سال ۲۰۲۷ ممکن است برای اقتصاد دیجیتال، بیش از آن که سال رونمایی از فناوریهای تازه باشد، سال آزمون اقتصادی فناوریهای موجود باشد. شرکتهای بزرگ فناوری همچنان میلیاردها دلار برای زیرساختهای هوش مصنوعی سرمایهگذاری میکنند، دولتها برای تأمین هزینههای خود به بازار بدهی وابستهاند و تنشهای ژئوپلیتیکی میتوانند هزینه انرژی و فعالیت اقتصادی را تغییر دهند. در چنین شرایطی، پرسش فقط این نیست که فناوری تا کجا پیش خواهد رفت؛ بلکه این است که منابع مالی لازم برای توسعه آن از کجا تأمین میشود و چه کسانی ریسک این سرمایهگذاریها را میپذیرند.
اکونومیست در ویژهنامه سالانه «The World Ahead 2027» که ۱۷ نوامبر ۲۰۲۶ منتشر شد، این سه موضوع را در میان روندهای قابلتوجه سال آینده قرار داده است. در نگاه این نشریه، خطرهای ناشی از گسترش بدهی، سرمایهگذاری فزاینده در هوش مصنوعی و اختلال در جریان انرژی میتوانند بر چشمانداز اقتصادی سال ۲۰۲۷ اثر بگذارند.
برای صنعت مالی، اهمیت این روندها به پیامدهای آنها برای اعتباردهی، بازار اوراق، تأمین مالی زیرساخت دیجیتال و مدیریت ریسک بازمیگردد؛ حوزههایی که بانکها، شرکتهای سرمایهگذاری و فینتکها در آنها با تصمیمهای تازهای مواجه خواهند شد.
هوش مصنوعی؛ از مسابقه توسعه فناوری تا نگرانی درباره بازگشت سرمایه
در سالهای اخیر، بخش بزرگی از رقابت شرکتهای فناوری بر سر توسعه مدلهای پیشرفتهتر هوش مصنوعی و فراهمکردن ظرفیت محاسباتی موردنیاز آنها شکل گرفته است. اما هرچه این رقابت گستردهتر میشود، مسئله تأمین منابع مالی آن نیز اهمیت بیشتری پیدا میکند.
اکونومیست در چشمانداز ۲۰۲۷، افزایش استقراض و پیچیدهترشدن سازوکارهای تأمین مالی صنعت هوش مصنوعی را یکی از عوامل تشدید ریسک بازار میداند. مسئله اصلی این است که آیا درآمدهای حاصل از خدمات هوش مصنوعی میتوانند با سرعتی متناسب با سرمایهگذاریهای انجامشده رشد کنند یا خیر.
این نگرانی تنها محدود به اکونومیست نیست. سازمان همکاری و توسعه اقتصادی (OECD) در چشمانداز اقتصادی سال ۲۰۲۶ خود اعلام کرده است که سرمایهگذاری سرمایهای شرکتهای بزرگ فعال در حوزه هوش مصنوعی با سرعتی بیشتر از رشد سود آنها در حال افزایش است. در این گزارش، سرمایهگذاری این شرکتها در سال ۲۰۲۷ حدود ۱٫۱ تریلیون دلار برآورد شده است. OECD همچنین نسبت به ریسک بازقیمتگذاری داراییهای مرتبط با هوش مصنوعی و افزایش نقش انتشار اوراق بدهی در تأمین مالی این صنعت هشدار داده است.
برای بانکها و بازارهای مالی، اهمیت این روند در تغییر ترکیب ریسک اعتباری است. زمانی که توسعه مراکز داده، پردازندهها و زیرساختهای مرتبط با هوش مصنوعی به منابع مالی بیشتری وابسته میشود، بانکها و سرمایهگذاران باید علاوه بر چشمانداز رشد فناوری، توان بازپرداخت بدهی و پایداری جریان درآمد شرکتهای فعال در این حوزه را نیز ارزیابی کنند.
این مسئله برای فینتکها نیز دو وجه دارد. از یکسو، هوش مصنوعی میتواند در اعتبارسنجی، کشف تقلب، پشتیبانی مشتریان و خودکارسازی فرایندهای مالی کاربرد داشته باشد. از سوی دیگر، افزایش هزینه تأمین و استفاده از زیرساخت این فناوری ممکن است بر اقتصاد خدماتی که بر پایه آن توسعه مییابند، اثر بگذارد.
