2028 वैश्विक बुद्धिमत्ता संकट - Citrini Research
(citriniresearch.com)Citrini Research ने AI आशावाद के बीच भी एक काल्पनिक परिदृश्य पेश किया है, जिसमें मानव-आधारित अर्थव्यवस्था ढह जाती है.
Preface
- यह कोई “पूर्वानुमान” नहीं बल्कि एक परिदृश्य है, जो उस अपेक्षाकृत कम खोजे गए रास्ते को मॉडल करता है जहाँ AI आशावाद लगातार सही साबित होने पर भी उसका परिणाम मैक्रो स्तर पर मंदी (left-tail risk) हो सकता है.
- जून 2028 में लिखे गए CitriniResearch के एक “काल्पनिक मैक्रो मेमो” की सेटिंग में Global Intelligence Crisis के विकास और उसके प्रभावों का वर्णन किया गया है.
Macro Memo: The Consequences of Abundant Intelligence
- जून 2028 के समय-बिंदु से यह शुरुआत करता है, जब बेरोज़गारी दर 10.2% है और S&P अक्टूबर 2026 के उच्चतम स्तर से -38% गिर चुका है. फ्रेमिंग यह है कि “दो साल के भीतर सेक्टर-समस्या फैलकर पूरी अर्थव्यवस्था के एक अनजान चरण” में बदल गई.
- शुरुआती छंटनियों (2026 की शुरुआत) ने कंपनियों के नज़रिए से “सामान्य प्रभाव” दिए — मार्जिन बढ़े, नतीजे अनुमान से बेहतर रहे, और शेयर बढ़े. फिर वही लाभ दोबारा AI compute में निवेश कर दिए गए.
- नाममात्र GDP और उत्पादकता अच्छी दिखती है, लेकिन जब AI agents उत्पादकता में उछाल ला रहे हैं और श्रम-लागत गायब हो रही है, तब वास्तविक वेतन वृद्धि ढह जाती है, और white-collar कर्मचारी मशीनों से हटकर कम वेतन वाली भूमिकाओं में धकेल दिए जाते हैं.
- “Ghost GDP” — ऐसा आउटपुट जो राष्ट्रीय खातों में दिखता है, लेकिन घरों तक चक्रित नहीं होता और इसलिए वास्तविक उपभोग को सहारा नहीं दे पाता — उभरता है.
- मुख्य मैकेनिज़्म: AI क्षमता↑ → मानव श्रम↓ → उपभोग↓ → कॉरपोरेट मार्जिन पर दबाव/AI में पुनर्निवेश↑ → AI क्षमता↑ … बिना किसी प्राकृतिक ब्रेक वाला नकारात्मक फीडबैक लूप (intelligence displacement spiral).
- यह लूप (1) 13 ट्रिलियन डॉलर mortgage की आय-संबंधी धारणाओं को हिलाता है, (2) 17 साल तक default cycle न होने से गरमाए हुए PE/private (ARR assumptions) को जगाता है, (3) मानव “friction” का monetization करने वाले intermediation industries को ढहाता है, और (4) अंततः “white-collar productivity growth पर correlated bets की daisy chain” को उजागर करता है.
- प्रस्तावना इस चेतावनी के साथ समाप्त होती है कि नीति हमेशा वास्तविकता से पीछे रही है, और व्यापक योजना की कमी deflationary spiral को तेज़ कर सकती है.
How It Started
- 2025 के अंत में agentic coding tools ने बड़ी छलांग लगाई: सिर्फ़ developer+tool के संयोजन से कुछ ही हफ्तों में mid-sized SaaS के core features कॉपी किए जा सकते थे, जिससे बड़े renewal contracts से पहले CIO के लिए “खुद बनाएं?” एक वास्तविक विकल्प बन गया.
- 2026 की mid-year budget review से procurement teams ने वास्तविक क्षमताओं को देखकर निर्णय लेने शुरू किए: vendors का अपेक्षित 5% price-increase playbook टूट गया, और “replaceable” होने की वजह से negotiation power बदल गई — यहाँ तक कि 30% discount renewal जैसी घटनाएँ हुईं.
- निवेशकों ने long-tail SaaS पर असर की उम्मीद की थी, लेकिन “system of record” सुरक्षित रहेंगे, ऐसा माना गया. ServiceNow के उदाहरण में reflexivity दिखती है (ग्राहक 15% workforce घटाते हैं → 15% seats cancel करते हैं → supplier का revenue base यांत्रिक रूप से क्षतिग्रस्त हो जाता है).
- कंपनी-स्तर पर यह तर्कसंगत है (headcount कटौती → बचत को AI में निवेश → output कायम), लेकिन सामूहिक स्तर पर “बचाए गए वेतन का हर 1 डॉलर अगली छंटनी संभव करने वाले AI में चला जाता है”, जिससे कुल रोज़गार आधार और तेज़ी से क्षतिग्रस्त होता है.
