Manny Medina：我认为这正是其美妙之处，对于每个客户来说，成功的定义都会有点不同。
我当时很难放手。我有点沉溺于来自各行各业的业务海洋中，如果我能重新经营我的公司，我会非常有意识地聚焦，然后说，“到底是什么让 Outreach 成为一家年化收入十亿美元的公司？” 然后从那里开始。
我们现在在成本模式临的问题是，因为智能体的所有活动都通过评估框架——它在 token 进入 LLM 之前充当Agent——你不知道谁产生了什么成本。
Manny Medina：是的。当你雇佣一个 SDR 时，你需要他们帮你完成一定工作量，例如打 X 个电话，X 次客户会议，最后成 X 个成交客户。你可以让 AI SDR 做同样的事情，你要为这个智能体将要做的工作划定一个边界，然后让客户为这个智能体收费，因为产出是一样的。
但要在市场中前进，你必须立即转向其他方式。例如在 AI SDR 领域，你到处都能看到这种情况。比如，很多公司都进入这个领域，按照 token 或积分收费，随后就变成了一场血战，大概有 50 家看起来差不多的同类公司。所以，除非你能有差异化竞争优势，例如对客户保证“我能给你带来五个合格的客户会议机会”，或者“我按取代人类的智能体向你收费”，否则你就会被淘汰。
Manny Medina：我一直在和很多做 AI SDR（销售开发代表）的公司合作，试图引入这个概念，因为他们做的很多事情是在取代普通 SDR 的 80%重复性工作。而一个全成本的 SDR 每年会花费公司大约 7 万到 9 万美元。
也就是你需要让业务启动并运行起来、理解单位经济效益并经营业务所需的全部后台运营，这就是我们在 Paid 构建的东西。
Manny Medina：但同样，我认为这只是一个中间步骤，不是最终形态，只是进入市场并赢得市场的一种方式。
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、成交机会给我金。”这与雇佣人类 SDR 非常相似，而且这样一来，客户就可以人头预算，而不是工具预算。所以从预算来源来看，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。
例如，我翘首以盼的一个是针对行政助理的 AI 助手，我想现在的 AI 系统经过改进，最终会行得通的。
至于“辅助驾驶模式”的护城河，我认为你说得对，因为那些是看起来很有钱的大领域，竞争肯定会很激烈。我们同时看到的还有协作工作流，这在软件领域堪称世界第八大奇迹。它们往往会非常深入地嵌入到客户业务中，一旦你进去了，提供了巨大的价值，他们就不太想更换供应商了。
Manny Medina：当我们在Outreach推广智能体时，我想了解智能体业务的基本面：我的利润、我正在增加的价值，以及我如何增加价值，但底层的支持软件帮不上忙，它不是为这样一个定价需要不断发展、智能体交付的不只是比特和字节而是完整结果的世界而构建的（注：Outreach，Manny 之前创办的自动化软件销售公司）。
Manny Medina：坦白说，我还没停下来思考过这个具体问题。但如果我要给它一个限定，我认为初始条件是不同的，意思是，他们从这样一个起点开始：我要保持公司规模小，我要更多地掌握自己的命运，所以我们要以不同的方式融资。我们不会不惜一切代价增长。我已经从好几位创始人那里看到，他们会花更多时间明确他们的理想客户画像，确保他们是扩展那部分业务，而不是盲目扩展所有业务。
Manny Medina：不，还没。在推理的世界里还没有。我认为我们才刚刚触及这个领域潜力的皮毛，还有很长的要走。比如，你看每一个新模型出来，输入 token 的价格都比它们淘汰掉的模型贵六七八倍。我认为如果我们发现新事物，这种情况只会继续下去。
而对于那些薪酬较低、创造性稍差的工作，“自动驾驶”模式行之有效，即用一个能够更好、更快、更便宜地完成工作的自主智能体来完全取代这些工作。
文章探讨了AI产品（尤其是Agent类产品）的四种付费模式：按量收费、按工作流收费、按结果收费和按智能体收费，强调专注狭窄场景的AI公司更具优势。同时指出AI最先取代低薪酬、高流动率的BPO岗位，而定价需结合成本与价值，避免陷入低价竞争陷阱，并介绍了Paid公司帮助AI企业解决利润管理和定价难题的方案。
