What you're reading
This is a scenario, not a prediction. CitriniResearch wrote it as a thought exercise — a macro memo from June 2028, looking backwards at how the economy collapsed. The conceit: what if AI is everything the bulls say it will be, and that's still bad? It went viral, moved markets, and ended up in the New York Times, Wall Street Journal, and Financial Times. Here's the full breakdown.
The Premise: What If AI Wins?
The report opens in June 2028 with a 10.2% unemployment print — a 0.3% upside surprise. Markets sold off 2%, pushing the S&P's cumulative drawdown to 38% from its October 2026 highs. Traders, the memo notes, have grown numb.
"Two years. That's all it took to get from 'contained' and 'sector-specific' to an economy that no longer resembles the one any of us grew up in."
The scenario doesn't begin with catastrophe. It begins with euphoria.
By October 2026, the S&P flirted with 8000. Nasdaq broke 30k. Productivity was booming. Real output per hour rose at rates not seen since the 1950s. Corporate profits were record-setting. AI was working — really working.
The only problem: the economy wasn't.
Ghost GDP: The Core Concept
This is the intellectual heart of the piece. And it's simple once you see it.
Ghost GDP — output that shows up in national accounts but never circulates through the real economy. A single GPU cluster in North Dakota generating the work of 10,000 white-collar workers in Manhattan is, as the authors put it, "more economic pandemic than economic panacea."
The economy kept growing on paper. But the question nobody asked was: how much money do machines spend? The answer is zero. Machines don't buy cars. They don't pay rent. They don't go out to dinner. AI agents that don't sleep or require health insurance produce output — but that output doesn't become income for anyone who then spends it.
The velocity of money flatlined. The human-centric consumer economy, 70% of GDP, began to wither.
The Intelligence Displacement Spiral
The report identifies a feedback loop with no natural brake:
AI improves
↓
Companies need fewer workers
↓
White-collar layoffs increase
↓
Displaced workers spend less
↓
Margin pressure pushes firms into more AI
↓
AI improves further
↓
repeat indefinitely
White-collar workers saw their earnings structurally impaired. Their incomes were the bedrock of the $13 trillion mortgage market. Prime mortgages, previously considered safe, needed to be reassessed. Private credit markets, bloated with PE-backed software deals that assumed recurring revenue would stay recurring, began to crack.
How It Actually Started: SaaS First
In late 2025, agentic coding tools took a step-function jump. A competent developer with Claude Code or Codex could replicate a mid-market SaaS product in weeks. Not perfectly — but well enough that CIOs reviewing $500k annual renewals started asking: what if we just built this ourselves?
The pivot moment: a procurement manager at a Fortune 500 told a SaaS salesperson he'd been in conversations with OpenAI about replacing the vendor entirely with internal AI builds. They renewed at a 30% discount. That, he noted, was a good outcome. The long tail of SaaS, Monday.com, Zapier, Asana, had it worse.
📉 ServiceNow Q3 2026: Net new ACV growth decelerates 23% → 14%
📉 Announces 15% workforce reduction + "Structural Efficiency Program"
📉 Shares fall 18% | Bloomberg, October 2026
The company selling workflow automation was being disrupted by better workflow automation — and its response was to adopt the technology disrupting it.
This was the historical anomaly. The Kodak model — incumbent resists, loses to nimble entrants, dies slowly — didn't apply. These incumbents couldn't afford to resist. With stocks down 40-60% and boards demanding answers, AI-threatened companies did the only rational thing: cut headcount, redeploy savings into AI, use AI to maintain output at lower cost.
"Each company's individual response was rational. The collective result was catastrophic."
When Friction Went to Zero
By early 2027, LLM usage became default — the way autocomplete or spell-check are default. People used AI agents without knowing what an agent was.
The catalyst for the next phase: Qwen's open-source agentic shopper. Within weeks, every major AI assistant had integrated agentic commerce. Distilled models ran on phones and laptops. The marginal cost of inference collapsed. Consumer decisions stopped being discrete human choices and became a continuous optimization process running 24/7.
By March 2027, the median American was consuming 400,000 tokens per day — 10x since end of 2026.
