Machen Sie aus der hinreichend leistungsfähigen Intelligenz ein Geschäft.

Am 6. Oktober veröffentlichte OpenAI eine Reihe von mathematischen Forschungsarbeiten, die von internen Spitzenmodellen erstellt wurden. Es enthüllte auch eine sehr interessante Rechnung: Um ein Ergebnis zu erzielen, ist im Durchschnitt eine Rechenleistung erforderlich, die etwa drei Stunden Denkzeit von ChatGPT Pro entspricht.

Am nächsten Tag veröffentlichte Anthropic das neue kleine Modell Haiku 5.5 und erklärte, dass es sich für eine große Anzahl sich wiederholender Arbeiten wie Zusammenfassung, Klassifizierung und Datenbankabfragen eignet. Ebenfalls am 7. Oktober stellte OpenAI GPT‑6 für mehr ChatGPT-Nutzer bereit, während kostenlose Nutzer das leichtere Modell Luna erhielten. Spitzenmodelle erforschen weiterhin wissenschaftliche Probleme, während alltägliche Anfragen zunehmend an kostengünstigere Funktionen übergeben werden.

Derselbe Verzweigungspfad taucht auch in den Produkten chinesischer Großkonzerne auf. Alibaba spricht über die Zukunft der Superintelligenz, während Qianwen Office damit beschäftigt ist, betrieblichen Mitarbeitern bei Bedienfragen zu antworten. Tencent investiert in Modelle und Rechenleistung, lässt aber gleichzeitig WorkBuddy Arbeitsaufgaben übernehmen und Marvis für Privatnutzer den Computer aufräumen und Dateien suchen lassen. ByteDance integriert Doubao Work in Feishu, sodass es auf autorisierte Teamdaten zugreifen und bearbeitbare Dokumente zurückliefern kann.

Genügend Intelligenz in vertraute Software zu packen, ist nicht so aufregend wie das Anstreben von Fähigkeitsrekorden, aber es bestimmt, wie diese Unternehmen die immer schwerer werdenden Investitionen in KI verarbeiten.

Diese Art von Intelligenz ist kein Wettbewerb um die höchste erreichbare Höhe, bei dem es darum geht, wer als Erster mathematische Probleme lösen kann. Stattdessen ist es eine Kunst der Ausreichendheit: Es hängt davon ab, in welchem Umfang die Anbieter die Funktionen bereitstellen, sodass sie die Bedürfnisse der Nutzer gut erfüllen und gleichzeitig unter dem Druck schwerer Investitionen einen Überschuss erzielen – im Idealfall einen wachsenden Überschuss.

Schließlich treffen die meisten Menschen täglich keine mathematischen Vermutungen: Sie müssen wissen, wie man ein Plakat aufhängt, wo der Vertrag liegt, warum der Computer langsam ist und was bei der letzten Besprechung vereinbart wurde. Daher mag Superintelligenz die Vorstellungskraft dieser Epoche repräsentieren, aber KI muss im Zuge der technologischen Verbreitung letztendlich zu einem tragfähigen Geschäft werden.

01

Wu Yongming, CEO von Alibaba, nannte AGI auf dem Yunqi-Konferenz im September einen Ausgangspunkt und sprach über selbstiterierende Superintelligenz. Streng genommen ist Superintelligenz eine Intelligenz, die in fast allen wichtigen Bereichen die fähigsten Menschen bei weitem übertrifft und nach wie vor eine zukünftige Vorstellung ist. Was Unternehmen heute erwerben und preislich vergleichen können, sind Spitzenmodelle – die beiden dürfen nicht gleichgesetzt werden.

Das praktische Problem, mit dem Produktmanager konfrontiert sind, lautet: Wie oft im Jahr erfordern Anfragen wirklich das derzeit stärkste Modell? Die von OpenAI veröffentlichte Zeitaufwand für die mathematische Forschung lässt sich nicht direkt in Dollar-Kosten pro Aufgabe umrechnen, geschweige denn zur Preisgestaltung von Superintelligenz verwenden. Es zeigt zumindest, dass bei der Spitzenforschung wiederholte Versuche, Überprüfungen und langwierige Denkprozesse von Natur aus Teil der Arbeit sind. Unternehmen werden nicht für die Suche nach Informationen mit dem Aufwand bezahlen, der für die mathematische Forschung aufgewendet wird.

Gemäß den öffentlichen API-Preisen kostet GPT‑6 Astra im Standardtarif 50 US-Dollar pro Million Ausgabe-Token, GPT‑6 Luna 0,5 US-Dollar – oberflächlich betrachtet ein Unterschied um das 100-fache. Für Haiku 5.5 vom 7. Oktober werden für Prompts mit maximal 100.000 Token 0,1 US-Dollar pro Million Eingabe-Token und 0,5 US-Dollar pro Million Ausgabe-Token berechnet. Anthropic gibt an, dass das neue Modell für häufige, kostensensitive Aufgaben geeignet ist.

