Tehisintellekti investeeringute ja tegeliku tulu vahel haigutab 2025. aastaks massiivne 600 miljardi dollari suurune lõhe, mida varjatakse ringfinantseerimise ja nähtamatu odavtööjõuga. See struktuurne ebakõla ohustab globaalset turustabiilsust, kusjuures kolm suurt pilveteenuse pakkujat kontrollivad juba üle 65% ettevõtete AI-töökoormusest, tekitades süsteemse haavatavuse ka Eesti digimajandusele.
Maailma kõige mahukamalt kapitaliseeritud tehnoloogialaine — 2020. aastate tehisintellekti buum — seisab silmitsi fundamentaalse probleemiga: süsteemi sisestatav raha ei ole peaaegu mingis korrelatsioonis sealt väljuva rahaga. Kui me analüüsime Sequoia Capitali partneri David Cahni andmeid, selgub, et globaalsed investeeringud AI-taristusse ulatuvad 2025. aastaks ligikaudu 600 miljardi dollarini, samas kui tegelik tulu AI-teenustest on jäänud kõigest 100 miljardi dollari piirimaile. Sektor ei ole seda kuristikku vaikselt tunnistanud; vastupidi, institutsionaalne käitumine on suunatud selle lõhe kinnimätsimisele, kasutades selleks retoorikat „transformatiivsest potentsiaalist“ ja „pikaajalisest positsioneerimisest“.
Goldman Sachs paigutas praeguse AI-turu maania 2026. aasta juuni seisuga ajalooliste mullide intensiivsuse skaalal 86. protsentiili. See näitaja on korraga selgitav kahes suunas: me ei ole veel jõudnud 2000. aasta dot-com-krahhi katastroofilise 100. protsentiilini, kuid me oleme struktuurselt piisavalt lähedal, et võrdlus nõuaks tõsist tähelepanu, mitte käega löömist. Kui dot-com ajastu vaatlejatele midagi õpetas, siis seda, et mull ei vaja laiaulatusliku majandusliku kahju tekitamiseks 100. protsentiili tingimusi.
Inglismaa Keskpank teravdas seda muret 2025. aasta oktoobris, hoiatades, et OpenAI väärtuse hüpe 500 miljardi dollarini võib toimida süsteemse päästikuna globaalseks turukorrektsiooniks. Keskpangad nimetavad oma riskihinnangutes harva konkreetseid ettevõtteid. See, et nad seda siin tegid, ei viita spekulatsioonile, vaid kalibreeritud institutsionaalsele häirekellale nakkusriski kohta, mis on peidetud ühteainsasse varasse.
Mis eristab praegust hetke 2000. aastast, on Nvidia reaalne kasumlikkus riistvara müügist, mis pakub struktuurset põhja, mida Cisco või Sun Microsystems kunagi pakkuda ei suutnud. Kuid kasumlik kiibitarnija ei neutraliseeri laiemat vastuolu: sajad miljardid dollarid ringlevad ökosüsteemis, mille tulude mudel jääb enamiku osalejate jaoks endiselt vaid unistuseks. Küsimus, mida tasub esitada, ei ole mitte see, kas korrektsioon on võimalik, vaid see, kuidas institutsionaalsed investorid on lasknud sellel lõhel nii suureks paisuda, nõudmata seejuures vastutust.
Ringfinantseerimine: kuidas tehnoloogiahiidude suletud rahaloop toimib
Maailma suurimad tehnoloogiaettevõtted on avastanud märkimisväärse raamatupidamisliku arhitektuuri: investeeri AI-laborisse ja kasseeri seejärel renti, kui see labor kulutab saadud vahendid sinu pilveinfrastruktuurile. Microsoft, Google ja Amazon on kõik seda mudelit mastaapselt rakendanud, suunates kapitali AI-laboritesse, mis tagastavad selle peaaegu kohe pilveteenuse tasudena. See loop ehk suletud ring on elegantne, sisemiselt järjepidev ja väljaspool olijatele peaaegu eristamatu tegelikust turunõudlusest.
Anthropicu 2026. aasta oktoobri S-1 börsilemineku avaldus muutis selle struktuuri loetavaks. Eesrindliku AI-labori narratiivi taga peitus 80,7 miljardi dollari suurune netokahjum ja 500 miljardit dollarit pikaajalisi kohustusi, millest üle 220 miljardi dollari võlgneti otse Google’ile ja Amazonile. Need ei ole juhuslikud kreeditorid. Need on samad üksused, kelle aktsiakapitali süstid algselt Anthropicu kasvu käivitasid, luues finantsseose, mis meenutab vähem turutehingut ja rohkem seotud osapoolte vahelist kontrollitud kapitaliringlust.
Struktuurne läbipaistmatus ulatub veelgi sügavamale. Paljud AI-ettevõtted kasutavad eriotstarbelisi üksusi (SPV), et hoida riistvara liisingukohustused oma põhibilansist lahus, hajutades riske üksuste vahel, kuhu tavapärane investori hoolsuskontroll harva ulatub. Tulemuseks on see, et suurte pilveteenuse pakkujate teatatud tulude kasv võib osaliselt olla nende endi investeerimistegevuse artefakt, mitte tõend välisest nõudlusest, mis taristuehitust neelaks.
