Das Wichtigste auf einen Blick
- Die Position AI CIO ist selten eine neue C-Level-Stelle. Es handelt sich um die bestehende Position CIO mit vier neuen Aufgabenbereichen: Lieferantenmanagement, Governance, Schatten-AI-Risiko, interner LLM-Einsatz.
- Shadow-AI stellt das kurzfristig größte Risiko dar. Mitarbeiter, die Unternehmensdaten in LLM-Konten für Endverbraucher einfügen, mit denen das Unternehmen keinen Vertrag hat.
- AI-Anbieterverträge sind keine SaaS-Verträge. Datenstandort, Klauseln zu Trainingsdaten, Modellveralterung, Haftungsfreistellung und Audit-Protokollierung müssen vor der Unterzeichnung einer Prüfung auf CIO-Niveau unterzogen werden.
- Für die meisten Unternehmen ist die richtige Lösung ein Hyperscaler-Dienst mit einer dünnen Wrapper-Schicht. Azure OpenAI, Bedrock, Vertex AI, gesteuert über ein internes API-Gateway.
- Die Integration in bestehende IT-Systeme ist die Herausforderung. Identität, SIEM, Bereitschaftsdienst, Finanzen, Audit – wenn AI alles für sich beansprucht, verliert CIO den Bestand.
Als ich CIO bei Sweetgreen war, war AI noch nicht der Game-Changer für die Rolle. Es gab Prognosemodelle, es gab Empfehlungssysteme, das Chatbot-Pilotprojekt lief im Kundensupport. Nichts davon war zu der Art von geschäftsbestimmender Entscheidung geworden, die heute den Terminkalender eines Unternehmens-CIO füllt. Fünf Jahre später sind die meisten CIOs, mit denen ich spreche, gerade dabei, AI in den IT-Auftrag zu integrieren. Die Form dieser Integration ist bei Unternehmen mit einem Umsatz von etwa 500 Millionen Dollar aufwärts weitgehend einheitlich: vier neue Arbeitsstränge, die einer bereits voll ausgelasteten Rolle hinzugefügt werden, in den meisten Fällen keine Änderung der Berufsbezeichnung und eine stille Neudefinition dessen, wofür die CIO-Funktion tatsächlich zuständig ist. Nicht jedes Unternehmen ist bereits so weit – einige betreiben noch ein paralleles AI Center of Excellence oder eine separate Task Force –, aber die Richtung geht hin zur Übernahme der CIO-Verantwortung.
Diese Seite richtet sich an den CIO, der diese Übernahme durchlebt, und an den CEO, der zu entscheiden versucht, ob der bestehende CIO den erweiterten Aufgabenbereich bewältigen kann oder ob das Unternehmen jemanden von außen hinzuziehen muss. Sie richtet sich auch an die AI strategy executive, die verstehen möchten, wie der CIO-Posten nun von innen aussieht, denn die Partnerschaft zwischen der AI-Strategie und dem AI-Operationsbereich ist der Ort, an dem der größte Teil des tatsächlichen Werts geschaffen oder zerstört wird.
Die vier neuen Arbeitsbereiche
AI-Lieferanten- und Vertragsmanagement
Vor fünf Jahren verwaltete ein CIO eine Handvoll strategischer Lieferantenbeziehungen: das ERP, das CRM, die Produktivitätssuite, den Cloud-Anbieter, die Sicherheitsplattform. Die Liste war lang, aber die Struktur war vertraut. Heute umfasst die AI-Lieferantenliste Anthropic, OpenAI, Google, Microsoft (separat von Azure), AWS Bedrock und eine lange Reihe von Anbietern von Punktlösungen, die Grundmodelle für spezifische Arbeitsabläufe verpacken oder optimieren. Jeder hat seine eigene Lizenzstruktur, seine eigene Haltung zur Datenresidenz, seine eigene Position zu Trainingsdaten und sein eigenes Tempo bei der Auslaufphase von Modellen. Der Aufwand für die Vertragsprüfung durch das CIO-Rechtsteam hat sich in den meisten Unternehmen, mit denen ich zusammenarbeite, innerhalb von zwei Jahren etwa verdoppelt.