我认为消极的一面是人们在盲目地进行模式匹配，而不理解随着时间推移真正能带来健康业务的根本决定因素。你认为更偏向前者，是好事，还是更偏向后者，是坏事？也许介于两者之间，具体情况具体分析。
那是一个属于行和列的世界（指表格化的、标准化的模式），你不再需要那个了。如果你去看那些最大的公司，比如 ServiceNow 或 Salesforce，他们所有的大合同都是定制的，然后你派 CRO（首席营收官）去和对方坐下来谈，他带回来一份协议，这份协议里有各种各样的复杂条款，它们是不属于 CPQ（配置、定价、报价）的。
Manny Medina：百分之百同意。而且这让生活更有趣，因为你的线图清晰得多。当你只为一种类型的客户提供卓越服务时，所有其他运营的扩展实际上更容易。然后你就会出名，口碑会更广，所有这些都更自然地发生。再次强调，我真希望我在创办 Outreach 时就知道这一点，并且能更快地做到，收窄、收窄、再收窄，保持超级专注于这一两件事或一件事。
• ?️Paid解决方案：为AI公司提供动态定价、利润管理和合同定制工具，提升价值捕获能力。
一开始并不明显——我刚起步时更是如此。我记得我们去年九月聊过那次，当时方向还很模糊。直到现在，我们在市场的不同角落“开灯”，才有客户说：“是的，我们需要一套只属于自己的方案，好我们的资产或合同。”。
Collison 兄弟（Stripe 创始人）对我来说非常特别，因为他们在求知欲和阅读方面是如此，以及他们思考世界的方式，尽管他们非常年轻，但他们是如此睿智，我非常敬佩他们。
红衫资本：哪些市场可能会停留在基于价值的定价，而哪些市场可能会退化到基于成本的定价？从你交谈过或合作过的公司那里，是否看到了某些市场朝某个方向发展的早期迹象？
如果 OpenAI 需要另一个收入来源，他们会去追逐律师和会计师市场。为什么？因为这很难，而且人们愿意为此付钱。所以我感觉那个市场现在会很火热，但随后会变得竞争极其激烈，很多人挤在里面。
红衫资本：我们先从一个宏观问题开始。AI应用公司现在哪些方面进展顺利？很多 AI 应用公司都是你的客户，所以我想你很清楚哪些行得通，哪些行不通。
Manny Medina：人的方面是一样的，建立团队是一样的网赚，激励他人是一样的。在能力实现之前就进行销售也是一样的品的四种付费模式。
有趣的是，它们现在并不是在取代人，而是在取代 BPO（业务流程外包）。只要某个领域高度依赖 BPO，就意味着AIAgent 有巨大的切入空间。
我们进入市场的第一个切入点是我们的变现引擎和利润管理引擎，这是我们在市场上看到的最大问题。但我们也在构建相邻的部分，所以问题会叠加。比如，一旦你解决了变现和问题，你就需要解决收款问题；一旦你解决了利润问题，你就需要解决供应商管理问题，以此类推。所以我们正在构建一个统一层，让你可以在一个地方运营你的业务。
Manny Medina：我认为很多范围广泛的项目也有不少进展，像 Harvey 就做得相当好，而且它们的范围也不是那么广，它们专注于法律系统。
Manny Medina：我现在看到的是，对于那些瞄准 BPO（业务流程外包）预算的公司，为了赢得业务，他们会在 BPO 的定价基础上，降低价格，然后说，“我能做得和 BPO 一样，但更便宜，7x24 小时在线，并且我会积累所有 BPO 过去处理的数据。”。
红衫资本：我们其实还没明确说过 Paid 是什么，所以请回答一下这个问题。Paid 是什么？
红衫资本：对于那些最终陷入“将AI作为工具收费”而非“为工作收费”模式的公司，你看到了哪些陷阱？
在那个错误率更低的世界里，我看不出每个 token 的成本会下降。我认为，随着模型变得更先进、更智能，那成本只会上升。
我看到这些新一代创始人带着这种观点而来。我就想，我能在没有太多阻力的情况下销售的最狭窄的用户画像是什么，然后从那里向上发展。现在这样做的问题是，他们可能了他们的 ICP（理想客户画像）。他们可能没有尝试，没有进行足够的实验来将公司从单一产品发展到多产品再到平台。
所以如果你看一家虚拟形象公司或电话智能体公司，他们的成本不完全是 LLM。他们的成本在于你通话的时长，拨打的电话数量，或者虚拟形象运行的时长等，这些都是你需要注意的复合成本。
