In einem Blogbeitrag, der am Freitag, dem 17. Juli 2026, veröffentlicht und in einem von Axios, Fortune und CFO Dive gemeldeten LinkedIn-Beitrag näher erläutert wurde, stellte Friar einen Ansatz vor, den sie als „nützliche Intelligenz pro Dollar“ bezeichnet. Das Hauptargument: Die Kennzahlen, die die SaaS-Ära definiert haben – Sitze, aktive Benutzer, Verlängerungen – erfassen nicht den Wert, den KI schafft. Für eine fortlaufende Analyse, wie sich Unternehmen mit der KI-Ökonomie auseinandersetzen, folgen Sie unserer KI-Branchenberichterstattung.
Die vier Fragen
Friar schlägt vor, dass Organisationen den KI-Wert durch die Beantwortung von vier Fragen beurteilen:
1. Ist es wichtig, dass KI die Arbeit erledigt?
2. Was kostet jede erfolgreiche Aufgabe?
3. Können sich Menschen auf das Ergebnis verlassen?
4. Erzeugt jeder KI-Dollar mehr Wert, wenn die Nutzung zunimmt?
„Jahrelang wurde Software an der Akzeptanz gemessen: Sitze, aktive Benutzer, Verlängerungen“, schrieb Friar auf LinkedIn. „KI ist anders – sie muss an der geleisteten Arbeit gemessen werden.“
Der Rahmen definiert den Token-Verbrauch – den Betrag der KI-Verarbeitung, für den ein Unternehmen bezahlt – nicht als zu minimierende Kosten, sondern als Rohstoff, der erst dann wertvoll wird, wenn er in nutzbare Ergebnisse umgewandelt wird. „Token schaffen einen Wert, wenn sie sich in Arbeit verwandeln, die Menschen nutzen können“, schrieb sie und argumentierte, dass Modelle mit zunehmender Leistungsfähigkeit längere, mehrstufige Aufgaben übernehmen können, die den Kontext beibehalten, über Tools hinweg argumentieren und sich im Laufe der Zeit anpassen.
Warum OpenAI dies jetzt vorantreibt
Der Pitch kommt zu einem für die KI-Branche unangenehmen Zeitpunkt. Laut den von CFO Dive zitierten Zahlen von Gartner werden die weltweiten Ausgaben für KI im Jahr 2026 voraussichtlich 2,59 Billionen US-Dollar erreichen, was einem Anstieg von 47 % gegenüber dem Vorjahr entspricht. Dennoch gibt es nach wie vor kaum Belege dafür, dass sich die Ausgaben auszahlen. Eine im Januar veröffentlichte PwC-Studie ergab, dass nur 12 % der CEOs sagten, dass KI sowohl Kosten- als auch Umsatzvorteile gebracht habe. Weitere 33 % meldeten Kosten- oder Umsatzsteigerungen, während 56 % angaben, bisher keinen nennenswerten finanziellen Nutzen gesehen zu haben.
Diese Lücke führt zu sichtbarer Frustration an der Spitze der Karriereleiter. Alex Karp, CEO von Palantir, sagte kürzlich gegenüber CNBC, dass viele Wirtschaftsführer die Wirtschaftlichkeit großer Sprachmodelle „müde“ hätten und sich fragten, ob sich steigende Token-Kosten in Erträgen niederschlagen – Kommentare, die Karp machte, als er Palantirs eigene Technologie bewarb und als kommerziell motiviert anerkannt wurde.
Für OpenAI, das die betreffenden Token verkauft, ist es von strategischer Bedeutung, die Diskussion auf Ergebnisse statt auf Konsum auszurichten. Wenn Kunden den Erfolg an der geleisteten Arbeit messen, dann sieht es nach Effizienz und nicht nach Verschwendung aus, mehr für ein Spitzenmodell zu zahlen, das eine komplexe Aufgabe zuverlässig erledigt.
Eine Abkehr von der Einstellung, Sitze und Erneuerungen vorzunehmen
Die Idee „nützliche Intelligenz pro Dollar“ steht im Einklang mit einem umfassenderen Umdenken darüber, wie KI bepreist und gemessen werden sollte. Herkömmliche Unternehmenssoftware wurde pro Arbeitsplatz verkauft; Die nutzungsbasierte KI-Preisgestaltung durchbricht dieses Modell, da ein einzelner Sitz nun je nach Aufgabe sehr unterschiedliche Mengen an Rechenleistung verbrauchen kann. Mit den vier Fragen von Friar werden Käufer effektiv dazu aufgefordert, ihre interne Buchhaltung auf abgeschlossene Aufgaben und Kosten pro erfolgreicher Aufgabe auszurichten – eine Zahl, die viel schwieriger zu verfolgen ist als die Mitarbeiterzahl, aber eine, die widerspiegelt, was die Technologie tatsächlich leistet.
Nicht alle sind davon überzeugt, dass der neue Maßstab die Käufer begünstigt. Kritiker weisen darauf hin, dass „erledigte Arbeit“ schwierig zu definieren und zu prüfen ist und dass Anbieter allen Grund haben, die KI-Ergebnisse als erfolgreich einzustufen. Verlässlichkeit – Friars dritte Frage – ist besonders schwer zu messen, wenn Modelle sichere, aber falsche Antworten liefern, ein Phänomen, das als Halluzination bekannt ist. Ohne unabhängige Überprüfung besteht die Gefahr, dass die Metrik eher zu einem Marketinginstrument als zu einem Rechenschaftsmechanismus wird.
Dennoch spiegelt der Vorschlag einen echten Wandel in der Diskussion wider. Nach zwei Jahren atemloser Akzeptanzkennzahlen fordern Führungskräfte Beweise dafür, dass sich die KI-Ausgaben lohnen. Die Unternehmen, die Friars vier Fragen mit Daten beantworten können – unabhängig davon, ob sie die Modelle von OpenAI oder die eines Mitbewerbers verwenden – werden diejenigen sein, deren Budgets die unvermeidliche Prüfung überstehen.
Quellen
– CFO Dive, „OpenAI setzt neue Maßstäbe für die Messung von KI-Investitionen“, 17. Juli 2026
– Axios, „Exklusiv: Der CFO von OpenAI stellt eine neue Methode vor, um den Wert von KI zu messen“, 17. Juli 2026
– Fortune, „CFO von OpenAI: 4 Fragen, die zeigen, ob sich Ihre KI-Ausgaben auszahlen“, 17. Juli 2026
Bleiben Sie bei der Unternehmens-KI an der Spitze
Die Ökonomie der KI wird in Echtzeit neu geschrieben. Setzen Sie ein Lesezeichen auf unsere Homepage für [die neueste KI-Geschäftsberichterstattung] (https://aibuzzwire.news).
Weitere KI-Neuigkeiten lesen →
