今年以来，AI代理开始彻底爆发，越来越多AI代理产品上线，并快速进入商业化阶段。
作为一个新兴的产品形态，有一个很现实的问题摆在他们面前——AI代理应该如何定价？
为了搞清楚这个问题，Kyle Poyar分析了市面上60多家AI代理公司，总结了现在AI代理的四大定价模式，分别是：代理席位定价、代理行为定价、代理流程定价和代理结果定价。
通过这份报告，我们将能更清楚地了解AI代理产品在定价方面的趋势。（原文链接：https://www.growthunhinged.com/p/ai-agent-pricing-framework）
/ 01 /
AI代理的四种定价模式
许多公司只使用这四种模式中的一种，但也存在一些混合模式（例如，按座位定价和按座席定价相结合）。
模型1：按席位定价
11x、Harvey和Vivun等公司率先采用了这种方法，有效地将其AI代理定位为数字员工。
这个模式下，每个代理都被视作初级员工或者部分全职员工的替代者；这意味着，支出应该来自员工预算，而不是IT或软件工具预算。主要包括三个特点：
1） 部署每个代理的固定月费
2） 价值标准与员工支出直接相关
3）成本可预测，类似于传统平台或基于座位的SaaS定价
提示：当您的座席能够执行一系列原本需要额外招聘员工的综合任务时，这种模式尤其有效。当您能够证明月薪2000美元的AI代理能够取代年薪60000美元的初级员工时，客户会更容易理解AI代理的价值。
此模式通常与按席位、按项目或其他基于使用情况的指标合并，形成混合模式。像Salesforce 和HubSpot这样的公司都会按传统用户席位收费，并额外收取代理功能费用。像ServiceNow这样的公司，也会在其分级席位定价的高端版本，加入代理功能。
最适合这种定价方式的AI企业：
AI代理负责处理广泛职责或完整工作职能，且工作量稳定且可预测。同时，又能够清晰地阐明接管该职能后可以节省的成本。
优点：预算来自员工支出，而非技术工具支出，潜在付费能力更强。
缺点：竞争差异化程度低。这种定价策略很容易让企业陷入价格战。
模式2：按代理行为定价
Bland、Parloa和HappyRobot等公司都采用了这种方法，它与云基础设施、业务流程外包 (BPO)和其他类型的呼叫中心的基于使用量的定价方式类似。每当客服人员执行一项独立操作时，客户就需要为这次服务付费。
这种付费方式有三个特点：
1） 通常表现为象征性消费，并附加保证金；
2） 有时表现为按分钟定价；
3） 使用量和成本之间的直接关系；
提示：此模式提供透明度，并将成本与实际使用情况挂钩。客户只需按实际使用量付费，这对于工作流程相对复杂或正在尝试AI的组织而言极具吸引力。
最适合这种定价方式的AI企业：执行频率或数量不可预测，且擅长完成多个离散任务的代理。
优势：与其他自由职业机构相比，业务流程外包的预算更容易获得，因为后者提供更优厚的服务、更完善的服务等级协议(SLA)且成本更低。一些大型企业的BPO支出将达到1528亿美元，相当于每位员工877美元。
缺点：竞争差异化程度最低。按活动定价本质上让你变成了一种商品，而且价格会下降。
模式3：按代理工作流程定价
Rox、Salesforce和Artisan等公司已经实施了这种模式，对提供特定结果的理操作的完整序列收费。
这种付费方式有三个特点：
1） 根据已完成的工作流程而非单个操作进行定价；
2） 每个工作流程代表一系列相关且有用的任务（例如，进行研究、撰写和发送电子邮件或处理对话）；
3） 价值与流程自动化相关，而不仅仅是任务执行；
提示：这种方法在基于消费和基于结果的定价之间取得了平衡，使其成为复杂但标准化流程的理想选择。
最适合的AI企业：执行多步骤流程并具有明确中间交付成果的代理。
优点：如果工作流程标准化，则易于实施，并且企业可以轻松衡量使用AI而非人工操作的成本节省。复杂的工作流程更难定价，但它们能为企业带来更牢固的护城河。
