Salesforce ขยับราคา Agentforce จากการคิดตามจำนวนผู้ใช้ สู่การคิดเงินตามผลลัพธ์ธุรกิจ

Salesforce กำลังทดลองเปลี่ยนวิธีคิดค่าบริการ Agentforce จากการขายสิทธิ์ใช้งานซอฟต์แวร์ ไปสู่สัญญาที่ผูกกับการบริโภคทรัพยากร การใช้งานจริง หรือผลลัพธ์ทางธุรกิจที่วัดได้ เช่น การทำธุรกรรมสำเร็จ รายได้ที่เกิดขึ้นจากความช่วยเหลือของ AI หรือการประหยัดต้นทุนงานบริการลูกค้า

อย่างไรก็ตาม Salesforce ยังไม่ได้ประกาศอัตรากลางแบบเดียวสำหรับลูกค้าทุกราย ตัวชี้วัด วิธีคำนวณ และเงื่อนไขทางการค้าดูจะเป็นเรื่องที่ต้องเจรจาเป็นรายสัญญา 51833

จากจำนวนที่นั่งและบทสนทนา สู่ผลงานที่ทำสำเร็จ

Agentforce เคยมีโมเดลราคาเริ่มต้นที่เชื่อมโยงกับค่าบริการ 2 ดอลลาร์ต่อบทสนทนา ต่อมา Salesforce ทดลองโครงสร้างเพิ่มเติม ทั้ง Flex Credits ที่คิดตามแอ็กชัน และใบอนุญาตแบบคิดตามผู้ใช้ สะท้อนว่าบริษัทยังอยู่ระหว่างค้นหารูปแบบสร้างรายได้จาก AI Agent ที่เหมาะสมที่สุด 3032

แนวทางใหม่เพิ่มชั้นที่สามเข้ามา นั่นคือราคาที่ผูกกับสิ่งที่ลูกค้าเชื่อว่า Agentforce ทำสำเร็จ มาร์ก เบนิออฟ ซีอีโอ Salesforce ระบุว่าลูกค้าอาจเลือกจ่ายตามการบริโภค การใช้งานพื้นฐาน หรือผลลัพธ์ เช่น ผลสำเร็จของธุรกรรมหรือผลลัพธ์ทางธุรกิจ 5

การเปลี่ยนแปลงนี้ไม่ได้หมายความว่าค่าบริการแบบคิดตามจำนวนผู้ใช้จะหายไปทันที รูปแบบที่มีแนวโน้มเกิดขึ้นในระยะใกล้คือ โมเดลแบบผสม ซึ่งอาจประกอบด้วยค่าการเข้าถึงแพลตฟอร์มหรือใบอนุญาต ค่าบริการตามปริมาณงานที่ AI ทำ และค่าธรรมเนียมตามผลลัพธ์สำหรับเวิร์กโฟลว์ที่กำหนดความสำเร็จได้ชัดเจน วิธีนี้ช่วยให้ลูกค้ายังคุมงบประมาณได้ ขณะเดียวกัน Salesforce ก็มีส่วนร่วมในมูลค่าที่ Agent ทำให้เกิดขึ้น

ทำไม AI Agent จึงกำลังเปลี่ยนเศรษฐศาสตร์ของซอฟต์แวร์องค์กร

ซอฟต์แวร์แบบบริการ หรือ SaaS เดิมตั้งอยู่บนสมมติฐานว่า ซอฟต์แวร์เป็นเครื่องมือช่วยพนักงาน ดังนั้นจำนวนพนักงานหรือจำนวนผู้ใช้จึงเป็นตัวแทนที่พอใช้วัดระดับการใช้งานได้

แต่ AI Agent ท้าทายสมมติฐานนี้ Agent หนึ่งตัวอาจทำงานให้พนักงานหลายคน ทำงานต่อเนื่องโดยไม่ต้องผูกกับบัญชีผู้ใช้แบบเดิม หรือทำงานที่เคยต้องใช้แรงงานมนุษย์ เช่น รับเรื่องบริการลูกค้า คัดกรองลีด อัปเดตข้อมูลในระบบขาย และดำเนินขั้นตอนหนึ่งของเวิร์กโฟลว์

เมื่อเป็นเช่นนั้น จำนวนที่นั่งจึงอาจไม่ใช่ตัวแทนมูลค่าที่ตรงนัก การคิดเงินตามงานที่เสร็จ เคสที่แก้ไขได้ หรือผลลัพธ์ที่ตรวจสอบได้ อาจเป็นหน่วยวัดที่เข้าใจง่ายกว่า

