Индустрия программного обеспечения переживает тихую трансформацию в том, как именно клиенты платят за искусственный интеллект. Разработчики все чаще отказываются от простой продажи лицензий на пользователя, добавляя новые метрики. Однако за громкими маркетинговыми терминами вроде «оплата за результат» скрывается прагматичная реальность: большинство вендоров предпочитают продавать фиксированные объемы мощностей, сохраняя предсказуемость своих доходов и минимизируя риски.
Долгое время стандартом SaaS-индустрии была оплата за рабочее место (per-seat). С появлением генеративного ИИ эта модель перестала быть универсальной. ИИ требует значительных вычислительных затрат на каждое действие пользователя, и ценность продукта теперь измеряется не доступом к интерфейсу, а выполненной работой. Тем не менее, около 20% ИИ-ориентированных компаний все еще полагаются на лицензии, часто дополняя их лимитами на использование. Главный вопрос сейчас заключается не в том, уйдет ли старая модель, а в том, как правильно тарифицировать новую ценность, которую генерируют алгоритмы.
Аналитики выделяют три основных подхода к тарификации ИИ. Первый — оплата за усилия (effort-based), когда клиент платит за потребленные ресурсы: токены, вычислительные мощности или часы работы ИИ-агента. Эту модель используют около 35% компаний, преимущественно провайдеры инфраструктуры, так как она создает единую валюту для разных сценариев использования.
Второй — оплата за результат работы (output-based). Здесь тарифицируются созданные сущности: написанные черновики, сгенерированные резюме или обновленные записи в базе данных. Это самый популярный формат, занимающий 55% рынка. Он отлично работает на уровне приложений, где клиенты покупают завершенную задачу.
Третий подход — оплата за бизнес-результат (outcome-based). В этом случае тарификация привязана к финансовой или операционной выгоде, например, к успешно решенному запросу клиента. На эту модель приходится всего 10% рынка.
Ключевое различие между этими подходами кроется в распределении рисков. При оплате за результат работы вендор получает деньги независимо от того, принес ли этот результат реальную пользу бизнесу. При оплате за бизнес-результат риск ложится на разработчика. Именно поэтому последняя модель прижилась только в узких нишах вроде клиентской поддержки (решения от Zendesk, Sierra, Fin), где успешный исход диалога легко измерить, однозначно приписать работе ИИ и зафиксировать в контракте. В других сферах, таких как маркетинг или продуктивность разработчиков, доказать влияние конкретного ИИ-инструмента на итоговую прибыль крайне сложно.
Но самое важное открытие касается механики продаж. Четыре из пяти компаний, внедряющих новые метрики, выбирают модель зарезервированной мощности (capacity). Клиенты покупают определенный объем услуг, и если они его не используют, остаток сгорает без возврата средств (подобные кредиты используют Atlassian и Adobe). Хотя маркетологи часто называют это «оплатой за использование» (usage-based), структурно это возврат к экономике традиционных лицензий, где часть купленных мест простаивала.
Модель мощности выгодна обеим сторонам: вендоры получают гарантированную выручку даже при низком потреблении, а финансовые директора компаний-клиентов — предсказуемый бюджет, который проще согласовать, чем открытый счет с плавающей суммой. В ближайшие годы мы вряд ли увидим массовый переход на чистую оплату за бизнес-результаты из-за сложности оценки таких контрактов. Терминология на рынке продолжит эволюционировать, но базовая экономика останется консервативной. Выбор правильного счетчика тарификации становится фундаментальной стратегией, которая должна балансировать между ценностью для клиента и стабильностью для разработчика.