktura zaczyna funkcjonować na rynku i okazuje się, że jej możliwości przekraczają rzeczywiste zapotrzebowanie. Gdy wiele podobnych projektów zostaje uruchomionych w tym samym czasie, podaż usług rośnie szybciej niż popyt. Operatorzy muszą wówczas konkurować o klientów, co wywiera presję na obniżanie cen. W rezultacie przychody i zyski mogą okazać się znacznie niższe od zakładanych, a uzyskiwane przepływy pieniężne przestają wystarczać na spłatę zaciągniętych zobowiązań. W takich warunkach nawet nowoczesna, sprawna technicznie i nadal przydatna infrastruktura może stać się źródłem poważnych strat finansowych, jeśli nie generuje dochodów wystarczających do pokrycia kosztów jej budowy i finansowania.

Z tej perspektywy powstawania baniek inwestycyjnych nie można tłumaczyć wyłącznie błędami inwestorów, ich nadmiernym optymizmem czy niewłaściwą oceną potencjału nowej technologii. Istotną rolę odgrywa również sam system finansowy, który przez długi czas może sprzyjać nadmiernemu zadłużaniu się i finansowaniu projektów obarczonych dużym ryzykiem. Dopóki kapitał jest łatwo dostępny, a oczekiwania dotyczące przyszłych zysków pozostają wysokie, skala inwestycji może systematycznie rosnąć. Sytuacja zmienia się jednak, gdy rzeczywiste przychody nie nadążają za wcześniejszymi prognozami lub pogarszają się warunki finansowania. Wówczas przedsięwzięcia, które wcześniej wydawały się opłacalne, zaczynają przynosić straty, a nadmierne zadłużenie potęguje skutki rynkowego załamania.

3. Sztuczna inteligencja jako kolejny etap tego samego cyklu

Rozwój sztucznej inteligencji wpisuje się w przedstawiony schemat. Budowa centrów danych, zakup wyspecjalizowanych układów obliczeniowych i zawieranie długoterminowych kontraktów wymagają ogromnych nakładów. Wiele inwestycji opiera się nie tyle na obecnych przepływach pieniężnych, ile na oczekiwaniu, że w przyszłości pojawi się bardzo duży rynek usług AI. Przedsiębiorstwa zakładają, że technologia stanie się powszechna, produktywność wzrośnie, a klienci będą skłonni płacić za nowe możliwości. Wyceny projektów oraz gotowość do ich finansowania są więc silnie uzależnione od prognoz dotyczących przyszłości.

Kluczowe jest jednak rozróżnienie pomiędzy przychodami a zyskiem. Sam fakt, że firma sprzedaje usługi lub osiąga wysokie obroty, nie oznacza jeszcze, że dysponuje odpowiednimi środkami na obsługę zadłużenia. Do spłaty długu potrzebne są rzeczywiste przepływy pieniężne, które pozostają po pokryciu kosztów działalności i innych niezbędnych wydatków. Jeżeli infrastruktura wymaga ogromnych nakładów, a ceny usług są zbyt niskie, by zapewnić odpowiednią marżę, przedsiębiorstwo może mieć problemy ze spłatą zobowiązań mimo rosnącego wykorzystania technologii.

Nie oznacza to, że sztuczna inteligencja jest bezwartościowa lub że jej rozwój nie przyniesie korzyści ludzkości. Wręcz przeciwnie. Technologia może okazać się niezwykle ważna i użyteczna. Zagrożenie dotyczy przede wszystkim ekonomiki inwestycji oraz ceny, jaką zapłacono za stworzenie infrastruktury.

Przykład sieci szerokopasmowych (broadband) pokazuje, że infrastruktura może być znakomita z perspektywy społeczeństwa, a jednocześnie nie przynieść oczekiwanych zysków tym, którzy ją zbudowali. Nadmiar przepustowości doprowadził do sytuacji, w której dostęp do szerokopasmowego internetu stał się przez długi czas bardzo tani. Konsumenci i gospodarka skorzystali na tej zmianie, lecz inwestorzy finansujący nadmierną rozbudowę sieci ponieśli straty.

4. Dlaczego doświadczenia historyczne nie powstrzymują inwestorów

Osoby finansujące rozwój AI nie muszą być nieświadome ryzyka. W rozmowie przywołano przykład szefa Microsoftu, który sięgał po książkę dotyczącą paniki finansowej z 1873 roku i kryzysu związanego z rozwojem kolei. Historie baniek finansowych, manii i krachów są znane osobom stojącym na czele największych firm technologicznych.

Mimo to w przypadku sztucznej inteligencji powraca argument, że jest ona czymś całkowicie odmiennym od wcześniejszych przełomów technologicznych. Ma być na tyle potężna, uniwersalna i przełomowa, że uzasadnia bezprecedensową skalę inwestycji.

Takie rozumowanie NIEMAL ZAWSZE pojawiało się również przy wdrażaniu i upowszechnianiu wcześniejszych innowacji. Internet rzeczywiście zrewolucjonizował gospodarkę, ale w czasie bańki internetowej finansowano również wiele przedsiębiorstw, których modele biznesowe okazały się nietrwałe. Późniejszy sukces technologii nie uratował wszystkich firm, które próbowały na niej zarobić.

Dlatego zasadnicze pytanie nie brzmi - czy AI będzie działać - czy będzie przydatna - ani czy zmieni świat. Należy ustalić, czy jej rozwój nastąpi wystarczająco szybko, aby istniejąca i konstruowana infrastruktura wygenerowała przepływy pieniężne potrzebne do obsługi zaciąganych zobowiązań. Nawet przełomowa technologia może zawieść oczekiwania finansowe, jeżeli komercjalizacja będzie wolniejsza od tempa zadłużania się.

5. Co dzieje się z kapitałem i długiem po pęknięciu bańki

Gdy inwestycje okazują się nierentowne, straty rozkładają się między różne grupy podmiotów finansujących. Jako pierwsi ponoszą je właściciele kapitału własnego, ponieważ ich roszczenia są zaspokajane w dalszej kolejności niż zobowiązania wobec wierzycieli.

Załóżmy, że przedsiębiorstwo sfinansowano ze 100 dolarów kapitału własnego i 100 dolarów długu. Jeżeli wartość projektu gwałtownie spadnie, udział właścicieli może zostać całkowicie wyzerowany. Straty mogą jednak dotknąć także wierzycieli. Gdy po upadłości pozostanie infrastruktura warta zaledwie 20 dolarów, z pożyczonych 100 dolarów odzyskają oni tylko część. Niespłacona reszta stanie się stratą kredytową.

Wierzyciel może wprawdzie przejąć fizyczną infrastrukturę, ale to nie gwarantuje odzyskania udzielonego finansowania. Centra danych, układy obliczeniowe i pozostałe aktywa mogą być warte znacznie mniej niż zadłużenie, zwłaszcza gdy rynek jest nasycony podobnymi obiektami lub urządzeniami. O wartości zabezpieczenia decyduje bowiem nie sam fakt jego istnienia, lecz także możliwość wykorzystania go do generowania dochodów.

Po kryzysie następuje przetasowanie właścicieli aktywów. Podmioty, które zachowały płynność, mogą kupować upadające przedsiębiorstwa i infrastrukturę po cenach znacznie niższych niż koszty ich budowy. Zdolność do przetrwania okresu załamania finansowego może więc być ważniejsza niż wcześniejsze uczestnictwo w boomie.

6. Historyczna analogia: katalogi wysyłkowe i Internet

Istotnym przykładem obrazującym ten mechanizm jest rozwój sprzedaży katalogowej w Stanach Zjednoczonych na początku XX wieku. Po tym, jak Rezerwa Federalna zwiększyła podaż pieniądza w związku z finansowaniem I wojny światowej, niskie stopy procentowe sprzyjały ekspansji gospodarczej. Rozwijała się branża katalogów wysyłkowych. Klienci zamawiali towary na podstawie drukowanych ofert zamiast kupować je w tradycyjnych sklepach.

