Mit dem Schritt zum Outcome-based Pricing verlässt OpenAI das klassische Token- oder Abonnementmodell für einen Teil seines Kundenstamms und geht zu einer reinen Erfolgsabrechnung über: Großkunden zahlen erst dann, wenn eine KI-gestützte Aufgabe tatsächlich abgeschlossen wurde. Dieses Modell ist besonders für den Einsatz autonomer Agenten relevant, die mehrstufige Prozesse ohne menschliche Eingriffe durchführen sollen. OpenAI ist dabei nicht allein: Auch Salesforce und Adobe erproben Preismodelle jenseits fixer Lizenzgebühren und rücken damit von der Subskriptionslogik ab, die SaaS-Produkte jahrzehntelang dominiert hat. Der entscheidende Streitpunkt bei dieser Abrechnungsform ist die Zurechenbarkeit: Gilt eine Aufgabe als erfolgreich abgeschlossen, wenn das KI-System sie technisch beendet hat – oder erst, wenn das Ergebnis dem Kunden messbaren Nutzen gebracht hat? Gerade bei komplexen Unternehmensworkflows, in denen menschliche Nachbearbeitung üblich ist, bleibt diese Grenze schwer zu ziehen. Für KI-Anbieter bedeutet das Modell ein höheres unternehmerisches Risiko, da Einnahmen direkt an die tatsächliche Leistung gekoppelt sind. Für Unternehmenskunden wiederum entsteht der Zwang, vorab präzise und messbare Erfolgskriterien für ihre KI-Agenten zu definieren – eine organisatorische Anforderung, die viele Firmen noch vor erhebliche interne Herausforderungen stellt.