Unternehmensweite Governance
Der Governance-Arbeitsbereich ist das, was die meisten CIOs zu Beginn unterschätzen. Er umfasst die Modellgenehmigung (welche Modelle für welche Daten, von welchen Teams und unter welchen Bewertungsrichtlinien verwendet werden dürfen), die Risikoklassifizierung (was ist ein risikoreicher Anwendungsfall, was löst „Human-in-the-Loop“-Anforderungen aus, was löst eine externe Prüfung aus), die Reaktion auf Vorfälle (wie AI-spezifische Vorfälle durch den bestehenden IR-Prozess laufen) und die Aufbewahrung (was wird protokolliert, wie lange und von wem kann es abgerufen werden). Das Ergebnis ist eine Reihe von Richtlinien und Runbooks, doch die Arbeit besteht größtenteils aus funktionsübergreifender Koordination zwischen den Bereichen Recht, Sicherheit, Datenschutz, Compliance, den Geschäftsbereichen, die AI tatsächlich einsetzen, und den AI-Anbietern selbst.
Shadow-AI-Risiko
Shadow-AI ist der operativ dringlichste der vier Arbeitsströme im Jahr 2026. Mitarbeiter nutzen ChatGPT-, Claude-, Gemini- und Copilot-Konten für Endverbraucher auf Unternehmensgeräten, fügen Unternehmensdaten in die Eingabefelder ein, und die Daten verlassen entweder den Perimeter in eine Trainingspipeline eines Drittanbieters (abhängig von der Kontoebene und den Einwilligungseinstellungen) oder verbleiben im Konversationsverlauf, auf den jeder mit den entsprechenden Zugangsdaten Zugriff hat. Berichte von Sicherheitsanbietern bis 2025 stufen dies durchweg als die am schnellsten wachsende Kategorie von AI-bezogenen Vorfällen ein. Das wirksame Abhilfemodell besteht aus drei Teilen: Bereitstellung einer genehmigten internen LLM-Ebene, die mindestens so gut ist wie die Verbraucher-Tools, Blockierung des Zugriffs auf Verbraucher-Tools von Unternehmensgeräten und -netzwerken am Gateway sowie eine kontinuierliche Abhilfemaßnahme für die bereits durchgesickerten Daten. Eine Richtlinie ohne genehmigte Alternative ist ein fast garantierter Misserfolg.
Interne LLM-Bereitstellung
Der vierte Arbeitsbereich ist die Produktionsbereitstellung von LLMs innerhalb des Unternehmens. Das Architekturmuster, das sich 2026 in den meisten Unternehmen etabliert hat: ein Hyperscaler-Dienst (Azure OpenAI, AWS Bedrock, Google Vertex AI) für die Modellschicht, vorangestellt durch ein internes API-Gateway, das die Authentifizierung gegenüber dem Identitätsanbieter des Unternehmens, die Ratenbegrenzung pro Benutzer und pro Team, die Inhaltsfilterung für ausgehende Eingabeaufforderungen und eingehende Vervollständigungen, die Nutzungserfassung für die Finanzabstimmung sowie eine vollständige Audit-Protokollierung für die Compliance übernimmt. Das Gateway ist der Hebelpunkt. Hier wird die Governance durchgesetzt, hier werden Schatten-AI-Alternativen eingebunden, und hier behält das CIO die operative Kontrolle über eine Infrastruktur, die andernfalls in Hunderte von einzelnen Lieferantenbeziehungen zerfallen würde.
„Das CIO, das AI als separaten Stack mit eigener Identität, eigener Observability, eigenem Finanzfluss und eigener Incident Response behandelt, verliert innerhalb eines Jahres die Kontrolle über die Infrastruktur. Integration ist die Disziplin, die den Platz sichert.“
Die Integration in die bestehende IT
In den Verkaufsgesprächen für AI-Tools für Unternehmen wird die Integrationsarbeit meist übersprungen. Die Präsentation zeigt den Produktivitätsanstieg, die Amortisationszeit und die Erfahrungsberichte von Führungskräften. Was die Präsentation nicht zeigt, ist die Arbeit, die erforderlich ist, um die AI-Ebene in den Identitätsanbieter des Unternehmens, das SIEM, den Bereitschaftsdienst, den Finanzgenehmigungsablauf und den Prüfpfad einzubinden. Fünf Integrationspunkte entscheiden darüber, ob eine AI-Implementierung erfolgreich verläuft oder im neunten Monat zu einem CIO-Problem wird.