โมเดลตามผลลัพธ์ยังย้ายความเสี่ยงด้านประสิทธิภาพบางส่วนจากผู้ซื้อไปยังผู้ขาย ลูกค้าอาจไม่ต้องจ่ายสำหรับการโต้ตอบที่ไม่ก่อให้เกิดผลลัพธ์ตามที่กำหนด ขณะที่ผู้ให้บริการมีแรงจูงใจมากขึ้นในการปรับปรุงอัตราการแก้ปัญหา ความสำเร็จของงาน และคุณภาพระบบอัตโนมัติ

แต่โมเดลนี้เหมาะกับงานที่มีขอบเขตชัดเจนมากกว่างานซับซ้อน เช่น การขายที่ใช้เวลานาน การตัดสินใจเชิงกลยุทธ์ หรือกระบวนการที่ได้รับอิทธิพลจากหลายทีม

บริษัท AI รายอื่นกำลังทดลองอย่างไร

ตลาดโดยรวมกำลังทดลองหลายโมเดล ซึ่งไม่ควรนำมาเหมารวมว่าเป็นรูปแบบเดียวกันทั้งหมด

• OpenAI: มีรายงานว่าลูกค้ารายใหญ่บางรายได้รับข้อเสนอให้จ่ายเงินเมื่อระบบ AI ทำงานที่กำหนดเสร็จ เช่น การจัดการคำขอบริการลูกค้า 24
• Sierra: ใช้การคิดราคาแบบอิงผลลัพธ์ โดยเรียกเก็บค่าบริการเมื่อ Agent บรรลุผลสำเร็จที่กำหนด เช่น แก้ไขบทสนทนากับลูกค้าได้ อัตราและนิยามของคำว่า “สำเร็จ” จะเจรจาเป็นรายสัญญา 2227
• Intercom Fin: ใช้โมเดลที่คิดเงินตามผลลัพธ์ที่เรียกเก็บได้ เช่น การแก้ปัญหาได้สำเร็จ หรือการส่งต่องานตามขั้นตอนที่กำหนด แทนที่จะพึ่งใบอนุญาตต่อ Agent แบบเดิมเพียงอย่างเดียว 22
• Cognition: ข้อมูลที่มีชี้ไปที่โมเดลของ Devin ซึ่งเชื่อมโยงกับงานหรือการใช้งาน มากกว่าการรับประกันส่วนแบ่งรายได้ในวงกว้างที่มีการเปิดเผยรายละเอียดอย่างชัดเจน 24

สำหรับ Anthropic และ Google หลักฐานที่มีอยู่ยังไม่เพียงพอจะจัดให้ทั้งสองบริษัทเป็นผู้ให้บริการสัญญารับประกันผลลัพธ์ที่มีมาตรฐานและเปิดใช้งานอย่างแพร่หลายเทียบเท่า Sierra หรือ Fin โมเดลเชิงพาณิชย์ที่เปิดเผยต่อสาธารณะของทั้งคู่ยังใกล้เคียงกับการคิดตามการใช้งานโมเดล ความจุ เครดิต หรือจำนวนที่นั่งมากกว่า

Claudeforce เข้ามาอยู่ตรงไหนในแผน AI ของ Salesforce

เมื่อวันที่ 26 สิงหาคม 2026 Salesforce และ Anthropic ประกาศ Claudeforce ซึ่งเป็นการขยายความร่วมมือระหว่างกัน Salesforce ระบุว่า ความสามารถด้านการให้เหตุผลของ Claude จะทำงานร่วมกับแพลตฟอร์มองค์กรของบริษัท ขณะเดียวกันปลั๊กอิน “Salesforce in Claude” จะเปิดให้ประสบการณ์ที่ใช้ Claude เข้าถึงข้อมูล เวิร์กโฟลว์ ตรรกะทางธุรกิจ แอ็กชัน และระบบกำกับดูแลของ Salesforce โดยการเปิดตัวมาพร้อมทักษะงานขายสำเร็จรูป 37 รายการ 25

ในเชิงกลยุทธ์ ความร่วมมือนี้ช่วยให้ Salesforce ปกป้องบทบาทของตนในช่วงที่ AI กำลังกลายเป็นอินเทอร์เฟซหลักของงานองค์กร Claude อาจทำหน้าที่เป็นชั้นการสนทนาและการให้เหตุผล แต่ Salesforce ต้องการให้ข้อมูล CRM สิทธิ์การเข้าถึง เวิร์กโฟลว์ และการดำเนินการทางธุรกิจยังคงอยู่ในระบบของตน

เรื่องนี้ยิ่งสำคัญ หากสัญญา AI ในอนาคตวัดและเรียกเก็บเงินจากงานธุรกิจที่ทำสำเร็จ แทนการนับจำนวนการเข้าสู่ระบบหรือจำนวนบทสนทนา Salesforce ก็ต้องควบคุมทั้งข้อมูล ตรรกะ และหลักฐานว่า Agent ทำอะไรสำเร็จบ้าง