W 1919 roku pojawiały się prognozy, że za dziesięć lat sklepy detaliczne przestaną być potrzebne, albowiem handel zostanie zdominowany przez katalogi. Argumentowano więc, iż nowy model dystrybucji zastąpi dotychczasową infrastrukturę handlową. Bardzo podobne przewidywania formułowano pod koniec lat dziewięćdziesiątych XX wieku w odniesieniu do Internetu, który miał radykalnie zmienić sposób prowadzenia działalności gospodarczej.

Gdy ekspansja pieniężna ustała, a warunki finansowania się zmieniły, branża katalogowa uległa załamaniu. Sears, jedna z najbardziej znanych firm działających w tym modelu, przetrwał między innymi dlatego, że jego założyciele dołożyli dodatkowy kapitał.

Jednocześnie kryzys stworzył okazje inwestycyjne dla osób, które kupowały aktywa po gwałtownym spadku ich wartości. Wskazano, że inwestycje w przedsiębiorstwa katalogowe po panice z 1921 roku mogły przynieść bardzo dobre wyniki. Analogicznie, zakup akcji spółek internetowych po załamaniu rynku w 2001 roku, w tym Amazona (ceny akcji Amazona spadły wówczas o 95%!), mógł okazać się znakomitą inwestycją. Nie można jednak utożsamiać późniejszych sukcesów tych przedsiębiorstw z opłacalnością zakupu ich akcji w 1999 roku, kiedy wyceny były znacznie wyższe, a oczekiwania inwestorów często nierealistyczne.

Kryzys nie musi oznaczać końca technologii. Może natomiast oznaczać koniec określonego modelu finansowania i gwałtowną zmianę tego, kto czerpie korzyści z jej rozwoju. Podobny proces może wystąpić w branży sztucznej inteligencji. Obecni inwestorzy mogą ponieść ogromne straty, a kolejni nabywcy przejmą wartościową infrastrukturę po znacznie niższych cenach.

7. Skala zadłużenia AI i problem produktywności

Ryzyko związane ze sztuczną inteligencją wynika również ze skali zobowiązań. Finansowanie infrastruktury AI przestało być wyłącznie zagadnieniem dotyczącym setek miliardów dolarów. Coraz częściej pojawiają się kwoty liczone w bilionach (bilion to milion milionów!)

Jeszcze niedawno biliony dolarów były w debacie publicznej kojarzone przede wszystkim z zadłużeniem państw, zwłaszcza Stanów Zjednoczonych. Obecnie podobne wielkości pojawiają się w odniesieniu do prywatnych inwestycji infrastrukturalnych. To zasadnicza zmiana, gdyż zobowiązania te nie są bezpośrednio gwarantowane przez państwo, a ich obsługa zależy od rentowności konkretnych projektów i przedsiębiorstw.

Kluczowym pytaniem jest to, czy wzrost produktywności wynikający z zastosowania sztucznej inteligencji będzie wystarczająco szybki i duży, aby uzasadnić poniesione nakłady. Sama możliwość poprawy efektywności nie wystarcza. Potrzebny jest wzrost dochodów, który pozwoli obsługiwać koszty finansowania infrastruktury.

W tym kontekście przywołano historyczne dane dotyczące rewolucji komputerowej. Według nich w latach 1950–1980, a więc zanim komputery się upowszechniły, wzrost produktywności był mniej więcej dwukrotnie wyższy niż w latach 1980–2000, gdy komputeryzacja gospodarki była już zaawansowana. Oznacza to, że mimo ogromnego postępu technologicznego wzrost produktywności w kolejnych dekadach nie przyspieszył tak, jak można było oczekiwać.

Jako jedno z możliwych wyjaśnień wskazano rosnący interwencjonizm i socjalizm w gospodarce oraz inne czynniki strukturalne. Najważniejszy jest jednak wniosek, że nawet bardzo użyteczna technologia nie musi zwiększać produktywności na tyle, by ekonomicznie uzasadnić wszystkie inwestycje.

W przypadku AI istnieje ryzyko, że kapitał został zaangażowany w oczekiwaniu na ogromny skok produktywności, który może nie pojawić się w odpowiednim czasie albo nie przynieść inwestorom wystarczającej części korzyści ekonomicznych. To właśnie rozbieżność między skalą zobowiązań a tempem powstawania zysków stanowi zasadnicze źródło zagrożenia.

8. Dlaczego finansowanie AI różni się od tradycyjnego boomu kredytowego

W typowej bańce - na przykład na rynku nieruchomości - mechanizm finansowania łatwo rozpoznać. Klient zaciąga kredyt hipoteczny, bank udziela finansowania, a rosnący popyt podbija ceny domów. Wzrost wartości nieruchomości poprawia zabezpieczenie kredytów innych właścicieli, którzy dzięki temu mogą zaciągać kolejne zobowiązania. W ten sposób powstaje sprzężenie zwrotne między kredytem, cenami aktywów i dalszym wzrostem zadłużenia.

W przypadku AI źródło kredytu nie jest tak oczywiste. Nie obserwuje się wyłącznie tradycyjnego modelu, w którym banki bezpośrednio udzielają przedsiębiorstwom technologicznym wielkich kredytów na budowę infrastruktury. Znaczna część finansowania przepływa przez rynek prywatnego kredytu (private credit), fundusze private equity oraz skomplikowane struktury finansowe.

Aby zrozumieć ten mechanizm, należy cofnąć się do kryzysu finansowego z 2008 roku. Po załamaniu rynku Rezerwa Federalna obniżyła stopy procentowe do poziomów bliskich zeru. Miało to poważne konsekwencje dla firm ubezpieczeniowych, zwłaszcza tych oferujących polisy o charakterze długoterminowym, takie jak ubezpieczenia typu whole life (na całe życie).

Umowy tego rodzaju mogą rodzić zobowiązania wobec klientów rozłożone na 20, 30, a nawet 50 lat. Ubezpieczyciele muszą więc lokować aktywa tak, by przez długi czas uzyskiwać dochody i mieć z czego realizować przyszłe wypłaty. Naturalnym wyborem są długoterminowe obligacje skarbowe, ponieważ pozwalają dopasować terminy zapadalności aktywów do terminów wypłat z tytułu zobowiązań ubezpieczeniowych.

Gdy jednak rentowności bezpiecznych obligacji gwałtownie spadły, tradycyjny model inwestowania przestał zapewniać atrakcyjne stopy zwrotu. Ubezpieczyciele zaczęli więc szukać wyższej stopy zwrotu, by spełnić założenia swoich modeli finansowych i sprostać zobowiązaniom wobec klientów.

W ten sposób większego znaczenia nabrały produkty oferowane przez fundusze private equity oraz podmioty działające na rynku prywatnego kredytu. Tworzyły one złożone instrumenty finansowe, które obiecywały wyższe rentowności niż tradycyjne obligacje. Wyższy dochód wiązał się jednak z większym ryzykiem kredytowym, mniej przejrzystymi zabezpieczeniami i trudniejszą oceną rzeczywistej jakości aktywów.

9. Przejęcia ubezpieczycieli przez fundusze private equity

Kolejny etap tego procesu polegał na tym, że duże firmy private equity zaczęły przejmować ubezpieczycieli. Zamiast jedynie sprzedawać im produkty finansowe, mogły uzyskać bezpośredni wpływ na sposób inwestowania zarządzanym przez nie kapitałem.

Jest to szczególnie istotne ze względu na wielkość rynku. Aktywa sektora ubezpieczeń na życie w Stanach Zjednoczonych są szacowane na około 11 bilionów dolarów. Znaczna część tych środków tradycyjnie była lokowana w stosunkowo zachowawcze aktywa o przewidywalnych dochodach.

