Мнение: уровень применения AI не должен оцениваться по токенам, он должен быть привязан к "распознаваемой рабочей ценности"

Сообщение ChainCatcher, партнер a16z Сара Ван недавно опубликовала статью, в которой указала, что продукты на уровне приложений ИИ не должны имитировать ценообразование на уровне моделей по токенам, а должны оцениваться по "узнаваемым рабочим единицам". В статье говорится, что ценообразование по токенам привязывает ценность продуктов приложений к единице, стоимость которой постоянно снижается, и клиентам трудно предсказать длину контекста, объем поиска или время вывода, что приводит к неправильному сравнению приложений с исходной вычислительной мощностью.

В статье предлагается устанавливать цены по уровням ценности: на уровне моделей — по токенам; на уровне приложений — по узнаваемым рабочим единицам клиентов (таким как отчеты по исследованию аккаунтов, изменения кода, завершенные запросы), которые могут быть упакованы в Credits; сцены с ясной ценностью и возможностью атрибуции должны оцениваться напрямую по результатам (например, решенные диалоги с клиентами, квалифицированные лиды). Дизайн Credits должен отражать различия в сложности работы, чтобы защитить валовую прибыль и различать "ценность работы" и "стоимость доставки". В статье приводится пример Clay, где новое ценообразование разделяет Data Credits (данные третьих лиц) и Actions (координация работы), и для моделей вывода с высокой волатильностью стоимости применяется только передача стоимости без наценки. Автор считает, что ценообразование, основанное на ценности, а не на стоимости вычислительной мощности, позволяет клиентам понять связь между затратами и ценностью, а также помогает производителям продуктов сохранить прибыль.