OpenAI據報測試「做成先收費」企業AI定價模式

OpenAI據報正讓少數大型企業試用一種「做成先收費」的AI定價方式：客戶只有在AI代理完成雙方事先約定的商業任務後，才需要付款。這仍然只是小規模試點，並非已公開推出的標準價格計劃；OpenAI亦未披露涉及哪些任務、收費多少，以及合約的具體條款。5

這項測試之所以受到關注，是因為AI代理的運算量可以遠高於一般聊天機械人。傳統按Token計費時，提示、回覆、重試及工具呼叫都會增加賬單；按成果收費則把收費觸發點，改為客戶和供應商預先定義的結果。

按Token收費，與按成果收費有何不同？

OpenAI現有的API及企業價格表，會按每一百萬個輸入Token、快取輸入Token及輸出Token收費。1 2 換句話說，即使AI代理最終未能完成工作，客戶一般仍要為已消耗的模型資源付款。

按成果收費的問題則變成：「AI處理了多少Token？」以外，還要問：「它是否真正完成了雙方同意的結果？」

理論上，這個結果可以是成功解決一宗客戶服務個案、完成指定工作流程，或者在企業系統內完成並核實一次更新。不過，OpenAI這次試點究竟涵蓋哪些成果，目前仍未公開。5

這種轉變亦會把部分執行風險由買家轉移至供應商。AI代理如果需要多次嘗試、進行很長的推理，甚至最後失敗，OpenAI可能已經承擔了額外運算成本，卻未必可以向客戶收取成果費。

點解企業會擔心AI代理「失控」燒錢？

對於路徑固定、用量容易預測的應用，按用量收費相對直接。但AI代理可以自行選擇處理方法、反覆呼叫工具、把工作分派予其他代理，亦可以同時執行多條流程，令成本預算變得難以掌握。

一個備受關注的極端例子是：有開發者同時運行100個代理，在30日內累積1,300,000美元的OpenAI Token費用。5 這並不代表一般企業都會遇到同樣規模的賬單，但它清楚顯示出一個商業問題：對自主AI系統而言，成本可能隨着嘗試次數和活動量上升，而不是隨着最終完成工作的商業價值上升。

如果合約規定失敗不收費，按成果收費理論上可以令預算較容易預測，亦減低客戶為一次無效嘗試「照單全付」的風險。不過，OpenAI試點是否提供這種保障，以及重試、例外情況應如何計算，目前都未有答案。

哪類工作最適合先採用？

按成果收費最容易應用於界線清晰、完成與否可以客觀觀察的工作。客戶服務是其中一個較明顯的例子，因為企業往往可以根據工單狀態、客戶互動紀錄，或者是否仍需人手介入，去核實個案有沒有真正解決。

其他可能的工作包括範圍狹窄的程式編寫、保險理賠、銷售線索評估，以及後勤系統操作。不過，這些只是合理推測，並非OpenAI已公開的試點案例。關鍵在於，雙方必須在AI開始工作之前，清楚講明甚麼才算成功。

一份較完整的合約，可能需要列明：

• 確切的成功條件；
• 質量及準確度門檻；
• 轉交人手處理時，應算失敗還是部分成功；
• 重試及例外情況如何處理；
• 由哪一個系統事件核實工作完成；以及
• 出現收費爭議時，雙方如何裁定。

如果欠缺這些規則，「AI做得成先收錢」聽落相當吸引，但在商業上仍然可以有很多灰色地帶。

Intercom、Zendesk與Salesforce早已有不同版本

OpenAI的據報測試，並非市場上第一次出現把收費與成果掛鈎的AI模式。現時不同軟件公司採用的方法相近，但並不完全一樣：

• Intercom Fin： Intercom表示，Fin會按每個成功解決的成果收取0.99美元。所謂解決，是AI在沒有人工介入下，由頭到尾處理好客戶問題。8
• Zendesk： Zendesk使用「Verified Resolution」（已驗證解決）這個概念，收費重點是一次成功的AI解決，而不是單純按使用者席位收取AI授權費。14
• Salesforce Agentforce： Salesforce最初採用每次對話2美元的模式，後來引入Flex Credits。Intercom的比較資料指，一個標準動作需要20個Credits，約值0.10美元。這屬於按動作計算的消耗式收費，未必等同於只在最終商業成果出現時才收費。8

所以，「按成果收費」和「按消耗收費」不應混為一談。按每個動作或每次對話收費，的確可能比按Token更容易理解，但即使整體商業目標未有達成，客戶仍可能要為已執行的動作或對話付款。

企業想要的，未必是單一模式

The Futurum Group的調查顯示，市場並非正由席位制一面倒轉向按成果收費。

Futurum一項訪問830名全球IT決策者的調查發現，在生成式AI功能方面，43%受訪者較偏好按消耗收費，27%則偏好按成果收費。14 另一項2026年下半年調查則顯示，若AI功能獨立計費，受訪買家最偏好按席位收費，比例為42.3%；按消耗收費及按成果收費則分別為36.6%及21.1%。至於核心軟件，按消耗收費的支持度為28.9%，按成果收費為22.2%，按席位收費只有12.6%。

重點不是企業已經選定一種通用答案，而是定價偏好似乎取決於AI實際做甚麼。一個功能穩定、用量可預測的輔助工具，可能適合按席位或作為附加功能收費；一個能夠自主完成可量度工作的AI服務，則較容易以按消耗或按成果的方式說服財務部門。

為何可能普及？又有甚麼限制？

對買家來說，按成果收費的吸引力相當直接：支出可以與實際交付的價值掛鈎，亦有助財務團隊預算及審批AI代理項目。對供應商而言，這種模式則會帶來更大誘因，要求AI提升可靠性，並減少無效執行，而不是單純增加代理活動量。

但供應商同樣要承擔更多成本。以往模型呼叫、重試及運算時間可以直接轉嫁給客戶；一旦改為成果收費，這些失敗嘗試便可能變成供應商自己的支出。

此外，合約設計也可能製造新風險。如果AI只針對一個狹窄指標最佳化，技術上或許達到收費條件，卻令整體客戶體驗變差。

責任歸屬亦是另一個難題。假設一條工作流程同時使用多個模型、外部工具、企業系統及員工，而AI只完成其中一部分，或者最後決定由人作出，究竟是否應算作OpenAI交付了可收費成果？這個問題並沒有簡單答案。

因此，按成果收費較可能先在狹窄而容易核實的工作中擴展，而不是立即用於開放式知識工作。對於複雜部署，混合模式——同時結合席位費、用量費、Credits及部分成果費——可能仍然較實際。Futurum亦把混合模式形容為供應商測試如何將AI價格與客戶價值連繫起來的重要中間方案。14

OpenAI這次試點代表甚麼？

如果這項據報安排日後擴大，企業AI的經濟模式可能會出現一個重要轉向：供應商賣的不再只是模型使用權或Token用量，而是「完成了多少工作」。

不過，現階段較穩妥的結論仍然有限。現有報道指OpenAI正與部分大型客戶測試按成果收費，但公司尚未公布一般適用的方案，亦未披露足夠合約細節，讓外界評估其費率、涵蓋範圍或商業成效。5

換句話說，這次試點暫時應被視為一場早期商業測試：AI代理供應商能否把「只為結果付費」這句口號，變成企業採購部門可以清楚定義、核實及執行的合約條款。