Subscribed Weekly
Evaluating Agentic AI: Begin at the EndThe Four Kinds of Agentic AI Pricing Models
『エージェント型AIの4つの価格設定モデル』
Zuora創業者兼CEO ティエン・ツォのブログの抄訳をお届けします!
先週のGPT-5のデモは、未来への飛躍的な進歩というよりは、漸進的な開発が主であったようである。確かに、人々はそのデモでの奇妙なグラフや「ベルヌーイ効果のうっかりミス」をからかったが、ガートナーのようなアナリストは、新しいコーディング機能や幻覚（ハルシネーション）の発生率が大幅に低減された点を高く評価した（とはいえ、筆者はまだ約10%のエラー率を持つシステムに、自身の健康や財務を任せようとは思わない）。
そしてもちろん、誰もがこの技術をどう使って、現実の問題を解決し、本当にお金を稼ぐためのツールを構築するかを模索している。しかし、事実は事実である。AI競争は始まっている。半年前にできなかったことが、何百もの新しいAI対応サービスで可能になり、その背後にある企業は、ある一つのことを追いかけているようである。それは、成果ベースの価格設定である。
なぜか？それは、先週筆者が議論した「不可能な三角形」の問題を乗り越えるための一つの方法だからである。しかし、「成果」とは正確には何を意味するのか？Xなのか？Yなのか？それは確かに曖昧な言葉である。しかし、今回もSubscribed Instituteのおかげで、私たちはそれをシンプルに分解することができる。エージェント型AI企業が、価格を決定するために成果を定義する4つの一般的な方法がある。
-
エージェントごとの課金 これを従業員を雇うことに例えて考えるべきである。顧客は、エージェントが利用可能であることに対して支払う。それが24時間年中無休で働いていようと、ただ待機していようと関係ない。この価格設定モデルは、顧客の成果が拡散的で長期にわたる場合にうまく機能する。予測可能でモデル化しやすいが、顧客により多くのリスクを負わせることになる。もしエージェントが成果を出さなくても、彼らは報酬を得るからである。これは、AIがアシスタントやセキュリティエンジニアのような広範で継続的な役割を代替する場合に使われる。例えば、Nullifyはセキュリティ脆弱性を修正するために、エージェントあたり年間800ドルを請求する。これはAIをライセンスしているのであって、タスクごとに支払うわけではない。
-
活動ごとの課金 これは「従量制」モデルである。AIが何かをするときに支払う。質問に答えたり、コードを書いたり、プロセスを実行したりする際に課金される。それぞれの行動は小さいが、それらが積み重なって真の生産性につながる。このモデルは、作業が細かく、頻繁に行われる場合に意味がある。実際にAIが何かをしているときにだけ支払いたい顧客にとって良いものである。例えば、Devinはソフトウェアエンジニアのアシスタントサービスに対して「Agent Compute Unit」ごとに課金し、Microsoft Copilotは「Security Compute Unit」で課金する。これはすべて、行動ごとのリソース使用量に基づいている。
-
アウトプットごとの課金 ここでは、AIが生成するもの、つまり最終的な製品に対して支払う。そこに到達するまでのステップではない。文書、解決済みのチケット、スナップショット、完了した会話などである。これは、顧客が活動ではなく結果を重視し、アウトプットが具体的で測定可能な場合に意味がある。彼らは時間ではなく、成果物に対して支払いたいのである。例えば、Replitは「チェックポイント」（コードの意味のある変更）ごとに0.25ドルを請求し、Salesforceは「顧客サービスとのやり取り」ごとに2ドルを請求する。
-
成果ごとの課金 ここでは、AIが本当のビジネスケースの結果を達成したときにのみ支払う。解決された問題、コスト削減、新しいリード、売上などである。この場合、AIは明確に測定・合意できる戦略的インパクトに直接結びつけることができる。あなたは顧客と利益を分かち合うことになる。例えば、VantageはAWSストレージコストの実際の削減額の5%を請求し、Zendeskはサポートチケットがエージェントによって完全に解決されたときにのみ課金する。
では、どのモデルが最適なのであろうか？あなたはすぐに4番目の「聖杯」であるビジネスケースの成果に飛びつきたくなるかもしれない。しかし、それは間違いである。マイケルが研究した約60のエージェント型AIサービスのうち、実際にこのモデルを採用しているのは10%未満である。なぜか？なぜなら、このようなものを具体的に定義（および追跡）することは、いまだに非常に複雑だからである。Zendeskが「解決」を定義するためだけにどれだけの膨大なドキュメントを必要としているかを見てみればわかるであろう。
真実は、完璧な答えはないということである。ただトレードオフがあるだけである。あるモデルは説明が簡単である。あるモデルは顧客価値により良く合致する。あるモデルはコストコントロールをより可能にする。いくつかのサービスは、価格設定方法を組み合わせて使用している。それらはすべて長所と短所を持っている。しかし、それらはすべて、この永遠の問いに対する最新の答えを見つけるために使われている。つまり、「顧客は本当に何に対して支払っているのか、そしてそれは彼らが経験する価値と一致しているか？」ということである。
COMPASS Agentic AI価格設定フレームワークを具体化するために、来週はこれら4つのタイプの成果を「帰属可能性」の観点から見ていく予定である。それは、あなたのソリューションが、舞台裏で物事を円滑に進めるエグゼクティブアシスタント（拡散的）、成果に意味のある貢献をするが、結果を出すためには他者に依存するマーケティングキャンペーンマネージャー（中程度）、あるいは、獲得・成約した取引が直接追跡・評価される営業担当者（強い）のどれに近いかを決めるプロセスに似ている。
もしあなたが自身のAIサービスの価格に見合う価値を証明するのに苦労したことがあるなら、これはそのための青写真を与えてくれるであろう。