缺点：如果工作流程是标准的，例如客户研究或电子邮件撰写，这种定价方式会让企业面临价格下降的风险。如果工作流程很复杂，定价就会很困难，企业可能会因为运行时间较长，工作流程无法产生收入而出现亏损，比如解析一组冗长复杂的文档（例如Icertis ）或执行安全扫描（例如XBOW ）。
模式4：按代理的结果定价
Zendesk、Intercom、Airhelp和Chargeflow （前面介绍过）等公司率先采用了这种方法，将定价直接与完成的目标挂钩。
这种付费方式有三个特点：
1）根据已完成的工作或取得的成果收费；
2）可以是标准化结果（Intercom）或根据客户定制（Sierra）；
3）将价格与交付的业务价值直接挂钩；
提示：此模式为客户提供了最清晰的价值主张，因为他们只有在获得切实成果后才会付费。然而，AI企业需要保证AI代理能够持续交付结果。
最适合的AI企业：在相对成熟的场景，具有可预测性能和明确定义的成功指标的AI应用。
优点：产品与客户需求高度契合，被竞争对手取代的风险最低，也会避免因市场竞争导致的价格下降。
缺点：结果需要高度定制，这可能导致定制项目的合同激增。同时，结果也可能受归因影响，例如AI SDR。如果没有办法证明AI代理所产生的结果，这就不是一个好的定价方式。
/ 02 /
定价模式的优化建议
随着大模型成本下降，AI代理将会出现新的定价模式，这会对传统的定价模式造成巨大压力。
1）按座席定价
我们相信这种模式可能会持续一段时间，但为了面向未来，建议您：
1）将价值主张从“比人类便宜”转变为“比人类更有能力”；
2）将更多功能加入到固定价格的套餐里；
3）创建具有明确能力差异的分层代理级别；
2）按代理行为定价
我们认为这种模式不会经受住时间的考验。因为这种定价模式很容易受到技术成本下降以及价格战的影响。
1）快速过渡到工作流程或基于结果的模型；
2）添加商品产品中不具备的专有功能；
3）专注于你的专业知识可以获得溢价的专业领域；
3）按代理工作流程定价
这个定价方式非常稳健，但仍然有一些可以优化的地方：
1）专注于复杂、多步骤的工作流程，并提供清晰的投资回报率 (ROI)；
3）开发抵制商品化的专有工作流组件；
3）将分析和优化等业务关键部分捆绑到工作流程定价中；
4）按代理结果定价
从长远来看，这种模式将会胜出。它目前仍处于萌芽阶段，准确归因的难度较大，其落地仍然有一定难度。为了更好的落地，我们建议：
1）制定稳健的归因方法；
2）创建共享风险/回报模型，为成功提供绩效保证或奖金；
3）专注于您可以衡量的高价值业务成果。
/ 03 /
如何选择正确的定价模型？
在确定哪种定价模型最适合您的特定AI代理时，请问自己这些问题。
第一，AI代理是否直接替换了员工人数？
如果您的代理的价值主张以节省时间为中心，但却没有提供明确可识别的结果（文档审查、安全扫描等）：
-
每位代理的价格：如果您替换可预测的任务，则将其定位为部分FTE替换
-
每个工作流程的价格：如果您的代理完成具有步骤值的多步骤工作流程，则使用节省的时间×小时费率作为基准。
第二，AI代理成果能够被准确衡量吗？
如果您对您的代理能够始终如一地提供可识别的结果充满信心：
-
每项成果的价格：与创造的价值直接挂钩
-
基于结果的奖金：通过绩效激励补充另一种定价模式
第三，AI代理的任务量是否难以预测？
如果您的代理的价值主张集中在执行可能有很大差异的各种任务上：
-
每次行动价格：定位为消费模型（可能与“每次代理”混合），并按离散行动收费，例如行动数量×行动率。
/ 04 /
总结
长期来看，理想的定价模式应该与客户对价值的感知和衡量方式相一致。
比如，AI代理能够实现全流程工作的自动化，就可以使用按座席计费的方式，充分利用员工预算。对于变化的工作量，可以按操作计费。对于复杂的流程，可以按工作流程计费。对于可衡量的结果，可以按结果计费，从而最大限度地获取价值。
AI代理的定价也是一个不断调整的过程。企业可以从一个简单的模型开始，然后随着了解客户真正重视什么而不断改进，并基于此快速调整，最终正确定位自己。
文/林白
PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。
（文：乌鸦智能说）