- Identität. Jedes AI-System authentifiziert sich gegenüber dem Unternehmens-IdP. Keine permanenten Konten auf Anbieterseite. SCIM-Provisioning bei Beitritt des Benutzers, Deprovisioning in dem Moment, in dem der Benutzer das Unternehmen verlässt. Die AI-Umgebung übernimmt den autoritativen Benutzerstatus des IdP, anstatt ihn abzuzweigen.
- Beobachtbarkeit. AI-Systemprotokolle landen im selben SIEM wie jedes andere Produktionssystem. Gleiche Abfragesprache, gleiche Aufbewahrungsrichtlinie, gleiche Weiterleitung von Vorfällen. Anbieterspezifische Beobachtbarkeits-Dashboards sind eine Ergänzung, kein Ersatz.
- Incident Response. AI-spezifische Vorfälle (Ereignisse zur Eingabeaufforderung, Warnungen vor Datenlecks, Verstöße gegen Governance-Richtlinien, Modellverschlechterung) durchlaufen die bestehende Bereitschaftsrotation mit AI-spezifischen Runbooks. Es gibt keinen separaten AI-Bereitschaftsdienst.
- Finanzen. AI-Anbieterausgaben erscheinen im gleichen Genehmigungsworkflow wie bei jedem anderen Anbieter. Die Zuordnung pro Team und pro Anwendungsfall ist sichtbar. Das interne API-Gateway ermöglicht dies durch die Kennzeichnung von Anfragen an der Quelle.
- Audit. AI-Systeme erzeugen dieselben Audit-Artefakte wie jedes andere Produktionssystem. Anforderungsprotokolle, Entscheidungsprotokolle, Ereignisse zur Durchsetzung von Richtlinien. SOC 2, ISO 27001 und neu entstehende AI-spezifische Audit-Frameworks erfordern diese Vorgehensweise mittlerweile alle.
AI CIO vs. Chief AI Officer (CAIO)
Unternehmen, die neben dem CIO einen CAIO- oder CTAIO-Posten eingeführt haben, stellen immer wieder dieselbe Frage: Was fällt noch in den Zuständigkeitsbereich des CIO? Die klarste Antwort, die ich in der Praxis gesehen habe, ist eine Aufteilung zwischen Portfolio und operativem Geschäft. Der CAIO ist auf Vorstandsebene für das AI-Portfolio verantwortlich: welche Projekte finanziert werden, welche eingestellt werden, wie sich die AI-Investitionen des Unternehmens in der Gewinn- und Verlustrechnung niederschlagen und welche langfristige Strategie es gibt, wo AI in der Wettbewerbsposition des Unternehmens steht. Der AI CIO ist für die operative Realität des Betriebs von AI als Teil der IT-Infrastruktur verantwortlich: die Lieferantenbeziehungen, die Durchsetzung der Governance, die Behebung von Schatten-AI-Problemen, die Produktionssysteme, die die Mitarbeiter tatsächlich nutzen.
Bei einem Umsatz von unter etwa 1 Mrd. US-Dollar ist diese Aufteilung in der Regel übertrieben. Derselbe Führungskraft (der CIO mit erweitertem Aufgabenbereich oder ein CTAIO, der beide Bereiche übernommen hat) trägt beide Hüte, oft mit einem Teilzeit-AI-Strategieberater an der Seite für das Portfolio-Denken. Bei einem Umsatz von über 5 Mrd. $, insbesondere in Unternehmen, in denen AI eine strategische Priorität auf Vorstandsebene ist, wird die Aufteilung in zwei C-Level-Positionen üblich. Die ausführlichere Darstellung findet sich unter CAIO vs. CTO vs. CDAO.
Worauf Unternehmen bei der Einstellung eines AI CIO achten sollten
Der Einstellungsmarkt für diese Position hat sich noch nicht stabilisiert. Die meisten Kandidaten im Jahr 2026 sind entweder traditionelle CIOs, die ein oder zwei AI-Initiativen geleitet haben, aber noch nicht den vollen Umfang erfasst haben, oder AI-native Führungskräfte ohne Erfahrung in der Unternehmens-IT. Die besten Kandidaten sind CIOs, die die letzten 18 bis 24 Monate damit verbracht haben, sich tatsächlich in die Materie einzuarbeiten: Sie haben in einem Unternehmen vergleichbarer Größe Anbieterbewertungen durchgeführt, Governance-Richtlinien verfasst, das interne LLM-Gateway implementiert und das Problem des „Shadow-AI“ behoben. Drei Merkmale heben sie von den anderen ab.