Der Token-Verbrauch, die Qualität und die Anzahl der Nachbesserungen variieren, wenn verschiedene Modelle dieselbe Aufgabe erledigen. Man kann nicht anhand einer einfachen Preisliste behaupten, welches Modell kostengünstiger ist. Aber wenn eine gewöhnliche Abfrage auf mehrere zehn Millionen Aufrufe pro Tag skaliert wird, wirkt sich der Preisunterschied auf das Budget aus.

Angenommen, 10.000 Mitarbeiter erhalten täglich jeweils eine Antwort mit 1000 Token, dann ergibt sich allein für die Ausgabe eine Menge von 10 Millionen Token pro Tag. Nach dem öffentlichen Standardpreis von Astra sind das 500 US-Dollar, nach dem Preis von Luna nur 5 US-Dollar. Darin sind noch nicht die Eingabe, die Dokumentenabfrage, der Aufruf von Tools und Wiederholungsversuche nach Fehlern enthalten – und es handelt sich auch nicht um den tatsächlichen Preis, den Unternehmen für Büroprodukte zahlen.

Tatsächlich wird der Token-Verbrauch eines Unternehmens mit 10.000 Mitarbeitern in realen Szenarien weitaus höher liegen. Das führt dazu, dass die Nutzung von KI nicht so einfach ist wie das Buchen einer Mitgliedschaft bei iQiyi, bei der man mit einem Klick den Höchstbetrag erreicht. Selbst Privatnutzer prüfen bei der Buchung von KI-Produktmitgliedschaften sorgfältig ihren tatsächlichen Bedarf und richten sich nach ihren finanziellen Möglichkeiten.

Glücklicherweise sinken die Preise der Modelle selbst. Anthropic gibt an, dass Haiku 5.5 bei praktischen Aufgaben im Durchschnitt um etwa 75 % günstiger ist als die Vorgängermodelle, während der Preis für das Auslesen aus dem Cache von Sonnet 5.5 halbiert wurde. Auch OpenAI hat zuvor die Preise für Luna und Terra gesenkt. Aufgaben, die letztes Jahr nur mit teuren Modellen reibungslos erledigt werden konnten, lassen sich dieses Jahr möglicherweise von kleineren Modellen übernehmen.

Daher ist ausreichende Intelligenz nicht nur ein einziges billiges Modell, sondern die Fähigkeit, Ressourcen je nach Aufgabe zu verteilen: Zuerst die richtigen Dokumente finden, einfache Aufgaben an schnelle Modelle übergeben, schwierige Aufgaben erst hochstufen und bereits gelesene Materialien so weit wie möglich wiederverwenden. Wenn ein billiges Modell zu wiederholten Versuchen und zahlreichen manuellen Nachbesserungen führt, wird der oberflächliche Rabatt bei den Token aufgezehrt.

Im September gab das Marvis-Team von Tencent in einem Austausch an, dass nach der Erstellung von Indizes für lokale Dateien und Videos, der Erhöhung der Cache-Trefferquote und der Auswahl von Modellen nach Schwierigkeitsgrad die Kosten pro täglich aktivem Nutzer auf etwa ein Zehntel des Niveaus im ersten Monat der Einführung im Mai gesunken sind. Vor kurzem gab auch Qianwen Office bekannt, dass spezialisierte Modelle bei Bürotests den durchschnittlichen Token-Verbrauch um 75 % senken.

Beide Datengruppen weisen auf denselben Schritt hin, der für die breite Verbreitung von Produkten erforderlich ist: Eine kleine Aufgabe darf nur so viel kosten, wie eine kleine Aufgabe wert ist.

Die Preissenkung hat auch eine andere Seite. Wenn Modellanbieter dieselbe Fähigkeit immer billiger verkaufen, haben Anwendungsentwickler zwar geringere Kosten, aber auch weniger Gründe, nur aufgrund der Modellfähigkeit Gebühren zu erheben. Kunden zahlen heute für das automatische Erstellen eines Meeting-Protokolls, morgen könnte die Kollaborationssoftware dies bereits als kostenlose Funktion anbieten. Nur wenn das Produkt die richtigen Unternehmensdaten finden, Genehmigungen durchführen und bei Fehlern die verantwortliche Person ermitteln kann, bleibt die Funktion auf der Einkaufsliste. Je verbreiteter die skalierbare Intelligenz wird, desto solider muss der Service rund um das Produkt sein.

Alibaba gab im letzten Quartal Kapitalausgaben in Höhe von 67,678 Milliarden Yuan bekannt, Tencent 52,8 Milliarden Yuan – ein Anstieg von 75 % bzw. 176 % gegenüber dem Vorjahr. Die Berechnungsgrundlagen unterscheiden sich, und darin sind auch langfristige Investitionen enthalten, die nicht zu Büro-Intelligenzagenten gehören.