Z punktu widzenia funduszy private equity kontrola nad takim kapitałem stwarza ogromne możliwości. Przejęcie ubezpieczyciela daje dostęp do dużej puli środków, które muszą być inwestowane przez długi czas. Fundusz może wówczas kierować część tych pieniędzy do instrumentów powiązanych z własnymi strategiami inwestycyjnymi.

Może powstać układ, w którym jeden fundusz kontroluje zarówno firmę ubezpieczeniową, jak i inwestycje, w które trafiają jej pieniądze. Fundusz może więc decydować, że środki ubezpieczyciela zostaną przeznaczone na finansowanie budowy centrów danych i rozwój infrastruktury sztucznej inteligencji. Dla funduszu jest to korzystne, ponieważ może zarabiać zarówno na kontrolowaniu ubezpieczyciela, jak i na inwestycjach, które finansuje. Problem polega jednak na tym, że interesy funduszu nie zawsze są zgodne z interesami klientów ubezpieczyciela. Fundusz może dążyć do jak największego zysku, podczas gdy ubezpieczyciel powinien przede wszystkim dbać o bezpieczeństwo powierzonych mu pieniędzy i możliwość terminowej wypłaty odszkodowań oraz innych świadczeń.

Jeśli inwestycje w infrastrukturę AI okażą się zbyt ryzykowne lub nie przyniosą oczekiwanych zysków, ubezpieczyciel może mieć trudności z odzyskaniem pieniędzy. W efekcie pojawia się pytanie, czy takie decyzje służą przede wszystkim bezpieczeństwu klientów, czy raczej interesom finansowym właściciela funduszu.

10. Dlaczego wyższa rentowność może ukrywać większe ryzyko

Produkty finansowe powiązane z infrastrukturą AI mogą oferować nominalne stopy zwrotu na poziomie 8%, 9%, a nawet 12%, podczas gdy alternatywne obligacje skarbowe przynoszą obecnie niższy dochód. Na pierwszy rzut oka wybór instrumentu zapewniającego wyższy dochód wydaje się racjonalny. Ubezpieczyciel może uznać, że dzięki temu osiągnie lepsze wyniki inwestycyjne i zwiększy zdolność do realizacji zobowiązań. Wyższa rentowność nie jest jednak darmowa. Stanowi wynagrodzenie za ponoszenie dodatkowego ryzyka.

Problem polega na tym, że skomplikowane produkty kredytowe mogą sprawiać wrażenie bezpiecznych inwestycji, choć w rzeczywistości trudno ocenić, jakie ryzyko się z nimi wiąże. Scott Bessent, amerykański sekretarz skarbu, miał zwrócić uwagę na napływ kapitału, którego dostawcy nie przywiązują dużej wagi do wysokości możliwego zysku. Oznacza to, że inwestorzy są gotowi pożyczać pieniądze na rozwój sztucznej inteligencji nawet wtedy, gdy oprocentowanie nie jest dla nich szczególnie atrakcyjne. Wynika to z przekonania, że AI znacząco zwiększy produktywność firm, pozwoli im więcej zarabiać, a tym samym zapewni im środki na spłatę zaciągniętych długów. Ale jeśli rozwój AI nie przyniesie oczekiwanych zysków, firmy mogą mieć trudności ze spłatą zobowiązań, a inwestorzy mogą stracić część zainwestowanych pieniędzy.

Niezależnie od deklarowanych oczekiwań inwestorów, istotną rolę może odgrywać wpływ funduszy private equity na kontrolowane przez nie firmy ubezpieczeniowe. Ubezpieczyciele mogą sprzedawać obligacje skarbowe i kupować instrumenty powiązane z AI nie dlatego, że ich ryzyko jest obiektywnie mniejsze, lecz dlatego, że taka alokacja zapewnia wyższy dochód i jest zgodna ze strategią właściciela.

W konsekwencji kapitał, który mógłby finansować długoterminowe zobowiązania poprzez relatywnie przejrzyste aktywa skarbowe, zostaje przesunięty do mniej przejrzystych struktur kredytowych. Ryzyko nie znika, lecz zmienia formę i staje się trudniejsze do rozpoznania przez osoby, które ostatecznie ponoszą konsekwencje ewentualnych strat.

11. Dlaczego ubezpieczyciele kupują obligacje skarbowe i dlaczego mogą z nich rezygnować

Długoterminowe obligacje skarbowe są ważne dla ubezpieczycieli na życie, ponieważ pozwalają przewidzieć, ile pieniędzy otrzymają i kiedy, a następnie dopasować te wpływy do przyszłych wypłat dla klientów. Nawet jeśli inflacja obniża ich realną wartość, bezpieczeństwo i przewidywalność są często ważniejsze niż wysoki zysk. Jeśli jednak ubezpieczyciele wyprzedają obligacje, aby inwestować w instrumenty związane z AI, zamieniają przewidywalne dochody na bardziej ryzykowne inwestycje, których spłata zależy od przyszłych zysków firm. Powstaje więc sprzeczność. Instytucje, które powinny ostrożnie zarządzać pieniędzmi klientów, mogą podejmować większe ryzyko, licząc na szybki rozwój sztucznej inteligencji.

12. Dlaczego ubezpieczeni mogą nie zauważyć ryzyka

Przeciętny klient firmy ubezpieczeniowej nie analizuje szczegółowo aktywów, w które inwestuje ubezpieczyciel. Dokumenty dotyczące portfeli inwestycyjnych bywają bardzo obszerne i skomplikowane. Ich interpretacja wymaga znajomości rachunkowości, struktury instrumentów kredytowych, zabezpieczeń oraz zasad zarządzania ryzykiem.

Dla większości klientów naturalnym założeniem jest to, że firma ubezpieczeniowa działa zgodnie z przepisami, a ewentualne problemy zostaną rozwiązane przez odpowiednie instytucje nadzorcze i mechanizmy ochronne.

W Stanach Zjednoczonych funkcjonują stanowe systemy gwarantowania świadczeń ubezpieczeniowych, które w określonych granicach chronią posiadaczy polis w przypadku niewypłacalności ubezpieczyciela. Orientacyjne limity to kwoty rzędu 300–500 tys. dolarów, zależne od stanu i rodzaju świadczenia.

Mechanizm ten ogranicza motywację klientów do samodzielnego sprawdzania, w co inwestuje ich ubezpieczyciel. Sytuacja przypomina relację pomiędzy deponentami a bankami. Większość osób nie analizuje aktywów banku. Zakłada, że środki są odpowiednio chronione przez system gwarantowania depozytów (FDIC - Federal Deposit Insurance Corporation).

Taka ochrona może jednak prowadzić do problemu pokusy nadużycia. Jeżeli instytucja finansowa spodziewa się, że część konsekwencji jej ryzykownych decyzji zostanie ostatecznie przeniesiona na system gwarancyjny lub państwo, jej motywacja do zachowawczego zarządzania ryzykiem może osłabnąć.

Podobny mechanizm występował w bankowości przed kryzysem finansowym. Bardziej ryzykowne kredyty mogły zapewniać wyższe dochody, poprawiać krótkoterminowe wyniki i zwiększać premie zarządzających. Koszty pojawiały się dopiero później, gdy kredytobiorcy przestawali spłacać zobowiązania, a wartość zabezpieczeń spadała.

W przypadku sektora ubezpieczeniowego problem może przyjąć podobną formę. Zarządzający otrzymują korzyści z wyższych rentowności, podczas gdy część ostatecznych strat może zostać rozłożona na klientów, systemy gwarancyjne i ogół społeczeństwa. Różnica polega na tym, że tym razem ryzyko może koncentrować się w bilansach ubezpieczycieli, a nie przede wszystkim w bankach.

