aiの価格設定

a16zのパートナーであるSarah Wangは最近、AIアプリケーションレイヤーの製品はモデルレイヤーのトークン価格を模倣すべきではなく、「認識可能な作業単位」に基づいて価格を設定すべきだと指摘しました。この記事では、トークン価格設定がアプリケーション製品の価値をコストが継続的に低下する単位に固定し、顧客がコンテキストの長さ、検索量、推論時間を予測しにくく、アプリケーションと元の計算能力を不適切に比較することになると考えています。この記事では、価値の階層に基づいて価格を階層化することを提案しています：モデルレイヤーはトークン価格、アプリケーションレイヤーは顧客が認識できる作業単位（例：アカウント調査レポート、コード修正、完了したクエリ）に基づいて価格設定し、クレジットでパッケージ化できます。帰属可能で価値が明確なシナリオは、結果に基づいて直接価格設定（例：解決済みのカスタマーサポート対話、適格リード）されるべきです。クレジットの設計は、異なる難易度の作業をマッピングし、粗利益を保護し、「作業価値」と「提供コスト」を区別する必要があります。文中ではClayを例に挙げており、その新しい価格設定はデータクレジット（第三者データ）とアクション（オーケストレーション作業）を分離し、コスト変動が大きい推論モデルにはコストの転嫁のみを行い、価格を上乗せしないとしています。著者は、価格設定が価値に基づいているため、顧客が支出と価値を理解しやすく、製品側が利益空間を守るのにも役立つと考えています。