Sie erinnern uns dennoch: Die Ausgaben für Rechenleistung, Modelle und Produkte müssen von mehr Geschäftsfeldern getragen werden. Intelligenz für alltägliche Aufgaben zu gängigen Produkten zu machen, ist ein Weg, um die enormen Investitionen zu verteilen.

Aber ob dieser Weg zu einem wachsenden Geschäft führt, hängt letztendlich davon ab, wie Verträge in der Praxis umgesetzt werden und ob die Unit Economics auf einem gesunden Niveau gehalten werden können.

02

Am 7. Oktober fügte OpenAI ChatGPT eine „intelligente Oberfläche“ hinzu: Wenn Nutzer eine Frage stellen, kann das System direkt Schaltflächen, Formulare, Diagramme und sogar temporär nutzbare kleine Tools generieren. Nutzer müssen möglicherweise nicht mehr zuerst im App Store nach einem Taschenrechner suchen oder die Menüs einer bestimmten Software lernen, bevor sie mit der Arbeit beginnen.

Das beweist nicht, dass alle unabhängigen Apps verschwinden werden, aber es stellt den traditionellen Apps den Druck vor Augen: Wenn Nutzer zuerst ihr Ziel aussprechen und die KI entscheidet, welches Tool aufgerufen wird, könnten die Apps, die bisher Startseiten und Icons belegen, in den Hintergrund treten.

Für Tencents Yingyongbao lag der Wert früher darin, Apps den Nutzern zur Verfügung zu stellen, wobei die Plattform als Vertriebskanal ihren kommerziellen Wert realisierte. Man konnte sagen: Je mehr Apps die Nutzer benötigen, desto wertvoller ist der Kanal. Aber was passiert, wenn die Bedürfnisse der Nutzer gebündelt werden?

Das ist der Hintergrund, aus dem dasselbe Team Marvis entwickelt hat. Marvis übernimmt nun konkrete Aufgabenanforderungen der Nutzer. Wenn ein Nutzer beispielsweise fragt: „Warum ist mein Computer so langsam?“, hilft Marvis dem Nutzer, das Computersystem zu optimieren. Wenn ein Nutzer fragt: „Finde bitte jenes Video“, kann Marvis das entsprechende Material präzise in den Computerdokumenten finden.

Auch Entwickler stehen vor demselben Problem. Früher hat man eine Funktion als App umgesetzt, sie im Store veröffentlicht und darauf gewartet, dass Nutzer sie herunterladen. Heute kann die Funktion zuerst von der KI erkannt werden und dann in Form eines Aufrufs, einer Fähigkeit oder einer Transaktion erscheinen. Marvis hofft, die Fähigkeiten professioneller Software zu integrieren. Wenn dieser Weg erfolgreich ist, wird der „Vertrieb“ von Yingyongbao zu einer Servicezuordnung innerhalb von Aufgaben.

Wenn nur kostenlose Systemoperationen häufig aufgerufen werden, erhält die Plattform auch bei Belegung des Eingangspunkts möglicherweise nicht genügend neue Einnahmen.

Gleichzeitig stehen Büroanwendungen wie DingTalk und Feishu ebenfalls vor den Herausforderungen der KI. Auf dem Markt sind zahlreiche aufgabenorientierte Anwendungen und Intelligenzagenten entstanden.

Aber diese externen Intelligenzagenten können zwar einen schönen Wochenbericht schreiben, ihnen fehlen jedoch die in DingTalk und Feishu hinterlegten Mitarbeiteridentitäten, Genehmigungen, Gruppenchats, Kalender und zahlreiche nicht öffentliche Dokumente. Selbst wenn sie eine Autorisierung erhalten, müssen sie die Probleme der Datenintegration, der Rechtevererbung, der Aktualisierung und der Bereitstellung neu lösen. Sie wissen möglicherweise nicht einmal, welche Provinzen das Unternehmen unter der „Ostchina-Region“ versteht oder wer den betreffenden Vertrag genehmigt hat.

Im September führte Qianwen Office den „Unternehmenskontext“ ein, sodass Unternehmensnachrichten, Wissen und Geschäftsdaten je nach Aufgabe abgerufen werden können. Es kann sowohl in DingTalk als auch in Feishu und WeCom integriert werden. Feishu hingegen stellt Doubao Work die Organisationsrechte, Dokumente und Kollaborationsumgebungen zur Verfügung, sodass die generierten Inhalte an das Team zurückgegeben werden, um weiter bearbeitet zu werden. Beide Unternehmen verfolgen unterschiedliche Wege, aber beide kämpfen darum, der Ort zu werden, an dem Mitarbeiter ihre Aufgaben übergeben.

