OpenAI testet Bezahlung nur bei erfolgreicher KI-Arbeit

OpenAI bietet nach einem Bericht des US-Branchendiensts The Information einzelnen Großkunden ein neues Preismodell an: Sie zahlen erst, wenn ein KI-Agent eine Aufgabe erfolgreich abgeschlossen hat, etwa die Bearbeitung einer Support-Anfrage. Ein OpenAI-Sprecher wollte sich nicht äußern. Der Schritt klingt nach einem kundenfreundlichen Angebot, rührt aber an eine der schwierigsten Fragen der Branche: Wann genau hat eine KI ihre Arbeit getan, und wer darf das Ergebnis für sich verbuchen?

Das Wichtigste in Kürze

• Laut The Information testet OpenAI mit ausgewählten Großkunden eine ergebnisbasierte Abrechnung: Bezahlt wird nur bei erfolgreich erledigter Aufgabe.
• Der Ansatz bricht mit dem üblichen Modell, das pro Nutzerplatz oder pro verbrauchter Rechenleistung abrechnet.
• Das Kernproblem ist die Erfolgszuordnung: Ohne klare Regeln lässt sich kaum belegen, ob ein Ergebnis der KI zu verdanken ist oder anderen Faktoren.
• Salesforce, Adobe und mehrere Start-ups wie Sierra und Cognition erproben ähnliche Modelle, teils mit Gutschriften bei Nichterfüllung.
• Treiber ist der Kostendruck: KI-Agenten übernehmen Arbeit, für die früher mehrere Angestellte nötig waren, weshalb die Preislogik pro Platz nicht mehr passt.

Was OpenAI genau testet

Bislang rechnet OpenAI im Geschäftskundenbereich vor allem nach verbrauchten Token ab, also nach der Menge an verarbeitetem Text, oder über feste Abogebühren pro Nutzer. Im neuen Test zahlt der Kunde stattdessen für ein Ergebnis. Genannt wird das Beispiel Kundenservice: Ein Agent bearbeitet eine Support-Anfrage von Anfang bis Ende, und erst der abgeschlossene Vorgang löst eine Zahlung aus. Wie hoch die Beträge sind und nach welchen Kriterien OpenAI einen Vorgang als erfolgreich wertet, hat das Unternehmen nicht offengelegt.

Der Zeitpunkt ist kein Zufall. OpenAI bereitet mit Astra ein auf Agenten ausgerichtetes Spitzenmodell vor, das mehrstufige Aufgaben eigenständig abarbeiten soll. Ein Preismodell, das genau solche abgeschlossenen Aufgaben abrechnet, passt zu diesem Produktversprechen. Zugleich steht die gesamte Branche unter Druck, aus teuren Modellen tragfähige Umsätze zu machen, weshalb neben der Abrechnung auch Wege wie Werbung in ChatGPT erprobt werden.

Das Attributionsproblem: Wann gilt eine Aufgabe als erledigt?

Der wunde Punkt des Modells ist die Zurechnung von Erfolg. Schließt ein Vertriebsteam mehr Abschlüsse ab, kann das an einem KI-Agenten liegen, aber ebenso an einer Marketingkampagne, an saisonalen Schwankungen oder an einer besseren Konjunktur. Ohne vertraglich klar definierte Erfolgskriterien wird jede Rechnung zur Auslegungssache. Beide Seiten haben zudem einen Anreiz, die Messlatte in ihre Richtung zu verschieben.

Hinzu kommt eine technische Unsicherheit: KI-Agenten schätzen den eigenen Arbeitsstand oft zu optimistisch ein. Untersuchungen zeigen, dass sie ihre Ergebnisse deutlich besser bewerten, als sie sind, und dass sie kein verlässliches Gefühl für den Aufwand einer Aufgabe haben. Ein System, das sich selbst für fertig erklärt, taugt schlecht als Grundlage einer Rechnung. In der Praxis dürfte deshalb ein menschlicher Prüfschritt oder eine nachträgliche Kontrolle nötig bleiben, was einen Teil der versprochenen Effizienz wieder aufzehrt.

Die ganze Branche sucht ein neues Preisschild

OpenAI ist mit dem Versuch nicht allein. Das Start-up Sierra berechnet mit seinem Support-Agenten Fin nur die Fälle, die vollständig automatisch gelöst wurden. Das Entwicklerwerkzeug-Unternehmen Cognition verspricht Gutschriften von bis zu zehn Millionen Dollar, falls die zugesagte Leistung ausbleibt. Salesforce verhandelt für sein Agentenprodukt Agentforce individuelle Verträge, die an messbare Umsatzsteigerungen oder Kosteneinsparungen gekoppelt sind. Adobe rechnet Teile seines Enterprise-Angebots nach abgeschlossenen Werbekampagnen ab, und auch HubSpot und Zendesk bewegen sich in diese Richtung.

Der gemeinsame Grund: Das klassische Modell mit einem Preis pro Nutzerplatz verliert seine Logik, wenn Software Aufgaben übernimmt, für die vorher mehrere Mitarbeiter zuständig waren. Ein Anbieter, der weiterhin pro Kopf abrechnet, verdient paradoxerweise weniger, je besser seine KI die Arbeit erledigt. Die ergebnisbasierte Abrechnung soll diesen Widerspruch auflösen, verlagert aber das Risiko schwankender KI-Leistung vom Kunden zum Anbieter. Für OpenAI, dessen Modelle im Betrieb teuer sind, kann das die Marge belasten, wenn ein Agent oft mehrere Anläufe braucht.

Ausblick

Ergebnisbasierte Preise sind mehr als eine Rabattaktion. Sie sind der Versuch, den wirtschaftlichen Wert von KI-Arbeit direkt messbar zu machen, statt ihn über Rechenzeit oder Nutzerzahlen zu schätzen. Ob das gelingt, hängt weniger an der Technik als an der Vertragsarbeit: an präzisen, prüfbaren Definitionen von Erfolg, auf die sich beide Seiten einlassen. Setzt sich das Modell durch, verschiebt es die Beweislast in Richtung der Anbieter und macht die Qualität der Agenten unmittelbar zum Geschäftsrisiko. Vorerst bleibt es ein Test mit wenigen Kunden, dessen Ergebnisse zeigen werden, ob sich Erfolg in einem Vertrag so festschreiben lässt, dass am Monatsende niemand streitet.