Goldman Sachs kwestionuje rzeczywisty wpływ SI na wzrost gospodarczy

Podczas gdy giganci technologiczni tacy jak Meta, Amazon, Google i OpenAI zaangażowali kolosalne inwestycje w sztuczną inteligencję, osiągając dziesiątki miliardów dolarów w 2025 roku i planując niemal 700 miliardów dodatkowo w 2026 roku na nowe centra danych, nadzieje na masową transformację gospodarczą dzięki SI wydają się ostudzone. Goldman Sachs, kluczowy gracz w analizie finansowej, opublikował raport o dużej ostrożności, wskazując na ograniczony wpływ ekonomiczny pomimo gorączki inwestycyjnej. To zakwestionowanie rodzi wiele pytań: czy technologia sztucznej inteligencji rzeczywiście stymuluje wzrost gospodarczy? A może mamy do czynienia z iluzją wobec nieskutecznych obietnic produkcyjnych? Pomiędzy oczekiwaniem spektakularnych zysków na rynku finansowym a umiarkowaną rzeczywistością efektów ekonomicznych, analiza Goldman Sachs skłania do ponownego rozważenia pewników dotyczących rewolucji SI. Stan ten wpisuje się w kontekst, w którym masowe inwestycje w infrastrukturę sprzętową zdają się bardziej przynosić korzyści zagranicznym producentom półprzewodników badającym się na Tajwanie lub w Korei niż samej amerykańskiej gospodarce, co zaciera bezpośredni związek między wydatkami a wzrostem krajowym. Równocześnie wiele firm użytkowników wciąż ma trudności z zauważeniem konkretnych zysków z produktywności, mimo że makroekonomiczne wskaźniki pozostają niejasne co do rzeczywistego wpływu. Wreszcie, to zakwestionowanie ma także reperkusje polityczne i strategiczne, między apelami o umiarkowaną regulację a koniecznością spójnej strategii przemysłowej. Ten złożony i niuansowany obraz sztucznej inteligencji skłania do głębokiego zastanowienia się nad jej rzeczywistą rolą w obecnej i przyszłej dynamice gospodarczej.

Goldman Sachs i krytyczna analiza wpływu ekonomicznego sztucznej inteligencji

W obliczu rosnącej siły sztucznej inteligencji, Goldman Sachs przyjął analityczną postawę, dbającą o precyzyjne zbadanie konsekwencji dla wzrostu gospodarczego. Chociaż inwestycje w SI osiągnęły historyczne rekordy – zwłaszcza w sprzęt komputerowy i układy elektroniczne – instytut zauważa, że wydatki te nie przekładają się mechanicznie na istotny efekt w amerykańskim produkcie krajowym brutto (PKB). Jedną z głównych przyczyn tego rozbieżności jest sama natura zaangażowanych przepływów ekonomicznych. Znaczna część tych inwestycji trafia bowiem do producentów z Azji, szczególnie z Tajwanu i Korei Południowej, specjalizujących się w produkcji półprzewodników i zaawansowanych urządzeń. Ten import sprzętu ogranicza bezpośredni przepływ wartości dodanej na terytorium Stanów Zjednoczonych.

Joseph Briggs, analityk w Goldman Sachs, podkreśla między innymi, że ta intuicyjnie atrakcyjna interpretacja – iż SI byłaby motorem natychmiastowego wzrostu – może maskować bardziej złożone dynamiki. Dane ekonomiczne pokazują, że w rzeczywistości wpływy technologii na aktywność gospodarczą pozostają słabe, a czasem wręcz nieistniejące. Jan Hatzius, główny ekonomista Goldman Sachs, potwierdza to stanowisko, twierdząc, że inwestycje w SI miały „praktycznie żaden” wpływ na wzrost PKB.

