按座位定价之死
SaaS 行业按座位计费已有二十年。当软件服务于做可预测工作的指定员工时，这是合理的。但 AI agent 完全打破了这个模式。
AI agent 没有座位。它处理的工作可能需要三个客服代表，或它起草的文档可能需要律师助理花数小时。当”员工”是可水平扩展的软件时，按座位计费毫无意义。
数字说明了一切：61% 的 SaaS 公司已经使用某种形式的按使用量定价。全球 SaaS 市场达到 3150 亿美元。73% 的企业 CFO 要求实时 AI 消耗跟踪。
按座位正在消亡。问题是：什么来替代它？
令牌计费陷阱
第一直觉是基于令牌的定价。您使用令牌，您为令牌付费。简单。
但令牌与业务价值没有关系。一个解决客户问题并防止流失的 1,000 令牌回复，远比一个漫无边际无益的 10,000 令牌回复有价值。按令牌计费就像按律所简报的字数收费，而不是按他们交付的成果收费。
令牌计费还创造了不正当激励。它惩罚详尽、奖励简短，即使客户需要详细回复。它使 CFO 的成本不可预测，因为令牌消耗因用例而异。
基于成果的定价是什么样的
基于成果的定价将成本与价值对齐：您为解决量付费，而不是为计算量付费。
一个”解决”意味着一个客户查询、内部请求或工作流任务在没有人工升级的情况下完成。客户得到了答案。员工得到了文档。流程推进了。
对于 AI agent 具体来说，这意味着：
- 聊天 agent 解决：客户提出问题并获得准确答案——无论是来自匹配的规则（免费）、RAG 检索（低成本）还是 LLM 生成（适度成本）。企业按已解决的查询付费，而非按消耗的令牌。
- 工作流解决：多步骤工作流运行完成，产生预期输出。企业按成功执行付费。
- 升级处理：当 agent 无法解决查询并升级给人工时，那不是可计费的解决。企业只为交付的价值付费。
级联分析如何使之成为可能
JieGou 的聊天 Agent 使用 4 层解析级联：
- 规则匹配 —— 零 LLM 成本的模式匹配回复
- RAG 检索 —— 最低嵌入成本的知识库回复
- LLM 回退 —— 规则和 RAG 无法回答时的完整模型推理
- 升级 —— 置信度太低时的人工交接
这个级联不仅是效率功能。它是基于成果定价的数据基础设施。因为我们精确跟踪每个查询由哪个层解决，我们可以：
- 按源层统计每月解决量
- 计算每次解决的混合成本（大多数解决通过规则/RAG只需几分钱，有些通过 LLM 成本更高）
- 向客户展示其解决率随时间的趋势
- 提供基于解决量而非令牌的定价层级
80% 查询通过规则和 RAG 解决的企业，与 80% 发送给 LLM 的企业有非常不同的成本特征。基于成果的定价公平地适应两者。
混合模式
纯粹的基于成果定价有风险。如果客户发送对抗性查询来膨胀解决计数怎么办？如果解决定义被利用怎么办？
实用的方式是混合的：覆盖平台访问、治理和基础设施的订阅基础，加上随实际交付价值扩展的基于成果的组件。
这是行业的方向。Salesforce 推出了 Agentic Enterprise License Agreement（AELA）作为固定费用模式。Chargebee 的”销售情报”手册推荐混合模式。Bessemer 的 AI 定价指南将基于成果的层级突出为下一前沿。
JieGou 的当前定价已经是混合的：订阅基础（$0-149/月自助层级）+ 透明的、按计划定价的令牌加价（2.70x Pro/Team，Enterprise 可协商）。自然演进是在令牌加价之外添加基于解决量的组件——这样客户可以选择最适合其用例的计费模式。
这对您意味着什么
我们今天不是宣布基于成果的定价。我们宣布的是我们正在构建使其成为可能的基础设施：
- 解决量指标：在聊天 Agent 分析中跟踪总解决量、解决率和月度趋势
- 层级成本归因：精确知道每次解决按源（规则、RAG、LLM）的成本
- 月度趋势报告：显示解决率如何随规则和知识库改进而变化
当数据基础设施稳固时，定价模式自然跟随。我们相信客户应该有选择：如果令牌对您的用例可预测就按令牌付费，或者如果您想要与业务成果挂钩的定价就按解决量付费。
级联不仅是关于节约成本。它是关于建立一个供应商和客户——在查询被高效解决时双方都赢的定价模式。