Thought Leadership
Box-CEO Aaron Levie attestiert seiner eigenen Berufsgruppe eine „KI-Psychose“: Vorstandschefs überschätzten KI systematisch, weil sie zu weit vom operativen Geschäft entfernt seien.
Wenn ein KI-Befürworter mit 2,7 Millionen Followern auf X seinen Kollegen aus der CEO-Riege bescheinigt, sie litten an einer „KI-Psychose“, ist das einen Blick wert. Aaron Levie, Mitgründer und Chef des Cloud-Anbieters Box und aktiver Angel-Investor in KI-Startups, formulierte den Vorwurf am vergangenen Sonntag in einem ausführlichen Post. Pikant ist nicht der Begriff, sondern die Begründung: Vorstandschefs seien strukturell von genau jenen Arbeitsschritten abgeschnitten, an denen sich entscheidet, ob ein KI-Versprechen trägt oder nicht.
Demo statt Deployment
Levies Argumentation läuft über ein Bild, das er „Happy Path“ nennt. Ein Chef lasse sich einen Prototypen bauen oder einen Vertragsentwurf generieren, sehe das saubere Ergebnis und ziehe daraus den Schluss, KI-Agenten könnten diese Aufgaben künftig vollständig übernehmen. Was im Vorstandszimmer ausgeblendet bleibe, sei die Kette an Folgearbeit: Den Code muss jemand vor dem Produktiveinsatz reviewen und von Bugs befreien, halluzinierte Bibliotheksaufrufe identifizieren, juristisch riskante Klauseln aus dem Vertrag entfernen und das Ganze mit Bestandsverträgen verzahnen.
Levies Empfehlung an seine Kollegen lautet entsprechend: KI selbst intensiv und über längere Zeit nutzen, statt sich auf Demo-Eindrücke zu verlassen. Erst dann entstehe ein Gespür für Potenzial und Grenzen. Wer das tatsächlich tue, sei aber derzeit in der Minderheit.
Was die Forschung zu Levies Diagnose sagt
Die These vom überschätzten KI-Nutzen lässt sich empirisch unterfüttern. Eine Metaanalyse im California Management Review der UC Berkeley vom Oktober 2025 wertete 371 Schätzungen aus den Jahren 2019 bis 2024 aus und fand „keinen belastbaren, publikationsbias-bereinigten Zusammenhang“ zwischen KI-Einführung und aggregierten Arbeitsmarkteffekten.
Differenzierter klingt ein im März 2026 veröffentlichtes Working Paper des US-amerikanischen National Bureau of Economic Research (NBER). Die Autoren befragten knapp 750 Führungskräfte und stellten zwar positive Produktivitätseffekte fest, beschreiben aber ausdrücklich ein „Produktivitätsparadox“: Die wahrgenommenen Gewinne fielen größer aus als die tatsächlich messbaren, vermutlich weil sich Umsatzeffekte zeitlich verzögern.
Eine MIT-Auswertung des Initiative on the Digital Economy schließlich projiziert, dass KI-Modelle bei den meisten textbasierten Aufgaben erst um 2029 herum Erfolgsraten von 80 bis 95 Prozent erreichen dürften, und das auf einem von den Autoren explizit als „minimal hinreichend“ bezeichneten Qualitätsniveau. Bis Agenten in der Breite über menschlichem Niveau arbeiten, dürften nochmals einige Jahre vergehen.
Personalabbau mit KI-Begründung
Während die Forschung also zur Vorsicht mahnt, läuft der Stellenabbau in der Tech-Branche mit hoher Geschwindigkeit. Der Tracker Layoffs.fyi zählt für die ersten fünf Monate dieses Jahres 115.430 abgebaute Stellen bei 152 Unternehmen. Im gesamten Jahr 2025 waren es nach derselben Quelle 124.636 Beschäftigte bei 275 Firmen. Das diesjährige Tempo liegt damit deutlich über dem des Vorjahres.
Als Begründung führen viele Konzerne KI-Produktivitätsgewinne an. Kritiker werfen ihnen „AI Washing“ vor, also das nachträgliche KI-Etikett auf ohnehin getroffene Sparbeschlüsse. Bemerkenswert offen geht ClickUp-CEO Zeb Evans mit dem Thema um: Er ließ auf X verkünden, dass er 22 Prozent seiner Belegschaft entlassen habe, nachdem das Unternehmen intern rund 3.000 KI-Agenten eingesetzt habe. Das Ziel sei keine Kosteneinsparung, sondern eine Organisation, deren Beschäftigte primär die Outputs dieser Agenten überprüften, eine „100x-Organisation“, wie Evans sie nennt.
Marktdaten passen zur Diagnose
Dass solche Architekturen in der Praxis selten reibungslos funktionieren, deutet auch eine Erhebung von S&P Global Market Intelligence an. Demnach hat sich der Anteil der Unternehmen, die einen Großteil ihrer KI-Initiativen wieder einstampfen, binnen eines Jahres von 17 auf 42 Prozent erhöht. Im Durchschnitt verwirft eine Organisation 46 Prozent ihrer KI-Proof-of-Concepts, bevor diese den Produktivbetrieb erreichen.
Wenn alle produzieren, staut es sich oben
Selbst wenn Agenten ihre Arbeit zufriedenstellend erledigen, ist die Effizienzgleichung nicht automatisch erfüllt. Eine Untersuchung im Harvard Business Review beschreibt, wie sich der Engpass in vielen Unternehmen verschiebt: Sobald die gesamte Belegschaft mithilfe von KI mehr Output produziert, müssen Führungskräfte plötzlich erheblich mehr Entscheidungen, Reviews und Freigaben bewältigen als zuvor. Das Bottleneck wandert vom Produzieren zum Genehmigen.
Wer den Genehmigungsschritt aufweicht und stattdessen autonom handelnde Akteure schafft, riskiert allerdings das Gegenteil: organisatorisches Chaos. Levies eigene Diagnose lässt sich am Ende ohne klinische Vokabel zusammenfassen. Vorstandsetagen treffen aktuell Personalentscheidungen für Tausende Menschen auf Basis eines KI-Bildes, das aus Demo-Sessions und Prototypen besteht. Ob das einer der wenigen Konjunkturzyklen ist, in denen Realitätssinn dem Hype hinterherhinkt, oder ob die operativen Belege irgendwann doch nachgereicht werden, dürfte sich nicht an X-Posts entscheiden, sondern daran, ob 2027 erneut KI als Argument für die nächste Entlassungswelle taugt.
