AI代理商定價：代理即經常性收入

典型的AI代理商銷售項目。客戶需要聊天機器人——您確定範圍、構建、部署、開具8,000至15,000美元的發票，然後繼續進行下一個項目。也許您附加了每月300美元的維護固定費用。也許六個月後機器人開始給出錯誤答案時客戶會給您打電話。也許不會。

這是穿著代理商外衣的自由職業模式。它創造了盛衰交替的收入週期、持續關閉新交易的壓力，以及隨時間零複利價值。您在第12個月的收入與第1個月的收入沒有結構性關係。

領先的代理商已找到不同的模式：他們銷售AI代理，而非AI項目。代理是一個需要照料、培養和改善的活系統。它按設計而非偶然產生經常性收入。

為什麼AI代理創造自然的經常性收入

AI代理不是靜態部署。它是一個與不斷變化的數據、不斷演變的業務流程和不斷變化的用戶期望互動的系統。這創造了客戶願意為之付費的合法持續工作：

數據漂移。 客戶的產品、政策和客戶群持續變化。用1月份數據訓練的代理到6月份會給出越來越錯誤的答案。再訓練不是可選的——它是維護。

性能優化。 實際使用揭示了開發期間看不到的邊緣案例、失敗模式和機會。部署的代理生成數據，使下一個版本更好。忽略這些數據就是浪費。

範圍擴展。 看到其支持代理處理40%工單的客戶希望它處理60%。然後他們想要一個銷售資格認定代理。然後是內部知識庫代理。每次擴展都是自然的追加銷售。

合規和監控。 受監管的行業（醫療保健、金融、法律）需要持續監控、審計日誌和定期審查。這不是無用功——這是真實的要求。

這些都不是人為的鎖定。這是生產AI系統的自然生命週期。問題是您是否預先定價，還是事後作為臨時工作來追逐。

三層定價模式

以下是將一次性構建轉化為每客戶每月2,000至10,000美元經常性收入的定價結構。

第一層：聚焦代理，每月500-1,000美元

客戶獲得的：

• 單用途AI代理（支持機器人、文件分類器、潛在客戶評分器等）
• 標準微調模型（非自定義——在其行業相關的精選數據集上訓練）
• 帶有關鍵指標的月度性能報告（準確率、解決率、處理量）
• 電子郵件支持，48小時響應時間
• 月度模型質量審查（您抽樣50-100個生產互動並標記問題）

您交付的：

• 每月2-4小時的監控和報告
• 根據需要進行小幅提示和系統提示調整
• 每季度一次在更新數據上的再訓練週期

您的利潤計算：

• 收入：每月750美元（中間值）
• 基礎設施：每個客戶約6美元/月邊際成本
• 人力：3小時 × 每小時40美元內部 = 120美元
• 毛利潤：每月624美元（83%利潤率）

這一層是入口點。從第一天就有利可圖，需要最少的持續工作。目標是展示價值，讓客戶在6-12個月內升級到第二層。

第二層：自定義代理，每月2,000-5,000美元

客戶獲得的：

• 多代理工作流程（例如，支持分診→回覆生成→升級路由）
• 在客戶自己的數據上訓練的自定義微調模型（支持工單、銷售電話、內部文件）
• 基於生產性能數據的每週優化
• Slack/Teams支持，當天響應
• 審查指標和規劃改善的月度策略電話
• 每個客戶維護的專用LoRA適配器

您交付的：

• 每月6-10小時的主動優化
• 每兩週一次的質量抽樣和漂移檢測
• 在新客戶數據上的月度再訓練週期
• 整合維護（API端點、webhooks、CRM連接）

您的利潤計算：

• 收入：每月3,500美元（中間值）
• 基礎設施：約10美元/月邊際成本（多代理稍多計算）
• 人力：8小時 × 每小時50美元 = 400美元
• 毛利潤：每月3,090美元（88%利潤率）

這是最佳點。第二層每個客戶3,500美元/月，88%毛利潤意味著在第二層有10個客戶的代理商每月產生35,000美元收入，毛利潤30,900美元。這足以輕鬆資助3-4人的團隊。

第三層：企業代理，每月5,000-10,000美元

客戶獲得的：

• 跨業務功能的多個微調模型（支持、銷售、運營、合規）
• 帶有正常運行時間保證（99.5%以上）和響應時間承諾的SLA
• 本地或私有雲部署選項
• 每週優化和按需再訓練
• 專屬客戶經理（這是您或高級團隊成員）
• 自定義報告儀表板
• 與利益相關者的季度業務審查

您交付的：

• 每月15-20小時的實際工作
• 每個客戶管理的多個LoRA適配器
• 基礎設施管理（如果是本地）
• 面向管理層的報告和戰略建議
• 積極識別客戶組織內的新代理機會

您的利潤計算：

• 收入：每月7,500美元（中間值）
• 基礎設施：約40美元/月（專用資源，可能攤銷本地硬體）
• 人力：18小時 × 每小時60美元 = 1,080美元
• 毛利潤：每月6,380美元（85%利潤率）

