Ethan Mollick argumentiert, dass KI-Agenten eine kritische Schwelle überschritten haben: Sie sind nun in der Lage, wirtschaftlich relevante Arbeit zu leisten. Zunächst stützt er sich auf eine aktuelle OpenAI-Studie, die KI-Modelle mit menschlichen Experten (14 Jahre durchschnittliche Erfahrung in Finanzwesen, Recht, Einzelhandel) bei realistischen Aufgaben vergleicht, die für 4 bis 7 Stunden konzipiert sind und blind von einer dritten Expertengruppe bewertet werden. Ergebnis: Menschen gewinnen noch, aber knapp, mit je nach Sektor unterschiedlichen Abständen. Die neuesten Modelle entwickeln sich rasch weiter, und die Hauptschwäche der KI — Formatierung der Ausgabe und Befolgung von Anweisungen — verbessert sich schnell. Mollick sagt voraus, dass die nächste Modellgeneration menschliche Experten im Durchschnitt übertreffen wird. Er relativiert dies jedoch: KI ersetzt Aufgaben, nicht ganze Berufe, und ihre Fähigkeiten bleiben „zackig“ (jagged), auf manchen Aufgaben exzellent, auf anderen mangelhaft.

Um den Wert dieser realen Arbeit zu veranschaulichen, schildert Mollick seine eigene Erfahrung: Er bat Claude Sonnet 4.5, ein anspruchsvolles ökonomisches Paper mit mehreren Experimenten zu replizieren, wobei er den vollständigen Text und das Replikationsdatenarchiv bereitstellte. Autonom las das Modell das Paper, sortierte die Dateien, konvertierte den STATA-Code nach Python und überprüfte methodisch alle Ergebnisse, einschließlich komplexer Interaktionen. Mollick überprüfte die Ergebnisse stichprobenartig und ließ die Replikation von GPT-5 Pro erneut replizieren. Was erfahrene Forscher Stunden kosten würde, wird in Minuten erledigt — ein bedeutender Ansatz zur Bewältigung der wissenschaftlichen Replikationskrise, da eine großmaßstäbliche Überprüfung möglich wird, die zuvor undenkbar war.

Dieser Fähigkeitssprung beruht auf einer verbesserten Modellgenauigkeit: Selbst kleine Fortschritte reduzieren die Fehlerquote über lange Aufgabenketten hinweg erheblich, und die jüngsten „denkenden“ Modelle verfügen über Selbstkorrekturmechanismen. Die METR-Studie zeigt, dass die Länge der Aufgaben, die KI autonom bewältigen kann, seit GPT-3 exponentiell gewachsen ist.

Mollick weist dennoch darauf hin, dass Agenten keine Handlungsfähigkeit im menschlichen Sinne besitzen: Sie entscheiden nicht über ihre eigenen Ziele, und Menschen müssen Ziele und Grenzen festlegen. Er identifiziert drei produktive Nutzungsarten: die Automatisierung von Routineaufgaben (Berichte, Präsentationen), die Erweiterung menschlicher Fähigkeiten (Forschungsreplikation) und die Schaffung neuer Möglichkeiten. Das symmetrische Risiko ist die „unendliche Überproduktion von PowerPoints“: einfallslose Organisationen, die Agenten nutzen, um immer mehr Inhalte von geringem Wert zu erzeugen. Die Zukunft der Arbeit wird von unserer Fähigkeit abhängen, Nutzungsformen zu entwickeln, die menschliche Fähigkeiten ergänzen, statt sie mechanisch zu ersetzen.