Bericht **The AI Agenda 2026 — The reality check** des **Oliver Wyman Forum** (der Beratung **Oliver Wyman**, Gruppe **Marsh**), ein **91-seitiges** PDF vom **15. Oktober 2026** (Dateimetadaten), mit einem Vorwort von **John Romeo** (CEO) und **Ana Kreacic** (COO). Empirische Grundlage: zwei Wellen der **Global Voices**-Umfrage (April, **N = 12.883**; August, **N = 12.837**; 15 Märkte einschließlich Frankreich), die Umfrage **Oliver Wyman Forum × NYSE CEO Agenda 2026** (**415 CEOs**), parallele CEO-/Tech-Leader-Umfragen (**N = 200**), ein **Sovereign AI Index** (die Top 100 Volkswirtschaften) und drei Simulationen von Agentenkäufen. Gesamtthese: *"AI is everywhere in our company except the P&L"*; die KI-Fähigkeit entwickelt sich schneller als die Entscheidungen, die nötig sind, um daraus Wert zu ziehen.
#AI ROI#Return on Intelligence#ROI-Harvester
Oliver Wyman Forum — préface de John Romeo (CEO) et Ana Kreacic (COO) ; cinq équipes d'auteurs par chapitre (Aaron Fine, Helen Leis, Adrian Oest, Daniel Cope, Abhishek Sharma et al.).
Redaktioneller Artikel **SFEIR AI**, veröffentlicht auf sfeir.com am **6. September 2026** (~9.000 Zeichen, sieben Abschnitte, zwei genannte Quellen). Er fasst eine Episode des **DataGen**-Podcasts von **Robin Conquet** zusammen, aufgezeichnet beim **Dev Summit**, gemeinsam veranstaltet von **Adeo** und **Decathlon** (Lille, **26.–28. Mai 2026**, mehr als **2.000** Teilnehmer), mit **Matthieu Grymonprez**, der bei Adeo (Leroy Merlin, Weldom, Obramat) Digital, Tech und Data leitet, und **Romain Taillade**, Global CTO von Decathlon. Drei Kernaussagen. **(A)** Die über fünf Jahre durchgeführte Plattformisierung zur Integration des Leroy-Merlin-Marktplatzes (**60.000** Filialreferenzen, mehrere Millionen online) und der Expansion von Decathlon (**mehr als 50** Länder) war nicht auf agentische KI ausgerichtet, bildet aber deren Fundament: *"die Plattform hat die Muskeln aufgebaut, das Zeitalter der Intelligenz baut das Nervensystem."* **(B)** Drei benannte Arbeitsstränge — der Entwicklungs-**Harness**, zonenbasierte **Sicherheit** über das gesamte IT-System hinweg (keine agentische Aktivität bei Zahlung, Checkout-Prozess und Supply Chain), und **Datensemantik**, nach Verticals angegangen, wo Adeo eine Rückständigkeit eingesteht. **(C)** Ein teuer erkaufter Präzedenzfall: Self-Service-BI produzierte mehr als **150.000 Dashboards**, bevor man zu zertifizierten Datenprodukten zurückkehrte. Grymonprez' prägnanter Satz hält alles zusammen — *"ein Agent hat keinen gesunden Menschenverstand"*: Er wendet die gegebene Definition an und beschleunigt die Unordnung dort, wo sie fehlt. Fortsetzung mit demselben Interviewpartner in [[alafrench-grymonprez-adeo-ia-agentique-grands-groupes-2026-06-18]].
SFEIR AI (voix éditoriale du cabinet) · article non signé individuellement. Restitue un entretien de Matthieu Grymonprez (Adeo) et Romain Taillade (Decathlon).