Ta analiza zaprasza zatem do rygorystycznej reinterpretacji statystyk i podważenia zbyt optymistycznych prognoz często powielanych przez rynki finansowe. Entuzjazm wokół SI, symbolizowany rekordową kapitalizacją rynkową indeksu S&P 500, ocenianą na ponad 670 miliardów dolarów dla firm technologicznych związanych ze sztuczną inteligencją, musi zostać ostudzony chłodnym i wyważonym spojrzeniem. Bo technologia, jakkolwiek obiecująca, nie generuje automatycznie spontanicznego wzrostu ekonomicznego.

Masowe inwestycje w SI: obietnica trudna do przełożenia na rzeczywisty wzrost

Od 2025 roku największe firmy technologiczne na świecie intensyfikują projekty i wydatki, aby integrować sztuczną inteligencję w swoim modelu biznesowym. Dedykowana infrastruktura, jak centra danych, rozwija się w tempie bez precedensu, wsparcie dużą inwestycją niemal 700 miliardów dolarów w 2026 roku. Te ciężkie urządzenia są niezbędne do trenowania i obsługi zaawansowanych modeli SI, które stoją za dzisiejszymi innowacjami w rozpoznawaniu mowy, przetwarzaniu języka naturalnego, robotyce i innych dziedzinach.

Jednak pomimo tego poziomu inwestycji, efekty ekonomiczne wciąż się opóźniają. Zjawisko to tłumaczy się kilkoma powiązanymi czynnikami:

• Natura algorytmów: choć zaawansowane, istniejące modele SI często wymagają dostosowań i ciągłego uczenia się, co ogranicza ich natychmiastową skuteczność w procesach generujących produktywność.
• Koszty wdrożenia: firmy muszą reorganizować swoje operacje, szkolić pracowników i przemyśleć łańcuchy wartości, aby w pełni wykorzystać narzędzia SI, co jest procesem długim i kosztownym.
• Zależność technologiczna: duża część sprzętu jest importowana, co rozprasza korzyści ekonomiczne i uniemożliwia pełną integrację w lokalnej strukturze przemysłowej.
• Pomiar efektów: brak wiarygodnych i ustandaryzowanych wskaźników utrudnia precyzyjną ocenę wpływu SI na produktywność i wzrost.

Te blokady częściowo wyjaśniają, dlaczego sektor prywatny i instytucje nie obserwują jeszcze wymiernych efektów na miarę zachęt finansowych. Amerykański wzrost gospodarczy nie doświadczył zatem trwałej dynamiki wyłącznie z powodu tej technologii, wbrew spekulacjom na rynku finansowym.

Konkretnym przykładem jest Rezerwa Federalna St. Louis, która mimo początkowych optymistycznych badań przypisujących 39% wzrostu w trzecim kwartale 2025 roku SI, znacząco zrewidowała tę wartość wobec trudności analitycznych i sektorowych nierówności. Ta ostrożność zbiega się z podejściem Goldman Sachs i przypomina o trudności przekształcania innowacji technologicznych w potężny dźwignię wzrostu.

Tabela: porównanie inwestycji w SI i wpływu na wzrost gospodarczy

Rok	Inwestycje światowe (w mld $)	Szacowany wkład we wzrost gospodarczy (%)	Główni beneficjenci ekonomiczni
2024	650	1,5	Azjatyccy producenci półprzewodników
2025	900	2,2	Amerykańscy giganci technologiczni (inwestycje w sprzęt)
2026 (prognozy)	1 200	2,5	Przeważnie azjatyccy producenci

Ograniczenia w pomiarze wpływu ekonomicznego sztucznej inteligencji według Goldman Sachs

Jedną z głównych przeszkód wskazanych przez Goldman Sachs jest trudność skutecznego kwantyfikowania efektów ekonomicznych SI. Zmienność danych, połączona z brakiem standardowych metodologii, prowadzi do czasem sprzecznych wyników. Pod wpływem entuzjazmu firmy mają tendencję do zawyżania natychmiastowych efektów swoich inwestycji w SI, podczas gdy ekonomiści wolą zachować umiarkowanie w interpretacji liczb.