13. Podobieństwo do kryzysu AIG z 2008 roku

Kryzys ubezpieczyciela AIG (American International Group) podczas kryzysu finansowego z 2008 roku stanowi ważną analogię. Pokazuje co ma miejsce gdy ryzyko finansowe zostaje błędnie ocenione. AIG gwarantował ochronę przed stratami związanymi z różnymi instrumentami finansowymi, które uważano za bezpieczne. Gdy rynek nieruchomości w USA załamał się, wiele kredytów hipotecznych przestało być spłacanych, a zobowiązania AIG stały się tak duże, że firmie groziło bankructwo.

Analogiczny mechanizm może występować w strukturach finansujących AI. Złożone produkty kredytowe mogą być konstruowane i sekurytyzowane (przekształcane w zbywalne papiery wartościowe) w taki sposób, aby otrzymywały wysokie oceny wiarygodności kredytowej, nawet jeśli ich podstawowe aktywa są narażone na istotne ryzyko gospodarcze.

Dodatkowym problemem jest korzystanie z niewielkich, mało znanych agencji ratingowych, które mogą być bardziej podatne na wpływy podmiotów zlecających ocenę. Jeżeli strukturyzowane instrumenty uzyskują wysokie ratingi, inwestorzy mogą traktować je jako bezpieczniejsze, niż wynikałoby to z rzeczywistej jakości zabezpieczeń i zdolności dłużników do spłaty zobowiązań.

W takim układzie rating nie musi być wiarygodnym odzwierciedleniem ryzyka ekonomicznego. Może raczej stać się elementem konstrukcji finansowej, który ułatwia sprzedaż instrumentu inwestorom oczekującym bezpieczeństwa.

Podobieństwo do AIG polega więc nie tylko na tym, że instytucja ubezpieczeniowa może ponieść straty. Chodzi również o możliwość ukrywania ryzyka w skomplikowanych produktach, które początkowo wydają się bezpieczne i są akceptowane przez system finansowy jako wiarygodne aktywa.

14. Dlaczego przyszła interwencja Rezerwy Federalnej może być trudniejsza

W przypadku kryzysu z 2008 roku Rezerwa Federalna mogła skoncentrować interwencję na systemie bankowym. Banki posiadały duże ilości aktywów powiązanych z rynkiem nieruchomości, a ich problemy zagrażały finansowaniu gospodarki. Jednocześnie miliony gospodarstw domowych miały trudności ze spłatą kredytów hipotecznych i ryzykowały utratę domów.

Bank centralny mógł dostarczyć bankom ogromne ilości płynności, a państwo i inne instytucje mogły wdrażać programy stabilizacyjne. Zastrzyk pieniądza pozwalał utrzymać funkcjonowanie systemu finansowego, a dłużnicy mogli przeznaczać uzyskane środki na spłatę kredytów i utrzymanie mieszkań.

W przypadku kryzysu długu AI sytuacja może być odmienna. Jeżeli załamanie dotyczyłoby instrumentów finansujących centra danych, trudno byłoby uzasadnić bezpośredni wykup tych aktywów przez bank centralny. Samo dostarczenie pieniędzy właścicielom lub wierzycielom nie sprawiłoby automatycznie, że infrastruktura AI zaczęłaby generować większe przychody.

W przypadku kredytów hipotecznych istnieje stosunkowo łatwy do zrozumienia związek pomiędzy płynnością a spłatą zadłużenia. Gospodarstwo domowe potrzebuje pieniędzy, aby spłacić kredyt i zachować dom. Jeżeli otrzyma środki, może przeznaczyć je na uregulowanie zobowiązań.

W przypadku centrów danych problem jest inny. Jeżeli projekt nie jest rentowny, dodatkowa płynność nie rozwiązuje problemu braku wystarczającego popytu, nadmiernej podaży infrastruktury ani zbyt niskich cen usług. Nie ma gwarancji, że po uruchomieniu programu pomocowego przedsiębiorstwa będą w stanie odzyskać zdolność do obsługi długu.

Dlatego zobowiązania związane z infrastrukturą AI mogą okazać się znacznie trudniejsze do uratowania niż część kredytów hipotecznych z poprzedniego kryzysu. Nawet jeśli bank centralny dostarczyłby środki finansowe, nie oznaczałoby to automatycznie, że ekonomiczna wartość finansowanych aktywów odpowiada nominalnej wartości długu.

15. Początek kryzysu może być niezauważalny

Poważne kryzysy finansowe często nie rozpoczynają się od upadku największych instytucji. Pierwsze sygnały mogą pojawić się w niewielkich bankach lub innych podmiotach, których problemy początkowo wydają się odosobnione.

W trakcie kryzysu finansowego z 2008 roku początkowe trudności niektórych instytucji bywały przedstawiane jako odizolowane zdarzenia, które nie powinny rozprzestrzenić się na cały system. Z czasem okazało się jednak, że ryzyko było znacznie szerzej rozpowszechnione.

Podobny scenariusz może wystąpić w sektorze ubezpieczeniowym. Początkowo upaść może jedna lub dwie niewielkie firmy, których problemy nie przyciągną dużej uwagi. Wcześniej pojawiły się już pojedyncze przypadki problemów ubezpieczycieli, ale były one na tyle małe, że nie wywołały powszechnego niepokoju.

Sytuacja może się zmienić, jeśli liczba takich przypadków zacznie rosnąć. Klienci mogą wówczas zacząć zastanawiać się, czy ich własne polisy są bezpieczne i czy ich ubezpieczyciel nie ma podobnych problemów. Nawet jeśli formalnie obowiązuje system gwarantowania świadczeń, niepewność może wywołać zachowania obronne. Posiadacze polis mogą próbować ograniczyć ekspozycję na ryzyko, szczególnie gdy wartość ich świadczeń przekracza limity gwarancyjne.

Wycofanie pieniędzy z ubezpieczenia jest zwykle trudniejsze niż wypłata środków z rachunku bankowego. Umowy ubezpieczeniowe mogą wiązać się z opłatami za wcześniejsze rozwiązanie, konsekwencjami podatkowymi i innymi ograniczeniami. Po około dziesięciu latach kary za wcześniejsze wycofanie środków często jednak zanikają lub istotnie się zmniejszają, a część polis staje się bardziej płynna.

W takiej sytuacji klient może uznać, że lepiej zapłacić podatek od zysku lub ponieść koszt przedwczesnego wycofania środków, niż ryzykować utratę większej części kapitału w razie niewypłacalności ubezpieczyciela. Powstaje wówczas mechanizm podobny do paniki bankowej, choć niekoniecznie identyczny. Nawet klienci ostrożnie zarządzających ryzykiem ubezpieczycieli mogą próbować wycofać środki, bo nie potrafią szybko i wiarygodnie odróżnić instytucji bezpiecznych od zagrożonych.

W rezultacie straty mogą rozprzestrzeniać się w sposób rozproszony na dużą część gospodarki, a nie ograniczać się do pojedynczych firm technologicznych czy kilku funduszy inwestycyjnych.

16. Ryzyko związane z reasekuracją i podmiotami offshore

Ocena rzeczywistego bezpieczeństwa ubezpieczycieli jest dodatkowo utrudniona przez struktury reasekuracyjne. Reasekuracja polega na tym, że ubezpieczyciel przenosi część ryzyka na inny podmiot, który zobowiązuje się pokrywać określone straty zgodnie z warunkami umowy.

Niektóre firmy ubezpieczeniowe korzystają z własnych podmiotów reasekuracyjnych zarejestrowanych za granicą, między innymi na Bahamach. W takich strukturach aktywa mogą zostać przeniesione poza krajową spółkę ubezpieczeniową, a gwarancje wypłaty świadczeń mogą zależeć od podmiotów offshore.

W praktyce oznacza to, że osoba próbująca zrozumieć sytuację finansową ubezpieczyciela może napotkać kolejne poziomy organizacyjne. W pierwszej kolejności analizuje krajową firmę ubezpieczeniową, następnie dowiaduje się, że część aktywów została przeniesiona do podmiotu reasekuracyjnego, a później musi ustalić, jakie aktywa posiada ten podmiot i jakie zobowiązania rzeczywiście zabezpiecza.