The concept the report introduces here is Friction. The entire post-industrial economy was built on it:
The U.S. economy built a giant rent-extraction layer on top of human limitations. Things take time. Patience runs out. Brand familiarity substitutes for diligence. Most people accept a bad price to avoid more clicks. Trillions of dollars of enterprise value depended on those constraints persisting. When AI removed them, all of them, those trillions evaporated.
Casualties of Zero Friction
Travel platforms — gone first, because they were the simplest. Agents assembled complete itineraries (flights, hotels, ground transport, loyalty optimization, refunds) faster and cheaper than any platform.
Insurance — the entire renewal model depended on policyholder inertia. Agents eliminated inertia.
Financial advice, tax prep, legal work — any service whose value proposition was "I will navigate complexity that you find tedious" was disrupted.
Subscriptions — passively renewing despite months of disuse. Agents renegotiated or cancelled them.
Retail — humans don't have time to price-match across five platforms. Machines do. Customer lifetime value — the metric the entire subscription economy was built on — structurally declined.
The Financial Cascade
Software defaults began mid-2027. But the disruption didn't stay contained to software. By end of 2027, it threatened every business model predicated on intermediation.
The system turned out to be one long daisy chain of correlated bets on white-collar productivity growth. When that growth inverted, the chain unwound all at once. The November 2027 crash accelerated every negative loop already in motion.
📊 S&P 500 peak: ~8,000 (October 2026)
📊 S&P 500 trough: ~4,960 (38% drawdown by June 2028)
📊 Unemployment: 10.2% (June 2028)
📊 $13 trillion mortgage market: under reassessment
📊 PE-backed software: wave of defaults
📊 Private credit: systemic risk emerging
The Core Analogy: Horses
The report uses one analogy to explain everything. It's the most important paragraph in the piece.
"Horses were not put out to pasture when the automobile arrived. They were put to work differently — until they weren't. And then the economy that had been built around them, feed, stables, farriers, trainers, veterinarians, all contracted. The question isn't whether humans are horses. The question is whether the economy built around human cognitive labour will contract the same way."
The horse economy didn't collapse because horses became worthless. It collapsed because the system built around horses — every job, every business, every asset price that assumed horses would be the dominant form of transport — suddenly didn't need to exist.
White-collar cognitive work is the horse. The question isn't whether humans can still think. The question is whether the economy needs them to — and whether it was built on the assumption that they would.
Why Critics Say It's Wrong
The Economist and the Financial Times both published responses calling the economics "extreme and improbable." Their main arguments:
1. New jobs always emerge. Every technological wave destroyed jobs and created new ones. Agricultural to industrial. Industrial to service. There's no reason to think this transition is different.
2. Lower prices increase real wealth. If AI makes goods and services dramatically cheaper, the real purchasing power of even lower wages increases. Deflation isn't inherently bad.
3. The timeline is compressed. The scenario assumes everything happens in two years. Real economic transitions take decades. Regulatory friction, adoption curves, and institutional inertia slow everything down.
The authors' response: They called it a scenario, not a prediction. Their goal wasn't to say "this will happen." It was to model a left tail risk that had been almost entirely unexplored. The point is preparation, not prophecy.
What This Actually Means for Education
The scenario has a specific, urgent implication for anyone thinking about the future of education and learning.
The jobs that drove demand for higher education — the jobs that made a degree worth $200k in student debt — were predominantly white-collar cognitive work. Analysis. Decision-making. Document production. Financial reasoning. Legal interpretation. These are precisely the jobs the scenario describes being disrupted first and fastest.
If the economic returns on these skills collapse, the entire model of education-as-investment collapses with it. Not because learning stops having value. But because the credential-to-income pipeline that made university the obvious choice breaks down.
The people who will navigate this, whether the scenario plays out fully or partially, are the ones who treated their education as genuine capability development rather than credential acquisition. And those who build or control the intelligence infrastructure will benefit regardless of what happens to everyone else.
This is the thing CitriniResearch is actually saying: the owners of compute will be fine. Everyone else is a variable in their productivity calculation.
