Finanzen zog 44% der KI-Kürzungen zurück

Was die Zahlen wirklich sagen

Robert Half befragte fast 2.000 US-Personalverantwortliche und stellte fest, dass 32 Prozent eine Stelle vor allem wegen KI gestrichen und dann für dieselbe oder eine ähnliche Position neu eingestellt hatten. Die Aufteilung nach Branchen ist der Teil, den man zweimal lesen sollte. Die Finanzabteilung zog die meisten Kürzungen mit 44 Prozent zurück, vor der Personalabteilung mit 35 Prozent und der Technik mit 32 Prozent. Gartner setzt einen Ausblick hinzu: Bis 2027 erwartet man, dass rund die Hälfte der Unternehmen, die Entlassungen der KI zuschrieben, für vergleichbare Rollen neu einstellt.

Für sich gelesen lädt die Schlagzeile zum einfachen Schluss ein, die KI sei nicht gut genug gewesen. Diese Lesart ist unvollständig. Eine Rücknahmequote von einem Drittel bei zweitausend Führungskräften ist keine Geschichte über ein schwaches Modell. Es ist eine Geschichte darüber, wie die Entscheidung zur Kürzung getroffen wurde, und wie schnell sie getroffen wurde, bevor jemand maß, was die Rolle tatsächlich leistete.

Warum ausgerechnet die Finanzabteilung führte

Es liegt nahe anzunehmen, die tabellensicherste Funktion würde eine Automatisierungsentscheidung am sorgfältigsten bepreisen. Die Umfrage sagt, das Gegenteil geschah. Die Finanzabteilung führte die Rücknahmen gerade deshalb an, weil sie in prognostizierten Einsparungen fließend ist. Eine Effizienzzahl des Anbieters landet in einem Modell, das Modell zeigt eine saubere Stellenkürzung, und die Ersparnis wird verbucht, als wäre sie bereits realisiert. Die Stelle wird gegen eine Prognose gestrichen, nicht gegen ein beobachtetes Arbeitsvolumen.

Die Lücke wird erst im Betrieb sichtbar. Das automatisierte System bewältigt das Routinevolumen und bleibt dann an der Restarbeit hängen, die das Urteilsvermögen trug: die Grenzfälle, die Ausnahmen, die Entscheidungen, die nicht ins Schema passen. Dieser Rest ist klein als Anteil der Vorgänge und groß als Anteil des Risikos. Wenn er auftaucht, muss die Kürzung zum schlechtestmöglichen Preis rückgängig gemacht werden, denn nun stellt man für eine Rolle neu ein, die man dem Markt bereits als gestrichen gemeldet hat.

Die Grundrate, von der Sie hätten ausgehen sollen

Die Disziplin für Entscheider ist hier das Denken in Grundraten. Vor dieser Umfrage hatte eine Führungskraft, die eine KI-für-Personal-Kürzung abwog, eine Anbieterbehauptung und eine interne Prognose. Danach hat dieselbe Führungskraft eine gemessene Grundrate: über eine große Stichprobe wurde rund eine von drei dieser Kürzungen zurückgenommen, in den Finanzen näher an einer von zwei. Das ist keine Fußnote. Das ist der Ausgangswert, an dem Sie sich orientieren sollten, und er sollte über jeder einzelnen Fallstudie stehen, die ein Anbieter Ihnen vorlegt.

Ford ist das Mahnbeispiel, das die Berichterstattung immer wieder anführt. Die automatisierten Qualitätskontrollsysteme konnten das Urteilsvermögen erfahrener Ingenieure nicht nachbilden, und das Unternehmen verbrachte drei Jahre damit, rund 350 erfahrene Ingenieure wieder einzustellen oder zu befördern, um die Lücke zu schließen, und führte erst dann J.D. Powers Initial Quality Study zum ersten Mal seit 2010 an. Eine Firma ist eine Anekdote, über die man streiten kann. Zweiunddreißig Prozent von zweitausend Führungskräften sind eine Grundrate, gegen die man planen muss.

Wie man eine KI-Personalentscheidung bepreist

Die Lösung besteht nicht darin, die Automatisierung einzufrieren. Sie besteht darin, die Form der Entscheidung zu ändern. Behandeln Sie jeden KI-für-Personal-Schritt als umkehrbares Pilotprojekt und schreiben Sie die Kosten der Wiedereinstellung in den Business Case, bevor Sie ihn freigeben. Wenn das Modell nur aufgeht, sobald Sie die Kürzung als dauerhaft und die Ersparnis als sofort annehmen, sagt Ihnen das Modell, dass die Entscheidung fragil ist.

In der Praxis heißt das, das Urteilsende vor der Kürzung zu messen, nicht danach. Bestimmen Sie den Anteil der Rolle, der echte Ausnahmebehandlung ist, und belasten Sie das System gegen diesen Rest statt gegen den Durchschnittsfall. Gestalten Sie die Rolle so um, dass das Werkzeug das Volumen übernimmt und ein Mensch das Urteil behält, und reduzieren Sie dann das Personal auf das, was das Werkzeug nachweislich tragen kann. Die Firmen, die zurückruderten, machten die Reihenfolge falsch herum: Sie kürzten zuerst, entdeckten den Rest als Zweites und zahlten den Marktpreis, um wieder zusammenzusetzen, was sie zerlegt hatten.

Weiterlesen: Uber verbrannte sein KI-Budget 2026 in vier Monaten  |  Wer 145 Milliarden ausgibt, sagt: es funktioniert noch nicht