See on institutsionaalne käitumine, mis teeb analüütikutele kõige rohkem muret. Kui tulude kasv on osaliselt ise genereeritud, siis Sequoia Capitali tuvastatud 600 miljardi dollari suurune lõhe taristukulutuste ja tegeliku AI-teenuste tulu vahel ei ole ajutine viivitus, mis ootab turu järelejõudmist — see võib olla finantseerimismudeli enda struktuurne omadus, mille tuvastamiseks tavapärane bilansianalüüs on puudulikult disainitud.
Ekstraktsioonimasin: AI nähtamatu inimtaristu
Siinkohal on paslik vaadelda praktilist paradoksi: tehnoloogia, mida reklaamitakse kui inimkonna suurt tööjõudu säästvat leiutist, ei saa toimida ilma nähtamatute madalapalgaliste töötajate armeedeta. Rahvusvaheline Tööorganisatsioon (ILO) on dokumenteerinud, kuidas andmete märgistajad ja sisumoderaatorid Keenias, Venezuelas, Madagaskaril ja Brasiilias moodustavad AI-süsteemide avalikustamata selgroo, mida Silicon Valley müüb autonoomse lahendusena. Kui eemaldada need töötajad, siis mudelid manduvad. Automatiseerimine ei ole kunagi olnud päris see, mida väideti.
Amazoni kassapidajata „Just Walk Out“ poetehnoloogia pakub siinkohal kõige õpetlikumat juhtumiuuringut. Sajad kaugtöötajad Indias kaasati reaalajas tehingute käsitsi kontrollimiseks ja parandamiseks, kui süsteemi algoritmid alt vedasid — detail, mida Amazon oma jaekaubanduspartneritele eriti ei reklaaminud. Sama muster ilmnes ka esimeste isesõitvate autode arendamisel: algoritm juhtis seni, kuni ta enam ei juhtinud, ja siis sekkus inimene kõnekeskusest tuhandete kilomeetree kaugusel.
Oxfordi Interneti Instituudi professor Mark Graham nimetab seda struktuurset sõltuvust „ekstraktsioonimasinaks“. See on mudel, kus tehnoloogia väärtus on üles puhutud tänu majanduslikult räsitud piirkondadest pärit odavale tööjõule. Pretsedent on vanem kui praegune buum. Algne Amazon Mechanical Turki platvorm, mis sai nime 18. sajandi malemänguautomaadi järgi, mille sees peitus tegelikult inimene, tõestas, et tööjõu maskeerimine automatiseerimiseks on vastupidav äristrateegia. Muutunud on vaid mastaap ja sellega seotud finantspanused.
Euroopa poliitikakujundaja või investori jaoks, kes loeb mõne AI-pakkuja prospekti, on praktiline küsimus otsene: kus täpselt asub selles süsteemis inimlik hinnang, kes seda teostab ja milliste töökaitsereeglite alusel?
Vari-AI ja pilvehaavatavuse Jenga-arhitektuur
Kujutage ette keskmise suurusega logistikafirmat Tallinnas. Operatsioonide juht, olles tüdinenud sise-IT aeglastest kinnitusprotsessidest, ühendab kolmanda osapoole AI-planeerimistööriista ettevõtte pilvekeskkonnaga. Ühtegi piletit ei avata. Hankija hindamist läbi ei viida. Neljapäevaks on see üksainus volitamata integratsioon muutunud otseliiniks süsteemi, mis puudutab palgaarvestust, marsruutimisandmeid ja kliendilepinguid. See on „vari-AI“ (shadow AI) praktikas — mitte teoreetiline poliitikategelikkus, vaid konkreetne tarneahela sisenemispunkt, mis hiilib mööda igast IT-juhtimise kihist, mida organisatsioon aastaid ehitas.
Selle stsenaariumi taga peituv struktuurne risk on jahmatav. Atose ja Tenable'i uuringud näitasid, et 70% pilvepõhistest töökoormustest, mis sisaldavad AI-tarkvarapakette, kannavad endas vähemalt ühte parandamata kriitilist haavatavust. Probleem on arhitektuurne: pilvepõhised AI-teenused on sageli ehitatud Jenga-stiilis, kus üks valesti konfigureeritud alumine konteiner kannab oma nõrkuse edasi igale sellest sõltuvale AI-teenusele, mis on selle peale kihistatud. Tõmmake üks klots välja ja kogu struktuur väriseb.
Gartneri prognooside kohaselt kasutab 2025. aastaks AI-d 80% ettevõtetest. Kui see peab paika, ei signaliseeri see arv progressi, vaid eksponentsiaalset kokkupuudet kontrollimata kolmandate osapoolte hankijatega, kellest igaüks toob ettevõtte keskkonda kaasa oma pärandatud haavatavused. Matemaatika on armutu.
