KI-Ausgaben sind nur so berechenbar wie Ihre Kontrollen

Wir haben in Beyond Per-Seat dargelegt, dass verbrauchsbasierte Preise im Zeitalter der KI die Variabilität von der Seite des Anbieters auf Ihre Seite des Tisches verschieben. Diese Variabilität erfordert Verwaltung; andernfalls kann die Führungsebene unangenehme Überraschungen erleben.

Die Bain-Studie 2026 mit 951 Unternehmen ergab, dass fast 40 % der Unternehmen, die ihre KI-Einsparungen messen, unter 10 % lagen und damit deutlich unter den angestrebten 11 bis 20 %. Gleichzeitig erhöhen 90 % ihre KI-Budgets trotzdem erneut. Der Grund für die Lücken? Bain führt die Differenz darauf zurück, wie KI eingesetzt und gesteuert wird, nicht auf die Technologie. Die Teams mit berechenbaren KI-Ausgaben steuern sie auf Aktionsebene, während sie entstehen.

Das Preismodell misst genau das, wofür es gebaut wurde. Zu steuern, was die KI in Produktion tut und wie viel sie verbraucht, liegt bei der Organisation.

Günstige Tokens senken die Ausgaben nicht zwingend

Es ist naheliegend zu denken, dass sich die Ausgaben von selbst einpendeln, weil Modellkosten sinken. Die Berichterstattung von Fortune stellt diese Annahme infrage. Obwohl Inferenz auf einem grossen Modell bis Ende des Jahrzehnts voraussichtlich pro Token massiv günstiger wird, sollen Unternehmenskosten weiter steigen. Das liegt daran, dass agentische Workflows Modelle pro Aufgabe viel öfter aufrufen als ein typischer Chat-Assistent. Im agentischen Zeitalter wächst der Verbrauch schneller, als Preise fallen.

Für ein Contact Center mit KI-Agenten auf Produktionsvolumen ist das Warten auf fallende Preise keine Strategie. Eine Lösung, die mehrere Denkschritte und ein paar Tool-Calls durchläuft, kostet bereits mehr als ihr sogenannter Listenpreis. Und die Lücke wird grösser, je mehr die Warteschleife automatisiert wird.

Stattdessen bewegt die Zahlen, wie viel Arbeit jede Interaktion erzeugen darf. Diese Richtlinien kann und sollte jede einzelne Organisation selbst festlegen.

Überraschende Rechnungen gehen auf fehlende Kontrollen zurück

Übernutzungen werden oft unter Preisen abgelegt, obwohl die Ursache meist eine Ebene tiefer in der Verwaltung liegt. Dort zeigen sich die finanziellen Folgen unbeaufsichtigter KI-Entscheidungen. Einige dieser Entscheidungen verursachen den Grossteil der Varianz, und das Contact Center musste selten eine davon selbst verantworten:

• Rahmen: Welche Interaktionen ein Agent übernimmt und wo er übergeben muss.
• Modellauswahl: Ob eine routinemässige Saldoabfrage stillschweigend auf einem Premium-Reasoning-Modell läuft, das ein Vielfaches dessen kostet, was die Aufgabe benötigt.
• Verbrauch pro Lösung: Die Modell- und Tool-Calls die ein Agent sammelt, bevor er einen Fall abschliesst.

Stellen Sie sich einen KI-Agenten vor, der das Modell jedes Mal erneut abfragt, wenn ein Tool zurückkommt, und dann an einen zweiten nicht menschlichen Agenten übergibt, der die Abfrage von Grund auf wiederholt. Der Fall wird gelöst, der Kunde ist zufrieden, und diese eine Interaktion kostet ein Vielfaches dessen, was ein Dashboard vermuten lässt. Nichts davon erscheint als einzelne Position auf der Rechnung, und all das müssen Sie steuern.

