Han Dieperink: Het rendement van goedkope AI
Door Han Dieperink, geschreven op persoonlijke titel
Toen het Chinese AI-model Kimi K3 half juli verscheen, deden de chipaandelen wat ze de laatste tijd vaker doen: ze zakten weg. De gedachte erachter is dat als kunstmatige intelligentie steeds goedkoper wordt, je straks minder rekenkracht nodig hebt, en dus minder chips. Toch klopt die redenering niet.
Kimi K3 is met 2,8 biljoen parameters het grootste Chinese model tot nu toe. Juist omdat het zo groot is, vraagt het veel geheugen: zelfs in ingekorte vorm zo'n 1,4 terabyte. De behoefte aan chips en geheugen verdwijnt dus niet. Wat wél gebeurt, is dat AI spotgoedkoop wordt. Kimi K3 levert topprestaties tegen een derde tot de helft van de prijs van de duurste Amerikaanse modellen. En de kosten om zulke intelligentie na te maken, dalen sinds de komst van ChatGPT met ongeveer 60 procent per jaar.
Waarom goedkoper juist meer betekent
In de negentiende eeuw zag de econoom William Stanley Jevons dat zuinigere stoommachines het kolenverbruik niet verlaagden, maar juist verhoogden. Omdat kolen per eenheid werk goedkoper werden, vonden mensen er steeds meer toepassingen voor, en het totale verbruik steeg. Met AI gaat het net zo. Goedkope intelligentie betekent dat we haar overal inzetten: in de klantenservice, in software, in medische diagnoses, in duizend kleine taken die eerder te duur waren. De vraag naar snel geheugen groeit daardoor harder dan het aanbod. Op de korte termijn profiteren dus de leveranciers van de infrastructuur: de makers van chips, geheugen en datacenters. Bovendien vraagt al die rekenkracht om stroom. De vraag naar energie stijgt daardoor net zo hard mee, en ook dat is een rekening die iemand betaalt.
Het belang van productiviteit
Maar op de lange termijn telt maar één ding echt: productiviteit. Nieuwe techniek maakt ons productiever, en in theorie stijgen de lonen dan mee. Wie meer maakt, verdient meer. In de praktijk is die band losgeraakt. In de Verenigde Staten liepen lonen en productiviteit tot in de jaren zeventig gelijk op. Daarna liep het verschil op tot een kloof die elk jaar breder wordt. De productiviteit ligt er nu meer dan vijf keer zo hoog als in 1947, maar het echte uurloon is maar drie keer zo hoog. In Europa en Japan zien we hetzelfde beeld.
Een deel van dat verschil is een kwestie van rekenen, want lonen en productiviteit worden met andere prijsmaatstaven gecorrigeerd. Maar het grootste deel heeft echte oorzaken. De belangrijkste is dat werknemers minder te zeggen hebben. Vakbonden zijn kleiner geworden en tijdelijke contracten zijn gewoner. Wie makkelijk te vervangen is, kan weinig eisen. Daar komt de globalisering bij: bedrijven kunnen werk verplaatsen naar lagelonenlanden, en alleen al die dreiging houdt de lonen laag. Ook de techniek zelf speelt mee. Winst komt steeds vaker uit software en robots in plaats van uit mensen, en die winst gaat naar de eigenaren van dat kapitaal, niet naar het personeel. Tot slot verdwijnt een deel van de loonruimte ongemerkt in hogere premies voor zorg en pensioen. Het nettoloon blijft zo achter, ook als iemand meer waard wordt voor zijn werkgever.
De kloof tussen loon en productiviteit is de optelsom van keuzes: over belasting, over macht en over hoe we werk waarderen. Wat door keuzes is ontstaan, kan door keuzes ook weer veranderen. En precies op dat punt komt AI het beeld binnen. Je kunt de techniek zo bouwen dat ze mensen aanvult, of zo dat ze mensen vervangt. Die tweede route wordt de Turing-val (Turing Trap) genoemd. Het is een keuze die wordt gestuurd door prikkels. Wie in een machine investeert, mag die vaak van de belasting aftrekken; wie een mens aanneemt, betaalt er premies bovenop. Er is dus een prikkel om te vervangen in plaats van te versterken. En nu Moonshot, het bedrijf achter Kimi K3, zijn model gratis beschikbaar stelt, kan elk bedrijf het zelf draaien en aanpassen. AI wordt daarmee een grondstof die overal te krijgen is, zoals stroom uit het stopcontact. Dat maakt ons productiever, maar de opbrengst gaat vooral naar het kapitaal.
Ongemakkelijk en gunstig tegelijk
Voor de belegger is dat ongemakkelijk en gunstig tegelijk. Ongemakkelijk, omdat een economie die de winst niet deelt, uiteindelijk haar eigen klanten kwijtraakt. Wie koopt straks nog alle spullen die die slimme machines maken? De koopkracht moet ergens vandaan blijven komen. En hoe groter de kloof, hoe luider de roep om hogere belastingen en strengere regels. Die politieke reactie is zelf een beleggingsrisico, eentje dat lastig in te prijzen is, maar niet verdwijnt.
Gunstig is het ook, want de aandeelhouder staat aan de winnende kant van de streep. De productiviteitswinst die niet in lonen belandt, komt terecht bij de eigenaren van machines, datacenters en kapitaal. Belangrijk is wel wíe dat zijn. Niet de makers van de slimste modellen, want hun voorsprong verdampt met zo'n 60 procent per jaar. Wie vandaag bovenaan staat, wordt morgen ingehaald door een goedkopere concurrent. Het echte AI-dividend valt breder: bij de bedrijven die goedkope intelligentie het snelst weten te gebruiken. Een bank die haar administratie automatiseert, een vervoerder die zijn routes slimmer plant, een fabrikant die machines laat meedenken: zij plukken de vruchten, zonder zelf een model te hoeven bouwen. De winnaars zijn dus niet per se de namen die iedereen nu kent, maar de bedrijven die goedkope intelligentie omzetten in hogere marges. Voor de belegger betekent dat: kijk niet alleen naar wie de beste techniek heeft, maar naar wie er het meeste aan verdient.
Wat werkelijk telt
Productiviteitsgroei blijft op de lange termijn het enige wat echt telt. Goedkope AI vergroot die groei, dat staat vrijwel vast. De vraag is alleen hoe we de opbrengst verdelen. Dat antwoord bepaalt niet alleen hoe onze samenleving er over tien jaar uitziet, maar ook het rendement van morgen. Voor de samenleving gaat het om eerlijkheid, voor de belegger om rendement, en die twee staan minder los van elkaar dan ze lijken. Wie vandaag belegt, belegt in die vraag.
Meer columns van Han Dieperink