اوپنایآی به برخی مشتریان بزرگ خود گزینهای پیشنهاد کرده که پرداخت تنها در صورت تحقق نتایج مورد توافق انجام شود؛ برای مثال پرداخت وقتی پاسخدهی خودکار به تیکتهای پشتیبانی یا تکمیل فرایندهای مشتری بدون خطا انجام شود. خود شرکت این قراردادها را رسمی اعلام نکرده و سخنگویی اظهارنظر نکرده است، اما منابع مطلع وجود چنین توافقهایی را تأیید کردهاند.
چرایی حرکت به سمت قیمتگذاری مبتنی بر نتیجه
هزینههای عملیاتی مدلهای بزرگ زبان و سایر سرویسهای هوش مصنوعی بالا باقی مانده و رشد درآمد برای بسیاری از شرکتهای نرمافزاری آنقدر قوی نبوده که با این هزینهها تناسب داشته باشد. در نتیجه برخی فروشندگان به قراردادهایی روی آوردهاند که پرداختها مستقیماً با افزایش درآمد یا کاهش هزینهای که هوش مصنوعی ایجاد میکند گره خورده باشد. بهعنوان نمونه، شرکتهایی مانند Salesforce از مشتریان خواستهاند قراردادهای انعطافپذیرتر و مبتنی بر ارزش پیشنهاد دهند؛ مشتریان سازمانی نیز انتظار دارند پرداختها با ارزشی که دریافت میکنند همسو باشد.
نمونههای پیادهسازی
- استارتاپهایی مانند Sierra و Fin (که اخیراً گزارشی دربارهٔ خرید آن توسط Salesforce منتشر شد) تنها بابت وظایفی هزینه میگیرند که بهصورت کامل و بدون دخالت انسان تکمیل میشوند.
- برخی شرکتها مانند Cognition به مشتریان سازمانی قول اعتبارهای قابلتوجه تا سقف 10,000,000 دلار میدهند اگر نرمافزار نتواند دستاوردی برابر یا فراتر از هزینههای پرداختی ایجاد کند.
- ارائهدهندگان سنتیتر مانند Adobe، HubSpot و Zendesk بخشی از محصولات هوش مصنوعی خود را بر اساس ارزش ایجادشده قیمتگذاری میکنند.
مسئله اصلی: تخصیصِ منشأ موفقیت
سادهترین بخش ایده پرداخت «فقط در صورت موفقیت» تعیین معیار برای موفقیت است؛ اما دشوارترین بخش مشخص کردن این است که کدام عامل یا کدام ترکیب عوامل باعث این موفقیت شدهاند. بدون قواعد روشن برای تخصیص منشأ نتایج، مشتریان میتوانند رشد فروش یا کاهش هزینه را به تغییرات دیگر مانند بهروزرسانی محصول، کمپینهای بازاریابی یا روندهای فصلی نسبت دهند و نه به هوش مصنوعی. پیشتر شرکت Stripe راهنماییهایی دربارهٔ تعیین منشأ نتایج منتشر کرده که پیچیدگیهای این موضوع را نشان میدهد.
سوالهای کلیدی در سنجش
- چه معیارهایی قبل و بعد از پیادهسازی ثبت و مقایسه شدهاند؟
- آیا همزمان تغییرات دیگری مانند تخفیف، تبلیغ یا اصلاح محصول روی نتایج تأثیر گذاشتهاند؟
- چه سهمی از فرایند بهصورت خودکار انجام شده و چه بخشهایی نیاز به مداخله انسانی داشتهاند؟
- مدت زمان نمونهگیری و اندازهگیری تأثیر چگونه تعیین شده است؟
بدون پاسخ روشن به این پرسشها، قراردادهای مبتنی بر نتیجه میتوانند منبع اختلاف بین فروشنده و مشتری شوند.
چالشهای تجاری و رقابت بازار
رقابت میان ارائهدهندگان سرویسهای هوش مصنوعی فشار را افزایش داده است. رقبایی مانند Anthropic و دیگران به سمت نرخگذاری بر مبنای استفاده رفتهاند؛ در نتیجه مشتریان گزینههای بیشتری برای مذاکره و مقایسه شرایط مالی در اختیار دارند. در عمل، مدلهای اشتراک ثابت و پرداخت براساس استفاده همچنان در بازار حضور دارند و فروشندگان بسته به نوع محصول و نیاز مشتری ترکیبی از مدلها را ارائه میدهند.
راهکارها و نکات قراردادی برای کاهش ریسک
- تعریف شاخصهای روشن و قابل اندازهگیری (KPI) از پیش و توافق روی بازه زمانی نمونهگیری.
- استفاده از گروه کنترل (A/B testing) برای تفکیک تأثیرات هوش مصنوعی از سایر متغیرها.
- شفافیت در دادهها و قابلیت حسابرسی نتایج توسط طرف سوم مستقل در صورت اختلاف.
- گنجاندن بندهای مرحلهای؛ یعنی پرداخت بخشی بر اساس نتایج کوتاهمدت و مابقی پس از تایید نتایج بلندمدت.
- تعریف روشن نقش انسان در فرایند و نحوه احتساب تأثیر مشارکت انسانی روی نتایج.
چشمانداز
قیمتگذاری مبتنی بر نتیجه فشار لازم برای روشنتر شدن ارزش واقعی هوش مصنوعی در کسبوکارها را وارد بازار میکند، اما تا زمانی که روشهای استاندارد و پذیرفتهشدهای برای تخصیص منشأ موفقیت شکل نگیرد، اجرای عادلانه و مقیاسپذیر این مدل دشوار خواهد بود. خریداران سازمانی اکنون انتظار دارند پرداختها متناسب با ارزش ارائهشده باشند؛ این انتظار میتواند شیوهٔ طراحی، اندازهگیری و فروش محصولات هوش مصنوعی را تغییر دهد.
منابع مرتبط: OpenAI، Salesforce و Stripe.
