我对60 AI代理公司的研究，我录制了四个主要AI代

座位定价，定价行为，定价过程，定价结果。 01 AI代理的四种定价模式许多公司仅使用这四种模式之一，但是也有一些混合模式（例如，座位和价格的价格组合）。模型1：Seact 11X，Harvey和Vivun的价格是第一个采用此程序的价格，有效地将其AI代理商作为数字员工。在此模型中，每个代理都被认为是初级或稍微全职员工的替代者；这意味着支出应来自员工的预算，而不是IT工具预算或软件。这包括三个功能：1）为每个代理部署固定的月费2）价值标准与员工支出直接相关3）ANG成本是不可预测的，类似于基于传统的主席的定价技巧：此模型是有效的，特别是如果您的代理商可以执行一系列全面的活动，否则需要进一步招募员工。当您证明AI时代NT的每月薪水为2,000美元，可以替代初级雇员，年薪为60,000美元，客户更容易理解AI代理的价值。此模式通常与座椅，项目或其他基于使用的指标结合使用，以生成混合模式。像Salesforce和HubSpot这样的公司为传统用户座位和代理商的其他功能收费。像ServiceNow这样的公司还将为其层次座椅Pressyo的高端版本添加代理功能。 AI业务最适合这种定价方法：AI代理人负责处理广泛的职责或完全就业功能，并具有稳定且可预测的工作负担。同时，在采用此功能后可以清楚地解释成本的成本。优点：预算来自员工支出，而不是技术工具支出，并且具有更强的潜在付款能力。困难：竞争水平低。这个定价悲伤很容易导致公司陷入价格战。模型2：代理行为公司（如Bland，Parloa和Happyrobot）的定价都采用了此方法，类似于基于云基础架构的使用，处理处理过程（BPO）和其他类型的呼叫中心的定价。客户服务人员正在进行独立的操作，客户必须为服务付费。此付款方式具有三个功能：1）通常显示为符号消费，并额外的边距； 2）有时它以几分钟的价格表示为定价； 3）使用与成本之间的直接关系；提示：此模型提供了实际使用的透明度和成本。客户仅支付实际使用费用，这对于具有相对复杂工作流或尝试AI的组织很有吸引力。以这种方式定价的最好的AI公司：实施频率或数量不可预测的代理商，专门从事许多离散活动。 MGA Kalamangan：芽与其他自由职业者相比，获得业务处理过程更容易获得，因为后者提供了更厚的服务，更完整的服务水平（SLA）和较低的成本。一些大型企业的BPO支出将达到1528亿美元，相当于每个员工$ 877。困难：与竞争的最低水平。实质上是您制造商品，而价格下跌。模型3：ROX，Salesforce和Artisan等代理流公司的定价已经实施了该模型，并对提供具体结果的管理运营进行了全面谴责。此付款方式具有三个功能：1）基于完成的工作流的定价，而不是单个操作； 2）每个工作流程都代表一系列相关和多样化的活动（例如，进行研究，写作和发送电子邮件或处理处理）； 3）值与自动化过程相关联，而不仅仅是任务的实现；提示：这个方法平衡基于消耗的结果和结果，这是复杂但标准过程的完美之处。它最适合AI业务：执行多个步骤且中间交付的过程的代理商。优点：如果工作流稳定，则很容易实施，并且企业可以轻松地测量使用AI而不是手机操作的成本。复杂的工作流程更加困难，但它们可以为企业带来更强大的护城河。困难：如果工作流程是标准的，例如NG客户研究或电子邮件写作，则此定价程序会给价格下跌带来风险。如果工作流程复杂，价格可能很困难，并且由于运行时间而企业可能会损失资金，并且工作流无法产生收入，例如解析一组长的文档（例如ICERTIS）或进行安全扫描（例如Xbow）。模型4：代理结果定价。 