GPT 5.2 Deep Dive: Warum Knowledge Work erledigt ist

Perspektive

Diese Episode ist ein Weckruf in Form von Benchmark-Analysen. Während die meiste Coverage von GPT-Releases sich auf handverlesene Demos konzentriert, graben sich Diamandis und sein Team in das ein, was wirklich zählt: der GDP Val Benchmark.

Die Headline-Zahl: 71% der Knowledge-Work-Aufgaben werden nun besser von AI erledigt als von Menschen - 11x schneller und für weniger als 1% der Kosten.

Das ist kein gradueller Wandel. Das ist ein Phasenwechsel.

Was diese Diskussion wertvoll macht, ist die Nuance um warum die Adoption trotz dieser Fähigkeiten immer noch langsam vorangeht:

• Language Lock-in: AI ist exzellent in Python, kämpft aber mit Legacy Java/C Codebasen
• Integration Friction: Unternehmen sind hängen fest bei “mein Email-System verbindet sich nicht” während das Kernproblem bereits gelöst ist
• Projection Failure: Menschen extrapolieren die Kurve nicht richtig

Die Panel-Analyse der drei Hebel, die OpenAI hat (Compute, Safety Knobs, Post-Training), ist besonders aufschlussreich. Wenn man sieht, dass ein Modell beim ARC AGI 2 in einem Single Release von 17% auf 53% springt, das ist aggressives Post-Training - sie unterrichten nach dem Test, weil der Wettbewerb das fordert.

Die 390x Effizienzsteigerung Jahr-über-Jahr beim visuellen Reasoning ist nicht nur ein Benchmark-Flex. Das ist eine Vorschau auf Hyperdeflation, die sich von Data Centern in die breitere Wirtschaft ausbreitet.

Wichtige Erkenntnisse

• Knowledge Work Disruption ist hier - GDP Val zeigt 71% der Aufgaben automatisiert bei 11x Geschwindigkeit, <1% Kosten
• Das Pferderennen ist real - Google, OpenAI, Anthropic und XAI sind in echtem Wettbewerb mit differenzierten Strategien
• Adoptionsbarrieren sind lösbar - Legacy Code und Integration Friction, nicht Fähigkeit, sind die Blockaden
• 2026 Warnung - Vorhersage des “größten Zusammenbruchs der Unternehmenswelt in der Geschäftsgeschichte”
• Hyperdeflation breitet sich aus - 390x Effizienzgewinne werden nicht auf Benchmarks beschränkt bleiben

Großes Bild

71% der Knowledge-Work-Aufgaben werden nun besser von AI bei 11x Geschwindigkeit und weniger als 1% der Kosten erledigt. Das ist kein gradueller Wandel - das ist Phasenwechsel. Die Blockaden sind keine Fähigkeit, sondern Integration: Legacy Code, Email-Systeme, die sich nicht verbinden. 390x Effizienzverbesserungen werden nicht auf Benchmarks beschränkt bleiben.