Seat为什么会失灵
红杉在一篇关于AI服务公司的文章中举过一个会计场景。一家公司可能每年花一万美元购买会计软件，同时花十二万美元请会计把账关掉。软件预算只占一小块，客户真正想完成的工作是关账。AI公司若能可靠交付这项工作，面对的预算会从工具费用扩到工作费用。
Copilot和Autopilot由此走向不同的收费方式。Copilot把AI交给专业人员，专业人员继续判断并承担责任。Autopilot直接接下一段边界清晰的工作，客户购买完成结果。两种产品都能成立，收费方式很难完全相同。
结果收费需要先定义结果
Sierra的客服Agent采用结果计价。它完整解决一次客户问题，才形成一次可收费的Resolution；问题升级给人工处理，通常不计入已完成结果。这个做法听起来直观，落地时却要定义完整解决、满意度、人工接手节点和双方对账记录。
因此，产品评测和商业合同会越靠越近。团队在Eval里定义怎样算任务成功，销售合同也可能用同一个Outcome计价。Eval只测回答准确率，客户却按商机、回款或问题解决付钱，产品指标和商业价值仍隔着一段距离。
归因决定谁愿意付钱
中国企业访谈里，张韶峰反复提到增收、降本和归因。访谈里的观点带有个人经验，不能概括所有企业，不过它点出了结果收费最难处理的一环。一次营销活动带来客户，门店认为成交来自现场服务，软件供应商很难证明自己贡献了多少。结果发生了，收入该分给谁，双方未必认同。
结果越靠近收入，归因条件越要提前写清。客服问题是否解决比较容易核验，复杂销售往往同时受到品牌、渠道、价格和销售人员影响。AI可以参与交易，产品团队仍要保留过程记录、对照口径和人工确认。缺少这些东西，结果收费会在结算时变成争论。
成本也要放进同一张账
AI产品每完成一次任务都会产生可变成本。模型推理、搜索工具、第三方数据、语音服务和人工兜底都会花钱。用户增加以后，收入和成本可能一起增长。一个Agent能完成工作，只说明产品能力过关，毛利是否成立还要再算一次。
比较稳妥的路线，是让价值单位逐步向前走。先证明个人生产率，再进入完整Workflow；流程稳定以后，开始验证Outcome；归因、验收和成本都能算清，收费才有条件靠近结果。每一步都需要真实业务记录，少一步，商业模型就容易悬空。
判断一个AI产品能否商业化，我会问四个问题。它替代或减少了哪一笔支出，客户拿到了什么可验证结果，完成一次结果需要多少真实成本，模型继续变强以后，这套业务能力会不会跟着变强。四个问题能答清，产品已经离商业化很近了。