为什么AIAgents按结果定价这么难?

发布时间:2025-08-08 21:29  浏览量:1

「短期内,纯粹基于成果的 AI Agents 定价模式只能是一座海市蜃楼。并不是因为这个概念本身存在缺陷,而是因为支持它的技术、组织和文化基础设施都还不存在。」

按照 Agent 产出的结果来付费,是当下大家热议的一个。此前, 我们也在一篇文章中探讨过适合 AI 产品的付费模式应该是怎么样的。 文中提到的一家自动化销售公司 Outreach 提倡让 AI Agent 的公司像付薪水给员工一样,为 Agent 产出的结果付费。

但 AI Agents 按结果定价付费这事短期内好实现吗?难点在哪?Substack 的一名博主写了一篇文章,探讨了为什么按结果定价在短期内很难实现,以及卡点在哪。

正如我在《The Agentic Web 》一文中所说的, AI Agents 正在席卷整个互联网。

然而,还有一个现实是:在未来十年, AI Agents 也将成为关键的软件参与者。这意味着它们正在吞噬 SaaS 模式,并将它转变为截然不同的东西。

传统意义上的 SaaS 模式,从定义上讲,是垂直的、范围狭窄的,以提高生产力为基础。而 AI Agents 作为一种软件范式, 将是横向的、端到端的,以实现成果为核心。

由此,衍生出一个极具吸引力的愿景: AI Agents 根据它创造的价值收费,而不是它消耗的资源。

听起来很简单,对吧?但就目前而言,事情并非如此。

理论上,假设你支付 15,000 美元购买一个 AI Agents,它能帮助你将产品交付速度提提升 50%,为你节省 100,000 美元的工程成本。

这似乎是一个双赢的局面,供应商获得了合理的价值回报,用户看到了明确的投资回报率,整个生态系统也变得可持续发展。

但一个令人不安的事实是: 短期内, 纯粹 基于成果的 AI Agents 定价模式只是一座海市蜃楼。

这并不是因为这个概念 本身 存在缺陷,而是因为实现它所需 的技术、组织和文化基础设施目前还不存在。

这正是一个真正的业务转型挑战,涉及到实现这一目标所需的技术和组织要求。

01 归因难题

设想一个真实场景:你的团队使用 AI Agents 开发一个新功能。该功能提前三周发布,带来了 200 万美元的额外收入,并将错误率降低了 40%。

这份功劳,该如何分配?

AI Agents 的自主编码能力?

指导和优化 AI 输出的人类开发者?

整合了 AI 辅助、经过改良的开发流程?

知道 AI 将负责实现需求,从而更好地定义需求的产品经理?

使提前发布变得有价值的市场时机?

这并不是理论上的假设。

不解决归因问题,基于结果的定价是不可能的。

在一个具有多个变量、人机协作和间接影响的复杂系统中进行归因,是一个让信用评分看起来都简单的问题。

技术幻想

构建归因系统需要:

基准确立 如果没有 AI,团队的交付速度会有多快?这需要历史数据,但大多数公司要么没有这些数据,或者随着团队围绕 AI 能力进行重组,这些数据也变得无关紧要。

因果关系与相关性 是 AI Agents 导致了交付速度的加快,还是团队使用新工具的热情提高了生产力?区分这些影响需要对照实验,但在真实的商业环境中,这是不切实际的。

价值链追踪 当 AI 帮助创建一个功能,而该功能在六个月后促成了一笔销售时,你如何追踪这种联系?能够跨时间和系统维持这些因果链的技术基础设施并不存在

02 衡量的不可行性

即使我们解决了归因问题,衡量成果也面临着根本性的挑战:

时间问题

成果在不同的时间尺度上展现:

即时性成果: 编写代码、修复错误(几小时到几天)

短期成果: 发布功能、提高生产力(几周到几个月)

长期成果: 产生收入、改善市场地位(几个月到几年)

供应商应该为创造的价值等待数月甚至数年才能获得报酬吗?除大型公司外,这种现金流影响对其他所有公司来说都是难以承受的。

主观性陷阱

许多有价值的成果难以客观衡量:

如何为「改进的代码质量」定价?

「因减少单调工作而提升的团队士气」的价值是多少?

「加快初级开发者的学习曲线」值多少钱?

AI Agents 最具变革性的影响往往是最难量化的,这就导致了人们倾向于关注那些易于衡量但可能不太重要的成果。

博弈 风险

一旦你开始衡量并为特定成果定价,行为就会发生变化。团队可能会:

为了被衡量的结果而优化,牺牲了未被衡量的价值

人为地限制基准性能,以显示更大的改进

专注于快速见效的成果,而不是可持续的转型

我们以前在关键绩效指标(KPIs)和目标与关键成果法(OKRs)上已经见过了这种情况。加入财务激励只会加剧这种功能失调。

03 信任赤字

基于成果的定价需要供应商和用户之间建立前所未有的信任:

数据透明度

用户必须分享敏感的业务指标,包括收入、成本和绩效数据。大多数将这些数据视为严密保护的竞争情报的公司,不会突然向 AI 供应商敞开他们的账本。

审计权

供应商需要核实声称的成果。这意味着访问客户的系统、审查代码以及分析业务结果。其安全和隐私方面的影响是惊人的。

争议解决

当供应商和用户在成果达成或归因上存在分歧时,由谁来裁决?关于 AI 驱动的成果争议的法律框架尚未存在。当前的合同几乎无法处理服务等级协议(SLA)的违约问题,而成果归因争议则会复杂得多,呈指数级增长。