Erstens: Nachweise für operative Disziplin im AI-Umfeld. Bitten Sie um eine konkrete Schilderung der Reaktion auf einen Vorfall: einen Datenleck im Bereich Shadow-AI, eine Modellverschlechterung, die einen Produktionsworkflow beeinträchtigte, eine AI-Lieferantenbeziehung, die zerbrach und aufgelöst werden musste. Kandidaten, die den Vorfall auf Runbook-Ebene detailliert beschreiben können, haben ihn selbst erlebt; die anderen noch nicht.
Zweitens: Vertrautheit mit der Realität von Lieferantenverträgen. Der Aufwand für die Vertragsprüfung ist mittlerweile so groß, dass ein CIO, der nicht die drei Klauseln nennen kann, die bei jedem AI-Lieferantenvertrag einer rechtlichen Prüfung bedürfen (Datenaufbewahrung, Trainingsdaten, Modellveralterung), nicht nah genug am Geschehen war.
Drittens: Integrationsinstinkt. Der Kandidat, der die AI-Landschaft als separaten Stack mit allem Eigenen beschreibt, ist derjenige, der innerhalb eines Jahres die Kontrolle darüber verlieren wird. Der Kandidat, der die Integration mit Identität, Observability, Finanzen und Audit beschreibt, bevor er danach gefragt wird, ist derjenige, der den Posten behält.
Weiterführende Literatur
Die Säule „Technologie-Führungskraft“ deckt die umfassendere Rolle ab, von der die AI CIO eine Variante ist. Die Schwesterseite zu AI CTO behandelt die parallele Entwicklung der CTO-Rolle, wenn AI das Kernprodukt ist. Für die Portfolio-Ebene siehe AI Strategy Executive. Für das CTAIO-Servicemodell siehe die CTAIO-Serviceseite. Für ein Gespräch über eine konkrete Situation in Ihrer CIO-Funktion vereinbaren Sie einen Experten-Termin.
Unternehmen, die noch nicht bereit sind, einen AI CIO in Vollzeit einzustellen, beginnen oft mit AI-Strategieberatung oder beauftragen zunächst einen fractional Chief AI Officer. Beides sind Möglichkeiten mit geringerem Engagement, um eine Einschätzung auf Positionsebene zu erhalten, ohne eine Vollzeitkraft einzustellen.
Häufig gestellte Fragen
Was kann ein AI CIO eigentlich, was ein gewöhnlicher CIO nicht kann?
Vier Arbeitsbereiche, die es vor fünf Jahren noch nicht als eigenständige Aufgabenbereiche gab. Erstens: AI-Anbieter- und Vertragsmanagement. Anthropic, OpenAI, Google, Microsoft, AWS sowie die Vielzahl kleinerer Anbieter von AI-Einzelanwendungen – jeder mit seinem eigenen Lizenzmodell, seiner eigenen Haltung zur Datenhoheit und seinen eigenen Klauseln zu Trainingsdaten. Zweitens: AI-Governance im Unternehmen: Welche Modelle dürfen für welche Daten verwendet werden, wer prüft neue Anwendungsfälle, wie erfolgt die Bewertung vor der Bereitstellung und wie werden Abbruchkriterien in Runbooks festgehalten? Drittens: Shadow-AI-Risiko: die Aufdeckung und Behebung von Fällen, in denen Mitarbeiter Unternehmensdaten ohne Erlaubnis in LLM-Konten für Endverbraucher verschieben. Viertens: die interne LLM-Bereitstellung, sei es über Azure OpenAI, Bedrock, Vertex AI, einen On-Premise-Inferenz-Stack oder ein privates API-Gateway, das einen Hyperscaler-Dienst umschließt. Die meisten derzeitigen CIOs übernehmen diese Aufgaben als zusätzlichen Aufgabenbereich, ohne dass sich ihre Berufsbezeichnung ändert. Der CIO ist dieselbe Person mit einem größeren Aufgabenbereich.
Inwiefern unterscheidet sich das Modell AI CIO vom Modell Chief AI Officer (CAIO)?
