Robert Glaser diagnostiziert ein strukturelles Problem der unternehmensweiten KI-Adoption, das über bloße Lizenz-Counts hinausgeht. Mit Referenz auf Ethan Mollicks Framework (Leadership, Lab, Crowd) beschreibt er, wie Copilot, Claude und andere Tools zwar in Pockets des Unternehmens intensiv genutzt werden – manche Teams nutzen sie als einfache Autocompletion, andere fahren enge, testgesteuerte Agentic-Loops mit Validierung – doch die gewonnenen Erkenntnisse bleiben fragmentiert. Das zentrale Problem: Traditionelle Enablement-Machinery (Communities of Practice, Brown-Bag-Sessions, Dashboards) ist zu langsam und zu formalisiert. Die echte Lernbarkeit sitzt in Friktionen – missglücktem Agent-Verhalten, fehlenden Kontexten, Tests die scheitern – aber diese Nuancen verschwinden, wenn Erkenntnisse zur Best-Practice-Folie saubermachen. Glaser argumentiert, dass Agentic Engineering die Iterationswirtschaft grundlegend ändert: Schnellere Prototyping-Zyklen verschieben den Engpass von Implementation zu Intent, Verifikation und Feedback. Damit werden aber auch alte Strukturen wie Scrum-Ceremonies fragwürdig, die für teure, langsame Iteration optimiert waren.