Przejrzystość takich struktur może być ograniczona, a dostęp do informacji utrudniony. W konsekwencji zewnętrzny obserwator nie musi być w stanie dokładnie określić, jakie ryzyko pozostaje w bilansie krajowego ubezpieczyciela, a jakie zostało przeniesione do zagranicznej jednostki.

Nie oznacza to, że każda struktura offshore jest niewypłacalna ani że każda umowa reasekuracyjna jest niewiarygodna. Zasadniczy problem polega na tym, że rozbudowane struktury prawne i finansowe utrudniają ocenę, czy deklarowana ochrona rzeczywiście odpowiada ryzyku ekonomicznemu. Stanowe systemy gwarancyjne prawdopodobnie będą starały się chronić ubezpieczonych w granicach objętych gwarancją. Nie ma jednak równie dużej pewności co do kwot przekraczających te limity. Na straty mogą więc być szczególnie narażeni posiadacze większych polis lub osoby o większej ekspozycji kapitałowej.

17. Dlaczego odpowiedzialność prawna zarządzających może być ograniczona

Pojawia się pytanie, dlaczego instytucje finansowe mogą podejmować tak duże ryzyko i dlaczego osoby odpowiedzialne za błędne decyzje nie zawsze ponoszą konsekwencje prawne. Wyjaśnieniem jest zjawisko przechwycenia regulacyjnego, czyli sytuacji, w której regulacje i działania instytucji nadzorczych zaczynają w praktyce odpowiadać interesom podmiotów, które powinny być przez nie kontrolowane.

W tym ujęciu problem nie polega wyłącznie na tym, że przedsiębiorstwa obchodzą obowiązujące przepisy. Może również polegać na tym, że same przepisy zostają ukształtowane w sposób umożliwiający podejmowanie ryzykownych działań bez ponoszenia pełnych konsekwencji ekonomicznych.

Na przykład regulacja amerykańskiej Komisji Papierów Wartościowych i Giełd (SEC - Securities and Exchange Commission), dotyczącą sekurytyzacji i obowiązku zatrzymywania przez emitenta części ryzyka kredytowego. Po kryzysie z 2008 roku wprowadzano zasady mające skłaniać podmioty tworzące instrumenty kredytowe do zachowania części ekspozycji na potencjalne straty. Zasada ta bywa opisywana jako wymóg, aby twórca produktu sam ponosił część konsekwencji, jeśli produkt okaże się wadliwy.

Sposób konstruowania niektórych obecnych instrumentów związanych z AI pozwala jednak uniknąć takiego obowiązku. Oznacza to, że podmiot tworzący i sprzedający instrument może nie być zobowiązany do zatrzymania istotnej części ryzyka kredytowego. W rezultacie może uzyskać opłaty i inne korzyści z emisji, podczas gdy ryzyko zostaje przeniesione na nabywców.

Jeśli instrumenty okażą się niewypłacalne, naturalną reakcją może być żądanie ukarania osób odpowiedzialnych. Jednak jeżeli transakcje przeprowadzono zgodnie z obowiązującymi przepisami, wykazanie przestępstwa może być trudne.

W takim przypadku odpowiedzialność nie ogranicza się do decyzji pojedynczych zarządzających. Znaczenie ma również proces polityczny i regulacyjny, w którym branża finansowa wpływa na ustawodawców i organy nadzorcze, zabiegając o zasady korzystne dla własnego modelu działalności.

W efekcie ryzykowne praktyki mogą być legalne, nawet jeśli ich konsekwencje dla klientów i całego systemu finansowego okażą się poważne. To z kolei wzmacnia pokusę do nadużyć. Korzyści z ryzykownych działań pozostają skoncentrowane w sektorze prywatnym, podczas gdy część kosztów kryzysu może zostać przeniesiona na społeczeństwo.

18. Argument bezpieczeństwa narodowego i rywalizacja ze Chinami

Finansowanie infrastruktury AI ma również wymiar geopolityczny. W dyskusjach dotyczących bezpieczeństwa narodowego pojawia się argument, że Stany Zjednoczone muszą rozwijać sztuczną inteligencję szybciej niż Chiny, albowiem państwo, które jako pierwsze uzyska przewagę w tej dziedzinie, może zdobyć istotną przewagę strategiczną.

W takim ujęciu sposób finansowania infrastruktury staje się kwestią drugorzędną. Jeżeli AI ma decydować o wyniku rywalizacji mocarstw, należy budować centra danych i rozwijać modele niezależnie od kosztów oraz poziomu zadłużenia. Potencjalne straty finansowe są wówczas przedstawiane jako cena, którą trzeba zapłacić za bezpieczeństwo narodowe.

Można jednak zakwestionować założenie, że wszystkie zastosowania wojskowe AI wymagają infrastruktury o skali charakterystycznej dla największych komercyjnych centrów danych. W przypadku niektórych zadań, takich jak wyznaczanie celów dla dronów czy rakiet, można tworzyć wyspecjalizowane modele, które wykonują konkretne zadania bez potrzeby korzystania z ogromnej ilości sprzętu obliczeniowego.

W takich zastosowaniach kluczowe może być posiadanie odpowiedniego modelu i zdolności do jego precyzyjnego wykorzystania, a niekoniecznie budowanie maksymalnie rozbudowanej infrastruktury obliczeniowej. Argument bezpieczeństwa narodowego może być jednak znacznie szerszy. Rywalizacja nie musi ograniczać się do zastosowań militarnych. Może dotyczyć również zdolności do przewidywania i modelowania zachowań społeczeństwa, od codziennych zakupów po korzystanie z urządzeń domowych i podejmowanie zwykłych decyzji konsumenckich.

Jeżeli AI miałaby umożliwiać coraz dokładniejsze przewidywanie zachowań obywateli, państwo dysponujące takimi narzędziami mogłoby uzyskać nowe możliwości wpływania na społeczeństwo, analizowania jego potrzeb lub zakłócania jego funkcjonowania.

W takim rozumowaniu ogromna infrastruktura obliczeniowa staje się niezbędna nie tylko do prowadzenia działań wojskowych, ale również do kompleksowego modelowania życia społecznego i gospodarczego.

Pojawia się jednak zasadnicza sprzeczność. Aby pokonać Chiny, Stany Zjednoczone miałyby rozwijać system masowego gromadzenia danych i przewidywania zachowań, przypominający niektóre mechanizmy charakterystyczne dla chińskiego modelu państwa. W ten sposób obrona wolnego społeczeństwa mogłaby prowadzić do przyjmowania metod, które ograniczają jego autonomię.

19. Historyczne porównanie z II wojną światową i socjalizmem państwowym

Dla zilustrowania tego paradoksu przywołano II wojnę światową. Nazizm opierał się między innymi na nacjonalistycznej organizacji gospodarki i rozbudowanej kontroli państwa nad życiem ekonomicznym, choć nie należy utożsamiać wszystkich elementów tego systemu z socjalizmem w sensie klasycznym.

W przedstawionej interpretacji po zwycięstwie nad nazistowskimi Niemcami państwa zachodnie rozbudowały własne systemy interwencji gospodarczej, świadczeń społecznych i kontroli ekonomicznej. Oznacza to, że zwycięstwo militarne nie doprowadziło do odrzucenia wszystkich rozwiązań kojarzonych z przeciwnikiem. Niektóre podobne mechanizmy organizacji gospodarki zostały przyjęte w zmienionej formie i w odmiennym porządku politycznym.

Analogia służy wskazaniu szerszego zjawiska. Państwo może przyjmować cechy systemu, z którym konkuruje, uzasadniając to koniecznością zwycięstwa lub zapewnienia bezpieczeństwa. Współczesny argument dotyczący sztucznej inteligencji ma podobną strukturę. Uzasadnia się masowe inwestycje potrzebą pokonania Chin, a następnie przedstawia się centralizację danych, szeroki nadzór i przewidywanie zachowań społeczeństwa jako elementy konieczne do osiągnięcia przewagi.