در چنین شرایطی، صرف استفاده از هوش مصنوعی نمیتواند معیار موفقیت یک محصول مالی باشد. پرسش مهمتر این خواهد بود که این فناوری تا چه اندازه هزینه عملیاتی را کاهش میدهد، دقت تصمیمگیری را افزایش میدهد یا امکان ارائه خدمات درآمدزا را فراهم میکند.
بازار اوراق بدهی؛ وقتی هزینه تأمین مالی به مسئلهای فراگیر تبدیل میشود
دومین ریسک مورد توجه اکونومیست، فشار فزاینده بر بازار اوراق بدهی است. افزایش بدهی دولتها و حساسیت سرمایهگذاران به وضعیت مالی آنها میتواند بازار اوراق را در سال ۲۰۲۷ با نوسانهای تازهای مواجه کند. این مسئله بهویژه برای اقتصادهایی اهمیت دارد که برای تأمین کسری بودجه و بازپرداخت بدهیهای قبلی، به انتشار مستمر اوراق وابستهاند.
وقتی سرمایهگذاران برای خرید اوراق دولتی بازده بالاتری مطالبه میکنند، هزینه استقراض دولتها افزایش مییابد. این تغییر میتواند به بازار بدهی شرکتها نیز منتقل شود؛ زیرا اوراق دولتی در بسیاری از بازارها یکی از مبناهای قیمتگذاری سایر ابزارهای بدهی هستند.
پیامد این وضعیت برای نظام بانکی چندلایه است. بانکها ممکن است با تغییر ارزش بازار اوراق موجود در سبد سرمایهگذاری خود مواجه شوند. از طرف دیگر، افزایش هزینه تأمین مالی میتواند شرایط دریافت اعتبار را برای شرکتها دشوارتر کند و بر کیفیت داراییهای اعتباری بانکها تأثیر بگذارد.
در حوزه فناوری مالی نیز این روند اهمیت دارد. شرکتهایی که رشد خود را بر جذب سرمایه جدید یا تأمین مالی از طریق بدهی بنا کردهاند، در محیطی با نرخهای بازده بالاتر با فشار بیشتری برای اثبات پایداری مدل کسبوکار مواجه میشوند. این موضوع میتواند بر تأمین مالی استارتاپها، لندتکها و کسبوکارهای فناوری سرمایهبر اثر بگذارد.
پیوند بازار اوراق بدهی با صنعت هوش مصنوعی نیز در همین نقطه شکل میگیرد. اگر بخش بزرگتری از توسعه زیرساخت AI از طریق بدهی تأمین شود، شرایط بازار اعتبار میتواند بر سرعت سرمایهگذاری فناوری اثر بگذارد. در مقابل، کاهش انتظارات درآمدی از هوش مصنوعی ممکن است ارزش داراییهای مرتبط با آن و تمایل سرمایهگذاران به تأمین مالی طرحهای جدید را تحت فشار قرار دهد.
این رابطه به معنای قطعیبودن بحران بدهی یا سقوط بازار هوش مصنوعی در سال ۲۰۲۷ نیست؛ بلکه نشان میدهد ریسک فناوری و ریسک تأمین مالی، بیش از گذشته به یکدیگر وابسته شدهاند.
تنشهای ژئوپلیتیکی؛ از اختلال در انرژی تا افزایش هزینه فعالیت اقتصادی
سومین محور چشمانداز اکونومیست، پیامدهای اقتصادی تنشهای ژئوپلیتیکی و تغییر جریان انرژی است. در ویژهنامه ۲۰۲۷، این نشریه به پیامدهای جنگ با ایران بر بازار انرژی، مسیرهای تأمین کالا و امنیت غذایی توجه کرده است. این موضوع برای راه پرداخت از زاویه سیاسی اهمیت اصلی ندارد؛ مسئله مهمتر، انتقال شوکهای ژئوپلیتیکی به هزینه تأمین مالی، تجارت و زیرساخت فناوری است.
افزایش یا نوسان شدید قیمت انرژی میتواند بر هزینه تولید، حملونقل و قیمت کالاها و خدمات اثر بگذارد. اگر این فشارها به تورم پایدارتر منجر شوند، بانکهای مرکزی ممکن است فضای محدودتری برای کاهش نرخ بهره داشته باشند. در چنین شرایطی، فشار بر هزینه استقراض دولتها و شرکتها نیز میتواند ادامه پیدا کند.