Pärandatud riski printsiip võimendab seda veelgi: te ei loonud seda tarneahela haavatavust, kuid kui see jookseb teie keskkonnas, vastutate tagajärgede eest teie. Euroopa Liidu tehisintellektimäärus (EL-i AI-akt, määrus 2024/1689) nõuab nüüd läbivaid tõendeid riskijuhtimise kohta kogu AI-tarneahelas. See on haldusmandaat, mille täitmisest on enamik ettevõtteid, kes maadlevad alles oma volitatud tööriistade nimekirja koostamisega, veel väga kaugel. Küsimus regulaatoritele ja nõukogutasandi riskijuhtidele on see, kas vastavusraamistikud suudavad edestada kasutuselevõtu kõverat, mis on neist juba pika puuga mööda läinud.
Eesti kontekstis: kasutuselevõtt edestab tulu ja kontsentratsioon võimendab riski
Entusiasm ja tulemused liiguvad harva ühes rütmis. Eesti, mida on kaua tähistatud kui digitaalse valitsemise teerajajat, esitab silmapaistva sisemise vastuolu: laiapõhjaline surve AI kasutuselevõtuks eksisteerib kõrvuti kangekaelse tulupuudujäägiga. KPMG 2026. aasta raporti kohaselt teatab vaid 24% Eesti ettevõtetest tegelikust tulust oma AI-investeeringutelt — ülejäänud 76% kannavad kulusid, neelavad riske ja ootavad.
Võrdleme seda dot-com-ajastuga, mil väikesed avatud majandused neelasid samamoodi Lääne juhitud taristubuumi vahtu. Struktuuriline õppetund oli toona selge: varajased kasutajad perifeersetel turgudel kannavad ebaproportsionaalselt suuri üleminekukulusid, samal ajal kui väärtus konsolideerub mujal. Tehisintellekti tsükkel kordab seda mustrit veelgi suurema kontsentratsiooniga: kolm pilveteenuse pakkujat kontrollivad nüüd üle 65% ettevõtete AI-töökoormustest globaalselt. See tähendab, et Eesti firmadel on piiratult alternatiivseid tarnijaid ja peaaegu olematu mõjuvõim, kui hindade, vastavustingimuste või teenuse jätkuvuse üle uuesti läbi räägitakse.
Cybernetica kriitika pakutud AI-agentide registritele viitab millelegi olulisele. Kohalikud tehnilised osapooled mõistavad, et valitsemisraamistikke kalibreeritakse valel abstraktsioonitasemel — tegeletakse nähtavuse ja märgistamisega, samas kui tegelik süsteemne risk peitub sügavamal, taristu sõltuvustes, mida ükski register ei suuda neutraliseerida.
See on väikeste avatud majanduste „blueprint-probleem“. Eesti ei saa trükkida reservvaluutat, ei saa ankurdada suveräänset pilve ega saa ühekülgselt ümber kirjutada EL-i AI-akti täitmisjuhiseid. Kui AI-taristu koondumine kolme hankija kätte tekitab süsteemse tõrkepunkti, siis kes neelab selle šoki? Vastus kaldub ajalooliselt ja struktuurselt perifeeria poole.
Valitsematu valitsemine: regulatsioon, riskivastutus ja strateegiline küsimus Euroopale
Regulatsioon kipub saabuma täpselt ühe kriisi jagu hiljem. EL-i AI-akt (määrus 2024/1689) kohustab küll esitama läbivaid tõendeid riskijuhtimise kohta AI-tarneahelates, mis on struktuurselt oluline nõue. See sunnib organisatsioone kaardistama pärandatud hankijariske, mitte ainult omaenda rakendusi. Kuid määrav sõna on siin „tõendid“ — vastavusdokumentatsioon ei ole operatiivne turvalisus ning lõhe nende kahe vahel on koht, kuhu koguneb süsteemne haavatavus.
Sellel lõhel on mõõdetavad dimensioonid. Seitsekümmend protsenti AI-mahukatest pilvepõhistest töökoormustest kannavad vähemalt ühte parandamata kriitilist haavatavust. Kolm pilveteenuse pakkujat kontrollivad üle 65% ettevõtete AI-töökoormustest, kontsentreerides süsteemset haprust. Samal ajal on praegused regulatiivsed raamistikud orienteeritud eetikaregistritele ja läbipaistvuse deklaratsioonidele, jättes Jenga-stiilis pilvekonfiguratsioonid ja vari-AI sisenemispunktid operatiivselt käsitlemata.
Tehisintellekti materjaliaruanne (AI Bill of Materials) — nimekiri igast mudelist, andmestikust ja hankijast, mis on rakendatud süsteemi sisse ehitatud — on tõusmas praktiliseks vastavusinstrumendiks just seda tüüpi riskide puhul. Kui ringfinantseerimise loopid varjavad tegeliknu vastutust ja nähtamatu tööjõu välismõjud jäävad bilansiväliseks, siis on Euroopa poliitikakujundajate strateegiline küsimus järgmine: mitte kas reguleerida, vaid kas nad suudavad ehitada regulatiivse arhitektuuri piisavalt kiiresti, et see ennetaks AI-mulli korrektsiooni, mitte ei reageeriks sellele tagantjärele?