所以，我看到大部分进展都集中在那些基于结果定价模式的业务里。而在更广泛的应用领域，我之所以不同意“高薪职位被替代”的观点，是因为每个人都会涌向那里。
在一个大家都拥有相同工具的世界里，你理解客户业务、围绕它进行定价和签约、并拥有支持它的引擎的能力，实际上就是一种竞争优势。
Manny Medina：我现在客户还不多，所以问题不大。但最终，这会成为一个大问题，但开始做是很容易的。
所以我认为这只是游戏的开始，随着他们理解了单位经济效益，理解了价值交付，他们会更好地定价，但他们现在还没看到这一点。例如，我们在 Paid 中构建了一个功能，可以查看一个活动或工作流，然后调用一个服务，告诉我们同样的工作量在哪个国家的人力等价物是多少；如果工作有点难，它会查找工作类型，那个人每小时能赚多少钱，工作需要多长时间，然后返回一个价值。
我们给客户提供这一点定价指导，告诉他们同样工作量的人力等价物是这么多，你可以定价到那个水平。或者至少可以用这个去说，“我需要提高我的收费，因为这实际上相当昂贵。” 但没有这个，就有点棘手。而且你身边也不会一直有一个像 Simon-Kucher（注：一家定价咨询公司）这样的定价专家一直指导你。他们一年来一次，然后就闪人了。
而“辅助驾驶模式”，你真的很难判断它是否真的有落地的价值。比如，我如何区分一个 copilot 和另一个类似的产品到底谁好？它们都可以说，我和 产品一样，但是更好或更便宜。这就容易导致混乱。
我了解你的问题，也许我能帮你，也许你能帮我。然后，砰，对话就开始了。所以这几乎不像是销售，感觉更像是我在提供解决方案。最后，我告诉他们我正在做这个东西，他们就会说，“是的，让我试试。” 在表示“让我试试”的人那里，我的成功率是百分之百网赚。
所以，除非它们专注于垂直领域，比如说， Harvey 针对专利法领域，说“我是最好的，我占据了 78%的市场”，那这事情就容易成，你进入了一个非常狭窄的应用领域，在一个利润丰厚的狭窄市场里拥有稳固的地位。
，编译：FounderPark，原文标题：《Agent 产品如何定价？一文说清 AI 产品的四种付费模式》，头图来自：视觉中国。
一旦你进入基于工作流的模式，你就进入了基于价值的定价，然后你需要定义什么是工作流，以及它为什么重要。接着你就进入了更深层次的对话，这会促成更好的价值对齐。所以，我想对这个简单问题的回答是肯定的，这确实需要一定程度的成熟度才能与你的客户进行那种对话。你的客户总是会默认选择最容易购买的方式，第一年通常是某种固定价格或按消耗量价格，看看效果如何。但如果确实有效，那么 AI 公司就可以和客户聊按照更有价值的方式，更合理的计费了。
Manny Medina：它是人类想象力的脚手架。我认为我们也没有真正理解，当有别人为我们做大量思考和发现工作时，我们会变得多么聪明。这有点像有人把你扛在肩上，突然之间你就能看得更远、更久；AI 正在为我们做同样的事情。我们现在将能够看得更远、更久，并想出以前不可能的事情，真是生逢其时。
Manny Medina：完全正确。转向基于工作流的定价让你能够摆脱纯粹为工作量付费的循环，转而为对某人有价值的工作付费。然后最终你会达到某种基于结果的模式。
红衫资本：我正想问，这是好事还是坏事？因为我认为积极的一面是人们信息更灵通，他们能做出更好的决策，并且他们在加速处理那些并非特定于他们公司的、共通的公司创建环节。
所以当 Quandri 处理这些保单续订业务时，他们正在取代那些即将离开这个行业并且不再有人填补空缺的人。同理，没人愿意去 BPO（业务流程外包）公司不停地打电话。他们做那份工作只是为了过渡到另一份工作，通常只干六个月，这些工作的流动率非常高。因此，从我的角度观察到的是，那些做得非常好的 AI 公司，正在取代那些要么因为退休而消失的职位，或者是由 BPO 运营的业务。
它之所以利润丰厚是因为你拥有了它的全部，而不是因为整个市场都很“富饶”。当然，我们都是在这里做假设，反正无论哪种方式我都能赚钱，所以我乐见所有模式都能成功。
红衫资本：或者这可能是数量和价格之间的赛跑，对于固定的工作负载，价格可能会随时间下降，但工作负载会增加，因为你在推理时投入了更多的计算资源，或者因为你正在处理更复杂的任务。
