OpenAI kokeilee tiettävästi rajatulla joukolla suuria yritysasiakkaita mallia, jossa tekoälyagentista maksetaan vasta sen suoritettua ennalta sovitun liiketoimintatehtävän. Kyse ei ole julkistetusta yleisestä hinnastosta, eikä OpenAI ole kertonut pilottiin osallistuvista tehtävistä, hinnoista tai sopimusehdoista. 
5
Kokeilu on merkittävä ennen kaikkea siksi, että itsenäiset tekoälyagentit voivat kuluttaa huomattavasti enemmän laskentatehoa kuin perinteinen chatbot. Tokenipohjainen lasku kasvaa kehotteiden, vastausten, uusintayritysten ja työkalukutsujen mukana. Tulospohjaisessa mallissa laskutus sidottaisiin sen sijaan asiakkaan ja toimittajan etukäteen määrittelemään lopputulokseen.
Tokenien sijaan laskutettava tulos
OpenAI:n julkaistussa API- ja yritysasiakkaiden hinnastossa laskutus perustuu muun muassa syöte-, välimuistissa oleviin syöte- ja tulostustokeneihin miljoonaa tokenia kohden. 
1 
2 Asiakas maksaa siis mallin käytöstä riippumatta siitä, onnistuuko agentti lopulta tehtävässään.
Tulospohjaisessa hinnoittelussa laskutustapahtuma olisi toinen. Kysymys ei olisi enää ensisijaisesti siitä, kuinka monta tokenia järjestelmä käsitteli, vaan siitä, saavuttiko agentti sovitun tavoitteen. Tällainen tavoite voisi olla esimerkiksi asiakaspalvelutapauksen ratkaiseminen, työnkulun loppuunsaattaminen tai liiketoimintajärjestelmän tietojen vahvistettu päivittäminen. OpenAI:n pilotin konkreettisia käyttötapauksia ei kuitenkaan ole julkistettu. 5
Malli siirtäisi osan suorittamisen riskistä ostajalta toimittajalle. Useat yritykset, pitkät päättelyketjut ja epäonnistuneet ajot voisivat kasvattaa OpenAI:n kustannuksia ilman, että niistä syntyisi laskutettavaa lopputulosta.
Miksi agenttien kustannuksia on vaikea ennakoida?
Käyttöön perustuva hinnoittelu on melko helppo budjetoida, kun sovellus toimii ennustettavasti. Agentit voivat kuitenkin valita eri etenemisreittejä, kutsua työkaluja toistuvasti, jakaa tehtäviä muille agenteille tai tehdä useita työvaiheita rinnakkain.
Kuvaava ääriesimerkki koskee kehittäjää, joka ajoi 100 agenttia ja keräsi 1,3 miljoonan dollarin OpenAI-tokenilaskun 30 päivän aikana. 5 Tapaus on poikkeuksellinen, mutta se havainnollistaa yritysten huolta: autonomisissa järjestelmissä kustannukset voivat kasvaa yritysten ja aktiivisuuden määrän mukaan, eivät valmiin työn arvon perusteella.
Tulospohjainen sopimus voisi helpottaa budjetointia ja pienentää riskiä, että asiakas maksaa täyden hinnan epäonnistuneesta yrityksestä — jos epäonnistunut suoritus määritellään sopimuksessa maksuttomaksi. OpenAI:n pilotissa ei tiedetä, sovelletaanko tällaista suojaa tai miten poikkeustilanteet käsitellään.
Missä hinnoittelumalli voisi toimia ensin?
Tulospohjainen hinnoittelu on helpointa silloin, kun tehtävällä on selkeä alku ja loppu sekä havaittava valmistumistapahtuma. Asiakaspalvelu on luonteva ensimmäinen kohde: ratkaisun voi usein tarkistaa tiketin tilasta, asiakasvuorovaikutuksesta tai siitä, ettei asia vaadi enää ihmisen väliintuloa.
Mahdollisia muita käyttökohteita ovat tarkasti rajatut ohjelmointitehtävät, vakuutuskorvausten käsittely, liidien esikarsinta ja taloushallinnon taustatyöt. Nämä ovat kuitenkin esimerkkejä mahdollisista työnkuluista, eivät OpenAI:n julkistamia pilottitapauksia. Yhteistä niille on se, että onnistumisen ehdot voidaan määritellä ennen agentin käynnistämistä.
Käytännöllisessä sopimuksessa pitäisi todennäköisesti määritellä ainakin:
- tarkka ehto sille, milloin tehtävä on onnistunut;
- laadulle ja tarkkuudelle asetettavat vähimmäisvaatimukset;
- lasketaanko ihmisen käsittelyyn siirtäminen epäonnistumiseksi tai osittaiseksi onnistumiseksi;
- miten uusintayritykset ja poikkeukset käsitellään;
- mikä järjestelmässä syntyvä tapahtuma todistaa tehtävän valmistumisen; sekä
- miten laskutusta koskevat erimielisyydet ratkaistaan.
Ilman näitä sääntöjä lupaus ”maksat vain, kun tekoäly toimii” jää houkuttelevaksi mutta tulkinnanvaraiseksi markkinointilauseeksi.
Markkinoilla on jo useita tulospohjaisen hinnoittelun muotoja
OpenAI:n raportoitu kokeilu liittyy laajempaan muutokseen siinä, miten ohjelmistoyhtiöt hinnoittelevat tekoälyagentteja. Mallit muistuttavat toisiaan, mutta eivät ole sama asia:
- Intercom Fin: Intercom kertoo Finin maksavan 0,99 dollaria ratkaistua lopputulosta kohden. Tulos tarkoittaa tilannetta, jossa tekoäly ratkaisee asiakkaan ongelman alusta loppuun ilman ihmisen apua.
