Wir haben früh voll auf KI gesetzt. Wir haben Tokenmaxxing als strategische Haltung ausgerufen. Wir haben massiv in Training investiert. Wir haben Verträge mit Anthropic, Google und OpenAI geschlossen. Die Tokenkurve hat getan, was jede Adoptionskurve am Anfang tut: Sie ist schnell gestiegen. Jetzt flacht sie ab.
Der erste Reflex ist, Sättigung als "die Tools haben gegeben, was sie geben konnten" zu lesen. Haben sie nicht. Die Wand ist kein Modell-Limit und kein Use-Case-Limit. Sie ist strukturell, und sie steht im Org Chart.
Beispiel aus einer unserer Domänen: einundzwanzig Leute, geschnitten entlang bestimmter Technologien und Zielgruppen. Diese Struktur war richtig, als die Arbeit einundzwanzig Leute brauchte. Sie ist es wahrscheinlich nicht mehr. Fünf Leute plus das richtige agentische Pattern können plausibel abdecken, was einundzwanzig abgedeckt haben. Die Tokenkurve flacht ab, weil niemand in einem Einundzwanzig-Personen-Team mehr Tokens überhaupt sinnvoll einsetzen kann. Die Org-Struktur ist der Engpass.
Wenn man akzeptiert, dass die Organisation refactored werden muss, hören die Fragen auf, von KI zu handeln, und fangen an, von allem anderen zu handeln. Wie klein sollen Teams werden. Was besitzen diese kleineren Teams überhaupt. Lohnt es sich, ein zehn Jahre altes System zu refactoren, nur weil es jetzt machbar wird. Wie wird aus alldem Umsatz und nicht nur niedrigere Kosten.
Unsere Tokenkurve sagt uns nichts mehr über KI-Adoption. Sie sagt uns jetzt, welche Teile unserer Organisation reif zum Refactoring sind. Die Tokens hören auf zu steigen, weil die Org nicht mehr zur Arbeit passt.
Gedanken dazu? Findet mich auf Bluesky.