Source: CitriniResearch — The 2028 Global Intelligence Crisis · James van Geelen & Alap Shah · Feb 22, 2026 · 171K subscribers · Covered by NYT, WSJ, FT, The Economist, Fortune · Deep dive by Research Hub
Čo čítate
Toto je scenár, nie predpoveď. CitriniResearch ho napísal ako myšlienkové cvičenie — makro memo z júna 2028, pohľad spätne na to, ako sa ekonomika zrútila. Podstata otázky: čo ak je AI všetko, čo hovoria býci — a to je stále zlé? Stalo sa virálnym, pohlo trhmi a skončilo v New York Times, Wall Street Journal a Financial Times. Tu je plný rozbor.
Predpoklad: Čo ak AI vyhrá?
Správa sa otvára v júni 2028 s výtlačkom nezamestnanosti 10,2 % — prekvapivý nárast o 0,3 %. Trhy klesli o 2 %, čím sa kumulatívny pokles S&P prehĺbil na 38 % od októbrových maxím roku 2026. Obchodníci, ako správa poznamenáva, si zvykli.
„Dva roky. To stačilo na prechod od ‚obmedzené' a ‚sektorovo špecifické' k ekonomike, ktorá nepripomína tú, s ktorou začal žiadny z nás."
Scenár nezačína katastrofou. Začína eufóriou.
V októbri 2026 sa S&P priblížil k 8 000. Nasdaq prelomil 30 000. Produktivita rastie. Reálny výstup na hodinu stúpol tempom neviditeľným od 50. rokov. Firemné zisky sú rekordné. AI fungovala — skutočne fungovala.
Jediný problém: ekonomika nie.
Duchový HDP: ústredný koncept
Toto je intelektuálne jadro celého textu. A je jednoduché, keď to raz uvidíte.
Duchový HDP — výstup, ktorý sa objaví v národných účtoch, ale nikdy neobehuje skutočnou ekonomikou. Jeden GPU klaster v Severnej Dakote generujúci prácu 10 000 administratívnych pracovníkov na Manhattane je, ako to autori formulujú, „skôr ekonomická pandémia ako ekonomický liek."
Ekonomika na papieri rástla. Ale otázku, ktorú si nikto nekládol: koľko míňajú stroje? Odpoveď je nula. Stroje nekupujú autá. Neplatia nájomné. Nechodia na večeru. AI agenti, ktorí nespia a nepotrebujú zdravotné poistenie, produkujú výstup — ale tento výstup sa nezmení na príjem pre nikoho, kto by ho potom míňal.
Rýchlosť peňazí sa vyrovnala. Ľudská spotrebiteľská ekonomika, 70 % HDP, začala chradnúť.
Špirála inteligenčného vytesňovania
Správa identifikuje spätnú väzbu bez prirodzeného brzdenia:
AI sa zlepšuje
↓
Firmy potrebujú menej pracovníkov
↓
Prepúšťanie administratívnych pracovníkov rastie
↓
Vytlačení pracovníci míňajú menej
↓
Tlak na marže tlačí firmy k viac AI
↓
AI sa ďalej zlepšuje
↓
opakovať donekonečna
Administratívni pracovníci videli štrukturálne zhoršenie svojich príjmov. Ich príjmy boli základom trhu hypoték v hodnote 13 biliónov dolárov. Prvotriedne hypotéky, predtým považované za bezpečné, museli byť prehodnotené. Trhy súkromného úveru, nafúknuté PE-financovanými softvérovými obchodmi predpokladajúcimi, že opakujúce sa výnosy zostanú opakujúcimi sa, začali praskať.
Ako to skutočne začalo: najprv SaaS
Koncom roku 2025 agentické nástroje na písanie kódu urobili skokovú zmenu. Kompetentný vývojár s Claude Code alebo Codex dokázal replikovať stredne veľký SaaS produkt v priebehu týždňov. Nie dokonale — ale dostatočne dobre, aby CIO-ovia prehodnocujúci ročné predplatné za 500 000 dolárov začali klásť otázku: čo keby sme to jednoducho postavili sami?
Zlomový moment: manažér nákupu vo Fortune 500 povedal obchodnému zástupcovi SaaS, že bol v rozhovoroch s OpenAI o nahradení dodávateľa internými AI buildmi. Obnovili zmluvu so 30 % zľavou. Poznamenal, že to bol dobrý výsledok. Dlhý chvost SaaS — Monday.com, Zapier, Asana — na tom bol horšie.