Problem nie polega wyłącznie na ekonomicznej opłacalności takich inwestycji. Dotyczy również tego, czy rywalizacja geopolityczna nie prowadzi do zmian w organizacji gospodarki i społeczeństwa, które podważają wartości, w imię których jest prowadzona.

Argument bezpieczeństwa narodowego może więc służyć uzasadnianiu wydatków, których rentowność byłaby trudna do obrony w zwykłej analizie ekonomicznej. W sytuacji przedstawianej jako wojna technologiczna koszty, efektywność finansowania i ryzyko nadmiernego zadłużenia mogą zostać uznane za kwestie drugorzędne.

20. Złoto jako potencjalne zabezpieczenie przed kryzysem i ekspansją monetarną

Jednym z potencjalnych beneficjentów kryzysu zadłużenia AI może być złoto. Jeżeli pęknięcie bańki doprowadzi do kolejnej interwencji Rezerwy Federalnej i zwiększenia podaży pieniądza, metal szlachetny może zyskać na wartości jako aktywo, którego podaż nie zależy bezpośrednio od decyzji banku centralnego.

Nie oznacza to jednak, że cena złota musi rosnąć bezpośrednio po rozpoczęciu kryzysu. Istotne jest rozróżnienie pomiędzy długoterminowymi czynnikami fundamentalnymi a krótkoterminową płynnością na rynkach finansowych.

W 2008 roku złoto osłabło przed kryzysem, a w jego trakcie doświadczyło silnej przeceny. Dopiero później, kiedy banki centralne zaczęły intensywnie wspierać system finansowy i zwiększać podaż pieniądza, złoto odzyskało siłę i stosunkowo szybko zaczęło odrabiać straty.

Podobną dynamikę można było obserwować w 2020 roku podczas początkowej paniki związanej z pandemią COVID-19. W pierwszej fazie złoto również spadało, ale okres osłabienia trwał znacznie krócej, około trzynastu dni, po czym działania banków centralnych przyczyniły się do silnego odbicia ceny.

Z tych przykładów wynika, że w okresie paniki inwestorzy mogą sprzedawać nawet aktywa postrzegane jako zabezpieczenie, ponieważ potrzebują płynności, muszą pokrywać zobowiązania lub ograniczają ekspozycję na ryzyko. Krótkoterminowa przecena nie musi więc oznaczać, że długoterminowe argumenty za posiadaniem złota straciły znaczenie.

Nie ma pewności, czy w kolejnym kryzysie cena złota najpierw spadnie, a następnie gwałtownie wzrośnie, czy też od początku będzie rosła. Dotychczasowe epizody wskazują na możliwość obu scenariuszy, ale nie dają podstaw do precyzyjnego przewidywania krótkoterminowego przebiegu notowań.

Znaczenie ma także struktura rynku. Jeżeli inwestorzy są mocno zadłużeni i finansują zakupy złota za pomocą dźwigni, gwałtowne pogorszenie płynności może zmusić ich do sprzedaży. W takim przypadku nawet złoto może być czasowo narażone na presję. Nie uznano jednak za szczególnie prawdopodobne, aby taki mechanizm doprowadził do trwałego załamania jego wartości.

21. Dlaczego krótkoterminowe prognozowanie ceny złota jest trudne

Cena złota zależy nie tylko od inflacji i sytuacji fiskalnej Stanów Zjednoczonych, ale również od dostępności płynności w globalnym systemie finansowym. W długim okresie pogarszająca się wiarygodność dolara i rosnące zadłużenie państwa mogą wspierać złoto. W krótkim okresie natomiast niedobór płynności może wywoływać sprzedaż aktywów, niezależnie od ich długoterminowej atrakcyjności.

Znaczenie ma również to, że złoto miało za sobą bardzo silny wzrost w poprzednich latach. Na rynek mogły napłynąć osoby kierujące się głównie trendem cenowym, a nie długoterminową analizą fundamentów. W okresie korekty część takich uczestników może zostać zmuszona do sprzedaży lub zdecydować się na realizację zysków.

Dodatkowo krótkoterminowe zmiany mogą zależeć od przepływów kapitału pomiędzy krajami. W rozmowie wskazano przykład sprzedających z Bliskiego Wschodu, którzy mieli być zmuszeni do sprzedaży złota w związku z sytuacją na rynku ropy naftowej.

Precyzyjne przewidywanie takich ruchów wymagałoby dostępu do szczegółowych danych o zleceniach, przepływach kapitału i zachowaniu uczestników rynku. Współczesne rynki finansowe są ponadto obsługiwane przez zaawansowane algorytmy i modele matematyczne, co sprawia, że krótkoterminowe spekulowanie staje się szczególnie trudne.

Rozsądniejsze może być zatem rozpatrywanie złota w długim horyzoncie. Jeżeli zadłużenie publiczne rośnie, stabilność waluty budzi coraz większe wątpliwości, a bank centralny może być zmuszony do kolejnego zwiększenia podaży pieniądza, długoterminowe argumenty za posiadaniem złota pozostają aktualne.

W tej perspektywie złoto jest traktowane przede wszystkim jako forma ochrony przed ryzykiem systemowym i utratą siły nabywczej pieniądza, a nie jako instrument do osiągania szybkich zysków na krótkoterminowych wahaniach cen.

22. Status dolara jako waluty rezerwowej i globalne rozłożenie kosztów inflacji

Znaczenie złota jest powiązane z pozycją dolara amerykańskiego jako głównej waluty rezerwowej świata. Status ten zapewnia Stanom Zjednoczonym wyjątkowe korzyści finansowe i geopolityczne.

Dolar jest wykorzystywany w międzynarodowym handlu, finansowaniu i przechowywaniu rezerw, więc duża część wyemitowanego pieniądza trafia poza granice Stanów Zjednoczonych. W ten sposób skutki zwiększania podaży dolara mogą być rozłożone na wiele gospodarek, zamiast w całości ujawniać się w amerykańskich cenach krajowych.

Zjawisko to można powiązać z senioratem, czyli korzyścią wynikającą z możliwości emitowania pieniądza, który jest powszechnie akceptowany jako środek płatniczy i aktywo rezerwowe. Stany Zjednoczone mogą finansować część swojej działalności gospodarczej i wydatków publicznych dzięki globalnemu popytowi na dolara.

W przedstawionej interpretacji jest to forma pośredniego, globalnego obciążenia inflacyjnego. Jeżeli dolar jest utrzymywany przez banki, przedsiębiorstwa, instytucje i gospodarstwa domowe na całym świecie, zwiększenie jego podaży nie musi w takim samym stopniu przekładać się na wzrost cen w samych Stanach Zjednoczonych. Część nowego pieniądza pozostaje poza amerykańskim systemem krajowym.

Dla porównania wskazano Argentynę. Gdy państwo to zwiększa podaż własnej waluty, jej skutki inflacyjne są w większym stopniu odczuwane wewnątrz kraju, ponieważ argentyńskie peso nie pełni analogicznej funkcji globalnej. Pieniądz nie ma tak szerokiego międzynarodowego obiegu, który mógłby absorbować część jego podaży.

Im większa część światowej gospodarki korzysta z dolara, tym szersza jest pula podmiotów utrzymujących amerykańską walutę. Dzięki temu Stany Zjednoczone mogą korzystać z międzynarodowego popytu na swoje zobowiązania i środki płatnicze.

23. System eurodolarowy i jego historyczne początki

Ważnym elementem globalnego obiegu dolara jest system eurodolarowy. W tym kontekście termin „eurodolar” nie oznacza wspólnej waluty europejskiej, lecz dolary zdeponowane poza Stanami Zjednoczonymi, w tym na rachunkach banków działających poza amerykańskim systemem bankowym.