第三層客戶接觸密集但高價值。兩到三個第三層客戶每月產生15,000至22,500美元，足以證明有一名專門的團隊成員。

設置費用錨點

每個層級都以一次性設置費用開始，涵蓋初始構建、數據準備、微調和部署。這與月度固定費用是分開的。

設置費用服務三個目的：

1. 它篩選客戶。 願意預付5,000美元以上的人對項目是認真的。這過濾掉想要500美元聊天機器人的觀望者。
2. 它覆蓋您的實際成本。 數據清理和微調需要時間。設置費用確保您在固定費用開始之前是有利可圖的。
3. 它錨定價值。 5,000美元的設置費用使每月2,000美元的固定費用感覺合理。客戶已經投資並希望保護該投資。

如何推銷經常性而非一次性

最常見的異議是：「為什麼我不能只是付錢讓您構建，然後自己運行？」

以下是誠實的答案，它也是推銷詞：

「您的AI代理從您的數據中學習。每個月，我們在新的客戶互動、更新的產品信息和在生產中遇到的邊緣案例上再訓練它。您在3月擁有的代理比您在1月擁有的代理明顯更好。如果您停止再訓練週期，模型會在那個時間點凍結，而您的業務繼續發展。在6-12個月內，您會看到準確率下降和客戶投訴增加。我們處理持續改善，這樣您就不必花18萬美元/年在內部聘請ML工程師來自己做。」

這個推銷詞有效是因為它是真實的。沒有維護的微調模型確實會退化。您不是在製造依賴——您是在描述技術實際如何工作。

成交的數字

在推銷第二層（每月3,500美元）時，與替代方案比較：

• 內部聘用： ML工程師（18萬美元/年 = 每月15,000美元）+ 基礎設施（每月500至2,000美元）+ 管理開銷。總計：每月16,000至17,000美元，只有一個可能離職的人。
• 使用原始API呼叫： 通用模型每月300至800美元的API成本，不改善且不了解客戶的業務。加上每月2,000至5,000美元的開發人員時間來維護整合和處理邊緣案例。
• 您的服務： 每月3,500美元，用於每月改善的自定義模型，沒有聘用風險，沒有基礎設施管理。

在每個價格點上，價值主張都很清晰。

通過持續改善防止流失

降低流失率的最大槓桿是讓代理每個月都可衡量地更好。以下是節奏：

每月： 抽樣100個生產互動。根據質量標準（準確率、語氣、完整性）對其評分。識別最低10%並找出失敗的根本原因。調整提示或標記再訓練。

每季度： 將90天的新生產數據添加到訓練集中的完整再訓練週期。對照先前版本運行評估基準。向客戶呈現改善：「您的代理這個季度的準確率從87%上升到91%。」

每半年： 戰略審查。客戶已識別了哪些新使用案例？是否有相鄰工作流程可以受益於第二個代理？當前層級是否仍然合適，還是應該升級？

這個節奏創造了一條複利質量曲線。每個季度，模型變得更好。每次改善使客戶更依賴服務。不是因為您在困住他們，而是因為您在提供真實的、可衡量的價值。

到第12個月，第二層客戶擁有在其12個月生產數據上訓練的模型。換到競爭對手意味著從頭重新開始訓練。轉換成本是真實的且是賺取的，而非人為的。

收入預測：規模化後的樣子

以下是在各種規模下運行此模式的代理商的樣子：

這些數字假設每個層級的中間定價。獨立運營者模式在6-12個月的集中銷售工作內可實現。小型代理商模式是大多數2-3人團隊穩定的地方。成長模式需要專門的銷售和客戶管理。

重要指標不是收入——而是毛利潤。在所有層級85-90%的毛利潤下，每月31,500美元的代理商每月產生26,775至28,350美元的毛利潤。這是真實的運營槓桿。

入門：您的第一個經常性客戶

如果您目前正在銷售AI項目，以下是過渡：

1. 選擇您的下一個客戶項目。 在確定項目範圍時，從第一天就將固定費用納入提案。不要試圖在交付後進行追加銷售。
2. 將設置和固定費用作為套餐定價。 「構建費用是5,000美元。持續管理、再訓練和優化是每月2,000美元。我們建議初始6個月承諾。」
3. 在第一個月交付出色的結果。 前30天為整個關係定下基調。過度投資質量。
4. 在第二個月展示改善。 呈現具體指標：處理的對話、準確率、解決的邊緣案例。讓價值無可否認。
5. 在第四個月提出範圍擴展。 一旦第一個代理運行良好，識別下一個使用案例。

最難的部分是從項目收入到經常性收入的思維轉變。您的月度數字一開始看起來會更小，因為您沒有記錄大型項目費用。但到第6個月，留存客戶的複利效應使計算無可辯駁。

---

延伸閱讀

• 為AI服務構建固定費用模式：從基於項目轉向基於固定費用的代理商收入的運營操作手冊。
• 微調一次，按月收費：產品化AI服務模式：如何將微調構建為持續服務而非一次性項目。
• 微調一次，按月收費：產品化AI服務模式：產品化微調的詳細服務模式和定價。