In diesem am 24. Juni 2026 auf sfeir.com veröffentlichten Meinungsbeitrag vertritt Didier Girard (Managing Director von SFEIR) eine These: die Umkehrung AI4IT versus AI4Business. 2024 sah der Konsens in AI4Business — KI, die in Geschäftsprozesse (Vertrieb, Support, Finanzen) gegossen wird — das große Produktivitätsreservoir; AI4IT (KI zur Produktion des Informationssystems) galt als Ingenieursthema. Zwei Jahre später „haben die Zahlen entschieden, und zwar andersherum.“
Die Enttäuschung bei AI4Business: Die MIT-Studie von 2025 („95 % der GenAI-Piloten ohne ROI“) ist, wie Girard selbst einräumt, während er ihre Methode anzweifelt, fragwürdig — doch ihre Beharrlichkeit ist das eigentliche Signal echter Unzufriedenheit: Viele Führungskräfte sehen den versprochenen Wert in ihren Prozessen nicht. „Das Symptom ist wahr, selbst wenn die Zahl falsch ist.“ Die Blockade ist organisatorisch (Mollicks Hayeksches Problem), nicht technisch.
Die Umkehrung bei AI4IT stützt sich auf quantifizierte Belege: Salesforce (+151 % Effective Output, 18× schnellere Migration, −5 % Incidents), Intercom (3× R&D-Produktivität, −50 % Kosten pro PR), Raiffeisen Bank Ukraine (−8 % Headcount, aber 7 neue Produkte, −70 % blockierende Incidents), AWS (Bedrock von 6 Personen in 72 Tagen neu aufgebaut), Atlassian (+19 bis +87 % PRs), DORA × Google Cloud (39 % ROI, Amortisation nach 8 Monaten). Warum? Code verifiziert sich selbst (Kompilierung, Tests, CI); Geschäftsprozesse tun das nicht. „Wir statten diejenigen aus, die sich bereits selbst auszustatten wissen.“
Die Budgetkonsequenz für 2027 läuft auf drei buchhalterische Verschiebungen hinaus. (1) CapEx→OpEx: Der Token wird zu einer variablen OpEx-Position — Arthur Mensch (Mistral) beziffert sie bei fortgeschrittenen Anwendern auf ~10 % des Personalbudgets in Tokens. (2) Der Token-Preis, eine doppelte Falle: Bei konstanter Kapazität wurde die Inferenz in zwei Jahren durch ~280 geteilt, doch die Spitze steigt (Fable 5 bei 10/50 $ = 2× Opus 4.8), während offene Modelle (GLM-5.2) und Desktop-Inferenz die Kosten nach unten drücken; das Jevons-Paradox lässt den Verbrauch schneller steigen, als der Preis fällt. (3) AI FinOps: in Cost per Outcome denken, regelbasiert allokieren, die Zuordnung von Token zu Ergebnis als Vermögenswert behandeln.
Vier Empfehlungen für das COMEX: zuerst AI4IT finanzieren (Amortisation < 1 Jahr), die J-Kurve budgetieren, AI FinOps für Tokens einführen, bevor Kosten aus dem Ruder laufen, die Headcount-Buchhaltung neu definieren (Menschen + Agenten). Fazit: „die nächste Budgetschlacht wird nicht um den Preis des Tokens gehen, sondern um die Cost per Outcome.“