Две трети компаний из списка Forbes AI 50 в настоящее время используют ту или иную форму ценообразования на основе потребления, что отражает переменные затраты и непредсказуемый спрос в сфере ИИ. На второй ежегодной конференции Monetize в прошлом месяце генеральный директор и соучредитель Metronome Скотт Вуди выразился более прямо: современные ведущие компании работают так, что это показалось бы «чуждым» для традиционного SaaS-бизнеса. Эти компании гораздо быстрее корректируют цены, отдавая приоритет доле рынка, а не ARR, и одновременно реализуют несколько стратегий выхода на рынок.
Более 300 руководителей из динамично развивающихся компаний, таких как Replit, Fin, Snowflake и Clay, собрались на конференции Monetize, чтобы обменяться опытом в вопросах ценообразования, управления затратами и масштабирования ИИ-продуктов по мере изменения ожиданий клиентов. В ходе сессий неоднократно обсуждались пять подходов к экономике монетизации ИИ, которые сейчас применяют компании.
Гибридное ценообразование: сочетание потребления с подписками и кредитами
Год назад было принято считать, что ценообразование на основе потребления вытеснит подписки. Компании по-прежнему используют их, но по-новому. Мы видим, что все больше компаний используют подписки для пакетирования переменного потребления, часто с помощью кредитов.
Эйслинг О'Рейли, директор по продукту и монетизации в Fin, описала эволюцию моделей ценообразования своей компании. Компания перешла от подписки на платформу к гибридной модели, внедрив ценообразование на основе результатов при запуске Fin AI Agent. Изначально клиенты платили за каждую решенную агентом беседу в службе поддержки. По мере того как продукт расширялся, включая такие действия, как рекомендация товаров, квалификация лидов и бронирование встреч, его первоначальная (и единственная) оплачиваемая метрика перестала адекватно отражать ценность для клиента. Fin ввела дополнительные оплачиваемые результаты, позволяя клиентам выбирать желаемый результат для каждого типа беседы и платить исходя из его ценности. Клиенты могут зарезервировать пул кредитов, а затем расходовать его на различные результаты без необходимости прогнозировать каждый из них отдельно.
Для Fin и многих других компаний формируется многоуровневая модель: подписки для действий и предсказуемости, ценообразование на основе потребления для агентской работы и кредиты для упрощения учета нескольких единиц потребления или результатов.
Предсказуемость становится функцией продукта
Одной из самых больших проблем при биллинге на основе потребления является обеспечение более предсказуемых затрат для клиентов. Им необходимо понимать, что влияет на потребление, прогнозировать расходы, устанавливать лимиты и связывать потребление с ценностью. Многие компании решили эти задачи с помощью внутрипродуктовых панелей мониторинга, прогнозов и других инструментов.
Старший директор Snowflake Райан Кэмпбелл объяснил, как он и его команда помогают клиентам отслеживать и контролировать потребление с помощью внутрипродуктовых инструментов, таких как прогнозирование, калькуляторы, конструкторы сценариев и визуализация использования. Аналогичным образом, руководитель отдела глобального ценообразования и коммерциализации Stripe Сэм Ли описал панель управления потреблением, где пользователи могут видеть оповещения, устанавливать и корректировать лимиты расходов и управлять потреблением, как новый стандарт.
Коммерческие условия также могут обеспечить большую предсказуемость, сохраняя при этом привязку платежей к потреблению. Годовые пакеты потребления, скидки на превышение лимитов и фиксированные контракты на первый год с последующей корректировкой — все это дает клиентам более четкие рычаги для управления переменными счетами.
Поскольку счета становятся все более непредсказуемыми, надежные средства контроля потребления становятся частью того, за что платят клиенты. Эти средства контроля помогают укрепить доверие как к компании, так и к продукту.
Падение затрат на ИИ и рост потребления требуют гибкой упаковки
Благодаря достижениям в области ИИ компании могут упаковывать один и тот же продукт разными способами. Подписки могут включать более дешевые и ограниченные по скорости возможности, в то время как биллинг на основе потребления может использоваться для более ресурсоемкой агентской работы. Replit использует оба варианта по мере изменения стоимости моделей и нагрузки на агентов, говорит Микеле Катаста, президент и руководитель отдела ИИ компании.
Когда агенты Replit работали всего несколько минут, компания взимала 25 центов за контрольную точку агента. Но по мере увеличения времени выполнения некоторые задачи стоили Replit несколько долларов, в то время как пользователи все еще платили всего 25 центов. Компания перешла на биллинг на основе потребления, чтобы устранить этот разрыв, более точно сопоставив цены с объемом работы, выполняемой агентами.
