AI może stworzyć świat niższych cen. Ale najpierw je podbije [OPINIA]

Opinia prof. Krzysztofa Piecha z Uczelni Łazarskiego jest częścią 25. edycji "Ringu ekonomicznego" money.pl. To format dyskusji na ważne, ale kontrowersyjne tematy społeczne i ekonomiczne. Tym razem zastanawiamy się nad wpływem upowszechniania się sztucznej inteligencji (AI) na inflację i stopy procentowe na świecie. Równolegle publikujemy omówienie wyników sondy wśród 39 ekonomistów, która była wprowadzeniem do debaty, oraz opinię dr. Łukasza Rachela, wykładowcy University College London.

Carlota Pérez, badając kolejne fale przemian technologicznych, odróżniała fazę instalacji nowego paradygmatu od fazy jego późniejszego upowszechnienia. AI można potraktować jako kolejną, wyjątkowo silną falę rewolucji informacyjno-komunikacyjnej. Jak każda inna wielka innowacja, ta również wymaga infrastruktury, kapitału i zmian organizacyjnych. Stąd ogromne nakłady finansowe kierowane są na centra danych, półprzewodniki, sieci energetyczne i specjalistów od AI. Wierzy się, że z czasem przyniesie to korzyści w postaci wyższej produktywności. Najpierw zobaczymy jednak inne efekty.

Najpierw trzeba zbudować AI

AI nie jest niematerialna. Za odpowiedzią chatbota stoją procesory, karty pamięci, serwery, systemy chłodzenia, transformatory, linie energetyczne i elektrownie.

Reuters w lipcu br. podawał, że czas oczekiwania na niektóre procesory serwerowe Intela i AMD wydłużył się nawet do sześciu miesięcy, a ceny części układów w Chinach wzrosły od początku roku o ponad 40 proc. Popyt centrów danych na pamięć typu HBM, DRAM i NAND podnosi też koszty producentów laptopów i smartfonów. Widać też bardzo duży wzrost popytu na karty graficzne (używane do trenowania modeli AI), co zwiększa ich cenę i zmniejsza dostępność na rynku. Graczy komputerowych to nie cieszy.

To nie koniec. Międzynarodowa Agencja Energetyczna szacuje, że globalne zużycie prądu przez centra danych wzrośnie z około 485 TWh w 2025 r. do około 950 TWh w 2030 r. Zużycie przez centra nastawione na AI ma wzrosnąć mniej więcej trzykrotnie.

Do tego dochodzą wyzwania związane z siecią energetyczną. W USA czas dostawy niektórych transformatorów wysokiego napięcia dochodzi do 160 tygodni. W Teksasie kolejka projektów ubiegających się o przyłączenie do sieci przekroczyła 470 GW, ponad pięć razy więcej niż szczytowe zapotrzebowanie stanu. Wąskim gardłem AI może się więc okazać nie algorytm, lecz transformator albo megawat mocy.

Jeszcze rok temu symbolem energetycznych kosztów gospodarki cyfrowej był bitcoin. W ostatnich miesiącach było widać, że przy niskich cenach bitcoina część firm wydobywających go wyłączała koparki i udostępniała infrastrukturę pod potrzeby centrów danych AI.

Gdzie jest ta obiecywana produktywność?

Są już pewne dowody na to, że wiara we wzrost produktywności związany z AI jest uzasadniona. Opublikowane w czerwcu 2025 r. wyniki badania, które objęło 4867 programistów Microsoftu, Accenture i jednej z firm z listy Fortune 100, pokazały, że narzędzia AI zwiększyły liczbę wykonywanych zadań średnio o 26 proc. Według innego badania, przeprowadzonego wśród 5172 pracowników działów obsługi klienta, wzrost produktywności wyniósł około 15 proc.

Efekty wykorzystania AI nieco inaczej wyglądały na poziomie całych przedsiębiorstw. W badaniu NBER z lutego 2026 r. Yotzov, Barrero i współautorzy sprawdzili prawie 6 tys. firm w USA, Wielkiej Brytanii, Niemczech i Australii. Aż 69 proc. deklarowało używanie AI, ale około dziewięciu na dziesięciu spośród ich menedżerów nie zauważyło dotąd wpływu tej technologii na produktywność ani zatrudnienie. Oczekiwali wprawdzie, że w ciągu trzech lat AI zwiększy ich produktywność, ale średnio tylko o 1,4 proc.

Dzięki AI można więc szybciej napisać kod albo rozwiązać problem klienta, a mimo to nie zwiększy to jeszcze wydajności całej firmy. Potrzebne są nowe procesy i reorganizacja pracy. Pewne efekty w skali mikro już widać, ale na efekty w skali makro trzeba jeszcze poczekać. Jak długo?

Trzeba wydać bilion dolarów, zanim pojawią się efekty

Bank Rozrachunków Międzynarodowych (BIS) szacuje, że pięć największych firm technologicznych wyda w latach 2025–2026 na inwestycje związane z AI ponad bilion dolarów. Według przytaczanych przez BIS szacunków globalne nakłady na AI mogą wzrosnąć z około 500 mld dolarów obecnie do 3–4 bln dolarów w 2030 r.