Manny Medina：我听过这样一个论点。就是你们发表那篇《Act o1。 Thinking st and slow》的文章时，Kleiner Perkins 的合伙人 Mamoon Hamid 提出了一个，对此我完全不认同。他认为，AI 将从薪酬最高的工作开始取代，这在逻辑上似乎说得通，AI 去瞄准最昂贵的工作，取代那些开发者、律师、会计师、医生。
XBOW 做渗透测试（pen testing），他们给渗透测试机构排名，找出最好的，然后为你运行测试。所以在我的理解里，这些都常狭窄的问题。XBOW 不会一上来就说，“我要成为一个完整的网络安全解决方案”，而是说，“我就要持续不断地敲打你每一个应用和后端（backend）的门，我就要找出一种方法渗透进去。而且这会以尽可能高的质量进行。” 而且会持续进行，这是目前无法做到的。
这就是为什么我试图引导人们不要像给工具定价那样收费，因为那样你容易受限，你只能从 CRO 那里获得一小部分预算，而不是获得完整的人头替代预算。
也就是说，如果你选择一个非常狭窄的问题，然后像刺猬一样钻研进去，成为解决那一个问题的佼佼者，那现在简直就是在印钞。
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。
所以，当我创办 Outreach 时，我总是在试图弄清楚我的市场边界在哪里，我应该向谁销售？结果发现我可以卖给所有人，但这实际上让问题变得更糟，对吧？因为我可以卖给初创公司，也可以卖给非常大的公司——比如，Adobe 是我最早的客户之一。他们都有沟通问题，都有工作流问题，但接触他们的方式、针对他们特定解决方案打磨产品的方式都完全不同。
回到工作流的问题。我认为你是对的。如果你成为了解决 X、Y 或 Z 问题的权威工作流，那绝对能够增加粘性，我觉得现在的竞争速度真的很快。
Manny Medina:Jeff Bezos. 他是我生命中一位重要的创始人。我有很多朋友也是创始人。他们真的激励着我。
Pendo 的 Todd Olson，他是一位很棒的创始人，也是一个很棒的人。我非常喜欢 Sam Altman 在 OpenAI 所做的事情。我认为那种有规律地推动创新并且界上扮演一个善于展示的人的能力，是我渴望成为的样子。
在我搬到伦敦并卸任 CEO 之后，这一点一直萦绕在我脑海里，这个问题一直困扰着我。所以我就想，“这是只有我遇到的问题吗，还是其他人也有这个问题？” 于是我花了好几个月时间给朋友和其他创始人打电话。
第三点，我想建立一家能让我与新一代创始人合作的公司，因为他们自己也在创办公司。那种活力驱动着我。我在运营 Outreach 时最有趣的事情就是与客户的对话，但在创始人层面的客户对话常原始、充满惊奇、神秘和活力的，在每一次这样的对话中，我都能感觉到我的能量槽不断上升。
红衫资本：你怎么定义一个 SDR 的工作？是“人类 SDR 有一定的工作配额，这个智能体也会达到同样的配额。”吗？
换句话说，每个人都必须摆脱按工作量销售的模式。如果你停留在那儿，就会有人出现说，“我能用更便宜的价格做同样的事情。” 然后你就陷入了一个噩梦般的场景，里面有大量和你看起来一模一样的竞争对手，唯一能区分优劣的方法就是一个个去试。
但如果你范围太广，比如 AI 销售开发代表就有点太宽泛了，它包含了很多东西，对不同的人意味着很多不同的事情，这就会产生混乱。所以我不想把它归类为哪些行得通，哪些行不通。我把它归类为哪些现在行得通，哪些“尚未”行得通。
但我对 Crosby（医疗领域的病例合同处理）将要做的事情感到兴奋，它们在相似领域解决问题，但用了不同的方法，它们会完全取代处理商业合同的律师。
第二点，有些问题确实困难，但并非棘手到无决。只是需要做很多工作。所以我喜欢那种问题很大、人们在用临时方案解决、而且问题不是几行代码就能解决那么简单的情况。这差不多就是创办 Paid 背后的灵感来源，为了解决这个问题。
所以你需要申请，会有一个简短的问卷，内容是关于变现、利润以及客户所处的领域。我们会安排一次引导对话。作为一家早期初创公司的美妙之处在于，所有的引导工作都由我和我的小团队完成。我们确保我们正确地捕捉客户的智能体工作。我们确保用最佳实践指导客户，因为我们了解市场。
