Nasledujúce stretnutie sa nikdy neodohralo a ľudia v ňom sú ilustráciou; rozhodnutie, ktorým sa končí, je presne to, čo Torsten Slok 24. októbra zdokumentoval. Obchodný inžinier jednej AI platformy prišiel do regionálneho distribútora potravín, aby jeho finančnému tímu ukázal, čo dokáže najnovší model s ich faktúrami a prepismi hovorov. Demo si pozrú celé. Už prevádzkujú lacnejší, rok starý model v nižšej cenovej úrovni a ten im front spracuje väčšinou do obeda. Keď vysloví cenu upgradu, finančná riaditeľka odloží pero. Počet licencií zostáva tam, kde bol.

Slok je hlavný ekonóm spoločnosti Apollo a v túto sobotu niesla jeho poznámka v sérii Daily Spark strohý verdikt: „Napriek obrovským investíciám a všadeprítomnému humbuku okolo umelej inteligencie nepriniesla táto technológia americkým firmám mimo technologického sektora žiadny finančný prínos.“ Táto veta stojí na grafoch, nie na nálade, a grafy delia ekonomiku na dve časti. Na jednej strane je Magnificent Seven, hŕstka veľkých technologických firiem, ktoré modely stavajú a predávajú. Na druhej všetci ostatní, skupina, ktorú Slok označuje ako S&P 493.

Grafy, ktoré delia trh na dve časti

Prvé dva grafy sledujú tržby na zamestnanca a ziskové marže. Oboje rastie pre Mag 7 a oboje zostáva ploché pre S&P 493 – podľa Slokovho čítania údajov z Bloombergu a Macrobondu, upravených o infláciu k štvrtému štvrťroku 2019. Tretí graf nesie najväčšiu váhu pre širšie tvrdenie. Zobrazuje súhrnnú produktivitu faktorov (total factor productivity), teda tú časť rastu produkcie, ktorá zostane po započítaní práce a kapitálu, a nevykazuje žiadne zrýchlenie. Slokovými slovami: „stále niet známok toho, že by AI zvyšovala rast produktivity“.

Tento rad produktivity nie je vlastným výpočtom Apolla. Je to miera súhrnnej produktivity faktorov upravená o mieru využitia kapacít, ktorú vedie Federal Reserve Bank of San Francisco a ktorá stojí na metóde, akú John Fernald vymedzil v pracovnom dokumente z roku 2014. Úprava odstraňuje výkyvy spôsobené tým, že firmy svoje stroje a ľudí počas cyklu využívajú viac alebo menej, takže to, čo zostane, je bližšie ku skutočnej technologickej zmene. Pri technológii všeobecného použitia je to tá správna krivka, ktorú treba sledovať, a doteraz sa neohla.

Odtiaľ Slok odvodzuje správanie. Keďže na konečnom výsledku sa nič neukazuje, píše, „bežné americké firmy cúvajú a začínajú vnímať výdavky na tokeny nie ako zdroj rastu, ale ako nákladovú položku, ktorá zaťažuje marže“. Rozhodnutie distribútora potravín neupgradovať je tou istou vetou v malom. Bežné firmy podľa neho nepotrebujú najnovší model a nie sú ochotné zaň platiť.

Polovica ekonomiky sa prihlásila a peniaze stále nevidieť

Hádanka sa vyostruje oproti tomu, ako široko sa nástroje rozšírili. Ramp AI Index, mesačná miera firemného osvojovania AI, ktorú vedie ekonóm Ara Kharazian v ekonomickom laboratóriu spoločnosti Ramp, uvádzala v septembrovom meraní osvojenie na úrovni 55,9 % amerických firiem. Za niečo platí viac než polovica firiem v krajine. Prínos aj tak chýba.

Tam, kde sa peniaze koncentrujú, nachádza Slok druhú obavu. V sprievodnej poznámke spred dvoch dní citoval údaje Rampu, podľa ktorých je 80 % z horného 1 % najväčších míňačov na AI financovaných rizikovým kapitálom, oproti len 13 % mediánového míňača. Najväčší kupci výpočtového výkonu platia kapitálom investorov, nie vlastnými ziskami. Ak prínos príde pomaly, argumentoval, výnosy rizikového kapitálu sa dostanú pod tlak a útlm financovania by sa potom premietol späť do slabšieho dopytu po výpočtovom výkone – tá istá cirkularita, na ktorú pozorovatelia upozorňujú pri dohodách medzi výrobcami čipov, poskytovateľmi cloudu a modelovými laboratóriami, teraz viditeľná o úroveň nižšie, v tom, kto platí účet za inferenciu.

Tá istá medzera sa ukazuje v zamestnanosti aj na trhu

Slokova poznámka tento mesiac nestála osamotene. Ďalšie tri čítania, merané rôznymi nástrojmi, ukazovali rovnakým smerom.