📉 ServiceNow Q3 2026: rast čistého nového ACV spomalil z 23 % → 14 %
📉 Oznámenie 15 % zníženia počtu zamestnancov + „Program štrukturálnej efektivity"
📉 Akcie klesli o 18 % | Bloomberg, október 2026
Spoločnosť predávajúca automatizáciu pracovného toku bola narúšaná lepšou automatizáciou pracovného toku — a jej odpoveďou bolo adoptovať technológiu, ktorá ju narúšala.
Toto bola historická anomália. Kodakov model — incumbent odoláva, prehráva s agilnými nováčikmi, umiera pomaly — sa neuplatnil. Títo incumbenti si nemohli dovoliť odolávať. S akciami dole 40–60 % a predstavenstvami požadujúcimi odpovede robili AI-ohrozené spoločnosti jedinú racionálnu vec: znižovanie počtu zamestnancov, presmerovanie úspor do AI, využívanie AI na udržanie výstupu pri nižších nákladoch.
„Individuálna reakcia každej spoločnosti bola racionálna. Kolektívny výsledok bol katastrofálny."
Keď trenie zmizlo na nulu
Začiatkom roku 2027 sa používanie LLM stalo predvoleným — rovnako ako automatické dopĺňanie alebo kontrola pravopisu. Ľudia používali AI agentov bez toho, aby vedeli, čo agent je.
Katalyzátor ďalšej fázy: open-source agentický nakupovač Qwen. V priebehu týždňov každý hlavný AI asistent integroval agentický obchod. Destilované modely bežali na telefónoch a notebookoch. Marginálne náklady na inferenciu sa zrútili. Spotrebiteľské rozhodnutia prestali byť diskrétnymi ľudskými voľbami a stali sa kontinuálnym optimalizačným procesom bežiacim 24/7.
Do marca 2027 priemerný Američan spotrebúval 400 000 tokenov denne — 10-násobok oproti koncu roku 2026.
Koncept, ktorý správa tu zavádza, je Trenie. Celá postindustriálna ekonomika bola na ňom postavená:
Americká ekonomika vybudovala obrovskú vrstvu na extrakciu renty nad ľudskými obmedzeniami. Veci trvajú čas. Trpezlivosť dochádza. Znalosť značky nahrádza starostlivosť. Väčšina ľudí akceptuje zlú cenu, aby sa vyhla ďalším kliknutiam. Bilióny dolárov podnikovej hodnoty záviseli od pretrvávanie týchto obmedzení. Keď AI odstránila všetky — tieto bilióny sa vyparili.
Obete nulového trenia
Cestovné platformy — zmizli prvé, pretože boli najjednoduchšie. Agenti zostavili kompletné itineráre (lety, hotely, pozemná doprava, optimalizácia vernostných bodov, refundácie) rýchlejšie a lacnejšie ako akákoľvek platforma.
Poisťovníctvo — celý model obnovy závisel od zotrvačnosti poistníka. Agenti zotrvačnosť eliminovali.
Finančné poradenstvo, daňové účtovníctvo, právna práca — každá služba, ktorej hodnotová ponuka bola „navigujem zložitosť, ktorú považujete za únavnú", bola narušená.
Predplatné — pasívne obnovy napriek mesiacom nepoužívania. Agenti ich prerokovávali alebo rušili.
Maloobchod — ľudia nemajú čas porovnávať ceny naprieč piatimi platformami. Stroje áno. Celoživotná hodnota zákazníka — metrika, na ktorej bola postavená celá ekonomika predplatného — štrukturálne klesla.
Finančná kaskáda
Softvérové zlyhania začali v polovici roku 2027. Narušenie však nezostalo obmedzené na softvér. Koncom roku 2027 ohrozovalo každý obchodný model predpokladajúci sprostredkovanie.
Systém sa ukázal byť jedným dlhým reťazcom korelatívnych stávok na rast produktivity administratívnych pracovníkov. Keď sa tento rast obrátil, reťazec sa rozvinul naraz. Novembrový krach roku 2027 urýchlil každú negatívnu slučku, ktorá už bola v pohybe.
