AI代理市场爆发，定价问题凸显
今年以来，AI代理迎来爆发式发展，众多产品上线并步入商业化阶段。随之而来的是一个关键问题：AI代理该如何定价？KylePoyar分析60多家AI代理公司后，总结出四大定价模式，分别为代理席位定价、代理行为定价、代理流程定价和代理结果定价。
四大定价模式解析
代理席位定价：11x、Harvey等公司采用此模式，将AI代理视为数字员工。每个代理有固定月费，价值与员工支出相关，成本可预测。适合处理广泛职责、工作量稳定且能阐明成本节省的AI企业。优点是预算来自员工支出，付费能力强；缺点是竞争差异化低。此模式常与其他指标合并形成混合模式。
代理行为定价：Bland、Parloa等公司采用，类似云基础设施等基于使用量的定价。有象征性消费加保证金、按分钟定价等特点，成本与使用量直接相关。适合执行频率不可预测、擅长离散任务的代理。优势是业务流程外包预算易获取；缺点是竞争差异化低，价格易下降。
代理流程定价：Rox、Salesforce等公司实施，对提供特定结果的完整操作序列收费。按完成的工作流程定价，每个流程代表系列相关任务，价值与流程自动化相关。适合执行多步骤流程、有明确中间交付成果的代理。优点是工作流程标准化时易实施，复杂流程能形成护城河；缺点是标准流程有价格下降风险，复杂流程定价困难。
代理结果定价：Zendesk、Intercom等公司采用，定价与完成的目标挂钩。根据工作成果收费，结果可标准化或定制，价格与业务价值直接相关。适合在成熟场景、有可预测性能和明确成功指标的AI应用。优点是产品与客户需求契合，被取代风险低；缺点是结果需高度定制，可能受归因影响。
定价模式优化建议
随着大模型成本下降，新定价模式将对传统模式造成压力。代理席位定价可转变价值主张，增加功能，创建分层代理级别；代理行为定价应向工作流程或结果模型过渡，添加专有功能，专注专业领域；代理流程定价可专注复杂流程，开发专有组件，捆绑业务关键部分；代理结果定价需制定归因方法，创建共享风险/回报模型，专注高价值业务成果。
如何选择定价模型
选择定价模型可从三方面考虑。若AI代理直接替换员工人数，替换可预测任务按每位代理定价，完成多步骤工作流程按每个工作流程定价；若成果能准确衡量，可按每项成果定价或基于结果设奖金；若任务量难以预测，可按每次行动定价。
总结
长期来看，理想的AI代理定价模式应与客户对价值的感知和衡量方式一致。可根据不同情况选择按座席、操作、流程或结果计费。同时，AI代理定价是个动态调整过程，企业应从简单模型起步，根据客户需求不断改进。