ปัจจัยเสี่ยงที่จะชี้ชะตาโมเดลคิดเงินตามผลลัพธ์

1. แบ่งเครดิตให้ AI ได้ยาก

รายได้หรือการประหยัดต้นทุนมักไม่ได้เกิดจากสาเหตุเดียว การขายหนึ่งครั้งอาจเป็นผลจากการตลาด ราคา พนักงานขาย ฤดูกาล และซอฟต์แวร์หลายระบบ รวมถึง AI Agent ด้วย

สัญญาจึงต้องกำหนดฐานเปรียบเทียบ ช่วงเวลาวัดผล แหล่งข้อมูลหลัก และกติกาการแบ่งเครดิตเมื่อมีหลายฝ่ายร่วมสร้างผลลัพธ์ หากไม่กำหนดให้ชัด คำว่า “รายได้ที่เกิดจาก AI” อาจกลายเป็นจุดเริ่มต้นของข้อโต้แย้ง

2. คำว่า “สำเร็จ” ต้องมีความหมายที่แม่นยำ

เคสบริการลูกค้าอาจถูกเปิดใหม่ ลีดที่ผ่านการคัดกรองอาจไม่กลายเป็นลูกค้า หรือ Agent อาจเริ่มงานแล้วส่งต่อให้พนักงานทำต่อ

คู่สัญญาจึงต้องตกลงเรื่องการยกเลิกผลลัพธ์ งานที่เสร็จเพียงบางส่วน การทุจริต กรณียกเว้น สิทธิ์ในการตรวจสอบข้อมูล การเข้าถึงหลักฐาน และขั้นตอนระงับข้อพิพาท หากไม่ทำเช่นนั้น โมเดลตามผลลัพธ์อาจไม่ได้ลดความกังวลเรื่องค่าใช้จ่าย แต่เปลี่ยนเป็นข้อพิพาทเกี่ยวกับใบแจ้งหนี้แทน

3. ผู้ให้บริการต้องควบคุมต้นทุนและคุณภาพ

ค่าธรรมเนียมตามผลลัพธ์จะคุ้มค่าสำหรับผู้ขายก็ต่อเมื่อค่าประมวลผลโมเดล การเรียกใช้เครื่องมือ การเชื่อมต่อระบบ การตรวจสอบโดยมนุษย์ และการปฏิบัติตามกฎระเบียบยังต่ำกว่ารายได้ที่เรียกเก็บได้

เคสที่ยากอาจต้องใช้การประมวลผลมากขึ้นและยังมีโอกาสล้มเหลวสูงกว่า ทำให้เกิดความท้าทายด้านการขยายระบบ โดยเฉพาะหากลูกค้านำงานที่ซับซ้อนที่สุดมาให้ AI จัดการ

4. ลูกค้ายังต้องการงบประมาณที่คาดการณ์ได้

ฝ่ายจัดซื้อขององค์กรอาจชอบแนวคิดจ่ายเมื่อได้ผลลัพธ์ แต่ก็ยังต้องการเพดานค่าใช้จ่าย ภาระผูกพันขั้นต่ำ ราคาแบบผสม และระบบวัดผลที่ตรวจสอบย้อนหลังได้

อุตสาหกรรมที่อยู่ภายใต้การกำกับดูแลอาจจำกัดการให้ AI ดำเนินการเอง จนกว่าจะพิสูจน์ได้ว่าระบบมีความแม่นยำ ปลอดภัย มีผู้รับผิดชอบ และอยู่ภายใต้การกำกับดูแลที่เหมาะสม

บทสรุป: จุดจบของค่าบริการต่อที่นั่งหรือยัง

ผลลัพธ์ที่มีแนวโน้มมากที่สุดไม่ใช่การสิ้นสุดของค่าบริการ SaaS แบบคิดตามจำนวนที่นั่งในทันที แต่เป็นตลาดแบบผสมที่ค่าบริการสมาชิกยังใช้สำหรับการเข้าถึงแพลตฟอร์ม ค่าบริการตามการใช้งานใช้วัดกิจกรรมของเครื่องจักร และค่าธรรมเนียมตามผลลัพธ์ใช้กับงานที่นิยามและตรวจสอบความสำเร็จได้

ยิ่งเวิร์กโฟลว์วัดผลได้ชัด เช่น การแก้ปัญหาบริการลูกค้า การนัดหมาย หรือการคัดกรองลีด โมเดลนี้ก็ยิ่งนำไปใช้ได้จริง ส่วนงานที่ผลลัพธ์คลุมเครือ มีหลายสาเหตุ หรือใช้เวลานาน มีแนวโน้มจะยังคงใช้สัญญาเฉพาะราย และไม่แทนที่การคิดค่าบริการต่อที่นั่งทั้งหมดในเร็ววัน