Das CAIO ist auf Vorstandsebene für das AI-Portfolio verantwortlich: welche AI-Projekte finanziert werden sollen, welche eingestellt werden sollen und wie sich die AI-Investitionen des Unternehmens auf die Gewinn- und Verlustrechnung auswirken. Der AI CIO ist für die operative Realität des Betriebs von AI als Teil der Unternehmens-IT verantwortlich: Lieferantenverträge, Durchsetzung der Governance, Beseitigung von Schatten-AI sowie die Produktionssysteme, die die Mitarbeiter tatsächlich nutzen. Die beiden Rollen ergänzen sich. In Unternehmen, die groß genug sind, um diese Aufgaben aufzuteilen, legt der CAIO die Portfoliostrategie fest, während der AI CIO die Infrastruktur betreibt. In Unternehmen mit einem Umsatz von unter etwa 1 Milliarde US-Dollar übernimmt in der Regel dieselbe Person beide Aufgaben, oder der CIO übernimmt den Aufgabenbereich des AI CIO, während ein fractional CAIO in strategischen Fragen berät.
Was ist das größte Risiko im Zusammenhang mit AI, das ein CIO derzeit bewältigt?
Shadow AI. Mitarbeiter fügen Kundendaten, Quellcode, vertrauliche Strategiepräsentationen und regulierte personenbezogene Daten in ChatGPT-, Claude-, Gemini- und Copilot-Konten für Endverbraucher ein, zu denen das Unternehmen keine vertragliche Beziehung unterhält. Die Daten verlassen die IT-Infrastruktur, gelangen je nach Kontostufe und Einwilligungseinstellungen in eine Trainingsdaten-Pipeline eines Drittanbieters, und es gibt keinen Prüfpfad. Dies ist der häufigste Vorfall im Zusammenhang mit AI, den ich in Gesprächen über CIO im Jahr 2026 beobachte, und er lässt sich nicht durch eine Richtlinienmitteilung lösen. Die Lösung besteht darin, eine genehmigte interne LLM-Ebene bereitzustellen, die mindestens genauso gut ist wie die Verbraucher-Tools, den Zugriff auf die Verbraucher-Ebenen von Unternehmensgeräten und -netzwerken zu blockieren und eine stetige Abhilfemaßnahme für die Mitarbeiter und die bereits durchgesickerten Daten durchzuführen. Laut Berichten von Varonis und anderen Sicherheitsanbietern bis zum Jahr 2025 gehört „Shadow AI“ zu den am schnellsten wachsenden AI-spezifischen Vorfallskategorien und steht neben identitätsbasierten Angriffen an der Spitze der Unternehmensrisikoregister.
Was muss ein AI CIO über die Lieferantenverträge für AI wissen?
Fünf Klauseln sind wichtiger als alle anderen. Datenstandort: Wo werden Kundendaten verarbeitet und gespeichert, und erfolgt die Verarbeitung in konformen Regionen? Trainingsdaten: Darf der Anbieter Ihre Eingabeaufforderungen und Vervollständigungen zum Trainieren zukünftiger Modelle verwenden, und wie sieht der Einwilligungs- bzw. Opt-out-Mechanismus konkret aus? Modellauslauf: Welche Benachrichtigung erhalten Sie, wenn eine Modellversion ausläuft, und welche Migrationsunterstützung wird zugesichert? Haftungsfreistellung: Ob der Anbieter die Haftung für Ansprüche wegen Verletzung geistigen Eigentums übernimmt, die sich aus generierten Inhalten ergeben. Audit und Protokollierung: Welchen Einblick Sie zu Compliance-Zwecken in Anfragen, Vervollständigungen und Richtlinienverstöße haben. Standardmäßige Vertragsklauseln auf SaaS-Niveau decken die meisten dieser Punkte nicht ab. Die rechtliche Prüfung von CIO-Anbieterverträgen ist mittlerweile auf Unternehmensebene Standard.
Sollte ein Unternehmen seine eigenen großen Sprachmodelle betreiben oder die Dienste der Hyperscaler nutzen?
Für die meisten Unternehmen lautet die Antwort im Jahr 2026: Hyperscaler-Dienste mit einer schlanken Wrapper-Schicht für Governance und Audit. Azure OpenAI, Bedrock und Vertex AI erfüllen die Anforderungen an den Datenstandort und bieten die für Unternehmen erforderlichen Vertragsbedingungen, die On-Premise-Bereitstellungen ohne erhebliche Investitionen in die Infrastruktur nur schwer erreichen können; zudem ist die Modellqualität für allgemeine Workloads wettbewerbsfähig genug. Die Wrapper-Schicht – ein internes API-Gateway, das Authentifizierung, Ratenbegrenzung, Nutzungserfassung, Inhaltsfilterung und Audit-Protokollierung übernimmt – ist der Bereich, in dem CIO einen nachweisbaren Mehrwert bietet. On-Prem-Inferenz ist nach wie vor sinnvoll für regulierte Workloads, bei denen Daten den Perimeter nicht verlassen dürfen, zur Kostenoptimierung bei sehr hohem Token-Volumen, für Funktionsanforderungen, die von Hyperscaler-Angeboten nicht erfüllt werden, sowie für Unternehmen, die eine Anbieterabhängigkeit vermeiden möchten. Die meisten großen Unternehmen werden eine Hybridlösung einsetzen: Hyperscaler für allgemeine Zwecke, On-Prem oder private VPC für regulierte Workloads.
