Perusahaan Goldman Sachs membahas pertanyaan paling penting untuk pandangan pasar saham AS pada hari Senin: apakah pasar itu "menilai manfaat dari AI dengan benar?" Jawabannya adalah ya dengan syarat, mereka membantah bahwa harga perusahaan ada di level "gelembung," dan menemukan bahwa pasar itu, bisa dibilang, terlalu optimis.
Pasar saham AS mungkin sudah memasukkan banyak dari nilai jangka panjang yang mungkin dihasilkan oleh AI, menurut analisis baru dari bank investasi ini. Beberapa "matematika sederhana," tulis analis Dominic Wilson dan Vickie Chang, menunjukkan harga pasar untuk keuntungan AI berjalan "jauh di depan dampak makro," dengan kenaikan harga perusahaan terkait AI mendekati batas atas dari manfaat yang mungkin untuk seluruh ekonomi.
Tim strategi portofolio Goldman mempertahankan bahwa harga perusahaan memang tinggi tapi belum sampai level "gelembung," sebuah pendekatan makro membantu menetapkan batasan pada "apa yang secara kolektif mungkin."
Berapa sih artinya beberapa triliun dolar?
Laporan itu memperkirakan nilai sekarang dari pendapatan modal karena AI generatif untuk ekonomi AS punya perkiraan dasar sebesar $8 triliun. Walaupun perhitungan ini tidak pasti, kisaran yang mungkin untuk pendapatan modal masa depan ini adalah antara $5 triliun sampai $19 triliun. Yang penting, manfaat yang diproyeksikan ini cukup untuk membenarkan level investasi saat ini dan yang diharapkan untuk pengeluaran modal terkait AI, yang akhir-akhir ini sering dikhawatirkan di media finansial. Di sisi lain, antusiasme pasar kelihatannya sudah lari jauh melebihi perhitungan makro dasarnya.
Sejak diperkenalkannya ChatGPT pada November 2022, Goldman menghitung nilai perusahaan yang langsung terlibat atau dekat dengan ledakan AI telah naik lebih dari $19 triliun. Kenaikan ini termasuk keuntungan besar di bidang semikonduktor dan di antara "hyperscaler," serta hampir $1 triliun untuk nilai terbaru dari tiga penyedia model AI swasta terbesar.
Total kenaikan harga ini menempatkan keuntungan pasar pada "batas atas dari manfaat makro yang diproyeksikan" ($19 triliun) dan jauh melebihi perkiraan dasar $8 triliun. Secara spesifik, perubahan nilai untuk perusahaan terkait AI di bidang semikonduktor dan penyedia model AI swasta—yang lebih mungkin hanya karena ledakan AI—sudah melebihi perkiraan dasar $8 triliun untuk kenaikan pendapatan modal.
Goldman Sachs mencatat bahwa pasar yang melihat ke depan harus memberi harga pada keuntungan jauh lebih awal, menyebut ini sebagai "fitur, bukan kesalahan," tapi para analis mengidentifikasi dua risiko utama yang bisa memperkuat kecenderungan untuk "terlalu bayar" untuk keuntungan masa depan, dengan menyebut dua contoh buruk: "Ledakan yang didorong inovasi masa lalu—seperti tahun 1920-an dan 1990-an—telah menyebabkan pasar terlalu bayar untuk keuntungan masa depan walaupun inovasi dasarnya nyata." (Goldman tidak berkomentar langsung tentang kejatuhan pasar tahun 1929 atau 2000, yang menyertai ledakan terkenal dari sejarah AS ini.)
Dua risiko besar yang disoroti adalah:
- Kesalahan penggabungan: Investor mungkin menyiratkan keuntungan pendapatan dan laba total yang berlebihan dengan mengekstrapolasi pertumbuhan laba menakjubkan yang bisa dicapai perusahaan individual ke semua pemenang potensial. Ini berisiko nilai gabungan yang diberikan kepada perancang chip, pembangun model, dan hyperscaler melebihi apa yang akhirnya bisa mereka dapatkan bersama.
- Kesalahan ekstrapolasi: Persaingan sering mengikis keuntungan profitabilitas awal dari inovasi seiring waktu. Pasar mungkin melebih-lebihkan jalur pertumbuhan laba jangka panjang jika mereka memperlakukan peningkatan laba jangka pendek yang sementara sebagai sesuatu yang terus-menerus.
Janji produktivitas dasar dari AI tetap kuat: Perkiraan menunjukkan AI bisa meningkatkan produktivitas AS sekitar 1,5 persen poin untuk periode 10 tahun, yang akhirnya menaikkan level PDB dan pendapatan AS sekitar 15%. Selama ekonomi yang lebih luas dan ledakan investasi AI tetap "berjalan sesuai rencana," pasar kemungkinan akan mempertahankan pandangan optimis. Tapi di luar perangkat keras, keuntungan AI saat ini tetap terbatas, yang bisa menimbulkan bahaya jika ekspektasi tidak terwujud dengan cepat.