जबकि AI शेयरों में पार्टी जारी है, अनुभवजन्य साक्ष्य यह दिखाने लगे हैं कि तकनीकी क्रांति की अपनी सीमाएँ हैं। फिलहाल, बाजार सबसे अच्छे परिदृश्य की कीमत लगा रहा है। लेकिन जोखिम लगातार बढ़ रहे हैं। यदि आपके पास AI निवेश हैं, तो आपको तैयार रहने की आवश्यकता है।
हर कोई आश्वस्त है कि निवेश का भविष्य कृत्रिम बुद्धिमत्ता द्वारा तय किया जाएगा। नए मॉडल बेहतर निर्णय लेने और लगातार पैसा कमाने का वादा करते हैं। हालांकि, एक हालिया प्रयोग ने वास्तव में आश्चर्यजनक परिणाम दिए।
पिछले साल के अंत में, एक प्रयोग किया गया जिसे हर वित्तीय अखबार के पहले पन्ने पर होना चाहिए था, लेकिन यह लगभग अनजाना रह गया, और इसके निष्कर्षों पर अब ही गंभीरता से चर्चा होने लगी है। "Nof1" नामक एक शोध प्रयोगशाला ने "Alpha Arena" का आयोजन किया: इसने दुनिया के छह सबसे उन्नत AI मॉडलों—ChatGPT, Gemini, Claude, Grok, DeepSeek और Qwen—को $10,000 की वास्तविक पूंजी दी और उन्हें दो सप्ताह तक क्रिप्टो बाजार में अकेले काम करने दिया। कोई मानव हस्तक्षेप नहीं। सभी ऑपरेशन सार्वजनिक और ऑडिटेबल थे।
परिणाम: छह में से चार ने पैसा गंवाया। GPT-5, OpenAI का स्टार मॉडल, अपनी 60% से अधिक पूंजी खो बैठा। Gemini, Google का मॉडल, आधे से अधिक गंवा बैठा। सभी मॉडलों की सफलता दर मात्र 25% से 30% के आसपास मँडरा रही थी, और अधिकांश नुकसान किसी बहुत ही मानवीय चीज़ से आया: अत्यधिक ट्रेडिंग, अत्यधिक कमीशन देना, और जोखिम नियंत्रण के बिना लीवरेज का उपयोग करना।
और जो दो जीते? यहाँ सबसे दिलचस्प विवरण आता है। जब उन्होंने हफ्तों बाद प्रयोग दोहराया—इस बार टेस्ला, NVIDIA और माइक्रोसॉफ्ट जैसे अमेरिकी शेयरों के साथ—पहले राउंड के विजेता अपनी सफलता दोहरा नहीं पाए: वे लाल निशान में आ गए, व्यावहारिक रूप से बाकी सभी मॉडलों के साथ। सांख्यिकी में, इसका एक नाम है: जब एक राउंड जीतने वाला अगले में दोहरा नहीं पाता, तो आप जो माप रहे हैं वह कौशल नहीं है। यह किस्मत है।
इस बीच, सोशल नेटवर्क X पर ढेरों खाते आपको बता रहे हैं कि "फलाने ने ChatGPT से पाँच मिनट में एक बॉट बनाया और लाखों कमा रहा है।" लेकिन डेटा इसके विपरीत कहता है, और यह समझना कि ऐसा क्यों है, बाजार के सबसे गर्म क्षेत्र के शेयरों के साथ क्या हो सकता है, इसके बारे में सोचने की एक कुंजी है।
ट्रेडिंग पर लागू AI का निहित वादा यह था: एक मशीन जो किसी भी इंसान से अधिक जानकारी प्रोसेस करती है, उसे ऐसे अवसर मिलने चाहिए जो इंसान नहीं देखते। प्रयोग बताता है कि, कम से कम आज, ऐसा नहीं हो रहा है।
अदृश्य बाधा: जानकारी निर्णय नहीं है
यह विफल क्यों होता है? यहाँ सबसे दिलचस्प निष्कर्ष है, और यह एक अन्य अध्ययन से आता है। प्रिंसटन और अन्य विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने CryptoBench स्थापित किया, जो पेशेवर विश्लेषकों द्वारा डिज़ाइन की गई एक परीक्षा है ताकि यह मापा जा सके कि ये मॉडल वास्तविक बाजारों में कितना अच्छा काम करते हैं। उन्होंने कार्यों को दो समूहों में बांटा: "जानकारी प्राप्त करना" (X की कीमत क्या है?, उस प्रोटोकॉल के पास कितनी पूंजी है?) और "भविष्यवाणी" (इसके साथ क्या होने वाला है?)।