Wie funktioniert die Integration des AI und des CIO in bestehende IT-Systeme?
Die Integration ist die eigentliche Aufgabe. AI-Systeme müssen sich beim Identitätsanbieter des Unternehmens authentifizieren, sich beim bestehenden SIEM anmelden, Vorfälle über den bestehenden Bereitschaftsdienst weiterleiten, im bestehenden Genehmigungsworkflow der Finanzabteilung für Lieferantenausgaben erscheinen und dieselben Audit-Artefakte erzeugen wie jedes andere Produktionssystem. Der AI CIO, der AI als separaten Stack mit eigener Identität, eigener Observability, eigenem Finanzfluss und eigener Incident-Response behandelt, verliert innerhalb eines Jahres die Kontrolle über die Infrastruktur. Die Integrationsdisziplin ist das, was den CIO, der den AI-Bereich beibehält, von dem CIO unterscheidet, dem dieser Bereich schließlich entzogen wird.
Wann benötigt ein Unternehmen tatsächlich eine eigene AI- und CIO-Position, anstatt die bestehende CIO-Rolle zu erweitern?
Diese Aufteilung tritt in der Regel dann ein, wenn der AI-Bereich groß genug ist, um einen Vollzeit-Leiter zu erfordern, und die Kapazitäten des bestehenden CIO bereits durch die traditionelle IT ausgelastet sind. Zwei Anzeichen treten regelmäßig auf. Erstens haben die Ausgaben für AI-Anbieter einen Punkt erreicht, an dem mehrere strategische Lieferantenbeziehungen aktiv verwaltet werden müssen – oft im Bereich von 5 bis 15 Millionen Dollar, wobei der Schwellenwert eher von der strategischen Komplexität als vom absoluten Dollarbetrag abhängt. Zweitens ist der Governance-Aufwand für AI – Modellüberprüfungen, Erstellung von Ausschlusskriterien, Reaktion auf Audits – mittlerweile eine Arbeitslast, die mehrere Mitarbeiter erfordert und für die keine bestehende Funktion durchgängig verantwortlich ist. An diesem Punkt wird entweder der CIO-Aufgabenbereich um einen neuen Stellvertreter auf SVP-Ebene erweitert, der das AI-Portfolio operativ leitet, oder das Unternehmen schafft eine gleichrangige Position (AI CIO, manchmal auch als CTAIO bezeichnet), der demselben CEO unterstellt ist. Die Bezeichnung auf C-Level ist weniger wichtig als die Frage, ob ein verantwortlicher Führungskraft die Gesamtverantwortung für den AI-Bereich trägt.
Was ist der häufigste Fehler bei AI und CIO?
Der Integrationsaufwand wird unterschätzt und die Verkaufsargumente des Anbieters überschätzt. Der Anbieter verspricht, dass sich die AI-Ebene mit minimalem Aufwand in die bestehende Infrastruktur einfügt und bereits innerhalb eines Quartals messbare Produktivitätssteigerungen erzielt. In der Realität dauert die Integration der Authentifizierung länger als erwartet, die Governance-Prüfung verschlingt die ersten sechs Monate jedes Anwendungsfalls, und die Bereinigung von Schatten-AI-Systemen läuft parallel zu allen anderen Aufgaben. Der CIO, der sein Budget nach den Versprechungen des Anbieters plant, bleibt hinter den Erwartungen zurück. Der CIO, der sein Budget an die Realität der Integration anpasst (etwa das 2- bis 3-fache der vom Anbieter angegebenen Implementierungskosten in interner Arbeitszeit und etwa 9 bis 12 Monate bis zum stabilen Betrieb), liefert Systeme, die tatsächlich funktionieren.
Need Expert Technology Guidance?
20+ years leading technology transformations. Get a technology executive's perspective on your biggest challenges.
