夜雨聆风如果 AI 能替代一部分人工，继续按“每个员工、每个席位”收费就会出现一个矛盾：产品做得越好，客户需要购买的人工席位反而越少。
所以 AI Agent 厂商正在寻找新的收费单位。最常见的答案是“按结果收费”。这听起来很合理：没有完成工作，就不付钱；完成了，再按价值结算。
但真正困难的问题并不是单价，而是三个定义：什么算完成，谁来判断完成，以及一次结果应该归因给 AI、工作流还是人工。
截至 2026 年 8 月 21 日，Intercom、Salesforce 和 Zendesk 给出了三种不同答案。把它们放在一起看，会发现 AI Agent 的下一道壁垒可能不是模型，而是“计量并证明价值”的能力。
一、Intercom：从席位费叠加结果费，到让结果本身成为产品
Intercom 当前仍保留 SaaS 的席位层级：Essential、Advanced、Expert 的年付价格分别是每席位每月 29、85、132 美元。同时，三个套餐都可以使用 Fin AI Agent，并按每个 Fin outcome 0.99 美元收费。
如果客户已有其他 helpdesk，也可以单独购买 Fin：不需要 Intercom 席位，但存在最低月度结果承诺，官网给出的示例是 50 个 outcomes。
表面上看，0.99 美元一个结果非常透明。但继续打开 Fin 的计费说明，会发现“结果”并不等于一个简单的客服问题被彻底解决。
当前可计费项目包括：
Resolution：客户确认问题解决，或者 AI 最后一次回答后没有继续求助； Procedure handoff：Fin 成功执行一个流程，并把对话交给人工或其他工作流； Disqualification：销售场景中，Fin 判断潜客不符合条件； Qualification：Fin 判断潜客符合条件并完成路由，单价为 9.99 美元。
前三类通常按 0.99 美元计费，Qualification 则是 9.99 美元。一次对话最多计一次结果，即使其中回答了多个问题或执行了多个步骤。
这里最值得研究的并不是 0.99 美元，而是 Intercom 已经把“如何定义、记录和查询结果”做成了产品能力。客户可以查看具体哪些对话产生了收费结果，也可以设置提醒和硬性用量上限。
这意味着收费墙已经进入工作流内部：产品不只需要回答问题，还要判断一次对话属于解决、放弃、升级、转交、合格还是不合格。
二、Salesforce：没有押注一个收费单位，而是同时出售四种风险结构
Salesforce Agentforce 当前提供的不是单一“结果价格”，而是一组可选择的计费结构：
Flex Credits：每 10 万 credits 500 美元；普通 Agentforce action 消耗 20 credits，相当于约 0.10 美元一次动作； Conversations：每次对话 2 美元； Agentforce add-on：每位用户每月 125 美元，面向员工使用并包含不计量的 Agentforce 使用； Agentforce 1 Editions：每位用户每月 550 美元起，并包含组织级年度 credits。
Salesforce 官网给出的订单查询示例需要两个动作：验证客户身份、读取订单信息。两个动作共 40 credits，即 0.20 美元。每天 20 次、连续 30 天，示例月成本为 120 美元。
它说明了一个关键差异：Salesforce 的“价值单位”不是最终解决，而是 action。一次业务结果需要多少动作，成本就随路径长度变化。
这会把不同风险分给买卖双方：
按结果收费时，AI 多尝试几次仍只收一次，执行失败的成本更多由厂商承担； 按动作收费时，客户为执行路径付费，复杂流程和重复调用带来的波动更多由客户承担； 按对话收费时，预算更容易预测，但简单问题和复杂任务会被压成同一个单位； 按席位收费时，采购最熟悉，但价值仍然与员工人数绑定。
Salesforce 允许企业在这些结构之间选择，本身就是一种企业销售策略：它不是先证明哪种计费哲学最正确，而是降低客户因预算制度不同而无法采购的概率。
三、Zendesk：当另一个 AI 模型开始决定这笔钱该不该收
Zendesk 在 2026 年 5 月 18 日引入了新的 automated resolution tiers，把 AI Agent 的处理结果分为三层：
Assisted escalation：AI 做过信息收集、身份验证或路由，但最终由人工完成，不消耗 resolution allowance； Contained resolution：客户没有继续追问，但独立验证没有确认问题确实解决，也不消耗 allowance； Verified resolution：AI 完整处理，客户没有继续求助，并在 72 小时后通过 LLM 对话验证，才被认定为可收费结果。
这里出现了一个非常重要的产品角色：Billing Judge。
过去 SaaS 的计量通常比较机械，例如登录了多少席位、调用了多少次 API、存储了多少 GB。现在，Zendesk 需要让另一个模型阅读对话，判断客户的问题到底有没有被妥善解决，再决定这次交互是否进入账单。
一旦采用这种模式，评测系统就不再只是内部质量工具，而会直接影响收入、客户成本和合同争议。评测口径、模型一致性、审计日志、复核与申诉机制，都开始变成收费产品的一部分。
四、三种收费模式真正出售的是不同的风险分配