अंतर जबरदस्त है। GPT-5 ने जानकारी प्राप्त करने वाले लगभग 6 में से 10 सवाल सही किए। भविष्यवाणी वाले में, 10 में से 1 से भी कम। वही मॉडल जो डेटा खोजने में शानदार है, जब अनिश्चितता के तहत निर्णय लेना होता है तो बिखर जाता है।
वह अदृश्य बाधा है। भाषा मॉडल मौजूदा जानकारी को खोजने, संक्षेपित करने और व्यवस्थित करने में असाधारण हैं। लेकिन निवेश एक सूचना समस्या नहीं है: यह एक "निर्णय" समस्या है। यह तय करना कि डेटा अस्पष्ट होने पर कितना जोखिम उठाना है, अत्यधिक ट्रेडिंग नहीं करना, यह स्वीकार करना कि आप नहीं जानते कि क्या होने वाला है और उसके अनुसार पोजीशन का आकार निर्धारित करना। पेशेवर निवेशक जिसे जोखिम प्रबंधन कहते हैं—और जो निवेशक को जुआरी से अलग करता है—ठीक वही जगह है जहाँ मॉडल विफल रहे।
"लेकिन इस बार कमाई है"
यहाँ हम उस सवाल से जुड़ते हैं जो आपके पोर्टफोलियो के लिए मायने रखता है। टेक सेक्टर के मूल्यांकन को सही ठहराने के लिए सबसे दोहराया जाने वाला तर्क है: "यह डॉट-कॉम बबल नहीं है, क्योंकि अब वास्तविक मुनाफा है।" और यह सच है—लेकिन केवल आंशिक रूप से। यह देखना उचित है कि वे मुनाफे कहाँ से आते हैं।
एक बड़ा हिस्सा टेक दिग्गजों के पूंजीगत व्यय (capex) से आता है। माइक्रोसॉफ्ट, अमेज़न, गूगल और मेटा 2026 में AI बुनियादी ढाँचे में $600 बिलियन से अधिक का निवेश करने की योजना बना रहे हैं, जबकि 2025 में यह लगभग $380 बिलियन था। परिप्रेक्ष्य में रखने के लिए: यह अर्जेंटीना के सकल घरेलू उत्पाद के बराबर राशि है, जो एक ही वर्ष में मुख्य रूप से डेटा सेंटर और चिप्स पर खर्च की जाएगी।
और एक दूसरा विवरण भी है: उस पैसे का अधिकांश भाग एक बंद सर्किट में घूमता है। NVIDIA OpenAI में सैकड़ों मिलियन डॉलर का निवेश करता है; OpenAI अपने डेटा सेंटर का उपयोग करने के लिए Oracle के साथ अनुबंध करता है; और Oracle, बदले में, उन डेटा सेंटर को NVIDIA चिप्स से भरता है। वही पैसा उन्हीं खिलाड़ियों के बीच घूमता है, और हर चक्कर में, इसे किसी की आय के रूप में दर्ज किया जाता है। शब्दावली में, इसे "AI सर्कुलर इकोनॉमी" कहा जाता है, और अधिक से अधिक विश्लेषक सोच रहे हैं कि क्या होगा यदि उस श्रृंखला की एक कड़ी टूट जाए।
मुद्दा यह नहीं है कि मुनाफा नकली है। मुद्दा यह है कि वे दिग्गजों द्वारा इस दर पर खर्च जारी रखने पर निर्भर करते हैं। और यहाँ हम उस चीज़ पर आते हैं जो हमने ऊपर देखी: वह खर्च इस उम्मीद से उचित है कि AI सब कुछ बदलने वाला है। यदि इन प्रयोगों द्वारा दिखाई गई सीमाएँ—जानकारी प्रोसेस करने में शानदार, निर्णय में कमजोर—बाजार की धारणा के रूप में मजबूत हो जाती हैं, तो उन कंपनियों के बोर्ड को अपने शेयरधारकों से capex कम करने का दबाव महसूस होगा। और यदि capex कम होता है, तो आय की श्रृंखला जो आज सेक्टर के मूल्यांकन को बनाए रखती है, जल्दी से कमजोर हो जाएगी।
हम इसके साथ क्या करें?
