升级软件商业模式，在人工智能时代蓬勃发展（英）

科技、媒体和电信实践将软件商业模式升级，以在 人工智能时代蓬勃发展 人工智能正将软件从一个赋能工作的工具转变为一个主动执行和编排工作的平台。行业参与者应如何演变其商业模式，以引领这个新纪元？ 由 Mohit Khanna 和 Nimish Mittal与 Ashley Wu 和 Marc Castillo 编写 大约三年前，通用人工智能（gen AI）作为自软件即服务（SaaS）出现以来最具颠覆性的企业软件力量出现，现在，公司正争先恐后地推出代理式用例并将人工智能嵌入到每个工作流程中。而以往的行业转变都涉及明确的技术变革，这个蓬勃发展的时代更具组合性；人工智能（AI）+SaaS将人工智能的智能和自动化潜力与基于云的软件的可扩展性和可访问性相结合。但是，尽管许多软件参与者正在将人工智能功能应用于现有产品并快速开发新产品，但最合适的商业模式仍然存在疑问。 毫无疑问，潜在机遇巨大：麦肯锡之前的研究表明，可能有高达4.4万亿美元的增量经济潜力可从中产生人工智能驱动的生产力提高.1人工智能+saas的潜在市场总量已超出it预算，扩展至劳动力——且势头似乎正在增强。一年前，33%受访公司看到了大规模的生产力影响或已从人工智能中捕获财务影响。到2025年，46%的公司将（图表1）。 即使客户牵引力加速，一个关键问题仍然存在：领导者将如何演变他们的业务和面向市场（GTM）模式，以在这个新的AI+SaaS时代蓬勃发展，正如他们在之前的转型中所需要的那样？ 网络 <2025> 麦肯锡公司 本文旨在回答该问题，基于对150家全球供应商（包括现有SaaS企业及AI原生企业）的定价模型和成功指标的分析，以及与50多家推出AI产品的公司进行的对话。它探讨了AI提供商已经遇到的价值变现挑战，以及为充分捕捉这项新兴技术的增长潜力所需的行动和策略。 初始人工智能商业化尝试的教训 基于几家SaaS领军企业的财报，人工智能变现方面已出现一些初步的进展迹象，例如GitHub报告的其Copilot服务近两百万付费用户。2但全球企业对人工智能应用的支出在过去一年中增长了八倍，接近500亿美元，它仍然只占总软件应用支出的不到1%。3 三个一致性的挑战是导致人工智能软件收益增长低于预期的基础： —价值沟通与实现：许多公司强调AI的潜在应用场景，但只有30%的公司公布了实际客户部署的以美元计量的可量化投资回报率。像Salesforce的Agentforce投资回报率计算器这样做得好的公司——它展示了AI代理主导的客户服务咨询处理与人类代理相比具有可量化的成本节约——留给想象空间较小以促成交易，或需要作为试点项目的一部分得到证明。同时，许多公司正在经历IT成本的上升，但还没有能够相应地降低劳动力成本。例如，在一个典型组织的完整客户服务技术栈中启用AI可能会导致60%到80%的列表价格上涨。“所有这些助手都应该通过更少的人员使工作更有效率，但我的业务领导者们也表示他们还不能减少人员，”一个财富100强公司的HR高管说。其他公司发现，低成本劳动力仍然会削弱AI的财务案例。 —价格可预测性：客户想知道人工智能成本将如何随使用量增长，但许多当前的定价模型都很复杂且不透明。一位《财富》500强公司的首席财务官描述了这个问题：“令人沮丧的是，我不知道我们这个季度在人工智能上将花费多少。我的业务部门没有他们将要使用的预测，而且这些费用分散在数十家软件供应商中。相比之下，我云计算的花费也是按使用量计费的，但是由于我们谈判采购的结构，它是可预测的。” —持续采纳（试点后）：即使飞行员上线，也由于变更管理投入不足而导致许多项目无法扩大规模。我们从成功扩大的飞行员项目中的经验表明，一个不错的经验法则是：对于组织在模型开发上每花费1美元，他们应该预期需要额外花费3美元在变更管理上（例如前派驻工程、员工用户培训和强化，以及建立绩效监控）。