Agent 产品如何定价？一文说清 AI 产品的四种付费模式

AI 产品的付费模式，尤其是 Agent 产品，传统的付费模式已经不再适用了，不管是 token 量还是席位模式。

有一家公司试图解决这个问题，由 Outreach（一家估值 44 亿美元的销售自动化公司） CEO Manny Medina 创建的 Paid，Paid 为 AI 公司提供账单、定价和利润管理工具；它帮助 AI 公司从简单的基于用量的定价过渡到更复杂的基于价值的方法，使它们能够获取为客户创造的价值中的应有份额。

Manny Medina 主张让 AI Agent的公司像付薪水给员工一样，为 Agent 产出的结果付费。例如，如果在保险行业雇佣了一个 Agent，其角色成功与否以完成的保单续订量来衡量，那么公司就不愿为该 Agent 发送的每一封邮件付费。

近日，Manny Medina 接受了红衫资本 Training Data 栏目的访谈，在访谈中 Manny Medina 和主持人将探讨他对于 AI 定价模式的逆向观点、他总结的当今行之有效的四种定价方法框架、他为何相信瞄准狭窄问题的专业化 AI 智能体正在「印钞」，以及在 AI 智能体时代建立成功企业需要什么。

TLDR: 

• 只要某个领域高度依赖 BPO（业务流程外包），就意味着 AI Agent 有巨大的切入空间。

• AI 真正能「站稳脚跟」的地方，是它能完全接管那些没人愿意做的角色，比如，保险精算师或保险理算员。

• 四种付费模式——基于工作量、基于工作流、基于结果、基于智能体。

• 做一只「刺猬」。 当今最成功的 AI 应用公司正采取刺猬策略：深入研究一个特定、明确的问题，并成为解决该问题的佼佼者。通过瞄准那些存在高度摩擦、依赖大量人工操作且常常依赖 BPO（业务流程外包）服务的狭窄应用场景，正在取得成功。这些专注的应用通过提供清晰、可衡量的价值，正在疯狂挣钱。

• 制定策略，提升「定价成熟度曲线」：成熟度曲线从基于使用量的定价（计算 token/使用量）发展到基于工作流的定价（按完整流程收费），再到基于结果的定价（按成果付费），最终到按智能体定价（取代同等的人力）。关键在于将定价与客户价值对齐——无论是解决问题的时间、CSAT（客户满意度）分数，还是业务成果。

• 不要试图服务所有人。最成功的 AI 公司正花时间深入了解特定的客户细分群体，而不是追求广阔的 TAM（潜在市场总额）。这使他们能够针对特定用例调整其产品、定价和市场推广策略，然后再进行扩展。当你能提供卓越体验并从优势地位扩张时，小 TAM 也能变大。

• AI 智能体公司，应该按照智能体定价。在这种模式下，你可以和客户谈：「与其支付 9 万美元，不如为这个智能体支付 2 万美元，然后为预定客户会议、成交机会给我奖金。」这与雇佣人类 SDR 非常相似，这样一来，客户就可以动用人头预算，而不是工具预算。从预算来源来看，这不再属于营收运营的范畴，而是属于人力资源的范畴，后者的预算要大得多。