Ein struktureller Margendruck entsteht, da KI-Hersteller Managed Service Provider auf Basis von Agentenaktivität abrechnen, während MSPs selbst nur für abgeschlossene Ergebnisse bezahlt werden. Firmen wie ConnectWise und Super IT stellen ihre Leistungen nach der Menge der KI-gesteuerten Versuche (Aktivität, Token) in Rechnung, obwohl MSP-Verträge nur tatsächlich gelöste und abgeschlossene Tickets vergüten.
ConnectWise brachte einen RMM-Agenten heraus, der Diagnosen und Ticket-Triage automatisiert. Nach Unternehmensangaben wurden bei einem Partner 99 % von 7.000 Tickets in 30 Tagen bewertet—diese Kennzahlen fokussieren jedoch auf Aktivität und eingesparte Stunden, nicht auf tatsächlich abgeschlossene Tickets. Die Analyse von Shield Technology Partners mit Forge ergab, dass höhere Erfolgsraten fortschrittlicher Modelle wie GPT-6 auch die Ticketkosten steigen lassen, bei Kalkulationen menschliche Prüfzeiten aber oft fehlen.
Weitere Entwicklungen bestätigen den Trend: Super IT bietet in Nordamerika agentenbasierte Aktivitätsmodelle an, und laut einer Cloudera-Umfrage können nur 27 % die eigenen KI-Ausgaben präzise messen, lediglich 23 % berichten positiven Nettowert. Hersteller konzentrieren sich auf Aktivitäts- und Abonnementmetriken statt auf voll gelieferte Ergebnisse; offene Tickets gehen zulasten der MSP-Margen.
Operativ müssen MSPs die realen Kosten pro gelöstem Ticket erfassen—einschließlich gescheiterter Agentenversuche und menschlicher Nacharbeit—um Preismodelle korrekt zu steuern und Rentabilität zu sichern. Das Übersehen dieser versteckten Kosten kann Margen aushöhlen und die Auswirkung von Automatisierung verschleiern. Effektive Governance erfordert die regelmäßige Anpassung von Preisgestaltung und Prozessen basierend auf den tatsächlichen KI-Kosten.