عندما قيمت Jessica Wachter، أستاذة المالية في كلية وارتون بجامعة بنسلفانيا، تأثير AI الاقتصادي، began مع "حقيقة مذهلة": hyperscalers ينفقون مبالغ ضخمة في مراكز بيانات AI. بدلاً من توقع فائدة AI، حسبت كم يجب أن تنمو أرباحهم لتبرير الإنفاق حتى 2027، عندما ستصل النفقات إلى nearly 1.1 تريليون دولار. التحليل يظهر أن شركات AI يجب أن تزيد إنتاجيتها بعامل 2.7 لتتحقق التوازن بحلول 2030، مع مراعاة تكلفة رأس المال وعائد 15%. Wachter، economist SEC السابق، تلاحظ أن هذا سيتطلب نموًا مماثلًا لازدهار تكنولوجيا المعلومات الأمريكي في التسعينيات، ولكن مضغوط في بضع سنوات. إذا لم يتم الوفاء بذلك، يواجه hyperscalers خطر التأخر في مدفوعات الفائدة والإفلاس. تستنتج أن boomproductivity الفاشل سيجعل التوسع الحالي "أكبر سوء توزيع لرأس المال في التاريخ". hyperscalers-Alphabet، Microsoft، Amazon، Meta، و Oracle (الشريك مع OpenAI)-ستنفق حوالي 750 مليار دولار هذا العام على مراكز البيانات، مع استثمارات رأس المال لـ AI قد تتجاوز 5 تريليونات دولار على مدى أربع سنوات. ومع ذلك،revenues AI الحالية هي فقط 150–200 مليار دولار سنويًا، وفقًا لـ Gary Gensler، الرئيس السابق لـ SEC و أستاذ MIT Sloan، الذي ينادى mismatch بين الإنفاق والإيرادات "حقيقة" . الاستثمارات قد تصل إلى 3% من GDP الولايات المتحدة، مما يطرح مخاطر على الصحة المالية للشركات والاقتصاد الأوسع حيث يتحول التدفق النقدي الحر إلى سالب في جميع أنحاء المجموعة.