- निष्कर्ष: software सिर्फ़ “opening” है; यह लूप white-collar cost structure वाली हर कंपनी तक फैलता है.
When Friction Went to Zero
- 2027 की शुरुआत में लोग “AI agent क्या है, यह जाने बिना भी” उसे default के रूप में इस्तेमाल करने लगते हैं (autocomplete की तरह), और open source shopping agents उपभोक्ता-निर्णयों को हमेशा बैकग्राउंड में चलने वाली optimization में बदल देते हैं (अमेरिकी median individual: प्रतिदिन 4 लाख tokens).
- अगली कड़ी है intermediation: पिछले 50 वर्षों में इंसानी झुंझलाहट, समय-सीमा और inertia के ऊपर बनी “rent extraction layers” को agents price और fee compression के ज़रिए तोड़ देते हैं.
- ठोस उदाहरण:
- auto-renew subscriptions या trial-price hikes जैसी चीज़ों में agents बातचीत या cancellation कर देते हैं, जिससे subscription economy LTV घटता है.
- travel booking: flights, hotels, transport, refunds, loyalty optimization तक agents ज़्यादा सस्ता और तेज़ पैकेज बना देते हैं, और platforms शुरुआती शिकार बनते हैं.
- insurance renewal: “inertia” के सहारे कमाए जाने वाले premiums (15~20%) re-shopping agents से टूटते हैं.
- tax, financial advisory, routine legal work: जहाँ मूल्य “झुंझलाहट भरी जटिलता को संभालने” में था, वे क्षेत्र agents के लिए संवेदनशील हैं क्योंकि agents को झुंझलाहट नहीं होती.
- real estate: MLS+transaction data के साथ knowledge asymmetry कॉपी हो जाती है और commissions 2.5~3% से घटकर 1% से नीचे आ जाते हैं; जिसे “relationship” माना जाता था, वह दरअसल “friendly face वाली friction” निकलती है.
- “habitual intermediation” का पतन: DoorDash का moat home-screen habit था, लेकिन agents हर बार सबसे कम fee/सबसे तेज़ delivery ढूँढते हैं, और coding agents competitors के app launch barrier भी घटा देते हैं, जिससे margins 0 की ओर बढ़ते हैं.
- payment infrastructure तक संक्रमण: M2M transactions में agents 2~3% card interchange fees से बचते हुए stablecoins (Solana/Ether L2 आदि) की ओर जाते हैं, जिससे card networks/issuers का मॉडल हिलता है.
- card-centric banks और monoline issuers को दोहरा झटका लगता है (white-collar कटौती से customer base घटता है + fee bypass से revenue model सिकुड़ता है).
From Sector Risk to Systemic Risk
- 2026 में बाज़ार ने “software/consulting/payments” जैसी चीज़ों को sector story माना, और यह सहमति थी कि ‘creative destruction अपरिहार्य है, और कुछ दर्द के बावजूद AI का net effect नकारात्मक प्रभावों की भरपाई कर देगा.’
- लेखक का तर्क है कि यह मानसिक मॉडल ग़लत है: अमेरिका एक white-collar service economy है (रोज़गार का 50%, discretionary consumption का 75% drive करती है), और AI जिन नौकरियों को खा रहा है वे कोई ‘हाशिए’ की नहीं बल्कि अर्थव्यवस्था का मुख्य ढाँचा हैं.
- “तकनीक नौकरियाँ नष्ट करती है पर बाद में और ज़्यादा नौकरियाँ बनाती है” वाले प्रतिवाद पर:
- पहले नई नौकरियों में अंततः मानव निष्पादन की ज़रूरत होती थी, लेकिन इस बार AI खुद उसी काम में बेहतर होती जाने वाली general intelligence है जिसमें इंसानों को पुनर्स्थापित होना था, इसलिए absorption path कमज़ोर है.
- AI से बनी नई भूमिकाएँ (prompt engineer, safety research, infrastructure आदि) मौजूद हैं, लेकिन मान लिया गया है कि “एक नई भूमिका बनने पर दर्जनों पुरानी भूमिकाएँ बदल जाती हैं” और वेतन भी कम होता है.
- labour market data की ‘composition’ बिगड़ती है: JOLTS openings में गिरावट, white-collar postings में तेज़ कमी (Indeed) जैसी टूटन के संकेत आते हैं, लेकिन stock market AI infrastructure की सकारात्मकता और इन संकेतों के बीच झूलता रहता है, जबकि अधिक सतर्क या अधिक समझदार bond market उपभोग-आघात को पहले price in करता है.
- “यह cycle non-cyclical है”: कुल मांग में गिरावट AI निवेश की सुस्ती में नहीं बदलती क्योंकि इसे OpEx replacement से समझाया गया है (कुल लागत घटाने पर भी AI budget बढ़ता है).
