AI Agent 的能力正快速演进，其商业模式也亟待重构。

Outreach 创始人、现 Paid.ai CEO Manny Medina 在与红杉的对谈中指出，传统的SaaS定价已不适用，AI Agent 的未来在于深度聚焦垂直领域，其最佳落地场景是替代BPO（业务流程外包），并通过一套全新的、逐步成熟的定价模式，最终实现按“替代人力”或“业务成果”来收费。

1. 商业模式首选垂直深耕，专注解决具体问题创造巨大价值

Manny 认为，当前AI应用正处于“垂直为王”的阶段。成功的关键不是追求通用性，而是像刺猬一样，专注于一个非常具体、人力密集且缺乏优秀软件解决方案的问题，并深挖下去。

他列举了多家成功的初创公司，如Quandri（保险保单续签）、Happy Robot（货运经纪人外呼）和Expo（自动化渗透测试）。这些公司的共同点是，都在一个看似小众但处理量巨大的垂直领域，提供了不可或缺的解决方案。

与其追求宽泛的场景（如AI SDR）导致定义混乱，不如在一个狭窄但富裕的市场中占据绝对主导地位。成功的关键不在于市场有多大，而在于是否完全吃下了某个垂直领域。

2. AI Agent最佳落地场景是BPO，而非高薪岗位

Manny 反对“AI会首先从律师、医生等高薪岗位入手”的普遍观点，他认为真正的机会在于替代那些没人愿意做、且正在消失的劳动力市场。

高薪岗位竞争激烈，且从业者对新工具易产生“尝鲜后放弃”的态度。而保险理赔、BPO电话客服等岗位，天然存在招聘难、流动性大的痛点。

AI Agent在此处的替代是刚需，客户粘性强，且有清晰的价值衡量标准——价格上限是原有的人力成本。

对于高薪创造性岗位，“Copilot”（辅助驾驶）模式更优；而对于低薪、重复性高的岗位，完全由Agent替代的“Autopilot”（自动驾驶）模式效率更高。

3. Agent定价存在成熟度曲线，最终应按“替代人力”或“成果”定价

Manny 总结了四种逐步成熟的定价方式，并建议创业者必须沿着这条曲线向上走，以避免陷入低价竞争。

定价成熟度曲线：

1️⃣ 按行动计费（By Activity）： 最基础，如按token或API调用次数计费。简单但极易陷入价格战。

2️⃣ 按工作流计费（By Workflow）： 将一系列行动打包成流程（如“文档审阅”）定价，开始进入价值定价的对话。

3️⃣ 按结果计费（By Outcome）： 关键的进化。建议初期采用“结果奖金”机制（即在工作流费用之上，对高质量成果收取额外费用），以此与客户对齐价值，并催生难以被替换的定制化合同。

4️⃣ 按Agent计费（By Agent）： 最成熟的模式。将产品定位为“人力替代”，例如部署一个“AI SDR”，其成本仅为同等效率人类SDR的一小部分（如2万美元/年 vs 9万美元/年）。这种模式能直接获取远大于软件预算的人力资源预算。

4. Token成本短期内不会下降，单位经济模型是“黑箱”

Manny 对“Token成本会持续下降”的观点提出异议。他认为，随着模型为实现更强推理能力而变得更复杂，总Token成本在中短期内反而可能上涨。

更严重的问题： Agent的成本不仅是LLM调用，还包括大量外围API、数据服务等。这导致了当前Agent公司最大的运营困境：单位经济模型（Unit Economics）完全是一个“黑箱”。

企业能看到一笔模糊的总成本，却无法分辨哪个客户在盈利、哪个在亏损，使得成本优化极其困难。

为解决此问题，需要新的商业引擎（如Paid.ai）来帮助企业估算任务的“人类等效价值”，以此为基础进行合理定价，避免将所有利润都让给客户。

5. AI创业者应专注服务小用户群，忽略VC对“大市场”的执着

Manny 从自身创业经历出发，给出了一个核心建议：专注服务一小群用户，忽略TAM（潜在市场总量）有多大。

一个“小市场”也能成为“大机会”，前提是你能为这个高度聚焦的理想客户画像（ICP）提供卓越且不可替代的体验。

新一代的创始人正变得更成熟，他们更注重保持团队精简、先锁定适配市场，再考虑扩展，而不是像过去一样盲目追求服务所有类型的客户。

6. Paid.ai的使命：成为AI公司的商业引擎，为“卖成果”提供底层支持

Manny 创立Paid.ai的动机，源于他发现在AI Agent时代，企业交付的是“成果”而非“软件”，但现有的商业底层（如计费、营收管理系统）都是为“卖软件”设计的。

Paid.ai的定位： 成为AI公司的商业引擎。它提供一个统一的后端运营平台，帮助AI公司搭建从定价、计费、营收确认到毛利管理、供应商管理的全流程，让企业能真正理解并运营“卖成果”的商业模式。

原文：海外独角兽《为什么 AI Agent 需要新的商业模式？》