Fin 不仅能回答客户问题，还能执行相关操作，例如取消付款或发放退款。这款产品在定价方面，为什么需要采用与 Intercom 的核心客户支持平台不同的方法？

O'Reilly：最初，我们考虑的是经过市场验证的，基于坐席数量或用量的 SaaS 定价模式。但 Fin 的本质不同，它不仅仅是提供对话支持，更是一款真正能够解决客户问题的 AI 智能体。其价值体现在最终效果，而非活动数量。这迫使我们重新思考定价模式，使其与客户价值相符。

我们进行此项调整是为了保障业务的可持续发展，因为按坐席收费的模式已难以为继。访问 Intercom 平台仍然按坐席数计费。然而，Fin 的运作模式有着本质区别。假设一家公司拥有 1,000 名客服人员，如果 Fin 能够充分发挥其效用，客服人员数量可能会逐渐减少到 200 人。这样一来，即使 Fin 创造了更大的价值，坐席收入在总收入中的占比也会随之下降。归根结底，基于坐席的定价方式会导致定价与价值不符。

你们还考虑过哪些其他定价模式？

O'Reilly：我们希望 Fin 的定价模式是附加式的，即在平台订阅的基础上增加费用。这样做既能保证核心 SaaS 模式的完整性，又能在 AI 服务的变现方式上有所创新。排除坐席模式后，很自然会考虑按对话次数定价。但在 2023 年初我们首次推出 Fin 时，用户考虑到该产品可能不起作用，因此对于是否要为该产品付费持犹豫态度。究其原因，当时人们对智能体有效回答问题的能力信任度较低。

Lynch：如果一开始就采用基于对话的定价方式，那么讨论的焦点往往会集中在价格上，以及价格的下限。按用量计费定价也面临类似的难题，在这种模式下，价格取决于运行人工智能模型的潜在成本。因此，你必须确定一个可接受的利润空间，并考虑如何与客户沟通。而基于结果的定价模式则可以避免出现这种情况，或至少延迟这类讨论。

为什么你们最终选择了基于结果的定价？

Lynch：从根本上说，这种模式将我们的定价与用户的成功直接挂钩。用户可以清晰地看到 Fin 平台解决了哪些问题，并通过审核来验证其价值。

O'Reilly：我们的用户非常认可这种价值对等的模式。他们通常清楚地知道每次问题解决所耗费的人工成本，相比之下，Fin 提供的价值极具优势。

基于结果的定价模式在建立用户信任方面发挥了重要作用。在这种模式下，我们承担了大部分风险：如果实际效果未达到预期，我们的收入也会相应减少。

此外，整个公司现在都专注于提高问题解决率，因为只有我们的用户成功了，我们才能成功。

自推出 Fin 以来，你们是否对 Fin 的定价模式做过任何调整？

O'Reilly：基于结果的定价模式最大的挑战在于，其可预测性和可控性较差。相比之下，首席财务官们更青睐基于坐席的定价模式，因为它相对固定，只需按团队人数付费。然而，采用基于结果的定价模式时，对话量难以预测，可能还会受到季节性因素的影响。此外，也难以预估问题解决率，尤其是在智能体尚处于发展初期的情况下。

因此，我们不得不在定价和上市机制中加入一些考量因素，以应对上述问题。通常，行业内的做法是要求预先购买每月的问题解决量。例如，税务公司通常在四月份业务量激增，要么超额使用，要么必须按四月份的价格签订全年合同，这意味着要为大量不需要的问题解决付费。为此，我们推出了年度套餐，用户可以购买一定数量的问题解决额度，并在一年内灵活使用。这种方式对于提升可预测性和灵活性至关重要。

对于超额使用情况，你们是如何处理的？

O'Reilly：这是我们所做的第二个调整。业内通行做法，也是大多数竞争对手的做法，是鼓励用户尽可能签订超额用量的合同，然后对超出合同量的部分处以罚款。我们希望彻底改变这种模式，鼓励用户充分体验 Fin 的各项功能。我们为不同类型的客户提供折扣，包括那些对 Fin 做出重大预付款承诺的客户、初创企业以及低成本地区的客户。而且，无论合同中约定的折扣是多少，即使客户的使用量超出合同约定，该折扣仍然适用。

我们还增加了支出重新分配功能。我们发现用户在初期可能低估了 Fin 的能力，导致他们购买了大量人工坐席服务合约，而 Fin 问题解决服务购买不足。但几个月后，他们逐渐意识到人工坐席的需求量在减少，而对 Fin 的需求量在增加。因此，我们现在支持用户将预算从人工坐席转移到问题解决服务上。

在推出 Fin 的同时，Intercom 也在进行大规模的向 Stripe 的账单系统迁移。你们是如何同时管理这些项目的？

Lynch：随着我们与 Stripe Billing 平台的整合不断深入，如何为 Fin 定价的问题，以及 Stripe 如何进入按用量计费领域的问题，几乎同时出现了。

我们真正开始关心这一本质上是计量产品的东西。我们意识到，如果我们不用自行构建所有这些功能，而可以借助 Stripe Billing 平台来完成部分工作，那就太好了。

就按年度配额模式来说。这项需求由 Fin 团队于 2024 年 11 月紧急提出的。我们非常重视尽早发布，因为它直接关系到收入。依托 Stripe 提供的基础能力，我们的工程团队得以进行定制开发并快速上线，在 2 月份便已准备就绪。

您预计智能体和 AI 功能的定价未来会如何发展？

O'Reilly：我认为未来会出现三大转变：一是转向更多基于结果的定价模式，二是针对不同类型的智能体采用差异化定价策略，三是 AI 验证解决方案日渐普及。首先，我预测 AI 智能体将大幅减少单纯按使用量计费的模式。越来越多的企业意识到使用量与实际价值并不完全匹配，因此会尝试采用混合模式，以便更好地与客户的业务成果挂钩。预计两年后，仍然只按令牌数量收费的公司将寥寥无几。

原因在于，AI 的价值应体现在成果交付上，而非仅仅消耗计算资源。随着市场日趋成熟，竞争日益激烈，客户也会期望定价能够体现 AI 所能带来的实际价值。

其次，AI 智能体的功能将进一步细分，并实施差异化定价。统一价格策略不再适用，因为不同功能提供的价值差异显著。例如，在客户支持中，回答“退款政策是什么？”和“帮我解决这个复杂的集成问题”，其难度和价值存在本质区别。因此，明智的企业会针对这些差异化服务制定不同的定价策略，同时避免定价过于复杂。

最后，随着 AI 日益智能化，它不仅能产出结果，还能协助验证结果。目前，我们依赖基本规则来判断解决方案是否“成功”。但不久之后，AI 本身将能评估结果质量：客户是否真正获得了所需服务？问题是否真正得到解决，还是需要再次跟进？

这将提升结果导向型定价模式的可信度，因为关注点在于问题是否真正得到解决，而不仅仅是问题解答的表象。这种验证水平将有助于建立真正反映价值的定价模式。