其次，正如 Seth Godin 所说，定价就是你故事的一部分。要在市场中脱颖而出，你的故事必须与众不同；如果故事变了、价格却没变，那故事最终还是一样。正因如此，Sierra 在官网首页没有公开价格——他们要先与每位客户坐下来，弄清楚对方最在乎什么：解决时长？客户处理完工单后能否追加购买？还是 CSAT、NPS？找到关键指标后，就围绕它搭一个“盒子”，把它当作结果函数。这与机器学习里的目标函数一样：先设定目标，然后不断迭代直到达成。
近日，Manny Medina 接受了红衫资本 Training Data 栏目的，在中 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。
Manny Medina：Paid 是 AI 公司的业务引擎。我们在 Paid 所做的是构建客户全部的账单、、变现、定价；甚至现在，我们还在做收款、收入确认。所以是全部的供应商管理和利润管理。
Manny Medina：比如，我很喜欢 Fyxer（行政助理类 AI 助手），但我的工作涉及三个时区。我的联合创始人在 India，我们大部分客户在 太平洋时区，我在美国。要让这一切恰到好处地运作，对我来说还不太行。但如果我只有一个时区，只有一条业务线，比如我是个房地产经纪人，那它们就完美契合那个特定场景。所以，大问题，窄场景，AI 就适合搞定它。
我知道已经取得了很多进展，我们现在以很多不同的方式切分 token，以很多不同的方式进行优化，但我觉得如果你不了解这一切的起源，我不知道你是否能理解它的走向。尽管听起来像是本难读的书，它写得相当通俗易懂。
我们基本上见过各种情况了，所以我们了解客户的市场，知道客户应该如何收费，并能给出一些，帮客户建立记录、利润记录，这样客户就能了解自己是如何赚钱的。而且我们会随时待命，一个电话就能找到我们。所以，只要申请，确保客户拥有智能体业务并且有一些客户，然后我们会从那里开始为客户服务。
Manny Medina：再多的评估也救不了你，所以更好的方法是让模型来完成大部分工作。与其设置这些小的工作模块，不如让模型来做大部分工作，并有一个好的评估框架来确保它在做它应该做的事情，然后再推出。
Manny Medina：其中一半就是“vibe code”，但是我们后来不得不扔掉它。但这就是“vibe code”的美妙之处：你可以扔掉它，然后重新快速搭建。
所以，完整服务的全部成本包括：你的云成本，你的 LLM 成本，然后还有所有你必须购买的其他东西，才能让它在使用的不同模态中表现出色，甚至包括购买数据或其他任何东西，这才是推高成本的原因。
我对销售了解很多，他们对智能体了解很多，所以我们会进行交叉学习。他们问我任何关于建立销售团队的问题，然后我问他们运营一个智能体业务是什么感觉。我发现，运营业务本身全靠电子表格。这是第一点一文说清：AI产。
Manny Medina：完全正确。所以我感觉这将是由买方推动的，以此来降低风险一文说清：AI产品的四种付费模式。因为 AI 在很度上都有风险，而按结果付费实际上降低了风险。
新的是，世界在公司创建方面变得更精明知识付费，我想你在我们的播客里开过这个玩笑，你看一家 AI 智能体公司，揭开引擎盖，里面就是在创办一家公司。
Manny Medina：而创办公司的部分已经变得聪明多了。我交谈过的每个人都比我在创建 Outreach 同一阶段时要先进得多，人们已经看到了 SaaS 领域发生的一切，他们正在以完全不同的方式构建公司。
所以你不知道哪个客户对你来说是盈利的，哪个客户正在负面影响你的利润。你不知道哪个智能体做得好，哪个做得不好。你只能看到一个整体。这就是为什么利润问题如此难以解决。
Manny Medina：好的例子？比如我很欣赏 Quandri（处理保单续订的公司）在做的事情，还有你们投资组合里的 XBOW，以及 HappyRobot 在做的事情。这些都常狭窄的问题领域，涉及很多用户，但没有明确的软件解决方案。
Manny Medina：我看到的情况是，绝大多数 AI 智能体公司目前都在做 PoC（概念验证）。 PoC 看起来像是合同，看起来像是收入，但实际上，企业是把它们当作试用版购买的。