Kostenberechenbarkeit ist eine Disziplin nach dem Launch

Andere Bereiche des Unternehmens steuern Verbrauchsausgaben bereits kontinuierlich, anstatt sie einmalig zu genehmigen. Das agentische Modell erhöht den Einsatz: der Bain-Bericht stellt fest, dass nur etwa 7 % der Unternehmen voll autonome Agenten einsetzen, während die übliche Einrichtung Entscheidungen weiterhin zur Freigabe an eine Person weiterleitet. Ein Business Case auf Basis vollautomatisierter Wirtschaftlichkeit passt selten zu einem System, das mit einem Menschen in der Schleife läuft, und die Ausgaben folgen dem, was läuft und nicht der Projektion.

Cisco beschreibt dieselbe Verschiebung auf der Betriebsseite als Vertrauensfrage und nicht als Frage reiner Geschwindigkeit. Autonomie ohne Leitplanken skaliert eine falsche Entscheidung genauso schnell wie eine richtige. Deshalb lautet die Antwort, Prüfung und Freigabe vor die Aktionen eines KI-Agenten zu stellen und einen Audit-and-Learn-Schritt dahinter zu setzen. Was Cisco AgenticOps nennt lässt KI erkennen, empfehlen und handeln, während Verwaltung und menschliche Aufsicht wie eingebaute Checkpoints in die Workflows eingebettet sind.

Bei den Ausgaben ist es dieselbe Idee: Vor dem Launch legen Sie fest, was ein Agent tun darf und was er eskalieren muss, beobachten, was er tatsächlich tut, und dann überarbeiten Sie in einem festen Rhythmus statt erst bei der Verlängerung. Cloud- und Engineering-Teams nutzen diesen Rhythmus bereits, um Verbrauch vor dem Abdriften zu bewahren.

Beobachtbare Ausgaben sind steuerbare Ausgaben

Wenn Sie das Kostenverhalten eines Agenten nicht sehen können, während es entsteht, ist die Rechnung der erste Ort, an dem diese Ausgaben sichtbar werden. Bis dahin, sind die Entscheidungen dahinter Wochen alt.

Hier trifft Ciscos Investition in Überwachbarkeit auf die Kostendiskussion, und Sicherheit und Sichtbarkeit erweisen sich als eine Haltung aus zwei Blickwinkeln. Die Webex Roadmap fasst Überwachung, Verwaltung und Sicherheit für KI-Agenten nun in einer einzigen Managementebene zusammen. Sie begleitet einen Agenten über seinen gesamten Lebenszyklus und verbindet sich mit Qualitätsbewertung, die jede Interaktion bewertet statt nur eine Stichprobe.

Die Logik ist klar genug. Sie können Verhalten, das Sie nicht sehen, weder sichern noch kostenkontrollieren, erst recht nicht, während es läuft. Diese Sichtbarkeit muss die Systeme umfassen, in die ein Agent greift, nicht nur die gemessenen.

Wie Bucher + Suter die Verwaltung einbaut

Das ist die Arbeit, die wir mit CX- und IT-Leitern leisten, bevor Architektur und Verträge die Entscheidungen fixieren. Wir definieren, wo agentische KI in Ihrer Umgebung eingesetzt werden soll und wo nicht, und legen die Regeln für Modellauswahl und Eskalation fest, die daraus folgen. Dann instrumentieren wir die Bereitstellung so, dass Kosten sichtbar sind, während sie entstehen. Schliesslich verknüpfen wir diese Ausgaben mit den Ergebnissen, für die Sie bereits verantwortlich sind.

Unsere Erfahrung: Deckeln und Fixieren unterdrückt tendenziell den Wert der Bereitstellung, oder verschiebt die Kosten an eine weniger sichtbare Stelle. Rein ergebnisbasierte Preise schlagen zu stark in die andere Richtung aus und geben dem System einen Anreiz, der Kennzahl vor der Absicht dahinter nachzujagen.

Wie Justin Greis in Computerworld festhielt, kann eine KI, die für die Senkung von Servicekosten belohnt wird, lernen, legitime Kontakte abzuwehren, um die Zahl zu erreichen. Ein robusterer Ansatz ist, Ausgaben sichtbar zu machen und bewusst zu steuern.

Wenn Sie agentische KI aufbauen oder bereits sehen, wie die Ausgaben steigen, lassen Sie uns kartieren, wohin sie gehen vor der nächsten Verlängerung. vor der nächsten Verlängerung.