- विडंबना यह है कि अर्थव्यवस्था को नुकसान पहुँचाते हुए भी AI infrastructure complex अच्छा प्रदर्शन करता है (semiconductor/hyperscaler CapEx), और कोरिया-ताइवान जैसी “pure convex” अर्थव्यवस्थाएँ outperform करती हैं.
- इसके विपरीत भारत को एक संवेदनशील उदाहरण के रूप में रखा गया है, जहाँ IT services export model पर चोट पड़ती है और रुपया तेज़ी से गिरकर IMF चर्चा तक बात पहुँचती है.
The Intelligence Displacement Spiral
- 2027 में “कहानी अब सूक्ष्म नहीं रहती”: निकाले गए white-collar कर्मचारी downshift होकर service/gig कामों में आते हैं → उन क्षेत्रों की मज़दूरी पर भी दबाव पड़ता है → sector shock पूरे अर्थतंत्र में wage compression में बदल जाता है.
- gig economy, जो पहला absorption channel थी, उसमें भी autonomous delivery और autonomous driving घुस आते हैं, और दूसरा adjustment शुरू होता है.
- जो पेशेवर अभी भी employed हैं, वे भी “अगला नंबर मेरा है” वाली मानसिकता से savings बढ़ाते और spending घटाते हैं; promotion और raise की उम्मीद भी गायब हो जाती है.
- सबसे ख़तरनाक तत्व है lag: high-income households savings के सहारे 2~3 quarters तक सब कुछ सामान्य जैसा दिखाती हैं, लेकिन जैसे ही data देर से पतन की पुष्टि करता है, market तेज़ी से गिरता है.
- इस recession की विशेषता: छंटनियाँ आय-वितरण के ऊपरी हिस्से में केंद्रित हैं, इसलिए रोजगार में गिरावट की तुलना में discretionary consumption पर disproportionate चोट पड़ती है (शीर्ष 10% 50%+ consumption, शीर्ष 20% 65%).
- इसलिए “white-collar employment में 2% गिरावट → discretionary consumption में 3~4% चोट” जैसी second-order mathematics निकलती है, जो blue-collar की तुलना में देर से लेकिन अधिक गहराई से असर करती है.
The Daisy Chain of Correlated Bets
- private credit 2015 में <1 ट्रिलियन से बढ़कर 2026 में >2.5 ट्रिलियन हो गया, और उसका बड़ा हिस्सा SaaS LBO में गया, जो “स्थायी mid-to-high growth” मानकर बनाए गए थे.
- समस्या की शुरुआत इस बात से होती है कि ‘assumptions मर चुके हैं लेकिन marks देर से बदलते हैं’: जबकि public SaaS 5~8x EBITDA पर re-rate हो रहा है, private assets पुराने valuation marks को बहुत धीरे-धीरे नीचे लाते हैं, जिससे वास्तविकता और mark के बीच का अंतर बढ़ता जाता है.
- 2027 में Moody’s downgrade के बाद software-collateral loans में default शुरू होता है → फिर यह information services/consulting portfolios में फैलता है, और बड़े LBO restructurings की श्रृंखला शुरू हो जाती है.
- ‘smoking gun’ के रूप में Zendesk का उदाहरण दिया गया है: customer service agents द्वारा automate हो जाती है, और Zendesk द्वारा परिभाषित category ही बदल दी जाती है; नतीजा, “ARR अब वास्तव में recurring नहीं रहा” के तर्क पर ऐतिहासिक default.
- यह मान लेने के बावजूद कि “मूल रूप से इसे टिक जाना चाहिए था” (closed-end vehicles, lockups, forced selling से बचाव), लेखक समझाता है कि यह systemic risk क्यों बनता है — और इसके लिए ‘permanent capital’ की वास्तविक प्रकृति बताई जाती है.
- permanent capital की वास्तविकता: बड़े alternative asset managers life insurance (pension) capital को private credit में लगाते हैं (fee-on-fee structure), और इसकी बुनियादी धारणा यह होती है कि credit money-good रहेगा.
- regulators RBC treatment को कड़ा करते हैं → insurers पर capital raise या asset sales का दबाव आता है, और opaque offshore reinsurance/SPV structures भी इसमें उलझे होने से यह अनिश्चितता डर बढ़ाती है कि “घाटा आख़िर कौन वहन करेगा, इसका real-time जवाब देना मुश्किल है.”
The Mortgage Question
- मुख्य प्रश्न उठाया जाता है: “क्या prime mortgage अब भी money-good है?” शुरुआती delinquencies उन इलाक़ों में बढ़ती दिखती हैं जहाँ 780+ score वाले jumbo borrowers ज़्यादा हैं, और mortgage underwriting की मूल धारणा — 30 साल तक आय बनी रहेगी — हिलने लगती है.
