AI 如何重塑 UCaaS 和 CCaaS 的定价模式

过去十年，统一通信即服务 (UCaaS) 和通信即服务 (CCaaS) 的定价一直在朝着简化的方向发展。

购买席位，选择套餐级别，然后根据需要添加电话号码、通话时长、存储空间、员工互动、合规性、分析或高级支持服务。虽然具体细节远没有销售演示那么简单，但至少这种模式并不陌生。企业可以根据用户数量、客服人员数量、使用模式以及预期业务增长来预测成本。

AI 正在改变这一切。

并非因为 AI 只是添加到现有功能包中的又一项功能。AI 的特殊之处在于，每次用户请求会议摘要、客服人员请求推荐回复、客户与虚拟客服互动，或 AI 系统分析对话时，供应商都可能产生实际且可变的成本。

AI 推理需要成本。

这一简单的事实正在重塑 UCaaS 和 CCaaS 的定价格局。

AI 不仅仅是另一项功能

传统软件经济模式之所以吸引人，是因为其边际使用成本通常很低。一旦某个功能开发完成，支持多一个用户可能不会对供应商的成本结构产生实质性影响。这也是软件供应商一直以来都青睐按用户订阅定价模式的原因之一。

AI 颠覆了这种模式。

生成式 AI 功能并非简单地“开启”即可。它通常需要处理提示、检索上下文、向模型发送数据、生成输出、存储结果、应用策略控制以及记录活动。用户使用越多，供应商的成本就越高。

这会造成问题。

供应商希望推广 AI 的应用，因为 AI 能提升其平台的价值。与此同时，供应商也无法承受让重度 AI 用户无限制地消耗模型容量而没有任何成本回收机制。因此，AI 正在推动统一通信即服务 (UCaaS) 和通信即服务 (CCaaS) 的定价模式从简单的套餐模式转向混合模式，即基础订阅与按需付费相结合。

对于客户而言，这就引出了一个新问题：我是在启用一项有用的功能，还是在开启一个新的、不可预测的成本中心？

这个组合并没有消亡，但它正在发生变化

需要明确的是，捆绑式定价模式不会消失。事实上，一些供应商仍然大力将人工智能作为捆绑销售的一部分。Zoom 就是一个最明显的例子。

过去几年，Zoom 通过将许多 AI 辅助功能免费包含在付费 Zoom 套餐中，实现了差异化竞争。会议摘要、会议中提问、笔记功能、写作辅助和其他效率提升功能，帮助 Zoom 证明了 AI 应该广泛普及，而不是仅限于拥有单独高级 AI 许可证的用户。

思科Webex也在部分Webex套餐中加入了多种AI助手功能。谷歌则将Gemini的功能整合到了Workspace套餐中。这些例子表明，一些厂商仍然将捆绑式AI视为竞争优势。

但该捆绑包也有局限性。Microsoft 365 Copilot 仍然主要以按用户计费的附加组件形式销售。Anthropic 的 Claude API 定价明确基于代币。Microsoft Copilot Studio 通过 Copilot Credits 引入了消费式经济模式，不同的代理操作会消耗不同数量的容量。

在更广泛的人工智能市场中，我们看到了同样的模式：基本访问权限可能被打包出售，但重度使用、高级自动化以及开发人员或代理场景越来越多地被量化。

在联络中心，这种转变更为明显。

Genesys 针对某些 AI 功能采用 AI 体验令牌模型。Cisco Webex Contact Center 提供 AI 助手和 AI 代理的许可模式。Amazon Connect Customer 长期以来一直采用基于使用量的定价模式，因此添加 AI 功能更适合按需付费模式。NiCE、Five9 等公司正在通过附加组件、捆绑包、基于报价的模式或使用结构（可能因功能、渠道和使用量而异）将 AI 嵌入到客户体验堆栈中。

因此，并没有形成统一的 AI 定价模式，而是出现了定价碎片化。

Zoom 实时显示价格变化

Zoom 就是一个特别有趣的例子，因为它说明了 AI 包装技术的发展速度有多快。

Zoom现有的AI功能可能仍然包含在付费的Zoom套餐中，无需额外付费，但Zoom现在正式发布了其AI助手ZoomMate。关键在于“助手”二字。ZoomMate的定位并非仅仅是会议总结或聊天助手，而是专注于任务完成。它的设计目标是推动工作进展、生成成果，并帮助用户将对话转化为最终交付物。