4 为AI+saas时代适配saas 随着人工智能+saas产品越来越多地执行工作而非仅仅提供支持，新时代需要一种能够将客户价值与完成的工作单元相匹配的商业模式。基于消费的模型是理想的选择，它是一种灵活且看似公平的方式来变现人工智能所产生的广泛客户价值。随着人类用户（及其相关的“订阅用户座位”）的增长可能放缓，而人工智能承担了更大的工作份额，这一点尤为重要。 另一个变革的力量是客户期望：资金雄厚的AI原生初创公司正在用动态的、与使用量挂钩的定价模型重新设定标准，为买家提供更大的控制力、透明度和可扩展性，给现有企业带来压力，迫使其跟进。 因此，在将AI能力货币化的领导者通常会从关注关键定价设计选择开始这一转型： —定价模型：软件公司应该如何发展定价模式以纳入投资组合中可能的AI行动范围？ —计价表：组织应该如何使用“计价单位”来最好地反映每个AI操作所付出的努力和产生的价值？ —放大：如何让服务商在更多量和更多产品组合中扩展客户支出？ —价格水平：当推理成本快速下降时，供应商应如何设定价格水平？他们应如何平衡价值捕获与扩展采用？ 随后，当软件供应商通过少量产品和客户试点变更时，他们可以开始着手解决围绕三个主要领域的跨职能执行挑战：gtm（传统的销售、成功和续订流程将如何进行？）；产品、it和计费（技术堆栈是否准备好提供基于消费的价值？）；以及财务和投资者关系（他们应该如何追踪结果并向投资者解释——以及策略？）。 询问和解答定价设计问题 随着软件供应商开始从商业化AI+SaaS产品中捕捉巨大的潜力，他们应该审视几个关于如何优化monetize 新技术的根本问题。 定价模型：软件公司应如何发展定价模型以纳入产品组合中可能的AI行动范围？ 传统按用户每月订阅的模式在这个新时代不太可能完全消失，因为它仍然是打包多种功能和与熟悉的采购工作流程保持一致的一种简单而有效的方式。但随着人工智能能力的扩展，软件行业巨头可能需要将某种基于消费的定价形式纳入其商业模式组合中。 在短期内，基于消费的定价提高了提供商的门槛，因为解锁收益需要清晰的价值传递和客户使用。然而，从长远来看，它可以创造巨大的上行潜力。如果新人工智能产品的收益能够随着使用规模扩大，公司就会创造“立足并扩张”的有机增长动力。随着消费 随着模型在市场上越来越受欢迎，客户对为未使用用户席位或“闲置软件”付费的容忍度也会降低。 许多公司正开始采用混合模式。当在订阅模式中添加一个消费元素时，他们必须首先决定如何处理超出容量上限的“额外”消费。随着AI功能成为商业中的必备条件，转向消费模式以应对额外使用，允许公司满足客户期望并获取高级用户的收益。“额外”消费可以有两种处理方式。 “用于额外用途的‘桶’：”专注于其高级用户的公司往往会使用此模式。例如，HubSpot 倾向于采用这种方法，在其大多数订阅计划中包含 AI 驱动的功能，如潜在客户评分。根据层级不同，会包含一定数量的 HubSpot 信用点，范围从 500 到 5,000。一旦超出分配的额度，客户可以按 1,000 为单位增量购买额外的信用点，随着其使用规模的增长。 计量吞吐量：在ChatGPT企业/商业计划中使用时，这种方法采用按用户计费，但限制某些模型每日、每周或每月处理的令牌数量。超出配额的用户仍然可以访问该产品，但会被暂时降级到性能较低的模式。 即使在新时代，订阅模式也在不断发展。对于许多可以通过人工智能、自动化或两者整合来完成工作的现代SaaS产品来说，价值与登录用户数量高度相关的情况并不普遍。在这些情况下，与客户用户数量无关的平台费用可能会更紧密地与价值相关联，并且这种情况正变得越来越普遍（图2），尤其是在人工智能原生产品中。例如，Clay是一个用于线索丰富和潜在客户开发的自动化平台，它收取全企业范围内的统一订阅费，而不管用户数量多少。 鉴于人工智能创新的快速发展，采用混合模式的公司需要频繁重新审视其选择。在产品发布时处于前沿的功能可能会迅速变得标准化。