核心摘要
- Fin按成功解决问题收取每笔0.99美元
- 即使消耗更多token,也不能保证结果
- 请先在合同中核对"解决"的定义
- 请关注AI成效报告究竟在统计什么
客服服务Fin针对解决咨询等成效按件收取0.99美元,美国AI文档平台Mintlify针对回答问题收取25积分,服务企业已开始按AI完成的工作收费。Mintlify于2026年9月将原本按token使用量浮动的AI收费方式,改为按任务结果计价的固定积分制,自动化功能更新文档时收取250积分。对于未能回答或未能在文档中找到需修改内容的任务,则不收取费用。客户可以根据自己获得的结果来预测费用,而不是根据AI内部进行了多少运算。Zendesk同样以AI在无需客服人员介入的情况下独立解决的咨询数量作为计费标准。
AI成本是如何下降的
智能体长时间工作或重复执行相同任务时,token使用量也可能随之增加,但token消耗多并不能保证结果更好。企业应关注的是随着使用量增长而提升的销售额、缩短的处理时间以及解决的客户问题。模型供应商相继推出了价格更低的模型,也开始采用'模型路由'方式,即简单问题交给体积小、速度快的模型处理,复杂分析则交给高性能模型处理。
- OpenAI表示,'GPT-6.1 Sol'在智能体编程、计算机操作及专业任务等方面的表现接近旗舰模型'GPT-6 Astra',而标准输入输出token价格仅为后者的五分之一左右。每百万token输入价格为2美元,输出价格为10美元,而Astra的对应价格分别为10美元和50美元。
- Anthropic将'Claude Opus 5.5'的输入输出价格定为每百万token分别4美元和20美元,较上一代Opus 5下降20%,对已处理过的输入进行复用的缓存读取价格更是下降60%。Anthropic表示,在默认设置下执行一般任务时,使用成本较上一代模型降低40%,这不仅体现了token单价的下降,也体现了实际任务总成本的降低。
- 亚马逊云科技(AWS)Bedrock的'智能提示路由'功能会在同一模型系列内比较各请求的预期性能,并将其连接至合适的模型。据AWS介绍,该功能可在保持准确度的同时将成本降低最多30%,这是AWS方面给出的效果数据。
- 三星电子的'混合AI'会将对响应速度和隐私保护要求较高的任务放在设备端处理,而将需要大规模运算的生成、推理类任务放在云端处理。三星电子在2026年9月30日举行的'三星AI论坛2026'上也将高效AI列为主要研究议题。
AI成效应如何衡量
2025年发表于经济学学术期刊《经济学季刊》(QJE)的研究《职场中的生成式AI》分析了5172名客服人员的数据。使用AI辅助工具的客服人员,每小时解决的客户问题数量平均增加15%,且效果因劳动者个体差异而有显著不同。该研究衡量生产力的标准并非向AI提问的次数或生成文本的数量,而是在给定时间内解决的问题数量。
即便是按成效计费,也不能仅凭'成效'这个名义就保证效果。Fin不仅将客户确认满意的回答视为'已解决',还将回答后客户未再要求帮助的情况也视为'已解决'。在按预设流程处理完毕后转交给人工或其他工作流程的情况,同样可能计费。
SK电讯如何改变内部AX
根据SK电讯于2026年10月28日公布的全球AX动向资料,该公司将AI智能体定义为与员工协作的工作主体,并致力于共同设计人与AI的角色分工,以此推进公司内部的AI转型。其目标方向是实现'多角色'模式,即一名员工与多个AI智能体协作,从策划到开发、设计全流程参与。为支撑这一目标,公司将进行以下改变。
- 整合此前分散的内部AI开发平台
- 加强与业务系统的联动
- 完善数据访问规定与安全体系
SK电讯此前在公布的'AX创新2.0'中提出,将把以AI为中心重新设计现有业务流程的'AX沙盒'推广至全公司。据介绍,在AI内部创业公司(CIC)部分组织中试运行约3个月后,确认策划业务所需时间和决策速度等方面存在改善可能性,但本次参考资料中并未给出全公司层面的生产力改善数据。
SK电讯首席执行官(CEO)郑载宪于2026年9月1日在首尔大学特别讲座上提出了'AX的J曲线'理论。该理论认为,在引入初期,由于学习和业务重新设计带来的负担,生产力会有所下降,但一旦跨过这一阶段,生产力便可能急剧提升。郑CEO强调,企业需要具备从AI角度重新设计业务和工作方式的执行能力。
对韩国企业AX的启示
制定AI预算时,与其参考token单价表,不如以完成一项任务所需的总成本为基准更为合理。可以尝试将'由哪个模型在哪里处理哪类请求'的设计方案也纳入成本考量,但同时也要留意在削减成本的过程中,回答准确度和业务质量是否因此下降。
若考虑引入像Fin、Zendesk、Mintlify那样按结果单位计费的服务,请务必在签约前核对'解决'的定义是否与本组织所期望的成效一致。是否将未再追加咨询的情况也算作'已解决',是否对转交人工处理的案例同样计费,这些都会导致即便单价相同,实际效果也大相径庭。
作为国内案例介绍的SK电讯和三星电子,都是先着手调整组织与处理结构,而非先确定收费标准的企业。SK电讯划分了AI的角色和数据访问规定,三星电子则按功能划分了处理位置。若想扩大内部智能体的应用,比起智能体数量,更应优先确定AI负责哪个部门的哪些工作、权限可访问信息到何种程度、以及在哪个环节需要人工判断。考虑到J曲线初期阶段的特点,提前设定评估时点、避免仅凭引入初期的指标判断成败,也是一种可行方法。
本周需要确认的事项只有一个:目前使用的AI工具的成效报告,统计的是查询次数、token使用量,还是处理时间、返工次数、解决件数。