Renting Intelligence: Vendor Concentration Risk and the Pricing of AI Dependency
Diese Arbeit stellt fest, dass die Aktienmärkte das Risiko der KI-Anbieterkonzentration derzeit nicht einpreisen, da verbindliche Offenlegungspflichten fehlen, was zu inkonsistenten und oft fehlenden Informationen in öffentlichen Berichten führt, die Investoren daran hindern, zwischen Unternehmen zu unterscheiden, die ihre KI-Modelle mieten versus jene, die sie besitzen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der modernen Wirtschaft bauen Unternehmen ihre Produkte zunehmend auf künstlicher Intelligenz auf. Um dies zu tun, steht ein Unternehmen vor einer grundlegenden Entscheidung: Es kann die Intelligenz von einem großen Technologieanbieter lizenzieren und dafür eine Gebühr bezahlen, jedes Mal wenn das System genutzt wird, oder es kann seine eigenen Systeme von Grund auf neu entwickeln und betreiben, wobei es im Voraus massiv in Hardware und Trainingsdaten investiert. Diese Entscheidung ist nicht nur eine technische, sondern ein finanzielles Wagnis. Wenn ein Unternehmen Intelligenz mietet, verlässt es sich auf einen Preis, den jemand anderes festgelegt hat – einen Preis, der sich jederzeit ändern kann. Wenn ein Unternehmen seine eigenen Systeme baut, hat es die Kosten bereits getätigt und besitzt die Kapazität. Die Finanztheorie legt nahe, dass die Abhängigkeit von einem externen Anbieter für einen kritischen Input ein Unternehmen riskanter macht, ähnlich wie ein Unternehmen, das von einem einzigen riesigen Kunden abhängt, als fragiler gilt als eines mit vielen kleinen Kunden. Investoren, die ständig Risiko gegen Ertrag abwägen, sollten theoretisch diesen „mietenden“ Unternehmen mehr Geld leihen oder höhere Renditen auf deren Aktien verlangen, da deren zukünftige Kosten weniger sicher sind.
Ein Forscher am Peres Academic Center setzte sich zum Ziel zu testen, ob der Aktienmarkt diesen Unterschied tatsächlich sieht. Die Studie untersuchte tausende Jahresberichte, die zwischen 2023 und 2026 von US-amerikanischen Unternehmen eingereicht wurden. Das Ziel war es, diese Unternehmen in zwei Gruppen zu sortieren: jene, die zugaben, ihre Modelle für künstliche Intelligenz von anderen zu mieten, und jene, die behaupteten, sie selbst zu bauen und zu hosten. Der Forscher verglich dann das Börsenverhalten dieser beiden Gruppen mit Unternehmen, die die Technologie überhaupt nicht nutzten. Die Erwartung war, dass die mietenden Unternehmen Anzeichen eines höheren Risikos zeigen würden, wie etwa volatilere Aktienkurse oder höhere Kreditkosten, im Vergleich zu den Erbauern.
Die Ergebnisse waren jedoch nicht das, was die Theorie vorhersagte. Die Studie fand heraus, dass der Aktienmarkt keinen Unterschied zwischen den mietenden Unternehmen und den bauenden Unternehmen feststellen konnte. Beide Gruppen wiesen ein ähnliches Risikoniveau auf, und keine Gruppe wurde anders bewertet als die andere. Der einzige klare Unterschied, den der Markt machte, war zwischen Unternehmen, die die Technologie überhaupt nutzten, und solchen, die dies nicht taten. Unternehmen, die künstliche Intelligenz einsetzten, unabhängig davon, wie sie diese erhielten, erschienen riskanter als jene, die sie nicht nutzten. Aber die spezifische Wahl zwischen Mieten und Bauen bewegte die Nadel nicht.
Der Grund für dieses Schweigen in den Daten liegt nicht darin, dass das Risiko nicht existiert, sondern dass die Unternehmen nicht genug darüber aussagen. Der Forscher stellte fest, dass die meisten Unternehmen, die in ihren Jahresberichten über künstliche Intelligenz schreiben, kurz vor der Wahrheit stehen bleiben. Sie behaupten vielleicht, eine „proprietäre Plattform“ oder „eigene Technologie“ zu besitzen, aber sie spezifizieren selten, ob die darunter laufenden Modelle tatsächlich ihre eigenen sind oder ob sie von einem Drittanbieter lizenziert wurden. Da die Unternehmen nicht explizit angeben, woher ihre Modelle stammen, musste der Forscher auf Basis vager Formulierungen raten. Als zwei unabhängige Leser versuchten, dieselben Berichte basierend auf diesen vagen Beschreibungen zu klassifizieren, stimmten sie nur etwa die Hälfte der Zeit übereilein.
Dieser Mangel an Klarheit schuf einen erheblichen blinden Fleck. Die Studie zeigte, dass die „mietende“ Gruppe und die „bauende“ Gruppe in den Berichten so schlecht definiert waren, dass der Markt sie unmöglich unterscheiden konnte. Es ist, als versuche man den Unterschied zwischen zwei Arten von Treibstoff zu messen, wenn die Etiketten auf den Tanks verschmiert und unleserlich sind. Die Daten waren einfach zu verrauscht, um das Risiko offenzulegen. Der Forscher berechnete, dass selbst wenn ein realer Unterschied existierte, das Design der Studie nicht sensibel genug war, um ihn zu finden, es sei denn, dieser Unterschied wäre enorm gewesen – etwa ein Viertel der gesamten Risikovarianz, die am Markt beobachtet wurde.
Die aufschlussreichste Erkenntnis ergab sich aus der Betrachtung der Unternehmen, die künstliche Intelligenz erwähnten, aber sich weigerten zu sagen, woher ihre Modelle stammten. Diese Unternehmen, die zwar über die Technologie sprachen, aber den Ursprung verschwiegen, trugen tatsächlich ein höheres Risiko als Unternehmen, die die Technologie gar nicht erst erwähnten. Ihre Aktien waren volatiler, und Investoren verlangten eine höhere Rendite für das Halten dieser Titel. Dies deutet darauf hin, dass das Schweigen selbst ein Signal für Risiko ist. Wenn ein Unternehmen eine mächtige Technologie nutzt, aber deren Ursprung verbirgt, spürt der Markt eine Unsicherheit, auch wenn er nicht genau lokalisieren kann, worin diese besteht.
Die Studie kommt zu dem Schluss, dass die derzeitige Art und Weise, wie Unternehmen ihre Nutzung künstlicher Intelligenz berichten, für Investoren unzureichend ist, um fundierte Entscheidungen zu treffen. Der Markt ignoriert das Risiko des Mietens nicht; er kann es schlichtweg nicht sehen. Die Berichte sind zu vage und die Sprache zu inkonsistent, um eine klare Messung zu ermöglichen. Der Forscher schlägt vor, dass eine einfache Änderung der Berichtspflichten dies beheben könnte. Wenn Regulierungsbehörden verlangen würden, dass Unternehmen klar angeben, ob ihre Modelle gemietet oder gebaut wurden, und den Anbieter benennen, falls die Abhängigkeit signifikant ist, würden die Daten klar werden. Bis dahin bleibt das spezifische Risiko des Mietens von Intelligenz unsichtbar, verborgen hinter einem Satz, den die meisten Unternehmen sich nicht zu schreiben entscheiden. Der Markt weiß, dass die Technologie riskant ist, aber er weiß noch nicht, welche Unternehmen am Ende den Schaden tragen werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.