صنعت هوش مصنوعی در حال انجام یکی از بزرگ‌ترین شرط‌بندی‌های تاریخ سرمایه‌داری است: برآوردی جسورانه مبنی بر این که کسبوکارهای جهانی در نهایت حاضر خواهند شد مبالغی نجومی برای خرید «هوش محاسباتی» بپردازند. اما در برنامه تحلیلی Breaking Analysis شماره ۳۳۲ پلتفرم SiliconANGLE با حضور دیو ولانته و کرافورد دلپرت، رئیس سابق مؤسسه معتبر IDC و مشاور ارشد صندوق PSG Equity، این پرسش بنیادین به چالش کشیده شد: درون سازمان‌های واقعی چه اتفاقی باید بیفتد تا این سرمایه‌گذاری‌های عظیم هوش مصنوعی به مرحله خودگردانی مالی برسند؟
این گفت‌وگو هم‌زمان با سقوط نزدیک به هزار واحدی شاخص نزدک در بازارهای مالی انجام شد؛ واکنشی تند از سوی والاستریت به گزارش‌های درآمدی غول‌های فناوری ابری (Hyperscalers). در حالی که سرمایه‌گذاری‌های سرمایهای (Capex) شرکت‌هایی مانند آمازون و گوگل برای ساخت مراکز داده به اوج تاریخی رسیده، بازدهی درآمدی و جریان نقدی آزاد منفی باعث نگرانی شدید سرمایه‌گذاران شده است. اگر عرضه زیرساخت پیش از تحقق درآمدزایی مولد سازمانی از تعادل خارج شود، ریسک ترکیدن حباب هوش مصنوعی به سطحی بحرانی خواهد رسید؛ کارشناسان سال ۲۰۲۹ را خطرناک‌ترین سال این همگرایی تخمین می‌زنند.
تحلیل‌های اقتصادی مایکل بری (سرمایه‌گذار مشهور فیلم بیگ شورت) پیرامون تعهدات متقابل شرکت‌هایی نظیر آنتروپیک و همچنین گزارش‌های تورستن اسلوک، اقتصاددان ارشد مؤسسه آپولو، نشان میدهد منافع مالی ملموس هوش مصنوعی هنوز در ترازنامه‌های سازمانی عمومی ظاهر نشده است. این پدیده یادآور «پارادوکس بهره‌وری سولو» در دهه ۱۹۹۰ و دوران تولد رایانه‌های شخصی است که طی آن میلیاردها دلار صرف خرید تجهیزات شد اما اثرات بهره‌وری سال‌ها بعد خود را نشان دادند.
به باور دلپرت، مسیر رسیدن به یک «فرود نرم» اقتصادی مستلزم بازنگری ریشه‌ای در مدل‌های عملیاتی کسب‌وکارها است: ۱. تحول در مدل‌های قیمت‌گذاری نرم‌افزار: فروش حق اشتراک به ازای هر صندلی کارمند (Per-Seat SaaS) منسوخ خواهد شد و نرم‌افزارها باید بر اساس دستمزد ناشی از نتایج واقعی کار و مصرف داده‌ها (Outcome-based & Consumption pricing) قیمت‌گذاری شوند. ۲. بازتعریف ساختار منابع انسانی: هوش مصنوعی نمی‌تواند صرفاً دستیار کارهای پراکنده باشد، بلکه باید فرآیندهای زنجیره‌ای را به شکل کاملاً خودکار بر عهده بگیرد تا صرفه‌جویی در هزینههای پرسنلی بتواند هزینه اشتراک توکن‌های پردازشی را پوشش دهد. ۳. مدیریت انتظارات فناوری: شرکت‌هایی که متوجه تفاوت میان هیاهوی رسانه‌ای و بهره‌وری واقعی فرآیندهای کسبوکار شده‌اند، سرمایه‌گذاری‌های خود را روی کاربردهای با ارزش افزوده بالا مانند پیش‌بینی عرضه، کشف تقلب و امنیت متمرکز ساخته‌اند.