Ostatnio tę niepewność podkreśliła Mary Daly, prezes Federal Reserve Bank w San Francisco, która zwraca uwagę na konieczność ostrożnej obserwacji. Nawet jeśli technologia wywołuje duże oczekiwania, jej wpływ na produktywność jest trudny do zmierzenia. Ostrożność skłania decydentów do unikania pochopnych wniosków i dogłębnej analizy danych przed zmianą polityki ekonomicznej.

Potwierdza to badanie National Bureau of Economic Research (NBER) przeprowadzone wśród niemal 6 000 liderów firm z Ameryki Północnej, Europy i Australii. Ankieta ujawnia, że pomimo aktywnego wdrożenia sztucznej inteligencji przez 70% firm, około 80% z nich nie odnotowuje znaczących zmian ani w zatrudnieniu, ani w produktywności.

Ten paradoks wyraźnie ilustruje rzeczywiste trudności w kapitalizacji inwestycji w SI na krótką i średnią metę, potwierdzając sceptycyzm wyrażany przez Goldman Sachs. Aby ustanowić wiarygodny związek między innowacją technologiczną a wzrostem gospodarczym, prawdopodobnie trzeba będzie zweryfikować narzędzia pomiarowe i kryteria analizy.

Strategiczne i przemysłowe wyzwania stojące za inwestycjami w sztuczną inteligencję

Ponad prostą kwestią ekonomiczną, inwestycje w sztuczną inteligencję wpisują się w krytyczną dynamikę geopolityczną i przemysłową. Dla Stanów Zjednoczonych silna zależność od importowanego sprzętu osłabia narodową suwerenność technologiczną. To rodzi ważne pytania o zdolność do prowadzenia prawdziwej „regionalnej renesansu technologicznego”.

Ta sytuacja skłania politykę publiczną do promowania relokalizacji i wspierania krajowej produkcji kluczowych komponentów, zwłaszcza półprzewodników. Globalna rywalizacja w sektorze zaawansowanych technologii, szczególnie między Stanami Zjednoczonymi a Chinami, nakłada strategiczny imperatyw wykraczający poza czystą analizę ekonomiczną.

W tym kontekście Goldman Sachs podkreśla, że bez zwiększonej kontroli nad łańcuchem wartości technologicznej, wysokie wydatki na SI mogą tylko pogłębić przemysłową zależność, kosztem rzeczywistej dynamiki wzrostu na terytorium USA. Fragmentacja korzyści ekonomicznych według stref geograficznych utrudnia realizację spójnej strategii przemysłowej.

Ilustracyjnym przykładem jest rosnąca potęga tajwańskich producentów chipów, jak TSMC, dominujących na rynku dostaw kluczowych komponentów dla SI. Ich sukces ekonomiczny nie przekłada się bezpośrednio na amerykański wzrost, choć amerykańskie giganty technologiczne pozostają głównymi wykonawcami innowacji.

Sztuczna inteligencja a rzeczywista transformacja przedsiębiorstw: wyzwanie wdrożenia

Posiadanie najlepszej technologii sztucznej inteligencji nie gwarantuje natychmiastowego sukcesu ekonomicznego. Udane przyjęcie SI wymaga głębokich zmian w organizacjach, przekształcenia procesów biznesowych i odpowiedniego szkolenia pracowników. Ten proces jest często złożony i długotrwały, spowalniając zapowiadany potencjał wzrostu.

Wiele firm doświadcza zatem rozbieżności między masowym wkładem technologicznym SI a rzeczywistymi, mierzalnymi korzyściami. Instalacja oprogramowania sztucznej inteligencji w dziale nie przekształca automatycznie metod pracy. Często konieczne jest przemyślenie strategii firmy, by dostosować narzędzia do jasnej wizji skuteczności i rentowności.

Obserwowane wyniki w niektórych sektorach pokazują różnorodność efektów: niektóre organizacje rzeczywiście odnotowują pozytywny zwrot z inwestycji, zwłaszcza w automatyzacji powtarzalnych zadań lub poprawie relacji z klientem. Inne mają trudności w wypracowaniu klarownej przewagi z powodu braku spójnej integracji lub pełnego przyswojenia technologii.