Am Beispiel der Teegetränk-Kette Guming: Neue Produkte werden häufig eingeführt, und Informationen dazu, wie oft Filter ausgetauscht werden, wie Teebrühe zubereitet wird und wie mit Maschinenstörungen umzugehen ist, sind möglicherweise in Schulungsmaterialien und Gruppenchats verteilt. Wenn ein Mitarbeiter eine konkrete Frage stellt, kennt das allgemeine Modell die aktuellen Regeln nicht. Qianwen Office organisiert diese Materialien und findet die Antwort gemäß den Berechtigungen.

Dieser praktische Weg zeigt, ob ein intelligenter Dienst „ausreichend“ funktioniert, hängt nicht nur vom Modell ab, sondern auch davon, ob das Unternehmen die richtigen Informationen an das System weitergibt.

Dadurch gewinnen die alten Vermögenswerte der Großkonzerne wieder an Wert. Modelle können von Dritten erworben werden, aber Organisationsstrukturen, Rechtssysteme, Geschäftsprozesse und Erfahrungen im Kundenservice lassen sich nicht über Nacht kopieren. Die Integration dieser Elemente selbst erfordert jedoch Kosten, ebenso die Wartung fehlerhafter Rechte, veralteter Daten und Betriebsprotokolle.

Früher verkaufte Software einen Schraubenschlüssel, heute verspricht sie, die Schraube für den Nutzer anzuziehen – die Verantwortung ist weitaus komplexer als die Oberfläche der Benutzeroberfläche.

03

Der Verkauf eines Schraubenschlüssels hat einen bestimmten Preis, das Anziehen der Schraube hat einen zusätzlichen Wert – diese Logik ist natürlich sehr schlüssig. Aber die Frage ist: Sind Unternehmens- und Privatanwender bereit, dafür ein höheres Budget auszugeben?

Schließlich ist ausreichende Intelligenz immer noch Intelligenz, hinter der nach wie vor umfangreiche Ressourceninvestitionen stehen. Die KI-Aktualisierung alter Produkte und alter Teams ist zwar ein Kampf um die Nutzerbindung, aber wenn sie keine höheren Budgets erschließen kann, ist sie kein gutes Geschäft.

Die Probleme bei der Gebührenerhebung sehen bei Verbrauchern und Unternehmen unterschiedlich aus. Marvis muss zuerst die Frage beantworten: Sind Nutzer, die bereit sind, die KI ihren Computer verwalten zu lassen, auch bereit, dafür zu zahlen? Qianwen Office und Doubao Work müssen hingegen die Frage beantworten: Unternehmen haben bereits für DingTalk und Feishu bezahlt – warum sollten sie ein zusätzliches Budget für KI ausgeben?

Verantwortliche von Marvis haben zuvor angegeben, dass die Gebührenerhebung erst erfolgt, wenn der Produktwert ausreichend ausgereift ist. Einige Nutzer beschweren sich bereits, dass sie nach Erschöpfung des kostenlosen Kontingents keine zusätzlichen Einheiten kaufen können. Dass einige Nutzer mehr Nutzungseinheiten kaufen wollen, ist ein Hinweis, aber keine stabile Zahlungsrate.

Das Aufräumen von Festplatten, das Suchen nach Dateien und das Installieren von Software waren in früheren Systemen und Tools oft kostenlos. Wenn Tencent diese grundlegenden Aktionen zu einem teuren Abonnement macht, gibt es für Nutzer Alternativen. Wenn es dauerhaft kostenlos angeboten wird, verursacht die umfangreiche Nutzung ständig Kosten für die Inferenz. Die gesunkenen Stückkosten verschaffen dem Unternehmen zwar Zeit für Experimente, generieren aber nicht automatisch Einnahmen.

Tencent testet derzeit mehrere Ansatzpunkte für die Gebührenerhebung: Professionelle Entwickler sollen ihre Fähigkeiten in den Assistenten integrieren, sodass Nutzer für wirklich nützliche Funktionen zahlen. Außerdem wird die Vorinstallation auf PCs angestrebt, in Zusammenarbeit mit Herstellern von NAS- und Mini-PC-Geräten. Darüber hinaus werden Prozesse wie die Inspektion für Unternehmenskunden paketiert.

Aber insgesamt gesehen ist die Aussicht, Privatanwendern für das PC-Manager-Produkt Gebühren zu berechnen, nicht optimistisch, da dieses Geschäft schon viel zu lange kostenlos angeboten wird.

Auf Unternehmensebene gibt es zumindest etablierte Einkaufsabläufe. Die Enterprise-Version von Qianwen Office wird pro Arbeitsplatz verkauft, wobei jeder Platz monatlich 2000 Punkte enthält, die von der gesamten Organisation gemeinsam genutzt werden. Zusätzliche Nutzung kann über Punkte-Pakete erworben werden. Dass Unternehmen zuerst