Ausführlicher Meinungsbeitrag (Point of View), veröffentlicht auf **sfeir.com** am 24. Juni 2026 von **Didier Girard** (Managing Director, SFEIR). **Kernthese**: 2024 setzte man allgemein auf **AI4Business** (KI in Geschäftsprozessen) als das große Wertreservoir; 2026 hat sich das Bild **umgekehrt** — es ist **AI4IT** (KI zur Produktion des Informationssystems: Code, SDLC, Softwarefabrik), die **messbaren** Wert schafft. Der Artikel *untermauert* diese These mit der Technologiebeobachtung der Firma: Enttäuschung bei AI4Business (die MIT-Studie „95 % der Piloten ohne ROI“, umstritten, aber aufschlussreich; eine **organisatorische** Blockade / Mollicks Hayeksches Problem) versus quantifizierte AI4IT-Belege (Salesforce, Intercom, Raiffeisen, AWS/Bedrock, Atlassian, DORA). Mechanistische Erklärung: **Code verifiziert sich selbst** (Kompilierung, Tests, CI), während Geschäftsprozesse weder einen Compiler noch eine unmittelbare Feedbackschleife haben. **Konsequenz für das Budget 2027**: eine Verschiebung von **CapEx zu OpEx**, die Preisdynamik der Tokens (steigender Spitzenwert — Fable 5 bei 2× Opus — versus Inferenz ÷280 und Abwärtsdruck durch Open Weights/Desktop) sowie **AI FinOps**, gesteuert durch **Cost per Outcome**. Schließt mit **4 Empfehlungen für das COMEX**.
#AI4IT#AI4Business#Umkehrung
**Didier Girard** — Managing Director (CTO / DG) de **SFEIR** · ESN française (~1 000 personnes, France · Belgique · Luxembourg · Suisse). Auteur de l'article ; voix éditoriale du cabinet sur la transformation IA des DSI.
Debattenbeitrag von **Olivier Rafal** (Consulting Director Strategy bei **WeNvision**), veröffentlicht am **23. Februar 2024** auf **CIO-Online** (Rubrik *Tribune*), der eine damals noch kontraintuitive These vertritt: **generative KI ist eher eine Frage des Technologieprodukts als ein KI-/Data-Science-Projekt**. **Argument 1 — Data Science ist nicht der Kern des Problems**: Der Aufbau eines *Foundation Model* von Grund auf erfordert *„mehrere Monate, Millionen von Euro und Zugang zu enormen Datenmengen“* — vorbehalten Akteuren mit spezifischen, monetarisierbaren Datensätzen (z. B. **Bloomberg** mit **BloombergGPT** für den Finanzbereich). Für nahezu alle Unternehmen ist es daher nicht der richtige Reflex, Data Scientists einzustellen. **Argument 2 — Kompetenz-Mismatch**: Hauptsächlich benötigt werden **Entwicklungs- und Integrationsingenieure** (Backend/Frontend), **solide Cloud-Kenntnisse** und **DevOps**. Kundenzitat: *„Man muss nicht unbedingt Data Scientist sein, aber man muss die Grundkonzepte verstehen, Backend-Entwicklungskenntnisse und solide Cloud-Kenntnisse mitbringen.“* **Argument 3 — Plattformarchitektur (Orchestratoren + APIs)**: Der Aufbau einer unternehmensinternen **plateforme d'IA générative** über Orchestratoren und APIs macht es *„möglich, mit den besten am Markt verfügbaren LLMs zu arbeiten und zwischen ihnen zu wechseln, sobald sich ihre jeweiligen Fähigkeiten weiterentwickeln, ohne die Anwendungen überarbeiten zu müssen“* (Anti-Vendor-Lock-in). **Argument 4 — vom Projekt zum Produkt**: *„Die Plattform […] muss als eigenständiges Produkt betrachtet werden“*; statt einer einmaligen Investition ist ein **monatlicher Finanzierungsstrom** einzuplanen (kontinuierliche Iteration, fortlaufende Innovation). **Argument 5 — Governance & Shadow AI**: Die beispiellose Demokratisierung generativer KI erzeugt *„ebenso viel Shadow AI wie starke Erwartungen an die CIO-Organisation“* → Governance, um Business-Bedarfe zu erfassen, **Produkte nach Wert zu priorisieren** und den ordnungsgemäßen Betrieb zu überwachen. Angekündigter **Paradigmenwechsel**: *„der Wandel führt von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen“*. **Relevanz für die Veille**: ein **Gründungstext (2 Jahre vorausschauend)** der WeNvision-Doktrin (Produkt > Projekt, Plattform/API, flussbasierte Finanzierung, Governance, Shadow AI), später erweitert durch [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]], und rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04 (FinOps/Token, flussbasierte Finanzierung → finanzielle Governance). Er nimmt zudem den *Harness/die Plattform rund um das Modell* vorweg (Dropbox/Okumura: *systems around the model*) sowie die durch eine Orchestrierungsschicht erreichte **Modellunabhängigkeit**.
#generative KI#Technologieprodukt#Produkt vs. Projekt
**Olivier Rafal** · *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.