Этот шаг решил одну проблему, но создал другую: непредсказуемые расходы и резкие платные барьеры для пользователей, привыкших к простой ежемесячной подписке. Поскольку затраты на инференс снизились — отчасти благодаря все более мощным моделям с открытым исходным кодом и давлению, которое они оказывают на цены передовых моделей, — Replit представила бесплатный режим с ограничением скорости. Это дает пользователям возможность продолжать разработку в рамках простой подписки. Компания меняет элементы своего ценообразования несколько раз в месяц, передавая экономию клиентам.
Это открывает возможности для более гибкой упаковки, выходящей за рамки подхода «один продукт — одна модель ценообразования». Компании могут комбинировать подписки и биллинг на основе потребления, а затем корректировать это сочетание по мере изменения базовой экономики. Это позволяет им предлагать версии одного и того же продукта с разной скоростью, ценами и уровнями обслуживания.
Новая задача финансового отдела: доказательство ценности ИИ
Хотя токены могут определять затраты компании, редко бывает, что они отражают ценность, которую, по мнению клиентов, они покупают. В ходе сессии о том, как финансовые команды могут измерить ценность ИИ, Каран Парекх, финансовый директор Clay, сказал, что компания не хочет заниматься «наценками и налогообложением токенов». При ценообразовании Clay рассматривает токены моделей и сторонние данные как сквозные затраты, отделяя их от дифференцированной ценности, которую предоставляет продукт.
Clay применяет тот же подход для оценки своих внутренних инвестиций в ИИ. Отдел продаж отслеживает производительность, команда продукта фокусируется на времени разработки, а команды поддержки измеряют пропускную способность и удовлетворенность клиентов. Команда Парекха готова к тому, что их собственные расходы на ИИ растут быстрее, чем выручка, только если это дает что-то уникальное, чего Clay не смог бы достичь иначе.
Атрибуция затруднена, когда несколько инструментов и изменений в рабочем процессе способствуют одному и тому же результату, что делает расчеты ROI на уровне токенов вводящими в заблуждение. Решение Clay заключается в оценке ИИ-инструментов по этим специфическим для функций целям, пересматривая их ежеквартально, чтобы отследить, оправдывают ли себя эти инвестиции в ИИ. Для финансовых команд операционные результаты являются более полезной призмой, чем фокусировка на затратах на ресурсы.
Информация о ценах должна быть понятной как для машин, так и для людей
Агенты уже влияют на то, как продукты обнаруживаются и оцениваются, даже если автономные корпоративные закупки еще не полностью сформировались.
Чтобы понять, как покупатели могут столкнуться с ценообразованием в ответах, сгенерированных ИИ, Кайл Пояр, основатель Growth Unhinged, протестировал, как шесть ИИ-движков представляют информацию о ценах для компаний из списка Cloud 100. Он проанализировал 7600 ответов, сгенерированных ИИ. Для одной неназванной компании негативная лексика о ценах присутствовала в 88% ответов. Из-за отсутствия доступных цен для этой организации LLM прибегали к поиску в неформальных источниках, таких как Reddit, и сообщали о ценах в диапазоне от 100 до 2400 долларов за пользователя в месяц, что составляет 24-кратную разницу.
Информация о ценах может быть полностью видна людям, посещающим ваш сайт, но если она скрыта от поисковых роботов или отображается таким образом, что агенты не могут ее надежно интерпретировать, она фактически остается невидимой. Хотя автономные корпоративные закупки все еще находятся на ранней стадии развития, у ценообразования теперь есть две разные аудитории. Человек, ответственный за покупку, по-прежнему остается в центре внимания, но теперь он делит это место с машиной, помогающей ему оценить целесообразность приобретения.
Монетизация ИИ становится адаптивной системой
Продукты на базе ИИ, экономика моделей и модели использования меняются слишком быстро, чтобы ценообразование могло оставаться статичным. В ходе сессий лидеры отрасли описывали процесс определения того, что именно ценят клиенты, предоставление им большего контроля над расходами, а также корректировку ценообразования и пакетов услуг по мере изменения продуктов и бизнес-экономики.
Посмотрите записи сессий с конференции Monetize 2026, чтобы увидеть полные беседы с лидерами из Replit, Fin, Snowflake, Clay, Growth Unhinged и Stripe.
.png)