Początki tego systemu wiążą się z latami pięćdziesiątymi XX wieku, kiedy Związek Radziecki dysponował dolarami, ale nie chciał przechowywać ich bezpośrednio w amerykańskich bankach. Zwrócił się więc do banków europejskich, które zgodziły się przyjmować dolary i następnie wykorzystywać je w działalności kredytowej.

W ten sposób dolary pozostające poza Stanami Zjednoczonymi zaczęły funkcjonować w szerszym systemie bankowym. Z czasem mechanizm ten rozwinął się w rozbudowaną sieć międzynarodowego finansowania, w której dolar może być wykorzystywany do udzielania kredytów, rozliczania transakcji i przechowywania aktywów poza terytorium USA.

Powstał w ten sposób paradoks geopolityczny. Środki utrzymywane przez strategicznego przeciwnika Stanów Zjednoczonych przyczyniły się do rozwoju infrastruktury finansowej, która zwiększyła międzynarodowy zasięg dolara. W przedstawionej interpretacji system eurodolarowy stał się jednym z elementów wzmacniających globalną pozycję amerykańskiej waluty. Umożliwiał szersze rozprzestrzenianie się dolara i tworzył zagraniczny popyt na aktywa dolarowe.

24. Konsekwencje wypchnięcia Rosji z systemu dolarowego

Po inwazji Rosji na Ukrainę Stany Zjednoczone i ich sojusznicy wprowadzili sankcje, które ograniczyły Rosji dostęp do części międzynarodowego systemu finansowego opartego na dolarze. W rozmowie przedstawiono te działania jako decyzję, która mogła osłabić mechanizm wcześniej korzystny dla Stanów Zjednoczonych.

Jeżeli część państw ogranicza wykorzystanie dolara, zmniejsza się pula podmiotów, które utrzymują tę walutę lub są skłonne przechowywać w niej swoje aktywa. Nie oznacza to automatycznie upadku systemu dolarowego, ale może ograniczać skalę międzynarodowego popytu na amerykański pieniądz.

W takim przypadku większa część skutków ekspansji monetarnej może ujawniać się na rynku krajowym. Jeśli bank centralny zwiększa podaż pieniądza, a mniejsza część tej podaży jest utrzymywana poza granicami Stanów Zjednoczonych, presja na amerykańskie ceny może być większa niż w okresach, kiedy dolar miał szerszy zasięg międzynarodowy.

W tym kontekście pojawia się argument, że przyszłe programy ratunkowe Rezerwy Federalnej mogą mieć silniejszy wpływ na inflację w USA niż wcześniejsze interwencje. Zmieniły się bowiem warunki międzynarodowego obiegu dolara, a historyczne zależności nie muszą już działać w taki sam sposób.

Ograniczenie roli dolara w części międzynarodowych relacji finansowych może wspierać długoterminową pozycję złota, ponieważ zmniejsza przewagę wynikającą z globalnego popytu na amerykańską walutę.

25. Dlaczego Rezerwa Federalna może błędnie ocenić skutki kolejnej ekspansji pieniężnej

Jednym z głównych argumentów dotyczących przyszłości jest ryzyko, że bank centralny nieprawidłowo oszacuje wpływ kolejnego programu zwiększania podaży pieniądza.

Po kryzysie z 2008 roku Rezerwa Federalna w dużej mierze zwiększała rezerwy banków. Banki mogły następnie udzielać kredytów i wspierać wzrost wartości aktywów finansowych. Taki mechanizm sprzyjał rozwojowi cen aktywów i powstawaniu nowych baniek, ale nie oznaczał, że każda jednostka nowego pieniądza trafiała bezpośrednio do konsumentów.

Podczas pandemii COVID-19 zastosowano natomiast także bezpośrednie transfery pieniężne. Środki trafiały do gospodarstw domowych, w tym do pracowników, którzy nie mogli wykonywać pracy, oraz do przedsiębiorstw, które zostały zamknięte lub ograniczyły działalność.

Wcześniejsze przekonanie, że zwiększanie podaży pieniądza nie musi prowadzić do silnej inflacji konsumenckiej, okazało się w tych warunkach błędne. Władze monetarne i fiskalne początkowo podkreślały zagrożenie deflacją i ograniczoną presję inflacyjną, lecz później gospodarka doświadczyła silnego wzrostu cen.

Istotne jest rozróżnienie między różnymi kanałami ekspansji monetarnej. Pieniądz trafiający do rezerw bankowych i pieniądz przekazywany bezpośrednio gospodarstwom domowym mogą wywoływać odmienne skutki dla popytu, cen aktywów i cen konsumpcyjnych.

Modele ekonomiczne stosowane przez bank centralny nie zawsze uwzględniają wystarczająco dobrze zmiany zachodzące w rzeczywistym systemie finansowym. Modele mogą opierać się na historycznych zależnościach, które przestają być aktualne, gdy zmienia się struktura globalnego obiegu pieniądza.

Jeśli dojdzie do kryzysu zadłużenia AI, Rezerwa Federalna może ponownie zwiększyć podaż pieniądza. Władze mogą uznać, że skutki inflacyjne będą ograniczone, ponieważ opierają się na doświadczeniach wcześniejszych interwencji. Tymczasem mniejsza rola dolara w części zagranicznych przepływów finansowych może sprawić, że większa część nowego pieniądza pozostanie w gospodarce amerykańskiej.

W rezultacie wzrost podaży pieniądza może mieć silniejszy wpływ na ceny krajowe niż w poprzednich epizodach. Oznaczałoby to ryzyko ponownego zaskoczenia inflacyjnego, jeśli bank centralny nie uwzględni zmiany warunków globalnych.

26. Związek między kryzysem AI, interwencją banku centralnego i złotem

Wszystkie przedstawione wątki łączą się w jeden scenariusz makroekonomiczny. Najpierw niskie stopy procentowe i dostępność kapitału sprzyjają nadmiernym inwestycjom w infrastrukturę AI. Następnie finansowanie rozwija się poprzez coraz bardziej złożone instrumenty prywatnego kredytu, których część trafia do portfeli ubezpieczycieli na życie.

Jeżeli przychody i zyski z AI nie rosną wystarczająco szybko, część przedsiębiorstw może nie być w stanie spłacić zobowiązań. Spadek wartości infrastruktury prowadzi wówczas do strat kredytowych, które przenoszą się na fundusze inwestycyjne, ubezpieczycieli i inne instytucje finansowe.

Początkowo problemy mogą dotyczyć niewielkich podmiotów. W miarę rozprzestrzeniania się strat może jednak narastać nieufność wobec całego sektora. Ubezpieczeni zaczną obawiać się bezpieczeństwa swoich polis, a inwestorzy mogą wycofywać kapitał z ryzykownych aktywów.

Władze publiczne będą wówczas zmuszone rozważyć działania stabilizacyjne. Nawet jeśli Rezerwa Federalna nie zdecyduje się na bezpośredni wykup długu AI, może zostać zmuszona do dostarczania płynności innym częściom systemu finansowego, aby ograniczyć ryzyko zarażenia.

Jeżeli interwencja doprowadzi do znacznego zwiększenia podaży pieniądza, długoterminowa atrakcyjność złota może wzrosnąć. Jednocześnie krótkoterminowy niedobór płynności może spowodować przejściową przecenę metalu. W tej perspektywie złoto jest postrzegane jako aktywo, które może chronić przed długoterminową utratą wartości pieniądza, ale niekoniecznie przed każdą krótkoterminową falą wyprzedaży na rynkach.

27. Najważniejsze wnioski dotyczące ryzyka systemowego

Po pierwsze, nie należy utożsamiać wartości technologii z rentownością inwestycji w tę technologię. Sztuczna inteligencja może przynieść ogromne korzyści gospodarcze, ale inwestorzy finansujący jej rozwój mogą stracić kapitał, jeśli zapłacili zbyt dużo lub zaciągnęli zbyt duże zobowiązania.