例如，Zoom 的 AI 转录和摘要功能最初是作为单独的附加功能或仅限于更高等级的计划的一部分进行收费的。现在，这些功能已包含在所有付费计划中，且无需额外付费。 对于能够支持广泛任务且工作量强度各异的AI+SaaS产品组合而言，一种更以消费为中心的方法可能更为合适。通过保持传统核心产品组合的订阅模式，同时以消费为基础对差异化AI功能进行变现，供应商可以达成一种更具可扩展性、且更能体现增值效果的模式。 网络 <2025> 由人工智能原生供应商领导，软件公司正越来越多地摆脱基于用户数量的订阅费。 主要软件供应商订阅定价模式，按公司类型划分，2025年，%的公司 例如，ServiceNow 提供了一个单独的产品 Now Assist，其定价基于“Assist”积分的量；Salesforce的 Agentforce 同样是一个独立的 SKU，提供多种定价模式：按操作付费、Flex Credits 信用额度库，或按用户许可。随着 AI 代理越来越多地自动化日益复杂的任务，客户的用量（也即其衍生价值）可能会有显著差异并迅速增长。当 AI 可执行的活动数量庞大时，基于消费的方式对客户来说会显得“更公平”——例如，为一个 30 分钟的视频配音所需的工作量可能超过从图像中移除背景所需的工作量。同样，边际成本的范围可能对固定费用结构来说过大。 计价计量：组织应使用何种“计价单位”才能最好地反映每个 AI 操作的努力和价值？ 选择全部或部分转向消费定价模式，只是软件供应商拥抱AI+SaaS的过程的开始。选择正确的定价指标——即与客户价值最一致的指标——同样是一个至关重要且复杂的决策（展位3）。 基于活动的指标是最常见且实用的起点。最佳的基于活动的指标是可以链接到所产生的商业价值，而不是消耗的资源。比较两个AI销售发展代表（SDR）代理：一个是基于消耗的努力量（每发送一千封电子邮件）变现，另一个是按完成的销售发展工作流程收费（识别潜在客户）。后者更接近销售组织关心的商业价值。真正的基于结果的定价会再进一步，增加一层生成潜在客户的质量或成功率，或按合格潜在客户收费。 网络 <2025> 在新兴的、由人工智能驱动的软件时代，提供商围绕其业务拥有广泛的消费定价指标。 软件定价表类型和样本指标，按公司类型，% 虽然基于结果的定价听起来（并且最终可能就是）理想，但执行起来往往充满挑战。很少有公司已经采用这种做法。要使其规模化运作，需要几个关键因素：被货币化的结果必须与产品所做的工作高度相关；工作流执行与结果之间的滞后时间应该较低；客户应该大致同等重视结果；并且必须能够自动确认成功，无需人工协助或判断。 一家本土AI SDR公司向客户提供基于结果（按合格线索计算）和基于活动（按潜在客户接触计算）的定价模式选择，发现90%的客户选择了基于活动的定价模式。预测支出和在每种客户情境下协商“合格线索”的定义各不相同，导致公司和客户都面临着繁琐的谈判过程。 成功商业化基于结果的指标需要付出不小的努力。例如, Zendesk按每成功解决一个客户交互收取1.50美元, 在数月的试验中测试了边界情况, 建立了面向客户和内部的遥测系统, 并开发了一个七步流程图来确定每个客户交互是否可以被成功解决。 寻找最合适的定价指标的公司需要做出其他重要决策：哪些具体的代理过程部分，包括AI代理消耗，应该被货币化——换句话说，货币化单位是什么？在代理式AI的时代，代理具有新功能并使用现有的系统间工具（例如API和数据传输）。例如，一个可以预订商务旅行的代理可以考虑到顾客的偏好和约束，这是一个新功能。但它也使用现有的酒店和航班预订API来执行工作流。软件供应商需要决定是否要单独货币化所有 执行工作流的工具代理。通常，当代理的工作流高度可定制时，公司会单独收取代理执行费用以及代理使用的工具费用。当工作流标准化时，通常只收取代理执行费用。 公司还应该考虑定价指标的组合整体一致性。对于具有广泛可能的人工智能行动的公司组合，在整个组合中定义和传达一个连贯的指标非常重要。Ser