Manny Medina：比如，我可以地定价。我价格的上限是劳动力成本，价格的下限是我的利润率，而人们正在这方面大做文章。
每个人都告诉我 token 的成本会下降，这将变成一种商品。我认为在一个需要推理的世界里，推理时间计算（inference time compute）的价值何时会高于训练时间计算（training time compute）？至少在不久的将来，我看不出 token 价格会如何下降，因为你将需要更深层次的思考。
红衫资本：我在想是否可以“鱼与熊掌兼得”。我在想你和 Mamoon 是否都是对的，即对于薪酬更高、更具创造性的工作，“辅助驾驶”模式（那种赋予人们“超能力”的AI方法）似乎确实行之有效，就像法律领域的 Harvey 或医疗领域的 OpenEvidence。
Manny Medina：存在不匹配，因为人们不知道如何定价，也不知道自己的成本。这问题有点复杂，因为智能体公司相对较新，所以他们进入市场时只是想获得业务，它们用任何客户想购买的方式来定价，然后才发现是赚了还是亏了。
然后你就陷入了从一个供应商换到另一个供应商的状态。所以，这其中确实有成熟度水平的问题。如果你不脱离那个最底层、虽然容易销售但最终会被淘汰的模式，你就会被淘汰出局。
Manny Medina：对，我认为世界已经有点变了，我不确定是否还会看到像 Asana 或 ServiceNow 这样的公司出现。它们在协作工作流不存在时发挥了作用，是性的。
第一种，是按量收费。这很简单，采用类似积分消耗的模型，而且你可以相当容易地展示所完成的活动。
我不知道为什么在智能体世界里，对于那些你想深入合作的客户，你不这样做。现在有了 AI，你可以直接问它“帮我解读这份合同，告诉我年化价值。” 你可以查询你签过的所有合同主体，从而了解你的单位经济效益、增长情况以及整体状况。所以我认为定制合同的时代已经到来。
Manny Medina：保持专注于非常狭窄的客户群体。不要担心 TAM（潜在市场总额）。忽略风投（VC）关于寻找尽量大的大 TAM 的。只要你提供卓越的体验，小 TAM 也会变成大 TAM。
所以你与其定一个平台费，不如这样定价：“我将部署 X 个智能体，这些智能体将完成相当于一个年薪 9 万美元 SDR 的工作量。我向你收取每个智能体 2 万美元。这个智能体将交付 工作量，如果在完成工作量的基础上有更进一步的实际成交机会，你可以给我付金。”。
你只能自己残局，而实际上，每次你和客户谈话时都需要这方面的指导，以确保你的价格物有所值。我们看到的问题是，价值正在流向客户，而不是流向智能体业务。客户捕获了所有节省下来的价值，这种情况需要改变。
我认为那些收入最高的人会把 AI 当作附属品来购买，然后像抛弃生活中其他东西一样频繁地抛弃它。我认为 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。
所以现在智能体的问题在于，你是在给它们编排工作流，你去 LangGraph（注：一个流程编排框架），放置你的模块，定义每个模块做什么，然后把它们起来。但其根本问题在于，如果在这个链条的最开始就出现了一个，你就完蛋了，你会有一系列糟糕的活动贯穿始终。
所以我在想这个游戏会如何达到某种平衡，现在我不知道答案。但我认为，要进入一个市场，你会看到很多初期的定价方式，用最容易让别人接受的方式定价。
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。
我看到的第二件事，也是我的 a-ha moment，是智能体正在使用一种模态，而一旦你掌握了这种模态，你就想使用所有其他模态，对吧？所以你做了文本处理，然后你想打电话或接听来电，或者拨打外呼电话，或者做一个虚拟形象，然后你就会产生并非来自 LLM 而是来自第三方 API 的成本。
红衫资本：在你提到的四种模式——基于工作量、基于工作流、基于结果、基于智能体——这算是一种成熟度曲线吗？比如，是不是说最终目标是销售智能体，或者可能是销售结果？
