Экономика моделей: per-token, per-seat, outcome-based и будущее ценообразования в ИИ

Один из наименее очевидных, но наиболее влиятельных аспектов AI-революции — ценообразование. Как компании продают доступ к ИИ определяет не только их финансовые модели, но и то, как клиенты используют технологию и с какой скоростью она распространяется.

Модель per-token — наследие OpenAI и основа API-экономики. Клиент платит за каждый обработанный или сгенерированный токен. Преимущество — прозрачность и масштабируемость: платишь только за то, что используешь. Недостаток — непредсказуемость расходов. Компании жалуются, что счета за API могут удвоиться за месяц без видимых причин, если использование растёт нелинейно.

Модель per-seat — классика SaaS, адаптированная для ИИ. Microsoft Copilot стоит $30 в месяц за пользователя. Salesforce Einstein GPT встроен в корпоративные лицензии. Преимущество — предсказуемость для бюджета. Недостаток — компания платит одинаково за сотрудника, который использует ИИ десять раз в день, и за того, кто не открывал функцию ни разу.

Outcome-based pricing — самая молодая и потенциально самая разрушительная модель. Оплата привязана к результату: сэкономленным часам, закрытым сделкам, обработанным документам. Некоторые AI-компании в legal tech и recruiting уже работают по этой схеме. Это привлекательно для клиентов, но создаёт риски для поставщика: если ИИ не работает как ожидалось, выручка падает.

Существуют и гибридные модели. Anthropic предлагает фиксированную плату за доступ плюс usage-based компонент. Google Cloud комбинирует подписку с оплатой за вычислительные ресурсы. Amazon Bedrock позволяет выбирать между reserved capacity и on-demand. Рынок экспериментирует.

Для стартапов выбор модели ценообразования — стратегическое решение. Per-token модель работает для разработчиков, но пугает корпоративных закупщиков. Per-seat проще продаётся enterprise-клиентам, но требует доказательства ценности для каждого пользователя. Outcome-based убеждает скептиков, но сложнее операционно.

Если честно, экономика моделей усложняет расчёты. Стоимость inference падает — по оценкам, в 10 раз за последние два года. Это означает, что per-token цены снижаются, и компании должны компенсировать это ростом объёмов или переходом на модели с более высокой маржой.

Крупные платформы используют ценообразование как конкурентное оружие. Google предлагает бесплатный доступ к Gemini для привлечения разработчиков в Google Cloud. Microsoft субсидирует Copilot, чтобы удержать пользователей Office. Ценовая война между провайдерами моделей выгодна потребителям, но ставит под давление маржинальность всей цепочки.

Для корпоративных покупателей ключевой вопрос — total cost of ownership. Стоимость лицензии — лишь часть расходов. Интеграция, обучение, мониторинг, управление данными и compliance могут кратно превышать прямые затраты на AI-инструменты. Зрелые компании учатся считать полную стоимость, а не только цену подписки.

Рынок ценообразования ИИ ещё формируется. Через два-три года, вероятно, выработаются отраслевые стандарты, аналогичные тому, как SaaS-рынок пришёл к модели ежегодной подписки. Но пока — это пространство для экспериментов, где правильный выбор ценовой модели может стать таким же конкурентным преимуществом, как сам продукт.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.