Agent 按效定价法

为什么 agents 改变定价逻辑：生产力软件难卖（Bret 在 Quip 亲历），因为价值不可归因——"如果每个销售多卖 5%……所以你该付我们一百万"这种对话极其牵强，你根本不知道是不是真的提升了 10%。而 agent 是自主完成一份工作而非帮个人提效一点，价值既真实又可测量。宏观类比：经济学家认为 90 年代生产力大跃升来自第一波计算化（ERP、把账本搬进数据库）；他父亲的机械工程公司 70 年代大多数员工是制图员（draftspeople），CAD 之后制图这个工种直接消失——agents 会再次这样弯曲生产力曲线。

Sierra 的实现（resolution-based）：客服呼叫中心每通人工电话成本约 $10-20（主要是人力）。AI agent 独立解决一通客户问题（行业称 call deflection/containment）= 为客户省下约 $15，按预先谈好的单价对每次"解决"收费。销售类 agent 甚至按销售佣金抽成。效果基准：客户的客服交互自动化率 50%-90%，CSAT 达 4.6-4.7/5（Weight Watchers、Clear 等），且平台提供从 65% 自动解决率优化到 75% 的持续改进工具。

Outcome ≠ usage/consumption：token 计费类似"按代码行数考核工程师"——那个 Apple 工程师交负数代码行数报告的老故事。"你用了很多 token，好棒，但产出的 PR 是好的吗？"在 AI 里用量和结果甚至可能不相关：一通很长但没解决问题的电话是负价值（客户再打一次+差评）。

组织后果：outcome 定价强制供应商变成合作伙伴——软件不产生结果你就收不到钱，公司形态必须极度客户中心，"不能把软件扔到墙上就走"。预测：整个市场会走向 agents + outcomes-based pricing，如同永久授权→云订阅的迁移，有明确的 before and after。