OECD در چشمانداز اقتصادی سال ۲۰۲۶ هشدار داده است که اختلال طولانیمدت در عرضه انرژی و تأثیر آن بر شرایط مالی، ممکن است تأمین مالی مجدد بدهی شرکتهای آسیبپذیر را دشوارتر کند و در صورت تضعیف رشد اقتصادی، احتمال نکول بدهکاران پرریسک را افزایش دهد.
برای صنعت فناوری مالی، چنین شرایطی میتواند از چند مسیر اهمیت پیدا کند. نخست، تغییر شرایط اقتصادی بر توان بازپرداخت تسهیلات و کیفیت پرتفوی اعتباری بانکها و لندتکها اثر میگذارد. دوم، نوسان هزینههای عملیاتی میتواند برنامه سرمایهگذاری شرکتها را تغییر دهد. سوم، کسبوکارهایی که به زیرساختهای پردازشی، مراکز داده و ارتباطات پایدار وابستهاند، با ضرورت توجه بیشتر به هزینه و تابآوری زیرساخت مواجه میشوند.
پیوند این روند با هوش مصنوعی نیز قابل توجه است. مراکز داده و پردازش هوش مصنوعی به زیرساختهای انرژی، تجهیزات محاسباتی و شبکههای ارتباطی وابستهاند. بانک سانتاندر در گزارش چشمانداز ۲۰۲۷ خود تأکید کرده است که بخش مهمی از سرمایهگذاری در هوش مصنوعی به زیرساختهای فیزیکی، از جمله مراکز داده، تراشهها، شبکه برق، فیبر نوری و سامانههای خنککننده اختصاص دارد.
به همین دلیل، افزایش تقاضای انرژی و اختلال در زنجیره تأمین تجهیزات میتواند علاوه بر بالا بردن هزینه زیرساخت، بر بازده اقتصادی سرمایهگذاریهای AI نیز تأثیر بگذارد.
سه ریسک بههمپیوسته؛ مسئله سال ۲۰۲۷ برای صنعت مالی چیست؟
هر یک از این سه روند، در ظاهر به حوزهای متفاوت تعلق دارد: هوش مصنوعی به صنعت فناوری، بازار اوراق به نظام مالی و تنشهای ژئوپلیتیکی به سیاست و تجارت جهانی. اما برای بانکها و شرکتهای فناوری مالی، اثر آنها میتواند در نقطه مشترکی ظاهر شود: هزینه سرمایه، کیفیت اعتبار و پایداری مدلهای کسبوکار.
سرمایهگذاری در هوش مصنوعی به منابع مالی بیشتری نیاز دارد؛ بازارهای بدهی ممکن است تأمین این منابع را گرانتر کنند و شوکهای انرژی نیز میتوانند همزمان هزینه توسعه زیرساخت و شرایط کلان اقتصادی را تحت تأثیر قرار دهند. ترکیب این سه عامل، موضوع مدیریت ریسک را برای مؤسسات مالی و شرکتهای فناوری پررنگتر میکند.
این پیوند در ارزیابی نهادهای مالی دیگر نیز دیده میشود. برای نمونه، بانک جیپیمورگان در تحلیل سناریوهای تنش بازار در سال ۲۰۲۷، افزایش پایدار قیمت انرژی، توقف ناگهانی سرمایهگذاری در هوش مصنوعی و بحران بدهی دولتها را بهعنوان سه شوک احتمالی بررسی کرده است؛ سناریوهایی که تحقق آنها قطعی نیست، اما میتوانند بر بازارهای مالی اثر متقابل داشته باشند.
برای مخاطبان راه پرداخت، این چشمانداز چند پرسش مشخص ایجاد میکند: بانکها در ارزیابی اعتباری پروژههای فناوری باید چه جایگاهی برای ریسک بازگشت سرمایه قائل شوند؟ آیا شرکتهای فینتک میتوانند در شرایط افزایش هزینه تأمین مالی، مدلهای رشد خود را حفظ کنند؟ و آیا سرمایهگذاری در هوش مصنوعی، پیش از آنکه به افزایش درآمد تبدیل شود، فشار تازهای بر هزینههای شرکتها وارد خواهد کرد؟
در نهایت، پرسش سال ۲۰۲۷ برای صنعت مالی شاید فقط این نباشد که هوش مصنوعی چه قابلیتهای تازهای ایجاد میکند، بلکه این باشد که در شرایط فشار بر بازار بدهی و افزایش نااطمینانی اقتصادی، چه کسانی میتوانند هزینه توسعه این فناوریها را تأمین کنند و چه زمانی سرمایهگذاری در آنها به بازده واقعی تبدیل خواهد شد؟