这会影响定价。

ZoomMate 推出了一种基于包含 AI 积分的套餐模式。换句话说，Zoom 保留了基础 AI 功能应包含在套餐内的理念，同时还创建了一种面向更高级、以结果为导向的 AI 工作的消费感知模式。

这是一个很有用的区别。

总结已发生事件的 AI 与创造后续行动的 AI 之间存在区别。会议纪要很有帮助，而文档、提案、项目计划、工作流程、分析、客户反馈或一系列后续行动则更接近于实际工作成果。随着 AI 从辅助功能转向最终完成任务，供应商越来越希望衡量其带来的额外价值。

这并非否定Zoom的做法。事实上，这或许是区分日常AI辅助和高价值AI工作的合理方法。但这确实强化了一个更广泛的趋势：AI越像员工，供应商就越希望定价模式能够反映AI的工作量。

为什么供应商喜欢消费定价

从供应商的角度来看，按需付费是合理的。如果一个客户偶尔使用AI会议摘要功能，而另一个客户使用AI代理处理数千次客户互动，那么这两个客户的成本和价格就不应该相同。

消费定价模式也为供应商提供了灵活性。随着模型成本的变化，供应商可以调整其信用比率、代币倍数、包含额度或超额使用费率，而无需完全重建核心订阅模式。

这一点至关重要，因为 AI 经济仍在快速发展。模型成本或许会下降，但人工智能的应用规模可能会增长得更快。功能更强大的模型也往往会催生更具雄心的应用场景。曾经只能分析30分钟会议内容的摘要，未来可能会演变成一个多步骤智能体，它可以读取文档、更新客户关系管理（CRM）记录、撰写电子邮件、创建任务、制作演示文稿并安排后续会议。

从提高生产力的角度来看，这当然很好。但如果首席财务官无法预测账单金额，那就没那么好了。

人类的成本是可预测的，而 AI 队友的成本则可能并非如此

还有另一种思考方式。

当你雇佣一名助理、分析师、设计师、开发人员或客服人员时，你通常都知道这个人需要多少成本。他们可能拿固定工资，也可能按小时计薪。他们可能还会获得福利、奖金或加班费。但基本的成本模式是可以理解的。

他们通常不会因为当天工作效率高就提高收费。

您的助理不会为每封撰写的邮件单独开具发票。您的分析师不会按段落收费。您的项目经理不会为甘特图中添加的每个任务额外收费。您的设计师不会为每张幻灯片收费。您的Excel专家不会按公式收费。

是的，顾问和代理机构可能按小时或按项目收费。但内部团队成员通常是按产能预算的。您为在约定的框架内使用他们的时间、判断和产出付费。

AI队友的形象塑造截然不同。

营销宣传中会使用“助手”、“副驾驶”、“代理”或“队友”等词汇。但定价模式可能完全不同。它可能规定您按代币、积分、任务、交互、文档、生成的资产或自动化工作流程付费。

这就造成了一种奇怪的脱节：AI 被当作队友来对待，但价格却像水电表一样。

这一点至关重要，因为 AI 的价值主张通常被定位为一个全天候不间断工作的员工，可以不知疲倦地完成无限的工作。它可以创建更多文档、总结更多会议纪要、处理更多客户互动、生成更多回复、制作更多幻灯片、分析更多数据、自动化更多流程。

但是，如果每增加一个单位的产出都会产生额外的成本，那么企业可能会不愿意使用 AI 来加速它本应加速的工作。

我们通常不会这样看待人类生产力。如果一位才华横溢的员工产出更多高质量的工作成果，我们会为此庆祝。但如果一位 AI 团队成员产出更多高质量的工作成果，我们可能就需要重新评估是否还能负担得起这项服务了！