04 组织抗体

大多数组织在结构上无法实施基于成果的定价:

采购阻力

企业采购部门的建立是为了协商固定成本、批量折扣和可预测的支出。告诉他们要批准基于不确定的未来结果的可变定价,会触发各种组织抗体:

预算不确定性: 「我们无法为未知的结果费用做预算」

审批复杂性: 「谁来批准一项可能无限的开支?」

风险规避: 「如果 AI 创造的价值超出了我们的支付能力,怎么办?」

会计难题

当前的会计系统假定软件成本是可预测的。基于成果的定价带来了:

收入确认问题: 你何时入账这笔费用——当 AI 被使用时还是当结果实现时?

应计挑战: 如何为潜在的成果费用计提应计款项?

审计复杂性: 外部审计师缺乏验证 AI 成果声明的框架

文化错位

几十年来一直致力于优化成本削减的组织,无法突然转向价值共享的思维模式。

那些为成功压低供应商价格而欢呼的财务团队,会抵制在供应商创造更多价值时支付更多费用。这种零和思维深深植根于企业文化之中。

05 市场结构问题

当前的 AI 市场结构阻碍了基于成果的定价:

权力失衡

少数几家 AI 供应商(OpenAI、Anthropic、谷歌)为数百万用户提供服务。协商个性化的成果协议无法规模化。

跨越不同用例和行业的标准化结果定价是不可能的。

结果是,供应商默认采用他们可以统一实施的基于使用量的定价。

竞争动态

率先采用成果定价的企业面临劣势:

由于法律团队难以处理新型合同,销售周期更长

由于需要进行教育和协商,客户获取成本更高

与简单的订阅定价相比,处于竞争劣势

在成果定价成为标准之前,先行者会遭受损失,而快速追随者则会受益。

基础设施锁定

当前的账单、客户关系管理(CRM)和企业资源规划(ERP)系统都基于订阅或使用量模式。实施成果跟踪需要:

从零开始重建账单系统

与客户的商业智能系统集成

创建新的财务报告功能

转换成本极高,造成了巨大的惯性。

06 混合现实

鉴于这些限制,纯基于成果的定价仍然是一座「海市蜃楼」。

现实的前进道路是混合模式,逐步引入成果成分:

第 1-2 年: 80%为订阅/使用量定价,20%为易于衡量的成果定价

第 3-5 年: 随着归因系统的成熟,比例变为 60/40

第 5-10 年: 对于已建立的合作关系,有可能转向以成果为主要基础的定价

但即使这种渐进式转变也面临阻力:

复杂性成本

混合模式本质上比纯模式更复杂:

多种定价成分让买家感到困惑

谈判变得多维度

财务规划需要情景建模

关系管理更加复杂

这种复杂性成本减缓了采用速度,并有利于维持现状。

先行者困境

早期采用混合模式的企业面临:

向持怀疑态度的市场进行教育的成本

构建新系统的运营开销

与简单定价相比的竞争劣势

市场尚未准备好而过于超前的风险

07 前进道路:务实的步骤

尽管存在这些挑战,但来自费率限制和供应约束的压力使得定价演变不可避免。务实的道路是:

1. 从 Agents 指标开始

不采用真正的成果指标,而是基于可衡量的 Agents 指标定价:

自主生成的代码行数

使用 AI 辅助发布的功能数量

在特定任务上节省的时间

在 AI 帮助下解决的工单数量

这些并不完美,但它们是可衡量的,并且方向是正确的。

2. 通过透明度建立信任

在结果定价之前,通过以下方式建立信任:

分享跨客户的汇总成果数据

公布价值计算方法

制定 AI 影响的行业基准

提供具有追溯定价的试用期

3. 专注于狭窄的用例

在受限的环境中开始成果定价:

具有明确基准的特定、重复性任务

数据共享更容易的内部工具

没有历史比较的全新项目

具有既定成果指标的行业

4. 投资基础设施

构建技术和组织基础:

集成到 AI 平台中的结果跟踪

通过使用不断完善的归因模型

迭代开发的法律框架

逐步调整的财务系统

08 关键见解:成果定价,一场持久战

基于成果的 AI Agents 定价愿景是正确的,它是唯一能协调激励机制并实现真正价值创造的可持续模式。但从现在到实现这一愿景的道路,比大多数人意识到的更长、更复杂。

短期现实是,基于成果的定价之所以是海市蜃楼,并不是因为它是错误的,而是因为我们缺乏实施它的基础设施。技术归因系统、组织准备度、市场结构和文化转变都需要时间来发展。

急于实施纯成果定价的公司将会发现,就像 Claude Code 的费率限制已经揭示的那样:理论上的优雅在实际约束面前不堪一击。赢家将是那些承认这一现实,并从当前模式向未来可能性搭建务实桥梁的公司。

这种转变是不可避免的,但时间表并不是如此。在愿景与现实之间的差距中,我们需要付出艰苦的努力来构建技术、组织和文化层面的基础设施,使基于成果的定价成为可能。

就目前而言,它仍然是一座海市蜃楼,在地平线上闪烁,吸引着我们前进,但当我们试图过快抓住它时,它就会消散。关键不是放弃这段旅程,而是认识到它比我们希望的更长,并做好相应的准备。