• Odpowiednie szkolenia i rozwój kompetencji zespołów do pełnego wykorzystania SI
• Jasna identyfikacja kluczowych procesów możliwych do optymalizacji przez SI
• Rygorystyczny monitoring wskaźników wydajności po wdrożeniu technologii
• Dostosowanie organizacyjne na rzecz wsparcia zmiany kulturowej
• Równowaga między innowacją technologiczną a kontrolą budżetową

Podsumowując, aby przekształcić inwestycje w SI w rzeczywiste motory wzrostu, niezbędne jest budowanie strategii zwinnej, elastycznej i skoncentrowanej na konkretnej wartości ekonomicznej.

Implikacje dla rynku finansowego: dostosowanie oczekiwań wobec technologii SI

Gorączka wokół sztucznej inteligencji wywołała znaczny rezonans na rynkach finansowych. Wielu inwestorów założyło, że SI szybko przyniesie zyski i zmieni dynamikę sektorową. W ten sposób kapitalizacja rynkowa firm związanych z SI osiągnęła zawrotne sumy, napędzając spekulacyjną falę.

Goldman Sachs zwraca jednak uwagę na potrzebę dostosowania tych oczekiwań do realnej, namacalnej sytuacji ekonomicznej. Zyski z produktywności, na których opierają się wyceny rynkowe, pojawiają się wolno. Ta rozbieżność może spowodować korektę rynku, a nawet przesunięcie projektów technologicznych w kierunku bardziej konkretnych i opłacalnych zastosowań.

Ta ewolucja wymaga od inwestorów ostrożniejszego podejścia, faworyzującego rygorystyczną ocenę wyników i zwrotów z inwestycji, zamiast ambitnych, lecz niepewnych prognoz. Same firmy z kolei będą musiały wykazać się większą przejrzystością wyników i zdolnością do przekształcania innowacji w trwały wzrost.

Ramowy regulacyjny i perspektywy polityczne wobec sztucznej inteligencji

Argument podnoszony przez niektórych polityków, w tym byłego prezydenta Donalda Trumpa, który twierdzi, że inwestycje w SI napędzają gospodarkę amerykańską i wymagają łagodnej regulacji dla stymulowania innowacji, napotyka trudności w świetle najnowszych analiz, takich jak ta Goldman Sachs. Jeśli SI nie generuje masowego wzrostu gospodarczego w krótkim terminie, retoryka uzasadniająca mniejszą interwencję regulacyjną traci na sile.

Ta sytuacja otwiera drogę do bardziej wyważonego spojrzenia na ramy legislacyjne, które mogą lepiej regulować rozwój sztucznej inteligencji bez hamowania postępu technologicznego. Regulatorzy mogą bowiem dziś pozwolić sobie na bardziej stanowcze podejście, skoro SI nie stanowi niekwestionowanej lokomotywy gospodarczej, mogącej wymknąć się spod kontroli.

Dodatkowo, ta dynamika powinna sprzyjać regulacji mającej na celu ochronę interesów publicznych, zabezpieczenie danych, gwarancję sprawiedliwości i unikanie nadużyć, bez obawy o zahamowanie wzrostu gospodarczego. Ta ewolucja przyczynia się do dojrzalszego i bardziej zrównoważonego dialogu politycznego, niezbędnego do właściwej integracji SI w społeczeństwie.

W tym kontekście debaty koncentrują się na:

1. Ustanowieniu spójnych norm federalnych, aby uniknąć nadmiernej fragmentacji regulacyjnej
2. Ochronie praw użytkowników i poufności danych
3. Wsparciu inicjatyw sprzyjających relokalizacji i suwerenności technologicznej
4. Utrzymaniu konkurencyjności gospodarczej poprzez zapewnienie środowiska sprzyjającego odpowiedzialnej innowacji

Takie bardziej wyważone podejście odpowiada założeniom ostrożności ekonomicznej i politycznej rekomendowanym przez Goldman Sachs i inne kluczowe instytucje finansowe.