Unternehmen merken: KI-Nutzung ist teuer, der ROI bleibt schwer beweisbar
TL;DR
TechCrunchs Equity-Podcast spricht mit NEA-Partnerin Tiffany Luck über den Punkt, an dem AI-Euphorie auf Budgetkontrolle trifft: Unternehmen nutzen Tools breiter, können den Return aber oft noch nicht sauber messen. Der Aufhänger ist das Ende des Tokenmaxxing-Hypes: Uber soll sein Jahresbudget für AI in wenigen Monaten verbraucht haben, andere Firmen kürzten Claude-Lizenzen, Meta stoppte eine interne Nutzungsrangliste.
Nauti's Take
Tokenmaxxing war als Kultur-Signal nützlich, aber als Management-Modell ziemlich dünn. Mehr Tokens bedeuten nicht automatisch bessere Entscheidungen, weniger Personalaufwand oder mehr Umsatz.
Die eigentliche Frage ist unbequemer: Welche AI-Nutzung verändert einen Prozess so stark, dass sie im Ergebnis sichtbar wird? Genau diese Messlatte wird vielen internen AI-Initiativen wehtun, aber sie macht den Markt erwachsener.
Einordnunganzeigen
Die nächste Phase der Enterprise-AI wird nicht daran entschieden, wer die meisten Prompts schreibt, sondern wer Kosten, Qualität und messbare Wirkung sauber verbindet. Wenn AI-Ausgaben schneller wachsen als interne Controlling-Modelle, entsteht ein Markt für Tools, die Nutzung in belastbare Geschäftsmetriken übersetzen. Genau dort wollen Investoren und Startups jetzt andocken.
Quellen