为什么顾客应该关注

消费定价模式有其合理之处。如果您不使用某项服务，就不应该为其付费。这尤其对那些希望尝试 AI 技术但又不想购买大型全用户许可的组织来说很有吸引力。

成本下降不是问题。问题在于成本上升的方式难以预料。

对于业务用户来说，他们根本无法得知让 AI 助手总结会议、比较两份政策文件、翻译对话、评估客户互动、创建提案、制作演示文稿或处理呼叫中心升级请求会消耗多少令牌。此外，大多数IT管理员也不想成为全职的AI成本会计。当然，大多数首席财务官也不希望收到另一笔难以预测的云账单。

当 AI 从个人生产力领域扩展到运营工作流程领域时，这个问题就变得尤为突出。

如果用户用完了AI积分，无法生成邮件草稿，这固然令人恼火。但如果联络中心自动化系统在服务高峰期因积分耗尽而停止运行，那将造成严重的运营问题。

UCaaS 和 CCaaS 平台并非实验场所，而是业务关键型系统。通话必须完成，客户必须得到服务，人工客服需要协助，主管需要了解情况。AI 应该增强这些工作流程，而不是引入新的故障模式：“AI token 耗尽”。

新的企业采购对话

多年来，企业买家一直都在询问一些常见的许可问题：

• 有多少用户需要这个平台？
• 包含哪些功能？
• 每用户每月收费多少？
• 合同条款是什么？
• 有哪些折扣？

AI 又引出了新的问题：

• 其中包含了多少 AI？
• 什么才算作 AI 交易？
• 每个操作消耗多少积分（或代币或美元）？
• 积分是按用户、部门、代理商还是整个租户共享？
• 积分用完会发生什么？
• 我们可以限制使用量吗？
• 我们能否在超额使用前收到提醒？
• 能否按部门、功能、用户、代理、工作流程和客户交互查看使用情况？
• 未使用的积分可以结转到下一年吗？
• 我们能否针对特定使用场景协商固定价格？

这些问题不再是采购细节问题，而是治理问题。

AI 定价将影响 AI 的普及应用

这里存在一个令人不安的讽刺：供应商之所以在 AI 领域投入巨资，是因为他们希望客户更广泛地使用 AI ，但如果 AI 的定价让人感觉不可预测，客户可能会减少对 AI 的使用。

这一点在联络中心尤为突出，因为领导者们本就需要在服务水平、座席配置、客户满意度、处理时间、问题解决率、合规性、质量管理和人力成本之间取得平衡。如果每一个新的AI应用案例都引入一种新的消费模式，许多企业为了避免预算超支，就会放慢部署速度。

同样的问题也适用于 UCaaS 。

会议摘要、语音邮件摘要、通话记录、翻译、AI生成的后续任务、文档、工作流程和项目更新都非常有用。但如果IT领导者不确定广泛使用这些功能是否会带来意想不到的成本，他们可能会限制功能、限制访问权限或延迟推广。这对用户不利，对业务成果不利，最终也会对供应商不利。

可预测性促进普及，不确定性则造成摩擦。

消费定价是否会降低供应商优化生产的积极性？

这里有一个更具战略意义的问题：如果供应商可以将 AI 的使用成本直接转嫁给客户，这是否会降低他们以有利于客户的方式进行优化的动力？

理论上，供应商仍然应该尽可能降低 AI 成本。更低的成本可以提高利润率，支持更具竞争力的定价，并促进更广泛的应用。供应商可以针对简单的摘要任务使用较小的语言模型，针对复杂的推理任务使用较大的模型，并且仅在需要时才使用检索增强型生成功能。供应商还可以缓存结果、减少不必要的上下文窗口、优化提示或使用特定领域的模型。这些选择可以降低成本并提高性能。

但按消费计费改变了激励机制。

如果供应商降低了自身的 AI 交付成本，但仍然按照相同的积分、代币、交易或使用单位向客户收费，那么节省的成本可能不会惠及客户。供应商的利润率提高了，但客户的账单可能保持不变。在这种情况下，优化就变成了供应商的盈利策略，而不是客户价值策略。