8
- Zendesk: Zendesk käyttää onnistuneesta tekoälyratkaisusta nimitystä ”Verified Resolution”. Hinnoittelu kytkeytyy tällöin ratkaisuun eikä pelkästään käyttäjäpaikkojen määrään.
14
- Salesforce Agentforce: Salesforce aloitti 2 dollarin keskustelukohtaisella hinnoittelulla ja siirtyi myöhemmin Flex Credits -krediitteihin. Intercomin vertailun mukaan yksi tavallinen toiminto kuluttaa 20 krediittiä eli noin 0,10 dollaria toimintoa kohden. Tämä on käyttöön sidottua kulutusperusteista hinnoittelua, ei välttämättä maksu vain lopullisesta liiketoimintatuloksesta. 8
Siksi termejä ”tulospohjainen” ja ”kulutusperusteinen” ei pidä käyttää toistensa synonyymeina. Toiminto- tai keskustelukohtainen maksu voi tehdä käytöstä helpommin ymmärrettävää, mutta asiakas voi silti joutua maksamaan, vaikka laajempi liiketoimintatavoite ei toteutuisi.
Mitä yritysten hinnoittelumieltymyksistä tiedetään?
Futurum Groupin tutkimustulokset viittaavat hajanaiseen markkinaan, eivät yhden hinnoittelumallin läpimurtoon.
Futurumin 830 kansainvälisen IT-päättäjän kyselyssä 43 prosenttia vastaajista suosi generatiivisen tekoälyn toiminnoille kulutusperusteista hinnoittelua ja 27 prosenttia tulospohjaista hinnoittelua. 14 Erillisessä vuoden 2026 jälkipuoliskoa koskevassa kyselyssä erikseen laskutettaville tekoälytoiminnoille suosituin malli oli käyttäjä- tai paikkakohtainen hinnoittelu, jota kannatti 42,3 prosenttia. Kulutusperusteista mallia kannatti 36,6 prosenttia ja tulospohjaista 21,1 prosenttia vastaajista.
Ydinohjelmistojen kohdalla asetelma oli toinen: kulutusperusteinen hinnoittelu sai 28,9 prosentin ja tulospohjainen 22,2 prosentin kannatuksen, kun käyttäjäpaikkoihin perustuva malli jäi 12,6 prosenttiin.
Johtopäätös ei ole, että yritykset olisivat valinneet yhden yleisen mallin. Mieltymys näyttää riippuvan siitä, mitä tekoäly tekee. Ennakoitava avustava toiminto voi sopia käyttäjä- tai lisenssimaksuun. Itsenäinen palvelu, joka tuottaa mitattavaa työtä, voi olla helpompi perustella kulutus- tai tulospohjaisella hinnalla.
Miksi malli voisi yleistyä — ja mikä sitä jarruttaa?
Tulospohjaisen hinnoittelun vetovoima on helppo ymmärtää. Ostaja voi yhdistää kulut toimitettuun arvoon, ja toimittajalla on vahvempi kannustin parantaa luotettavuutta sekä vähentää turhaa suorittamista. Malli voi myös auttaa talousosastoja hyväksymään agenttihankkeita, joita olisi vaikea budjetoida avoimen tokenikulutuksen perusteella.
Toisaalta toimittaja joutuu kantamaan kustannuksia, joita ei voi enää automaattisesti siirtää asiakkaalle. Lisäksi väärin määritelty tulos voi ohjata agentin optimoimaan kapeaa mittaria ja samalla heikentämään asiakkaan kokonaiskokemusta.
Myös vastuun kohdentaminen on vaikeaa. Työnkulku voi käyttää useita malleja, ulkoisia työkaluja, työntekijöitä ja yrityksen tietojärjestelmiä. Jos agentti suorittaa vain osan prosessista tai ihminen tekee lopullisen päätöksen, voi olla epäselvää, toimittiko OpenAI laskutettavan lopputuloksen.
Siksi tulospohjainen hinnoittelu laajenee todennäköisimmin rajatuista ja helposti todennettavista tehtävistä, ei avoimesta asiantuntijatyöstä. Monimutkaisissa käyttöönottohankkeissa hybridimallit — joissa yhdistyvät käyttäjämaksut, käyttömäärät, krediitit ja valitut tulospalkkiot — voivat olla käytännöllisempi ratkaisu. Futurum on kuvannut hybridimalleja tärkeäksi välimuodoksi, kun toimittajat etsivät tapaa yhdistää tekoälyn hinnoittelu asiakkaalle tuotettuun arvoon. 14
Mitä OpenAI:n pilotti kertoo alan suunnasta?
Jos raportoitu järjestely laajenee, se voisi merkitä muutosta yritysten tekoälytaloudessa: toimittajat alkaisivat myydä yhä useammin valmista työtä eivätkä vain pääsyä malleihin tai laskentakapasiteetin kulutusta.
Tällä hetkellä varovaisin johtopäätös on kuitenkin rajatumpi. OpenAI kokeilee tiettävästi tulospohjaista hinnoittelua valittujen suurten asiakkaiden kanssa, mutta yhtiö ei ole julkaissut yleistä hinnoittelumallia eikä kertonut riittävästi sopimusten sisällöstä, jotta niiden hintoja, laajuutta tai kaupallista menestystä voisi arvioida. 5
Kokeilu kannattaa nähdä varhaisena testinä siitä, pystyykö tekoälyagenttien toimittaja muuttamaan lupauksen ”maksa tuloksista” riittävän täsmälliseksi yritysasiakkaiden hankintaa ja taloushallintoa varten.