Zendesk，Intercom，AirHelp和ChargeFlow（介绍）等公司LED采用了该方法，该方法与已完成目标的定价直接相关。此付款方式具有三个特征：1）基于完成的工作或成绩的收费； 2）可以是标准化结果（对讲机），也可以由客户（Sierra）定制； 3）价格直接与业务交付价值有关；提示：此模型为客户提供了明显的价值，因为仅在获得切实的结果后才能支付。但是，人工智能公司需要确保AI代理可以不断提供结果。 AI最合适的业务：具有不可预测的性能和明确定义的相对成熟情况下的AI应用程序。优点：该产品非常符合客户的需求，并且竞争对手的风险可能是最低的，并且还将防止市场竞争引起的价格下降。困难：需要完全定制结果，这可能导致定制合同的流程项目。同时，结果也可能会受到识别的影响，例如AI SDR。如果无法证明AI代理产生的结果，这不是一个好的定价方法。 02定价模型的相反建议随着大型模型的成本降低，AI代理将出现新的定价模型，这给传统的定价模型带来了巨大压力。 1）代理定价我们认为，这种模型可能需要一段时间，但是为了将来的方向，我们建议您：1）将量度价值从“比人更便宜”转变为“比人更有能力”； 2）在固定价格软件包中添加更多功能； 3）创建具有清晰功能的层次代理； 2）代理行为的价格我们认为该模型不会测试ORS。因为这种定价模型很容易受到降低技术成本和价格战的影响。 1）快速转移到工作流或基于结果的模型； 2）添加不可用的功能 - 拥有的功能o产品产品； 3）专注于您的专业知识可以获得保费的专业知识领域； 3）代理商流的定价这种定价方法非常强大，但是仍然有几件事要优化：1）专注于复杂的，许多步骤工作流程并提供清晰的ROI（ROI）； 3）开发对商品化具有抵抗力的专有工作的组成部分； 3）捆绑业务的主要组成部分，例如定价工作流的评估和优化； 4）从长远来看，按代理商的结果定价该模型将赢得胜利。 NASA PAIT还很年轻，很难准确地关联，并且仍然很难实施它。为了更好地实施，我们建议：1）开发一种稳定的认可方法； 2）创建共享风险/奖励模型，以提供成功的绩效保证或奖金； 3）专注于您可以衡量的高价值业务结果。 03如何选择正确的定价模型？在确定哪个定价mod时问自己这些问题EL最适合您的特定AI代理。首先，AI代理直接更改员工人数？如果您的代理商的价值提议以日期为中心，但没有提供可明确可识别的结果（文档审核，扫描安全性等）：每位代理价格：如果您替换不可预测的活动，则将其定位为每工作流程的FTE上涨价格的一部分：如果您的代理商已完成了带有Spepby-Step的多步骤工作流程，请使用节省时间的时间，请使用Save Speg Time Smark Marks Marks Marks Marks Marks Marks Marks Marks。其次，可以准确测量AI剂的结果吗？如果您有信心您的代理商可以继续提供可识别的结果：每个成就的价格：直接链接到创建的基于奖金的奖金：通过第三次绩效激励增加另一个定价模型，对AI代理的任务价值是否是无法预测的？如果您的代理商的价值提议着重于执行可能有所不同的各种任务：每项操作的价格：定位为消费模型（POS）与“每个代理商”）相当混合，并将收取离散的动作，例如×速率动作的数量。 04 Termlan的总结，完美的定价模型应与客户思考和衡量价值的方式一致。例如，如果AI代理可以自动整个工作过程，他们可以使用基于代理的计费来使用员工预算。对于不同的工作负载，可以根据操作对它们充电。对于复杂的过程，可以将它们充电。对于可测量的结果，可以收取结果，以最大程度地提高金额。定价AI代理也是继续调整的过程。企业可以从一个简单的模型开始，并继续改进，因为他们了解客户的真实含义，并基于企业来迅速调整，以最终正确定位自己。