你的 Agent 在哪一层，决定了你能按什么收钱
先摆一个分层，再看钱怎么进账。
| 层级 | 人的角色 | 代表产品 | 常见计费单位 |
|---|---|---|---|
| L0 补全 | 人写，机器接着猜下一行 | GitHub Copilot 行内补全 | 席位（个人版公开价 $10/月，Business $19，Enterprise $39） |
| L1 助手 | 人给任务，机器给草稿，人贴回业务系统 | Microsoft 365 Copilot（公开定价 $30/用户/月） | 席位 |
| L2 任务 Agent | 人给目标，机器自己读文件、调工具、跑多步，人只在交付前审一次 | Cursor 的 Agent 模式、Claude Code、Cognition 的 Devin | 席位 + 用量 |
| L3 流程 Autopilot | 人只在异常时被叫醒 | Intercom Fin、Sierra、Decagon 一类客服 Agent | 按结果 |
这个分层为什么和收入挂钩？L0 和 L1 的产出混在人的工作流里，很难单独结算——你说这份周报里有三成是 Copilot 写的，财务没法核。L3 不一样，工单系统里每条对话都有编号和状态，解决没解决机器能判，因此可以按条收费。收费单位越往下，越容易从“人头”换成“事件”。
不确定自己在哪层，用这个流程过一遍：
订阅、按结果、按用量，三本账
| 计费方式 | 代表 | 计费单位 | 客户为什么签 | 供应商的坑 |
|---|---|---|---|---|
| 席位订阅 | Microsoft 365 Copilot、GitHub Copilot | 人头 × 月 | 预算可预测，走 IT 采购流程 | 客户实际用得少，续约时砍席位 |
| 按结果 | Intercom Fin（早期公开定价为每次成功解决 $0.99）、Sierra 等 | 解决的工单 / 对话 | 只为有效果的部分付钱 | “结果”定义一旦模糊，客户会抠口径 |
| 按用量 / API | OpenAI、Anthropic 的 token 计费 | token 或调用次数 | 无最低消费，弹性大 | 客户会压上下文长度，推理成本吃掉毛利 |
按结果计费听着最合理，落地最麻烦。Fin 那套模式能成立，前提是 Intercom 自己管着客服后台，知道哪条对话最后被用户确认解决了。换一家不掌握工单系统的公司来做按结果收费，缺少可信的判定来源，客户不认账，最后还是要退回按席位卖。
四个行业，四种买单逻辑
客服：跑得最早，因为系统本来就在记结果。 工单有“已解决 / 未解决”的状态字段，这是天然的结算依据。眼下这批产品的问题不在获客，在成本结构：简单工单被 Agent 分流之后，转人工的都是硬骨头，人工兜底率压不下来，按结果收费的毛利就很薄。Klarna 在 2024 年公开过 AI 客服处理 230 万次对话、相当于 700 名全职坐席的工作量；之后公司又表示要重新招回一部分人工坐席，理由是复杂场景的质量。两件事放在一起看，比单看任何一件都更能说明 L3 的边界在哪。
电商：钱挂在转化和售后成本上。 售前导购类 Agent 的计费开始往 GMV 或下单转化上靠，因为商家能算出增量；售后类还是按工单量走。做 Shopify 生态的服务商有天然优势——订单、物流、退款数据都在同一个后台，Agent 判定“这次处理对不对”不用额外对接。
法律：席位卖得动，自动执行卡住。 律所愿意为节省律师时间付钱，因为律师小时费率摆在那。Harvey 这类产品按席位收，客户是律所和法务团队。拦在前面的是执业规则：合同审出问题，谁签字谁负责。所以多数法律 Agent 停在 L1 或 L2，输出必须由人复核。
金融：合规要求每一步可审计。 KYC、反洗钱、对账、投研摘要，这些场景需要留痕——Agent 调的哪个数据源、依据哪条规则、谁批准的。因为要留痕，产品很难做到完全无人，收费方式多是席位加审阅量的混合。金融客户预算比客服客户大，但采购周期长，POC 阶段动辄三到六个月。
三家都能做出 Demo，为什么只有一家能续约
模型能力这两年拉平得很快。同一个基座换一家，效果差异常常小于 10 个百分点，不足以解释续约率的差距。后来者被卡住的地方主要在三处。
分发入口。 客户每天必开的界面是 Teams、Slack、Salesforce、Shopify 后台。Agent 出现在这些界面里，使用率是靠位置拿的，不是靠推广。独立 App 的激活成本高出好几倍，客户开第二个标签页的耐心也很有限。
工作流穿透。 Agent 的输出要能直接写进下游系统，走完审批链，留下操作日志。只输出一段文字让人复制粘贴的产品，价值天花板就是“打字快一点”。做到能写库、能提工单、能触发付款，替换成本才会明显上升——采购会算：换掉你要重新对接几套系统、培训几批人。
结果反馈。 按结果收费的前提是知道结果。历史数据里如果只有输入文本、没有“这次做对了没有”的标签，模型没有收敛信号，定价也没有依据。垂直领域常见的问题不是数据量不够，是缺少结果标注和回写权限。
拿这四条自查一遍：
- 客户要换掉你，需要改几个系统的对接？
- 你手里的数据是“用户问过什么”，还是“什么答案被确认有效”？
- 产品出现在客户每天必开的哪个界面里？
- 单次任务的推理成本，占你收费的几分之一？
未来 12 个月的四个判断
只做壳的公司先掉队。 套一层 API 做通用助手，没有垂直数据、没有分发入口的团队，2026 年内续约会集中出问题。观察点放在净收入留存，掉到 90% 以下就该警惕。
按结果计费会变成主流条款，但会加保底。 纯按结果对供应商现金流不友好，客户业务量一波动就直接打到收入上。底价加超额按量的混合写法会成为默认。
席位制会退到辅助层。 不会被取消，但采购方的谈判重点会从“每人一份”转向“部门共享池 + 实际活跃用户计费”。按人头买、实际只有两成人用的合同，2026 年会集中重谈。
接管整个岗位的产品会撞上责任墙。 金融和法律最明显。出事谁负责这个问题没有明确答案之前，Autopilot 会稳定停在 L2，很难再往上冲。
看完可以立刻做一件事：挑一个你团队里重复度最高的任务，记三个数——一周触发多少次、每次人工花多少分钟、判对错的依据写在哪。第三个数写不出来，就别急着谈按结果收费，先去补判定规则。
文中产品定价来自各厂商官网与公开报道，2026 年的具体档位可能已有调整，签约前请核对官网。本文不构成投资建议。