📊 Maximum S&P 500: ~8 000 (október 2026)
📊 Dno S&P 500: ~4 960 (pokles 38 % do júna 2028)
📊 Nezamestnanosť: 10,2 % (jún 2028)
📊 Hypotekárny trh za 13 biliónov dolárov: pod prehodnotením
📊 PE-financovaný softvér: vlna zlyhaní
📊 Súkromný úver: vznikajúce systémové riziko
Ústredná analógia: kone
Správa používa jednu analógiu na vysvetlenie všetkého. Je to najdôležitejší odsek celého textu.
„Kone neboli odstavené na pasienky, keď prišiel automobil. Boli zapriahnuté inak — kým neboli. A potom ekonomika, ktorá bola okolo nich postavená — krma, stajne, podkovači, tréneri, veterinári — sa stiahla. Otázka nie je, či sú ľudia kone. Otázka je, či sa ekonomika postavená okolo ľudskej kognitívnej práce stiahne rovnakým spôsobom."
Konská ekonomika sa nezrútila preto, že kone stratili hodnotu. Zrútila sa preto, že systém postavený okolo koní — každá práca, každý podnik, každá cena aktíva predpokladajúca kone ako dominantnú formu dopravy — naraz nepotrebovala existovať.
Kognitívna práca administratívnych pracovníkov je kôň. Otázka nie je, či ľudia stále dokážu myslieť. Otázka je, či to ekonomika potrebuje — a či bola postavená na predpoklade, že áno.
Prečo kritici hovoria, že sa mýli
The Economist a Financial Times uverejnili odpovede nazývajúce ekonómiu „extrémnou a nepravdepodobnou." Ich hlavné argumenty:
1. Vždy vznikajú nové pracovné miesta. Každá technologická vlna ničila pracovné miesta a vytvárala nové. Od poľnohospodárstva k priemyslu. Od priemyslu k službám. Niet dôvodu myslieť si, že tento prechod je iný.
2. Nižšie ceny zvyšujú reálne bohatstvo. Ak AI drasticky zlacní tovary a služby, reálna kúpna sila aj nižších miezd rastie. Deflácia nie je inherentne zlá.
3. Časová os je stlačená. Scenár predpokladá, že všetko sa stane za dva roky. Skutočné ekonomické prechody trvajú desaťročia. Regulačné trenie, krivky adopcie a inštitucionálna zotrvačnosť všetko spomaľujú.
Odpoveď autorov: Nazvali to scenárom, nie predpoveďou. Cieľom nebolo povedať „toto sa stane." Bolo to modelovanie rizika ľavého chvosta, ktoré bolo takmer úplne neprebádané. Pointou je príprava, nie proroctvo.
Čo to skutočne znamená pre vzdelávanie
Scenár má špecifický, naliehavý dôsledok pre každého, kto premýšľa o budúcnosti vzdelávania.
Pracovné miesta, ktoré poháňali dopyt po vysokoškolskom vzdelaní — pracovné miesta, ktoré robili titul hodným 200 000 dolárov v študentskom dlhu — boli prevažne kognitívna práca: analýza, rozhodovanie, produkcia dokumentov, finančné uvažovanie, právna interpretácia. To sú presne pracovné miesta, ktoré scenár opisuje ako prvé a najrýchlejšie narušené.
Ak sa ekonomické výnosy z týchto zručností zrútia, celý model vzdelávanie-ako-investícia sa zrúti s nimi. Nie preto, že učenie prestane mať hodnotu. Ale preto, že pipeline credential-na-príjem, ktorý robil z univerzity samozrejmú voľbu, sa rozpadne.
Ľudia, ktorí toto prežijú — či sa scenár naplní úplne alebo čiastočne — sú tí, ktorí pristupovali k vzdelávaniu ako k skutočnému rozvoju schopností, nie k získavaniu kredenciálov. A tí, ktorí budujú alebo kontrolujú inteligenčnú infraštruktúru, budú prosperovať bez ohľadu na to, čo sa stane so všetkými ostatnými.
Toto je to, čo CitriniResearch skutočne hovorí: vlastníci výpočtovej techniky budú v poriadku. Všetci ostatní sú premennou v ich výpočte produktivity.
Source: CitriniResearch — The 2028 Global Intelligence Crisis · James van Geelen & Alap Shah · Feb 22, 2026 · 171K subscribers · Covered by NYT, WSJ, FT, The Economist, Fortune · Deep dive by Research Hub