AI驱动的SaaS定价变革，CIO必知的应对之道

从2025年6月1日起，GitHub正式调整了其高级请求模型的定价方式，由原来的固定收费模式转向基于Token使用量计费，涵盖"输入、输出及缓存Token"，并参照各模型公开发布的API费率执行。Zendesk和Workday也相继对自身定价结构进行了调整，以配合AI功能的持续扩展。

RSM科技、媒体与电信行业高级分析师Marko Markov表示："很多人将AI视为一次技术升级，但它绝不仅仅是技术升级，而是SaaS公司运营模式的根本性转变。"

过去，SaaS厂商普遍采用按用户数收费的模式，如今正逐步转向全部或部分按使用量计费。Revenera的一份报告显示，超过半数的科技高管预计，到2027年基于使用量的营收规模将进一步扩大。

West Monroe软件行业主管Dhaval Moogimane指出，如果AI技术的主要用途是流程自动化，那么按用户数订阅的收费方式对AI公司而言可能已不再适用。以客服领域的软件供应商为例，随着自动化程度提升，人工客服数量将逐渐减少。这些厂商必须"寻找新的计费指标，通常会转向按消费量或按结果收费的模式"。

对于企业技术负责人而言，定价结构的更新意味着必须重新审视既有策略。

World Insurance Associates首席信息官Michael Corrigan表示，过去三到六个月间，供应商的AI定价模式变化"非常迅速"。"我们大量依赖SaaS系统，过去习惯于根据公司人员增长按座位数付费。"他说，目前许多合作供应商正在转向座位授权与按消费量计费相结合的混合定价模式。固定座位费用便于规划，但Token消耗量的预测则并非如此。

"我们需要采取与以往不同的方式，先建立基准和预测模型，"他说，再与供应商合作，"充分摸清预期成本的构成。"

Corrigan也指出，尽管嵌入SaaS中的AI费用可能有所上升，但这些工具正在"为你和你的员工节省时间，或让工作流程更高效、更稳定"。

Markov认为，此次定价模式调整标志着一个过渡时期的到来。CIO需要掌握自身所需的Token用量，对于那些突然收到高额账单或Token很快用尽的企业来说尤为迫切。"他们将能够更准确地预测Token用量和相应成本。"

Markov还表示，掌握使用情况将有助于CIO根据业务淡旺季灵活调整软件支出，而非按年支付固定的人头授权费用。"如果你的连锁酒店在夏季消耗更多Token，你可以提前做好预算规划，并在相对淡季的冬季控制Token用量。"

Corrigan预计，通过预测分析，IT部门能够更清晰地了解不同场景下的成本构成，进而掌握员工在全公司范围内消耗Token的实际情况。"我们目前正在努力摸清这些情况，这是个动态变化的目标。"

这一定价变革不仅影响日常业务运营，还可能对企业创新活动产生冲击，给CIO带来流程和财务上的双重压力。

对于拥有内部开发团队、正在推进AI驱动试点项目的企业而言，可能需要重新审视实验性开发的思路。ISG董事兼首席研究员Alex Bakker表示："AI的落地应用本质上是一个研发过程。"其中有些探索未必能产生成果，这可能会让AI Token的投入看起来像是一种浪费。但一旦有所突破，就可能带来显著收益。"如果你能接受部分研究没有产出的现实，你就会处于更有利的位置。"

对于不愿承担这类风险的企业，最稳妥的做法是采用内置AI功能的商业化产品。

Bakker指出，CIO仍在不断校准对AI能力及其成本的预期。如果有人使用免费版ChatGPT发现它处理基础任务效果不错，可能会期待企业内部的AI工具同样轻松完成复杂任务，且几乎不需要额外费用。"这种超预期的体验，可能催生出一些非理性的过高期望，"他说，"如果你带着低预期进入，就有惊喜的空间；但如果你满怀高期望，觉得AI既能攻克疑难病症，又能顺手处理应付账款，那它确实做不到。"

Q&A

Q1：SaaS厂商为什么要从按用户数收费转向按Token使用量计费？

A：传统的按用户数订阅模式是基于"每个员工都需要使用软件"的逻辑，但当AI可以自动处理大量任务时，实际使用人数可能大幅减少，厂商因此无法按原有方式衡量价值。以客服软件为例，AI会减少人工客服数量，厂商若继续按人头收费，收入将持续下滑。因此，转向按Token消耗或按业务成果计费，成为更符合AI时代商业逻辑的定价方式，也更能反映客户实际获得的价值。

Q2：CIO应该如何应对SaaS的Token消耗计费模式？

A：CIO首先需要建立Token使用量的基准线和预测模型，摸清不同业务场景下的消耗规律。其次，可以结合业务淡旺季灵活调整预算，而非按年支付固定费用。与此同时，需要与供应商充分沟通，提前明确预期成本构成。此外，还应在全公司范围内监控Token消耗情况，帮助IT部门和各业务部门合理规划AI使用，避免超支或资源浪费。整体而言，这是一个动态调整的过程，需要持续跟踪和优化。

Q3：企业在推进AI试点项目时，如何平衡Token成本与创新投入？

A：AI落地本质上是一个研发过程，并非每个试点项目都能产生明确成果。对于能接受一定不确定性的企业，应将部分Token支出视为研发投入，以长期收益来衡量整体价值。对于风险承受能力较低的企业，建议优先采用已内置AI功能的成熟商业产品，降低试错成本。无论哪种方式，关键是建立合理的预期——AI能大幅提升特定任务的效率，但并非万能，需结合实际业务场景来评估其真正的价值与投入回报比。