Prvým je trh práce. Stanfordské Digital Economy Lab prevádzkuje súbor verejných panelov, spustených v júni a aktualizovaných mesačne, ktoré sledujú stopu AI v zamestnanosti; v texte z 21. októbra univerzita informovala, že zamestnanosť pracovníkov vo veku 22 až 25 rokov v silno zasiahnutých povolaniach, ako je vývoj softvéru a zákaznícky servis, klesla, pričom nedávny pokles dosiahol 4,4 %. Panely vyrástli z práce Erika Brynjolfssona, Bharata Chandara a Ruyu Chen, ktorá týchto mladých pracovníkov vykreslila ako kanáriky v bani. Federálny rezervný systém počul to isté z opačnej strany. Jeho októbrová Beige Book zaznamenala, že „Päť dištriktov uviedlo, že niektoré firmy po zvýšení produktivity vďaka investíciám do AI buď znížili počty zamestnancov (prirodzeným úbytkom), odložili nábor, alebo očakávali menšiu tvorbu pracovných miest“ – prvé vydanie, v ktorom stála veta prieskumu o AI opisovala skôr klesajúci počet zamestnancov než prichádzajúce nástroje.

Vnútri firiem, ktoré prínos naozaj vidia, je posun ešte ostrejší. Vlastní ekonómovia spoločnosti Anthropic v správe zo 16. októbra od Nathana Wilmersa, Reginy Catipon, Maxima Massenkoffa a Petera McCroryho zistili, že podiel juniorných technických náborov vo firme „klesol ešte rýchlejšie, z 27 % na 9 %“ a že do augusta jej agenti „odpracovali 6-krát viac hodín než ich ľudskí správcovia“. Takto vyzerá prínos tam, kde existuje: sústredený v technologickej firme a zaplatený čiastočne pracovnými miestami, ktoré nikdy nevznikli.

Štvrté čítanie dodal trh a bolo najmenej nejednoznačné. Jared Blikre z Yahoo Finance 23. októbra vypočítal, že od rekordného zatvorenia indexu S&P 500 zo 6. októbra „firmy, ktoré stavajú a vybavujú dátové centrá pre AI, stratili medián 23 %“, zatiaľ čo „veľké technologické firmy, ktoré platia účty, klesli len o 5 %“. Firmy, ktorým sa platí, padli štyrikrát prudšie než firmy, ktoré platia, hoci ich objednávkové zásobníky dosahovali rekordné úrovne – trh stávkuje na to, že výdavky sa spomalia skôr, než sa ukážu výnosy.

Prečo môže plochá krivka vydržať

Čo Slok necháva otvorené, je, či sa medzera uzavrie. Aj keď modely zlacnejú a čoraz viac sa navzájom podobajú, pýta sa, či bežné firmy dokážu tú lacnú inteligenciu premeniť na vyššie tržby a tučnejšie marže, a jeho vlastná odpoveď je opatrná. „AI môže byť skvelá kalkulačka,“ píše, „no v biznise je inteligencia prevažne o úsudku.“ Úsudok závisí od kontextu a od toho, koho sa pýtate. Model, dodáva, „nerozumie zodpovednosti, dôvere, kultúre, nepísaným pravidlám, etickým kompromisom ani spravodlivosti“ – veciam, ktoré rozhodujú o tom, či zákazník zostane a obchod sa uzavrie.

To je argument, nie meranie, a patrí jemu. Grafy ukazujú koreláciu, ktorá zostáva plochá; nedokazujú, že AI nikdy nedokáže pohnúť S&P 493, len že ním zatiaľ nepohla. Jediný rad produktivity upravený o mieru využitia kapacít môže prehliadnuť prínosy, ktoré sú reálne, no narastajú pomaly, a číslo o osvojení počíta licencie, nie používanie.

Späť u distribútora potravín robí finančný tím výpočet, aký robí vždy. Rok starý model je dosť dobrý, ten novší stojí viac, než koľko práce by ušetril, a štvrťrok sa aj tak musí uzavrieť. Kdesi vnútri Mag 7 vyšplhajú tržby na zamestnanca o ďalšiu priečku na Slokovom grafe. Vzdialenosť medzi týmito dvoma faktami je celým príbehom a ďalších pár štvrťrokov toho istého grafu povie, či išlo o prínos, ktorý prichádza neskoro, alebo o podobu prínosu, ktorý nepríde vôbec.

Použité zdroje

  • Blikre, J. (2026). The AI sell-off is crushing stocks of companies leading the data center build-out. Yahoo Finance. finance.yahoo.com
  • Brynjolfsson, E., Chandar, B., & Chen, R. (2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. digitaleconomy.stanford.edu
  • Federal Reserve System (2026). Beige Book, October 2026: National Summary. federalreserve.gov
  • Fernald, J. (2014). A Quarterly, Utilization-Adjusted Series on Total Factor Productivity. Federal Reserve Bank of San Francisco. frbsf.org
  • Hadhazy, A. (2026). Tracking AI’s Real-Time Footprint on the Labor Market. Stanford HAI. hai.stanford.edu
  • Kharazian, A. (2026). Ramp AI Index. Ramp Economics Lab. ramp.com
  • Slok, T. (2026). Circularity in AI Shows Up in Token Spending Too. Apollo, The Daily Spark. apollo.com
  • Slok, T. (2026). No Signs of AI Payoff Outside the Tech Sector. Apollo, The Daily Spark. apollo.com
  • Wilmers, N., Catipon, R., Massenkoff, M., & McCrory, P. (2026). How employment is changing at Anthropic. Anthropic. anthropic.com