तीन ठोस विचार। पहला, यदि आपके पोर्टफोलियो का एक बड़ा हिस्सा अमेरिकी टेक में केंद्रित है—और यदि आप S&P 500 में निवेश करते हैं, तो आपके पास है, क्योंकि मुट्ठी भर कंपनियाँ इंडेक्स का एक बड़ा हिस्सा बनाती हैं—यह उस सांद्रता की समीक्षा करने का अच्छा समय है।
दूसरा, अनुसरण करने का संकेतक NVIDIA की कीमत नहीं है: यह प्रत्येक आय प्रस्तुति में माइक्रोसॉफ्ट, अमेज़न, गूगल और मेटा की "capex गाइडेंस" है। जिस दिन उनमें से कोई अपनी निवेश योजनाओं को कम करता है, बाजार संदेश तुरंत पढ़ लेगा। वह डेटा चक्र परिवर्तन का पूर्वानुमान लगाता है, न कि उसकी पुष्टि करता है।
तीसरा, किसी भी ऐसे उत्पाद पर भरोसा न करें जो आपको AI के साथ स्वचालित रिटर्न का वादा करता है। यदि दुनिया के सबसे उन्नत मॉडल, जिनके पीछे शीर्ष स्तर की शोध टीमें हैं, अकेले काम करते हुए पैसा गंवाते हैं, तो वह बॉट जो वे आपको Telegram पर बेचते हैं, अपवाद नहीं होने वाला है। तकनीक सूचना प्रोसेस करने का एक उत्कृष्ट उपकरण हो सकती है—निर्णय, अभी के लिए, अब भी आप या एक पेशेवर द्वारा प्रदान किया जाता है।
अंत में, ट्रेडिंग के क्षेत्र में लागू प्रयोग एक ठोस उदाहरण है जो तेजी से स्पष्ट होती किसी चीज़ का है: कृत्रिम बुद्धिमत्ता की सीमाएँ। हम में से जो इसे रोजाना उपयोग करते हैं, वे देखते हैं कि इसमें वह "निर्णय" और "रचनात्मकता" का अभाव है जो मनुष्यों में किसी भी कार्य के लिए होता है जिसमें आलोचनात्मक सोच शामिल है।
तकनीकी क्रांति वास्तविक है, और आज मैन्युअल रूप से किए जाने वाले कई कार्य स्वचालित हो जाएंगे।
लेकिन शायद, आखिरकार, वह दिन जब AI हम सभी को बदल देगा, हमारे सोचने से कहीं अधिक दूर है। और महत्वपूर्ण बात यह है कि बाजार उस परिदृश्य की कीमत नहीं लगा रहा है।
प्रकाशित @InversoresClub: https://clubdeinversores.com/se-viene-la-noche-para-la-ia-lo-que-un-experimento-con-plata-real-revelo-sobre-sus-limites/