Po drugie, zasadniczym zagrożeniem jest rozbieżność między skalą finansowania a tempem powstawania zysków. Przychody nie wystarczają do spłaty długu, jeśli nie przekładają się na odpowiednie przepływy pieniężne.

Po trzecie, ryzyko może być ukryte poza tradycyjnym systemem bankowym. Prywatny kredyt, produkty strukturyzowane, fundusze private equity i ubezpieczyciele tworzą sieć powiązań, które są trudniejsze do przeanalizowania niż klasyczny kredyt bankowy.

Po czwarte, przejmowanie ubezpieczycieli przez fundusze private equity może tworzyć konflikt interesów. Zarządzający mogą dążyć do uzyskiwania wyższych rentowności i pobierania opłat, podczas gdy ubezpieczyciele powinni przede wszystkim zabezpieczać długoterminowe zobowiązania wobec klientów.

Po piąte, wysokie ratingi kredytowe nie muszą oznaczać niskiego ryzyka ekonomicznego. Złożone struktury finansowe mogą utrudniać ocenę rzeczywistej jakości aktywów, a system ratingowy może być podatny na naciski i konflikty interesów.

Po szóste, gwarancje ubezpieczeniowe mogą ograniczać motywację klientów do sprawdzania kondycji finansowej swoich ubezpieczycieli. Ochrona ta nie musi jednak obejmować wszystkich kwot, a rozbudowane struktury reasekuracyjne mogą utrudniać ocenę faktycznego bezpieczeństwa aktywów.

Po siódme, kryzys może rozpocząć się w niewielkich instytucjach i dopiero później rozprzestrzenić na cały system. Początkowo odosobnione przypadki niewypłacalności nie muszą budzić niepokoju, ale wzrost ich liczby może wywołać panikę i masowe próby ograniczania ekspozycji na ryzyko.

Po ósme, przyszła interwencja Rezerwy Federalnej może być trudniejsza niż w 2008 roku. Problemy związane z infrastrukturą AI nie są identyczne z problemami kredytów hipotecznych, ponieważ dostarczenie płynności nie gwarantuje, że nierentowne centra danych zaczną generować środki wystarczające do obsługi zadłużenia.

Po dziewiąte, argument bezpieczeństwa narodowego może uzasadniać inwestycje, których ekonomiczna opłacalność jest niepewna. Rywalizacja ze Stanami Zjednoczonymi i Chinami może skłaniać do budowy infrastruktury niezależnie od kosztów, a zarazem prowadzić do przyjmowania rozwiązań zwiększających nadzór nad społeczeństwem.

Po dziesiąte, złoto może być beneficjentem długoterminowej utraty zaufania do pieniądza papierowego, zwłaszcza jeśli kryzys zadłużenia doprowadzi do kolejnej ekspansji monetarnej. Nie oznacza to jednak, że jego cena będzie rosła bez przerw, ponieważ w okresach paniki płynność może stać się ważniejsza niż długoterminowa ocena wartości aktywów.

Po jedenaste, międzynarodowa pozycja dolara ma znaczenie dla skutków amerykańskiej polityki pieniężnej. Jeżeli mniejsza część dolarów będzie utrzymywana poza Stanami Zjednoczonymi, większa część skutków ich emisji może ujawniać się w amerykańskiej gospodarce.

Po dwunaste, modele ekonomiczne banku centralnego mogą nie odzwierciedlać dostatecznie szybko zmian w globalnym systemie finansowym. Jeżeli Rezerwa Federalna ponownie zwiększy podaż pieniądza, nie uwzględniając zmniejszonej zdolności świata do absorbowania dolarów, presja inflacyjna może okazać się silniejsza, niż oczekują władze.

28. Technologiczny postęp, finansowa iluzja i ryzyko przeniesienia strat na społeczeństwo

Zasadniczy problem nie sprowadza się do pytania, czy sztuczna inteligencja jest bańką giełdową. Istotniejsze jest to, w jaki sposób finansowany jest jej rozwój, kto ponosi ryzyko kredytowe i czy przyszłe przepływy pieniężne wystarczą do spłaty zobowiązań.

Historia pokazuje, że kolejne przełomowe technologie mogą jednocześnie przynosić korzyści społeczeństwu i prowadzić do ogromnych strat inwestorów. Kanały, kolej, sieci telekomunikacyjne, internet i nieruchomości dostarczają przykładów sytuacji, w których nadmierna rozbudowa infrastruktury wyprzedzała rzeczywisty popyt.

Sztuczna inteligencja może powtórzyć ten schemat na większą skalę ze względu na ogromne potrzeby obliczeniowe i kosztowne centra danych. Problem staje się szczególnie poważny, gdy finansowanie infrastruktury opiera się na długu, a wierzyciele zakładają, że przyszłe zyski będą wystarczające do obsługi zobowiązań.

Ryzyko jest dodatkowo wzmacniane przez rolę sektora prywatnego kredytu i ubezpieczycieli na życie. W środowisku niskich stóp procentowych ubezpieczyciele poszukiwali wyższych rentowności, a fundusze private equity uzyskały możliwość kierowania dużymi pulami kapitału do mniej przejrzystych instrumentów finansowych. W konsekwencji część ryzyka związanego z rozwojem AI może znajdować się w bilansach instytucji, które powinny zapewniać długoterminowe bezpieczeństwo finansowe milionom klientów.

Jeżeli inwestycje okażą się nierentowne, straty nie muszą pozostać wśród pierwotnych inwestorów. Mogą rozprzestrzenić się na ubezpieczycieli, posiadaczy polis, fundusze inwestycyjne i inne elementy systemu kredytowego. Gwarancje i interwencje publiczne mogą ograniczyć część konsekwencji, ale nie eliminują ekonomicznych strat wynikających z nadmiernej budowy infrastruktury i zbyt dużego zadłużenia.

Największe niebezpieczeństwo polega na tym, że system finansowy może przez lata przedstawiać ryzykowne aktywa jako bezpieczne, ponieważ przynoszą atrakcyjne nominalne dochody, otrzymują wysokie ratingi i są wspierane przez optymistyczne prognozy dotyczące przyszłości technologii. Gdy prognozy przestaną odpowiadać rzeczywistości, może się okazać, że nominalna wartość zobowiązań znacznie przewyższa wartość aktywów, które miały je zabezpieczać.

W takim przypadku państwo i bank centralny mogą zostać postawione przed trudnym wyborem: dopuścić do szerokiego rozprzestrzenienia strat albo interweniować, zwiększając podaż pieniądza i próbując stabilizować system. Pierwsze rozwiązanie grozi kryzysem finansowym, drugie może prowadzić do osłabienia siły nabywczej waluty i wzrostu cen.

W długim okresie taki scenariusz może sprzyjać złotu jako aktywu niezależnemu od zobowiązań konkretnego przedsiębiorstwa czy wypłacalności określonego emitenta. Nie daje jednak gwarancji ochrony przed krótkoterminowymi spadkami wywołanymi niedoborem płynności.

Ostatecznie najważniejszym kryterium oceny boomu AI nie jest skala innowacji ani entuzjazm inwestorów, lecz relacja między poniesionymi kosztami, rzeczywistą produktywnością, zdolnością do generowania zysków i wielkością zadłużenia. Technologia może okazać się sukcesem cywilizacyjnym, a jednocześnie doprowadzić do porażki finansowej podmiotów, które finansowały jej rozwój. Jeśli zaś ryzyko zostało przeniesione do sektora ubezpieczeniowego i szerokiego rynku prywatnego kredytu, konsekwencje mogą wykraczać daleko poza branżę technologiczną i ostatecznie dotknąć całej gospodarki.

Właśnie dlatego ukryty dług związany ze sztuczną inteligencją należy rozpatrywać nie tylko jako problem wyceny spółek technologicznych, lecz jako potencjalne zagrożenie dla stabilności finansowej, bezpieczeństwa oszczędności, siły nabywczej pieniądza i przyszłego kształtu systemu gospodarczego.