Unternehmen kämpfen mit der KI-Rechnung: ROI bleibt die offene Enterprise-Frage
TL;DR
TechCrunchs Equity-Podcast spricht mit NEA-Partnerin Tiffany Luck über die Frage, warum viele Unternehmen ihre AI-Ausgaben noch nicht sauber auf ROI zurückführen können. Der Ausgangspunkt ist die Tokenmaxxing-Welle: Firmen pushten breite AI-Nutzung, sahen danach aber hohe Rechnungen, gekürzte Claude-Lizenzen und eingestellte interne Nutzungsrankings. Luck sieht Bedarf für Startups, die AI-Kosten, Nutzung und Geschäftseffekt im Unternehmen messbar machen, statt nur neue Tools in Teams zu kippen.
Nauti's Take
Das ist der nüchterne Moment nach der ersten AI-Euphorie. Tokenmaxxing klang nach Fortschritt, war aber oft nur die teuerste Form von Experimentieren ohne saubere Messlatte.
Die spannenden Anbieter werden nicht die sein, die noch einen Chatbot verkaufen, sondern die, die AI-Arbeit in echte Betriebskennzahlen übersetzen. Der Beitrag ist VC- und podcastlastig, aber das Signal ist klar: Enterprise-AI wird erwachsen, sobald CFOs und Operations-Teams mitreden.
Einordnunganzeigen
Der AI-Hype verschiebt sich von Zugang zu Wirkung. Wenn Budgets in wenigen Monaten verbrennen, reicht ein hoher Nutzungswert nicht mehr als Beweis für Produktivität. Entscheidend wird, ob Unternehmen Kosten pro Workflow, Zeitgewinn, Qualitätsgewinn und Umsatzwirkung zusammenführen können.
Genau dort entsteht ein neuer Markt für Mess-, Governance- und FinOps-Tools rund um AI.
Quellen