但这并不意味着商家会行为不端，而是意味着顾客应该提高警惕。

在传统的捆绑式定价模式下，由于客户支付的价格相对固定，供应商有很强的动力去控制内部成本。而采用按需付费模式，供应商既可以避免因用量过大而造成的成本增加，又能从客户无法察觉的效率提升中获益。

竞争机遇：可预测的 AI

下一个竞争战场可能不再是“谁拥有最多的AI功能”，而可能是“谁的AI定价最可预测”。

能够以固定订阅价格提供实用 AI 功能的供应商可能更具优势，尤其对于重视预算确定性的组织而言。此外，提供慷慨的积分共享、清晰易懂的计算器、强大的管理控制和透明的报告机制的供应商也更容易赢得信任。

最佳定价模型通常会结合以下几个要素：

• 基础套餐中包含相当数量的 AI 使用量
• 可在组织内共享的集中使用额度
• 清晰的计量，将使用情况与易于理解的业务活动对应起来
• 管理控制措施可防止成本失控。
• 阈值达到前发出警报
• 能够以可预测的价格购买额外的产能
• 针对固定价格 AI 用例的企业级方案

换句话说，客户并不一定需要 AI 免费，他们需要的是 AI 的成本能够被理解。

向 UCaaS 或 CCaaS 供应商提出的问题

在签署或续签 UCaaS 或 CCaaS 协议之前，企业应该提出比一年前更加具体的 AI 定价问题。

• 如何在部署前估算 AI 的使用/消耗成本？
• 供应商是否提供基于我预期使用量的计算器？
• 基础许可包含哪些 AI 功能？
• 哪些 AI 功能会消耗积分、代币、会话、分钟或其他计量单位？
• AI积分是租户统一分配，还是分配给单个用户或用户组？
• 积分会过期吗？
• 未使用的积分会累积吗？
• 当包含的额度用完后会发生什么？
• 我可以阻止超额费用吗？
• 我可以按部门、地区、功能或用例设置硬性上限吗？
• 有哪些报告可以显示 AI 的使用情况和支出情况？
• 我可以查看按用户、代理、工作流程、渠道和功能划分的使用情况吗？
• 如何处理面向客户的客服人员或虚拟客服人员的 AI 成本？
• 对于高容量或业务关键型 AI 工作流程，我可以协商固定价格吗？
• 如果供应商更改代币比例、信用消耗率或功能打包方式，有哪些合同保护措施可供参考？

如果供应商不能清楚地回答这些问题，这是一个信号。不一定是放弃的理由，但肯定是一个放慢脚步的理由。

“有用”仅仅是 AI 价值的开始

AI 可以在统一通信即服务 (UCaaS) 和协作通信即服务 (CCaaS) 中创造巨大的商业价值。它可以总结会议内容、确定消息优先级、协助客服人员、指导主管、自动化工作流程、改进客户自助服务、缩短处理时间，并创建原本需要人工花费数小时才能完成的交付成果。

但 AI 并非免费提供。这意味着供应商需要将其商业化。问题在于，他们的商业化方式是促进普及还是阻碍普及。

语言在这里至关重要。如果供应商将这些功能称为助手、副驾驶、代理和队友，客户自然会将它们与人工助手和人工队友进行比较。人工队友可能成本较高，但其成本通常是可预测的。AI 队友在某些情况下可能更便宜，但如果它们实际上是按字数、幻灯片、公式、文档、交互或工作流程收费，那么成本模式就难以管理。

这种不可预测性会造成摩擦。

对于某些高用量或高价值的应用场景，尤其是 AI 直接取代人工操作的情况下，按使用量计费可能是合理的。但对于核心通信和客户体验工作流程而言，过度计量可能会减缓人工智能的普及。企业不希望看到原本有用的AI助手仅仅因为余额不足而变得不那么有用，或者因为余额耗尽而完全失效。

最终胜出的统一通信即服务 (UCaaS) 和协作即服务 (CCaaS) 供应商，并非仅仅是那些拥有最炫酷 AI 功能的公司，而是那些能够让 AI 变得实用、可控、安全且财务可预测的公司。

在企业中，实用的 AI 只是成功的一半。真正能够成功的 AI ，是那些企业可以广泛部署、有效管理且成本合理可预测的 AI。