Kilka dni temu oczekiwania wobec AI dość jasno sformułowała Kristalina Georgieva, dyrektor zarządzająca Międzynarodowego Funduszu Walutowego i była prezeska Banku Światowego: w krótkim okresie boom inwestycyjny AI jest dodatnim szokiem popytowym, zwiększającym wzrost gospodarczy i inflację. Dopiero później wzrost produktywności staje się dodatnim szokiem podażowym.

Nie wiemy wciąż, jak silny będzie ten drugi efekt. Daron Acemoglu z MIT szacuje, że w ciągu dziesięciu lat AI może podnieść łączną produktywność czynników produkcji w USA najwyżej o około 0,66 proc. Filippucci, Gal i inni badacze z OECD obliczyli jednak, że w gospodarkach najbardziej wystawionych na AI tempo wzrostu produktywności pracy może przyspieszyć o 0,4–1,3 pkt proc. rocznie. MFW mówi zaś o 0,1–0,8 pkt proc. dodatkowego rocznego wzrostu potencjalnego PKB świata. Choć może się wydawać, że to niewielkie wartości, to ich skumulowany wpływ będzie ogromny.

AI jest już teraz na tyle duża, że utrudnia ocenę kondycji całej gospodarki USA. BIS wskazuje, że inwestycje związane z AI mogły dodać około 1 pkt proc. do wzrostu realnego PKB USA w 2025 r. Ekonomiści z banku Goldman Sachs szacują z kolei, że beneficjenci infrastruktury AI odpowiadają w 2026 r. za około połowę wzrostu zysków spółek z S&P 500. Można by więc zaryzykować stwierdzenie, że gdyby nie AI, wyniki gospodarki amerykańskiej byłyby dużo słabsze. Na ile zatem inwestycje w AI "przykrywają" realnie występujące problemy?

Perez zwracała uwagę, że w fazie instalacji nowych technologii często towarzyszyły spekulacyjne boomy finansowe. Nie możemy przesądzić, czy dziś mamy bańkę AI. BIS wskazuje jednak na rosnącą rolę długu i ryzyko nadmiernych inwestycji. MFW uznał kilka dni temu korektę wycen akcji spółek związanych z AI za jedno z poważnych zagrożeń dla stabilności finansowej. Gdyby oczekiwania stawiane przed AI się nie spełniły i doszłoby do pęknięcia bańki przed pojawieniem się pozytywnego wpływu AI na wydajność, to skutki nie zatrzymałyby się na Wall Street. Inwestorzy z całego świata mają ogromne portfele amerykańskich akcji, obligacji, a banki centralne – zasoby dolarów. Cały świat jest bardzo zadłużony, więc rykoszetem dostałaby również i Polska.

A co, jeśli AI zmieści się w laptopie?

Jeśli za kilka lat bardzo zaawansowany model dostępny jako open source (a takie są chińskie modele oraz polski Bielik) będzie można uruchomić lokalnie na mocnym komputerze, część infrastruktury budowanej do inferencji, czyli zwykłego używania już wytrenowanych modeli, może się okazać nadmierna. Gdyby tak się stało i gdyby nie było już dostępnych więcej danych, na których można trenować AI, wybudowane centra danych byłyby niewystarczająco wykorzystane. Bańka mogłaby pęknąć.

Ale może być odwrotnie. Tańsza AI może wywołać eksplozję zastosowań. Tzw. efekt Jevonsa sugeruje, że większa efektywność wykorzystania danego zasobu może zwiększać jego łączne zużycie. A użytkownicy mogą nie chcieć kupować mocnych komputerów tylko po to, żeby lokalnie uruchamiać AI (zapewniając sobie większą prywatność) i będą nadal bezpłatnie eksportować dane do USA (czy Chin). Stąd zainteresowanie władz UE suwerennością cyfrową.

Polska: import technologii i import inflacji

Polska jest w znacznie większym stopniu użytkownikiem niż producentem infrastruktury AI. Importujemy procesory, nośniki pamięci, serwery, chmurę i modele. Jeśli globalny wyścig AI podnosi ceny tych wszystkich komponentów, część amerykańskiego boomu dotrze do nas jako importowana inflacja. Z drugiej strony, polska gospodarka może korzystać z narzędzi stworzonych za miliardy dolarów w USA bez ponoszenia porównywalnych nakładów. Z czasem więc bilans może być dla Polski bardziej dezinflacyjny niż dla gospodarek budujących największą część infrastruktury. Imitacja jest tańsza i mniej ryzykowna niż innowacja.

W długim okresie AI powinna jednak wszędzie działać dezinflacyjnie. Jeżeli spełni choć część oczekiwań dotyczących produktywności, zwiększy podaż i obniży jednostkowe koszty produkcji. Problemem jest kolejność: najpierw trzeba ponieść gigantyczne nakłady, a efekty podażowe pojawiają się później. Dlatego w najbliższych latach możemy zobaczyć paradoks: technologia, która docelowo powinna obniżać inflację, najpierw może ją podwyższać.