AI-boomen gjør én teknologisatsing til en risiko på tvers av markedene

Smitteeffekten vil heller ikke være begrenset til teknologisektoren. Reuters skrev at AI-relatert gjeld utgjorde nær 15 prosent av utstedelsen av obligasjoner med høy kredittkvalitet i 2026, samtidig som AI-konsentrasjonen fortsatt var lav i brede kredittindekser. Det er en viktig forskjell: Sektoren kan påvirke prisingen av nye lån og likviditeten i markedet uten å dominere hele markedet for selskapsobligasjoner.

Hvorfor aksjer og obligasjoner blir tettere koblet

Aksje- og kredittmarkedet forsterker hverandre på to måter.

For det første kan en liten gruppe store teknologiselskaper påvirke både utviklingen i aksjeindeksene og investorenes risikovilje. Hvis verdsettelsen deres i stor grad bygger på forventninger om fremtidige AI-inntekter, kan lavere anslag for etterspørselen eller lønnsomheten i infrastrukturinvesteringene presse både aksjekursene og verdien av fremtidige kontantstrømmer ned.

For det andre kan svakere aksjekurser gjøre finansieringen dyrere. Selskapene kan møte høyere kredittpåslag i obligasjonsmarkedet, dårligere vilkår i private lån og mindre etterspørsel etter aksjekoblede verdipapirer. Når finansieringskostnaden stiger, blir også det opprinnelige investeringsregnestykket mindre attraktivt.

Dette er særlig synlig i markedet for konvertible obligasjoner. Slike lån kombinerer gjeld med en opsjon på å gjøre lånet om til aksjer. Det gjør det mulig for utstederen å betale lavere kontant rente når investorene setter pris på oppsiden i aksjen.

I USA nådde utstedelsen av konvertible obligasjoner rundt 34 milliarder dollar i årets fire første måneder, mer enn dobbelt så mye som i samme periode året før. AI-knyttede selskaper bidro sterkt til økningen.

Et sterkt aksjemarked for AI kan dermed gjøre aksjekoblet finansiering billigere, noe som igjen finansierer mer infrastruktur og holder vekstfortellingen gående. Et kraftig aksjefall kan snu mekanismen: Konvertible lån blir mindre attraktive, sikringsforholdene svekkes, og låntakerne kan bli mer avhengige av dyrere tradisjonell gjeld eller nye aksjeemisjoner.

Den skjulte koblingen er AI-etterspørselen

En obligasjon utstedt av et stort skyselskap, et datasenterlån, en avtale med et privat kredittfond, et lån til et kraftprosjekt og en leverandørs utestående faktura kan være utstedt av helt forskjellige juridiske enheter.

Likevel kan de være avhengige av den samme økonomiske forutsetningen: at AI-kundene fortsetter å bruke penger, leier datakapasitet og skaper nok inntekter til å holde hele infrastrukturkjeden lønnsom.

Denne felles avhengigheten kan få diversifiseringen til å se sterkere ut enn den faktisk er. En portefølje med obligasjoner, verdipapiriserte lån og private kredittavtaler kan inneholde flere krav mot de samme skyselskapene, datasenteroperatørene eller utstyrsleverandørene.

Hvis prosjekter blir forsinket eller kapasiteten ikke blir tatt i bruk, kan tap oppstå gjennom flere instrumenter samtidig – selv om ingen av dem formelt er garantert av det samme selskapet.

Risikoen blir større når finansieringsstrukturer flytter eksponering bort fra den synlige balansen uten å fjerne sponsorens kommersielle forpliktelser.

Finansiering utenfor balansen kan skjule den økonomiske risikoen

Spesialforetak, leieavtaler og garantier for restverdi blir stadig viktigere verktøy i utbyggingen av datasentre. I en typisk struktur henter et eksternt foretak inn gjelden og eier anlegget, mens et teknologiselskap leier det ferdige datasenteret.

Ordningen kan holde prosjektets lån utenfor den rapporterte gjelden til teknologiselskapet. Samtidig kan selskapet være bundet til leiebetalinger, minimumsbruk eller garantier knyttet til anleggets fremtidige verdi.

Metas planlagte Hyperion-datasenter illustrerer strukturen. En juridisk analyse beskriver et spesialforetak på 30 milliarder dollar som hentet inn rundt 27 milliarder dollar i lån og 3 milliarder dollar i egenkapital, mens anlegget skulle leies ut til Meta.

Annen omtale beskriver garantier for restverdi, der Meta skulle kompensere investorene dersom eiendommen falt under en bestemt verdigrense.

Dette gjør ikke gjelden i prosjektforetaket identisk med vanlig seniorgjeld utstedt av morselskapet. Men det betyr at den rapporterte gjeldsgraden ikke nødvendigvis viser hvor følsom virksomheten er for byggekostnader, teknologisk foreldelse, kapasitetsutnyttelse og fallende eiendomsverdier.

Det praktiske spørsmålet for investorene er derfor ikke bare «Hvem lånte pengene juridisk sett?», men også «Hvem tar tapet hvis AI-regnestykket ikke går opp?»

Slik kan en reprising spre seg i økonomien

En korreksjon i finansieringen trenger ikke begynne med et mislighold. Den kan starte med en endring i forventningene:

1. AI-inntektene eller utnyttelsen av datasentrene blir svakere enn ventet.
2. Aksjeverdiene faller, og investorene vurderer på nytt hvor lang tid det vil ta før investeringene betaler seg.
3. Kredittpåslagene øker, og konvertibel finansiering blir mindre attraktiv.
4. Prosjektforetak, operatører og leverandører må refinansiere seg til høyere kostnad.
5. Skyselskapene utsetter eller reduserer bestillinger av brikker, servere, bygging, strøm og eiendom.
6. Svakere motparter mister tilgangen til kreditt, mens høyere langsiktige renter legger press på investeringer utenfor teknologisektoren.

Dette er en mulig tilbakekoblingssløyfe, ikke en prognose. De kontantsterke skyselskapene kan tåle svakere avkastning lenger enn mindre infrastrukturselskaper. Men selv uten omfattende mislighold blant de største aktørene kan forsinkede prosjekter og strammere finansielle vilkår påvirke den bredere investeringssyklusen.

Hva dokumentasjonen viser – og hva den ikke viser

Dokumentasjonen peker mot en økende konsentrasjons- og korrelasjonsrisiko. AI-relatert låneopptak vokser raskt, konvertible obligasjoner brukes til å finansiere AI-knyttet vekst, og strukturerte datasentertransaksjoner kan spre eksponeringen mellom offentlige og private markeder.

Det beviser likevel ikke at finanssystemet står foran en nært forestående systemkrise. Prognosen på 570 milliarder dollar gjelder forventet, ikke realisert, utstedelse. I tillegg avhenger beregninger av finansieringsbehovet og andelen gjeldsfinansierte investeringer av hva som faktisk telles som gjeld. Leieavtaler, garantier, private lån, leverandørfinansiering og fremtidige forpliktelser kan gi svært ulike totalsummer.

For investorene er den mest nyttige testen derfor å kartlegge den reelle eksponeringen. Se forbi navnet på utstederen og spør om flere av investeringene er avhengige av den samme skyleverandøren, den samme datasenterleietakeren, den samme videresalgsverdien på utstyr eller den samme antakelsen om at AI vil bli lønnsomt.

Hovedrisikoen er ikke at alle AI-relaterte aktiva er like. Det er at mange av dem kan være sårbare for den samme endringen i forventningene.