因此，“按结果收费”并不天然代表厂商更有信心。关键在于合同里的结果是否接近客户真正关心的业务价值。
一次对话没有继续追问，可能是问题解决，也可能是客户放弃；一次成功转交可能节省了人工步骤，也可能只是把成本推迟；一次订单查询完成，不等于客户满意，更不等于续费或留存。
收费单位越接近最终价值，厂商承担的外部变量越多；收费单位越接近动作和调用，账单越容易验证，但客户越可能认为自己仍在为过程付钱。
五、真实部署说明：速度、自动化率和客户体验不能互相替代
厂商定价页面告诉我们它们希望如何收费，但无法单独证明这种收费模式会带来更好的客户结果。两个 2026 年的生产研究提供了更有价值的反证。
Nubank 团队公开了面向 1 亿以上用户的客服 AI Agent 评测框架。在银行卡配送场景的大规模 A/B 测试中，新方案相对旧 Agent 版本让 AI 交易型 NPS 提高 37 个百分点，自助解决率提高 29 个百分点。研究同时指出，最终 AI tNPS 仍比专家人工低约 10 个百分点；在更困难的债务管理场景，差距更大。
它真正支持的结论不是“AI 已经替代人工”，而是：只有把离线评测、人工标注、上下文工程、线上 A/B 测试和持续迭代连接起来，自动化率才可能与客户满意度同时改善。
阿里巴巴客服现场实验则显示了另一面。生成式 AI 助手缩短了问题识别时间和聊天时长，也改善了主观评分和不满意率，但对客户再次求助这一客观指标没有显著影响；顶尖客服人员使用 AI 后，部分主观和客观质量反而下降。
另一项淘宝 Agentic AI 随机实验发现，AI 降低了平均聊天时长，却显著降低了 AI 适用对话的评分。技术性升级给人工后较容易挽救，客户已经产生挫败或不满时，人工接手的效果更弱；越早介入越重要。
这些结果共同说明：平均处理时长、自动化率、客户评分、重复求助和最终解决是不同指标。把其中任何一个直接命名为 outcome，都会影响产品优化方向，也可能诱发团队只优化账单指标。
六、对中国 AI/SaaS 出海团队的四个动作
第一，不要从单价开始设计结果收费，先从“结果词典”开始。
为每一个可收费结果写清楚进入条件、排除条件、观察窗口、重复联系规则、人工介入规则和退款条件。结果词典不稳定时，贸然按结果收费只会制造账单争议。
第二，把计费评测与产品评测分开。
生成答案的模型不能既当运动员又当裁判。至少需要可复核的对话记录、独立评测、人工抽检和客户申诉入口。对于高价值场景，还应报告评测模型与人工判断的一致性。
第三，在早期采用“基础费＋窄口径用量”，不要直接承诺宽泛业务结果。
一个更稳妥的路径是：先在 shadow mode 中建立基线；再对清晰的动作或窄口径结果收费；等归因、复核和成本护栏成熟后，才扩展到更接近业务价值的结果。
第四，把收费口径做成销售材料，而不只是财务条款。
一张好的 battlecard 应该回答：客户沉默是否算解决？多意图对话如何计费？人工接手是否收费？重复联系是否冲销？未使用额度能否结转？客户能否查看并申诉具体账单？
这些问题会直接暴露竞争对手把风险留给谁，也会帮助你的销售团队解释为什么自己的单价更高或更低。
结论
传统 SaaS 的收费墙主要管理权限：谁能登录、使用哪些功能、拥有多少席位。
AI Agent 的收费墙开始管理判断：什么叫完成、谁验证完成、失败由谁买单。
当模型能力逐渐扩散，能够积累的壁垒会向五个地方迁移：结果词典、业务上下文、执行工作流、评测系统和可审计账单。
对于出海团队，真正重要的不是尽快把价格页改成“按结果收费”，而是先获得定义结果并让客户信服的能力。谁掌握计量权，谁才可能掌握下一代 AI SaaS 的定价权。
如果你正在设计 AI Agent 的海外定价，回复“计费口径”。我会把 Intercom、Salesforce、Zendesk 的一页对照矩阵和结果收费检查清单发给你。
创作说明：研究问题、证据筛选、事实核验和最终判断由作者完成；AI 用于资料归集、结构整理和初稿辅助。平台要求二选一时，选择“内容由 AI 生成”。
核心来源
Intercom 当前定价：https://www.intercom.com/pricing Intercom Fin outcomes 定义：https://www.intercom.com/help/en/articles/8205718-fin-ai-agent-outcomes Salesforce Agentforce 定价：https://www.salesforce.com/agentforce/pricing/ Zendesk automated resolution tiers：https://support.zendesk.com/hc/en-us/articles/9570369117338-About-automated-resolution-tiers Zendesk 2026 outcome-based pricing 公告：https://www.zendesk.com/newsroom/articles/relate-2026/ Nubank 1 亿用户客服 Agent 评测框架：https://arxiv.org/abs/2606.08867 阿里巴巴客服生成式 AI 现场实验：https://arxiv.org/abs/2603.29888 淘宝 Agentic AI 与人工干预现场实验：https://arxiv.org/abs/2605.14830
