Das klassische Karriere‑Narrativ – Ausbildung abschließen, Beruf wählen und dann 40 Jahre weitgehend dasselbe tun – passt nach Ansicht von McKinsey und General Catalyst nicht mehr in eine von KI geprägte Wirtschaft.
Auf einer Live‑Aufzeichnung des Podcasts All-In bei der CES 2026 diskutierten Jason Calacanis, Bob Sternfels (Global Managing Partner von McKinsey & Company) und Hemant Taneja (CEO von General Catalyst) darüber, wie KI Investitionen und Arbeitswelt zugleich umkrempelt.
Die Kernaussage: Die Ära „learn once, work forever“ ist zu Ende.
KI schafft Milliardenkonzerne in Rekordzeit
Taneja verdeutlichte die Geschwindigkeit des aktuellen KI‑Boons mit Zahlen aus dem eigenen Portfolio:
- Stripe brauchte rund 12 Jahre, um eine Bewertung von 100 Milliarden US‑Dollar zu erreichen.
- Anthropic, ebenfalls ein General‑Catalyst‑Investment, stieg binnen eines Jahres von 60 Milliarden US‑Dollar auf, wie Taneja es formulierte, „ein paar hundert Milliarden Dollar“.
„Die Welt hat sich komplett verändert“, sagte er und erwartet eine neue Welle von Billionen‑Dollar‑Unternehmen. Bei Akteuren wie Anthropic und OpenAI sei das „keine Luftschloss‑Idee“.
Entscheidungsdruck im Vorstand: CFO gegen CIO
Calacanis wollte wissen, was diese explosionsartige Wertsteigerung antreibt, wenn viele Nicht‑Tech‑Konzerne doch erst mit KI experimentieren.
Sternfels beschrieb ein bekanntes Spannungsfeld in Vorstandsetagen: „Höre ich jetzt auf meinen CFO oder meinen CIO?“
- CFOs sehen in frühen KI‑Projekten oft geringen oder unklaren ROI und plädieren für Zurückhaltung bei Investitionen.
- CIOs halten es für „verrückt“, KI nicht sofort zu implementieren, weil das Unternehmen sonst „disruptiert“ werde.
Dieser Konflikt zwischen kurzfristiger Ergebnisoptimierung und langfristiger Wettbewerbsfähigkeit bremst laut Sternfels die flächendeckende Einführung von KI in traditionellen Branchen.
Junge Talente: Aufgaben kann KI, Urteilskraft nicht
Calacanis sprach auch die Sorge vieler Berufseinsteiger an: Wenn KI typische Einstiegsaufgaben übernimmt, wo bleibt dann der Platz für junge Menschen?
Sternfels’ Antwort: Die Natur der Arbeit ändert sich, und die Messlatte für genuin menschliche Fähigkeiten steigt.
Zwar könnten KI‑Modelle heute eine Vielzahl von Tätigkeiten erledigen, doch Menschen müssten Urteilsvermögen und Kreativität einbringen, um in einer KI‑durchdrungenen Arbeitswelt erfolgreich zu sein.
Taneja ging noch weiter und stellte das klassische Lebensmodell offen infrage:
„Die Idee, dass wir 22 Jahre lernen und dann 40 Jahre arbeiten, ist kaputt.“
Stattdessen würden „Skill‑Aufbau und Re‑Skilling“ zu einer lebenslangen Aufgabe, nicht zu einer Phase, die mit dem Hochschulabschluss endet.
Calacanis stimmte zu und betonte, dass es in einer Welt, in der sich ein KI‑Agent schneller aufsetzen lässt als ein Junior einarbeiten, andere Differenzierungsmerkmale brauche. Um aufzufallen, brauche man „Chuzpe, Antrieb, Leidenschaft“, sagte er.
Wie McKinsey sich intern umbaut
Sternfels gab zudem Einblick, wie McKinsey selbst KI skaliert.
Bis Ende 2026 rechnet er damit, dass die Firma in etwa so viele personalisierte KI‑Agenten wie Mitarbeitende hat. Das bedeute aber nicht automatisch Personalabbau.
Stattdessen verschiebe sich der Zuschnitt der Belegschaft:
- Die Zahl der Mitarbeiterinnen und Mitarbeiter, die direkt mit Kunden arbeiten, soll um 25 % steigen.
- Back‑Office‑Rollen sollen im gleichen Umfang, also um 25 %, reduziert werden.
Die Botschaft: KI wird Jobs nicht nur ersetzen, sondern sie neu verteilen – und besonders diejenigen stärken, die nah am Kunden und an komplexen Entscheidungen arbeiten.
Was das für Karrieren bedeutet
Zwischen den Zeilen zeichnete sich ein neues Karriere‑Narrativ ab:
- Für Startups und Investoren komprimiert KI die Zeitachsen und verstärkt die Wertschöpfung bei den Gewinnern.
- Für Beschäftigte rücken Anpassungsfähigkeit, kontinuierliches Lernen und menschliche Urteilskraft ins Zentrum.
Wer seine Ausbildung bislang als einmaligen Lebensabschnitt gesehen hat, muss umdenken: Lernen wird zu einem fortlaufenden Update, nicht zu einem abgeschlossenen Projekt – und Re‑Skilling wird so regelmäßig nötig sein wie der Wechsel der eingesetzten Tools.
