每人座位定價的消亡
SaaS 產業按座位計費已有二十年。當軟體服務具名員工執行可預測的工作時，這是合理的。但 AI 代理完全打破了這個模式。
AI 代理沒有座位。它處理的工作可能需要三個客服代表，或者它起草的文件可能是法務助理需要花數小時完成的。當「員工」是可水平擴展的軟體時，按座位計費毫無意義。
數據說明了一切：61% 的 SaaS 公司已使用某種形式的使用量計費。全球 SaaS 市場已達 3,150 億美元。而 73% 的企業 CFO 要求即時 AI 消費追蹤。
每人座位正在消亡。問題是：什麼來取代它？
令牌計費的陷阱
第一個直覺是基於令牌的定價。您使用令牌，您為令牌付費。簡單。
但令牌與商業價值沒有關係。一個 1,000 令牌的回應解決了客戶問題並防止了流失事件，其價值遠高於一個 10,000 令牌但毫無幫助的冗長回應。按令牌計費就像按律師事務所簡報中的字數計費，而非按他們交付的成果計費。
令牌計費也創造了扭曲的激勵。它懲罰詳盡性而獎勵簡短，即使客戶需要詳細回應。它使 CFO 的成本不可預測，因為令牌消耗因使用案例而異。
成果導向定價的面貌
成果導向定價將成本與價值對齊：您為解決方案付費，而非為算力付費。
「解決」意味著客戶查詢、內部請求或工作流程任務在無需人工介入的情況下完成。客戶得到了答案。員工得到了文件。流程繼續前進。
具體到 AI 代理，這意味著：
- 聊天代理解決：客戶提問並得到準確答案——無論是來自匹配的規則（免費）、RAG 檢索（低成本）或 LLM 生成（中等成本）。企業按已解決的查詢付費，而非按消耗的令牌付費。
- 工作流程解決：多步驟工作流程執行完成，產出預期輸出。企業按成功執行付費。
- 升級處理：當代理無法解決查詢而升級給人工時，這不是可計費的解決方案。企業只為交付的價值付費。
階梯分析如何實現這一目標
JieGou 的 Chat Agent 使用 4 層解決階梯：
- 規則匹配 — 零 LLM 成本的模式匹配回應
- RAG 檢索 — 最低嵌入成本的知識庫回應
- LLM 備援 — 當規則和 RAG 無法回答時的完整模型推理
- 升級 — 信心度過低時的人工轉接
這個階梯不僅是效率功能。它是成果導向定價的數據基礎設施。因為我們精確追蹤每個查詢由哪一層解決，我們可以：
- 按來源層級計算每月解決方案數
- 計算每個解決方案的混合成本（大多數解決方案透過規則/RAG 僅需幾分錢，某些透過 LLM 成本較高）
- 向客戶展示其解決率隨時間的趨勢
- 提供基於解決方案而非令牌的定價層級
一個透過規則和 RAG 解決 80% 查詢的企業，與一個將 80% 發送到 LLM 的企業有著非常不同的成本結構。成果導向定價公平地適應兩者。
混合模式
純成果導向定價有風險。如果客戶發送對抗性查詢來膨脹解決方案計數？如果解決方案定義被操弄？
務實的方法是混合：訂閱基礎涵蓋平台存取、治理和基礎設施，加上根據實際交付價值擴展的成果導向組件。
這是產業的走向。Salesforce 推出了 Agentic Enterprise License Agreement（AELA）作為固定費用模式。Chargebee 的「銷售智能」策略建議混合模式。Bessemer 的 AI 定價指南強調成果導向層級是下一個前沿。
JieGou 目前的定價已是混合模式：訂閱基礎（$0-149/月自助層級）+ 透明的、依方案定價的令牌加成（2.70x Pro/Team，Enterprise 可協商）。自然的演進是在令牌加成之外增加基於解決方案的組件——讓客戶選擇最適合其使用案例的計費模式。
這對您意味著什麼
我們今天不是宣布成果導向定價。我們宣布的是正在建設使其成為可能的基礎設施：
- 解決方案指標：在 Chat Agent 分析中追蹤總解決方案數、解決率和月度趨勢
- 層級成本歸因：精確知道每個解決方案按來源（規則、RAG、LLM）的成本
- 月度趨勢報告：展示隨著規則和知識庫改進，解決率如何隨時間變化
當數據基礎設施穩固後，定價模式自然跟隨。我們相信客戶應該有選擇：如果對您的使用案例而言令牌計費是可預測的，則按令牌付費；或者如果您想要與商業成果掛鉤的定價，則按解決方案付費。
階梯不僅是為了節省成本。它是為了建立一個供應商和客戶都能在查詢被高效解決時共贏的定價模式。