Die Diskrepanz zwischen milliardenschweren Investitionen in künstliche Intelligenz und den realen Arbeitsergebnissen in den Büros tritt immer deutlicher zutage. Neue Erhebungen des Softwareanbieters BambooHR und eine makroökonomische Untersuchung von Sam Gilbert an der Bennett School of Public Policy der University of Cambridge belegen ein wachsendes Produktivitäts-Paradoxon. Während Technologieanbieter signifikante Effizienzsprünge in Aussicht stellen, fließt ein großer Teil der Arbeitszeit am Bildschirm in mühsame Nachkorrekturen ungenauer Modellausgaben. Gleichzeitig zeigt sich auf volkswirtschaftlicher Ebene, dass die tatsächliche Durchdringung im Arbeitsalltag bislang erstaunlich oberflächlich bleibt.
Die Untersuchung von BambooHR stützt sich auf eine Befragung von 1.608 festangestellten US-Büroangestellten, darunter 520 Führungskräfte aus dem Personalbereich. Den Ergebnissen zufolge verbringen die Beschäftigten im Durchschnitt 87 Minuten pro Arbeitstag mit KI-Anwendungen, was auf das Jahr gerechnet rund 47 regulären Arbeitstagen entspricht. Bei Führungskräften auf C-Level- und Vice-President-Ebene klettert dieser Wert sogar auf durchschnittlich 101 Minuten, während operative Fachkräfte 54 Minuten täglich aufwenden. Der wahrgenommene Ertrag steht jedoch in scharfem Kontrast zu diesem Zeitaufwand: Lediglich 35 Prozent dieser Nutzungszeit werden von den Befragten als unmittelbar wertschöpfend und produktiv bewertet.
Als zentrale Ursache für die verpuffende Arbeitszeit identifiziert die BambooHR-Studie handwerkliche Hürden bei der Bedienung der Modelle. Ganze 42 Prozent der gesamten KI-Nutzungsdauer entfallen auf das iterative Nachbessern von Eingabeaufforderungen und die Korrektur fehlerhafter Modellergebnisse. Weitere 23 Prozent der Zeit verbringen die Angestellten mit explorativem Herumprobieren ohne greifbares Ergebnis. Darüber hinaus äußerten viele Befragte, darunter bemerkenswerterweise vor allem Nachwuchskräfte selbst, die Sorge, dass eine verfrühte oder übermäßige KI-Nutzung das Erlernen fundamentaler fachlicher Grundlagen behindert und die Karriereentwicklung von Berufseinsteigern spürbar ausbremsen könnte.
Auf gesamtwirtschaftlicher Ebene zeichnet die Analyse von Sam Gilbert an der University of Cambridge ein ebenso ernüchterndes Bild. Gilbert verweist darauf, dass Hyperscaler wie Microsoft, Meta, Amazon und Google für 2026 Investitionsausgaben in die Infrastruktur von über 600 Milliarden US-Dollar anpeilen, während die globalen Gesamtausgaben für KI-Infrastruktur die Marke von einer Billion Dollar überschreiten. Trotz dieser enormen Mittelzuflüsse bleibt ein messbarer Produktivitätsbeitrag in der breiten Wirtschaft bisher schwach belegt. Der erhoffte gesamtwirtschaftliche Schub lässt auf sich warten, weil die reale Integration in bestehende Wertschöpfungsketten oft stagniert.
Eine Auswertung ergänzender Daten des Meinungsforschungsinstituts Gallup und des National Bureau of Economic Research (NBER) untermauert diese Einschätzung. Zwar geben laut Gallup rund 52 Prozent der US-Arbeitnehmer an, gelegentlich KI-Werkzeuge einzusetzen, doch lediglich 15 Prozent nutzen diese Hilfsmittel tatsächlich täglich. Eine NBER-Erhebung unter rund 6.000 Führungskräften in den USA, Großbritannien, Deutschland und Australien ergab zudem, dass die Befragten KI zwar überwiegend ausprobieren, ihre reale Nutzung jedoch im Durchschnitt bei lediglich 1,5 Stunden pro Woche liegt. Die Nutzung ist damit zwar in der Breite angekommen, bleibt in der Tiefe jedoch äußerst limitiert.
Wie tief die Spaltung der Unternehmenslandschaft ist, verdeutlichen zudem aggregierte Transaktionsdaten des Finanzdienstleisters Ramp von über 70.000 Unternehmen. Während das oberste eine Prozent der Firmen durchschnittlich rund 7.500 US-Dollar pro Mitarbeiter und Monat für KI-Lösungen aufwendet, liegt der Medianwert über alle erfassten Betriebe hinweg bei lediglich 12 US-Dollar monatlich. Diese extreme Polarisierung unterstreicht, dass die Transformation bislang von wenigen hochspezialisierten Vorreitern getrieben wird, während die Mehrheit der Unternehmen noch vor praktischen Einstiegshürden steht. Solange KI-Systeme vor allem Nachkorrekturen erfordern, bleibt der viel beschworene Produktivitätssprung für die breite Masse ein Versprechen der Zukunft.