Manny Medina：我认为 AI 彻底改变了这一点，因为过去我们想把所有东西都塞进叫做 SKU（库存量单位）的小盒子里，然后我们想计算 SKU 的数量，每个 SKU 都会有可自行决定的折扣额度等。
Manny Medina：这是个好问题。我们现在是手动进行引导，以确保我们所有的部件都根据您的业务进行了精确调整。
Manny Medina：这是个很有意思的问题。答案是，我认为其中确实有成熟度的元素，但也带着一点“自己”的意味，因为最终还是要看底线。
红衫资本：总的来说，利润反映了你为客户提供的价值量。你现在在AI应用中看到了这一点吗？还是说公司提供的价值量与他们能够获得的利润之间存在不匹配？
很多人纠结于调试这件事，但其实你不用调试“vibe code”出来的代码，你把它扔掉重新开始，把它部署到生产，等它崩溃了，你再重新开始。你总是可以重新开始。
我一直向我的客户推荐的是，与其按结果收费，不如设立一个结果金，意思是，如果达到了某个可衡量的特定质量的结果，就可以为此收费。这样就为关于价值对齐的对话打开了大门。一旦你打开了价值对齐对话的大门，你就会开始与每个客户签订更多定制化的合同，而这种合同是极难被取代的。
附：刺猬和狐狸的比喻，狐狸象征着那些思维发散、追求多种目标的人；刺猬象征着那些将所有事物都与一个单一的、核心的、普遍性的原则或愿景联系起来的人。
HappyRobot 代表经纪人给卡车司机打电话，如果你想把啤酒从密尔沃基运到，你打电话给经纪人帮着找卡车司机，Happy Robot 会启动 2000 个智能体；智能体给卡车司机打电话，互相协商，直到订下这批货，然后它们会一直跟进卡车司机直到交货。
Manny Medina：是的，可以这么说。当 AI 智能体公司有了“氛围收入”收入曲线，下一步将进入“续约期”，那时就能分出优劣，就能弄清楚谁真正具有粘性，谁没有；也正是在那时，真正的盈利模式才会。因为他们会搞清楚，谁赚了钱，谁没赚钱，他们交付了什么样的价值，或者没有交付价值。
Quandri 做保单续订。另一个做类似事情的是一家叫 Owl 的公司，它们也在保险领域，但它们审查理赔理赔数据，同样非常小众，你很可能会因为觉得市场太小而略过，但这个需求其实非常明确。
BPO 不会坐以待毙，它们都是相对较大的公司，完全可以购买某家公司的 AI 技术并进行部署。一旦 BPO 部署自己的智能体，取代自己的人员，利用他们内部的数据进行模型微调或改进，然后全力以赴自己的领地时，会发生什么。 我和咨询公司谈过这个，他们不愿告诉我他们正在与 BPO 进行大量合作，但我感觉到了。而且我不认为他们会坐视自己的业务消失。
Manny Medina：我认为它在某种程度上已经在这里了，只是以一种未被充分利用的方式存在。我们还没有真正挖掘出一个模型能做的所有事情。所以我认为它就在三号门后面之类的（意指近在咫尺）。我认为它已经在这里了，我们只是还没承认而已。
我就想，我想以此为生，这是一个很棒的存在方式。而且这个市场将会很大，同时它现在又足够小，我可以给每个人打陌生电话，而且大多数人会回我电话，因为这是创始人之间的交流。
红衫资本：所以你创办了一家公司来帮助解决这个问题。跟我们谈谈为什么创办这家公司，以及它背后的是什么。
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。
另一种是按工作流收费。你可以把一系列活动起来，然后说，“这个工作流收这么多费。” 比如文档审查，这样你就可以区分小文档和那些又长又复杂的文档，因为它们的消耗模式不同。
Manny Medina：我一直在思考这个问题，因为改变我对 AI 看法的东西实际上是一本关于统计自然语言处理的很老的书，作者是 Chris Manning。这本书曾是 Stanford 计算机科学专业自然语言处理课程的必读物。我不知道现在还是不是，因为它太老了，但它就像那种“经典之作”一样，告诉你马尔可夫链如何工作，回顾和前瞻的长度如何用来预测下一个词。这就像是机器学习的早期阶段。我们现在做的很多事情仍然基于这种统计方法。
红衫资本：你在 Outreach 学到的东西有多少可以直接转移到创建 Paid 上，又有多少是全新的？
转载本文请注明来自知识领航者http://chwz88.cn/news/