- पिछली mortgage crisis (speculation, rate shock, या स्थानीय industry collapse) से अलग, इस बार कर्ज़ ‘शुरुआत में अच्छा था’, लेकिन loan के बाद दुनिया बदल जाती है.
- ‘अदृश्य stress’ संकेतों (HELOC, 401k withdrawals, card debt वृद्धि) के बीच households discretionary spending काटकर, savings ख़त्म करके mortgage चुकाते रहते हैं, और फिर कुछ शहरों में delinquencies उछलने लगती हैं.
- यह अभी 2008-जैसा नहीं है, लेकिन “level नहीं बल्कि trajectory असली ख़तरा है”; labour displacement + mortgage चिंता + private market disorder मिलकर एक financial accelerator बनाते हैं, जो वास्तविक अर्थव्यवस्था की गिरावट को और तेज़ करता है.
- निष्कर्ष: पारंपरिक policy tools (rate cuts/QE) financial engine को तो संभाल सकते हैं, लेकिन real engine को नहीं — यानी “AI का मानव बुद्धिमत्ता को कम दुर्लभ और कम मूल्यवान बना देना.”
The Battle Against Time
- वास्तविक अर्थव्यवस्था का नकारात्मक लूप (AI↑→कुल वेतन↓→खर्च↓→मार्जिन↓→AI खरीद↑) वित्तीय तंत्र में ट्रांसफर होता है (आय क्षति→mortgage→bank losses→credit crunch→wealth effect collapse), और सरकार की अव्यवस्थित प्रतिक्रिया दोनों को और बिगाड़ देती है.
- राजकोषीय संरचनात्मक दुविधा: संघीय कर-आधार वस्तुतः “मानव समय (श्रम-आय)” पर कराधान है, लेकिन जैसे-जैसे प्रतिस्थापन बढ़ता है, income tax और payroll tax घटते हैं, जबकि transfer spending की ज़रूरत बढ़ती जाती है.
- “जिस क्षण households को ज़्यादा transfer देने की ज़रूरत है, उसी क्षण taxes से कम वसूली हो रही है” — इसे संकट का मुख्य दबाव बताया गया है.
- policy ideas:
- Transition Economy Act: deficit spending + AI inference compute tax के ज़रिए displaced workers को direct transfers.
- Shared AI Prosperity Act: intelligence infrastructure returns पर सार्वजनिक claim (sovereign wealth fund/royalty जैसा) बनाकर, dividend के रूप में households को transfer.
- लेकिन राजनीतिक दरारें (दक्षिणपंथ: redistribution और compute tax का विरोध / वामपंथ: regulatory capture की चिंता / fiscal hawks बनाम doves) समय को और खींचती हैं, और सामाजिक एकजुटता उससे भी तेज़ी से टूटती जाती है.
The Occupy Silicon Valley
- विरोधकर्ता प्रमुख AI labs के प्रवेश-द्वार बंद करते हैं आदि (“Occupy Silicon Valley”), और यह सामाजिक प्रतिक्रिया बेरोज़गारी data से भी ज़्यादा ध्यान खींचती है.
- जन-धारणा का केंद्र: productivity boom का लाभ compute owners और lab shareholders तक सीमित हो गया है, और founders/early investors की संपत्ति-संचय ने असमानता को अभूतपूर्व स्तर तक बढ़ा दिया है — यही ग़ुस्से का स्रोत है.
- “हर खेमे का खलनायक अलग है, लेकिन असली खलनायक समय है” — यानी तकनीकी विकास की गति संस्थागत और राजनीतिक प्रतिक्रिया की गति पर भारी पड़ रही है.
The Intelligence Premium Unwind
- आधुनिक अर्थव्यवस्था में जो चीज़ दुर्लभ थी, वह मानव की विश्लेषण, निर्णय, सृजन, persuasion और coordination क्षमता (intelligence) थी; और labour market, mortgage, taxation जैसी पूरी संस्थागत व्यवस्था उसी दुर्लभता की धारणा पर बनी थी.
- अब मशीन intelligence व्यापक कामों में “कुशल और तेज़ी से बेहतर होती जाने वाली substitute” बन गई है, इसलिए निष्कर्ष यह है कि उस scarcity premium का unwind (re-pricing) शुरू हो चुका है.
- पतन अपरिहार्य नहीं है, लेकिन दस्तावेज़ का संदेश इस चेतावनी पर आकर ठहरता है कि “यदि नीति-निर्माता समस्या की परिभाषा पर सहमत नहीं हुए, तो feedback loop ही अगला अध्याय लिख देगा.”
1 टिप्पणियां
लेख के अंत में लेखकों का सुझाव कट गया था, इसलिए लगा कि उसे उद्धृत करके टिप्पणी में जोड़ देना अच्छा रहेगा: