Als Jessica Wachter, Finanzprofessorin an der Wharton School der University of Pennsylvania, die wirtschaftliche Auswirkung von KI bewertete, begann sie mit einem "erstaunlichen Fakt": Hyperscaler investieren enorme Summen in KI-Datenzentren. Anstatt die Nützlichkeit von KI vorherzusagen, berechnete sie, wie schnell ihre Einnahmen wachsen müssen, um die Ausgaben bis 2027 zu rechtfertigen, wenn die Ausgaben bis 2027 fast 1,1 Billionen Dollar erreichen werden. Die Analyse zeigt, dass KI-Unternehmen ihre Produktivität um den Faktor 2,7 steigern müssen, um bis 2030 die Kostendeckung zu erreichen, unter Berücksichtigung der Kapitalkosten und einer Rendite von 15%.

Wachter, ehemalige Chefökonomin der SEC, weist darauf hin, dass dies ein Wachstum erfordern würde, das dem IT-Boom der USA in den 1990er Jahren entspricht, aber in wenigen Jahren komprimiert wird. Erfüllt sich dies nicht, laufen Hyperscaler Gefahr, bei Zinszahlungen ins Hintertreffen zu geraten und in die Insolvenz zu schlittern. Sie kommt zu dem Schluss, dass ein fehlgeschlagener Produktivitätsboom die aktuelle Ausbaumaßnahme "die größte Fehlallokation von Kapital in der Geschichte" machen würde.

Hyperscaler-Alphabet, Microsoft, Amazon, Meta und Oracle (Partnerschaft mit OpenAI)-werden dieses Jahr etwa 750 Milliarden Dollar für Datenzentren ausgeben, mit insgesamt möglichen KI-Kapitalinvestitionen von über 5 Billionen Dollar über vier Jahre. Die aktuellen AI-Einnahmen betragen jedoch nur 150–200 Milliarden Dollar pro Jahr, sagt ehemaliger SEC-Vorsitzender und MIT Sloan Professor Gary Gensler, der die Diskrepanz zwischen Ausgaben und Einnahmen "ein Fakt" nennt. Die Investitionen könnten 3% des US-BIP erreichen und Risiken für die finanzielle Gesundheit von Unternehmen und die breitere Wirtschaft bergen, da der freie Cash Flow über die Gruppe hinweg negativ wird.