OpenAI 傳測試「按成果收費」：企業可能只在 AI 完成工作後付款

OpenAI 據報正讓少數大型企業客戶試用一種新的 AI 定價方式：只有當 AI 代理程式完成雙方事先約定的商業任務時，客戶才需要付款。這仍是有限度的試行方案，並非已公開宣布的普遍定價計畫；OpenAI 目前也沒有披露參與的任務、收費率或合約條款。5

這項嘗試之所以受到關注，是因為自主 AI 代理程式的運算量，可能遠高於一般聊天機器人。傳統按 Token 計費時，提示、回覆、重試及工具呼叫都會增加帳單；按成果收費則把計費事件改為客戶與供應商事先定義的「結果」。

按成果收費與按 Token 計費有何不同？

OpenAI 公開的 API 及企業價目表，按每百萬個 Token 計算輸入、快取輸入與輸出成本。1 2 在這種模式下，即使 AI 最終沒有完成任務，客戶仍須為已消耗的模型資源付款。

按成果收費則會提出另一個問題：「AI 是否達成約定的結果？」而不是「系統處理了多少 Token？」合資格的成果可能是成功解決一宗客服案件、完成一項工作流程，或在企業系統中完成可驗證的更新。不過，OpenAI 試行方案涵蓋哪些具體成果，目前尚未公開。5

這也代表部分執行風險會由買方轉移至供應商。若代理程式需要多次嘗試、進行冗長的推理，或在失敗後反覆執行，OpenAI 的成本可能上升，但不一定能產生可收費的成果。

為何企業擔心 AI 代理程式的成本失控？

對於路徑固定、使用量可預測的應用程式，按使用量收費相對容易管理。但 AI 代理程式可能自行選擇執行路徑、重複呼叫工具、把工作交給其他代理程式，甚至同時處理多項任務，使財務預測變得困難。

一個極端但具代表性的案例是：據報一名開發者同時運行 100 個代理程式，30 天內累積 130 萬美元的 OpenAI Token 費用。5 這並不代表一般企業都會出現同等規模的帳單，卻突顯了自主系統的核心商業問題——成本可能跟著嘗試次數與活動量增加，而不是跟著完成工作的價值增加。

若合約把失敗視為不可收費，按成果計價或許能讓企業更容易預算，也能降低為未完成任務支付全部成本的風險。但 OpenAI 的試行方案是否提供這種保障，以及重試、例外情況如何處理，目前仍不得而知。

哪些工作最適合先採用這種模式？

當一項任務有清楚的邊界，並且存在可觀察的完成事件時，按成果收費最容易執行。客服是最直接的例子：案件是否解決，通常可以透過工單狀態、客戶互動紀錄，或是否仍需要人工介入來判定。

其他可能適用的流程包括範圍狹窄的程式編寫、理賠處理、潛在客戶資格評估，以及後台系統操作。不過，這些只是可能的應用情境，並非 OpenAI 已披露的試行案例。共同要求是：雙方必須在代理程式開始工作前，就清楚寫明什麼才算成功。

一份實際可執行的合約，可能需要界定：

• 精確的成功條件；
• 品質與準確度門檻；
• 轉交人工處理時，應算失敗還是部分成功；
• 重試與例外情況的計算方式；
• 用來驗證完成結果的系統事件；以及
• 雙方處理計費爭議的程序。

沒有這些規則，「AI 成功才收費」聽起來很吸引，但在商業上仍可能只是一句含糊的宣傳語。

市場上已有不同版本的「成果掛鈎」定價

OpenAI 的據報試驗，並非 AI 代理程式收費模式轉變的唯一例子。市場上的方案方向相近，但不能全部視為相同：

• Intercom Fin： Intercom 表示，Fin 每次「已解決成果」收費 0.99 美元；只有當 AI 不需人工介入、端到端解決客戶問題時，才會計費。8
• Zendesk： Zendesk 使用「Verified Resolution」（已驗證解決）一詞，將收費連結至成功的 AI 解決結果，而不是單純按使用者席位收費。14
• Salesforce Agentforce： Salesforce 最初採用每次對話 2 美元的模式，後來推出 Flex Credits。Intercom 的比較資料指出，一項標準動作需 20 點額度，約值 0.10 美元。這是按動作計算的消耗式定價，不一定等同於只在最終商業成果出現後才收費。8

因此，「按成果收費」與「按消耗量收費」不應混為一談。按動作或按對話計價，可能比 Token 計價更容易理解，但即使整體商業目標沒有達成，客戶仍可能因已執行的動作而被收費。

企業真的偏好按成果收費嗎？

現有的 Futurum 調查結果顯示，市場更像是分化，而不是所有企業都放棄按席位收費。

Futurum 一項針對 830 名全球 IT 決策者的調查顯示，43% 受訪者偏好生成式 AI 功能採用消耗式定價，27% 偏好按成果收費。14 另一項 2026 年下半年調查則顯示，對於獨立計費的 AI 功能，42.3% 的買家偏好按席位收費，36.6% 偏好消耗式定價，21.1% 偏好按成果收費。至於核心軟體，消耗式定價比例為 28.9%，按成果收費為 22.2%，按席位收費則為 12.6%。

重點並不是企業已經選定一種通用模式，而是定價偏好似乎取決於 AI 的工作性質：可預測的輔助功能，可能適合按席位或作為附加方案收費；能自主執行工作、並產生可量化結果的服務，則可能更適合按用量或按成果計費。

按成果收費會普及嗎？

這種模式對買賣雙方都有明顯吸引力。企業可以把支出直接連結至實際交付的價值，供應商也會更有動機提升可靠性、減少無效執行。對財務團隊而言，這或許能讓原本難以預算的 AI 代理程式部署，更容易通過內部審批。

但對供應商來說，按成果收費意味著不能再自動把所有執行成本轉嫁給客戶。它也會帶來新的誘因風險：如果代理程式只針對狹窄指標進行最佳化，可能在技術上符合合約要求，卻損害整體客戶體驗或更廣泛的商業目標。

成果歸屬同樣棘手。假設一項工作流程同時使用多個模型、外部工具、企業員工及內部系統；如果 AI 只完成其中一部分，最後決策又由人員作出，究竟應否算作 OpenAI 交付了可收費成果，便很難判定。

因此，按成果收費較可能先從範圍狹窄、結果可驗證的工作開始，而不是直接應用於開放式知識工作。對複雜部署而言，結合席位費、使用量、額度及特定成果費用的混合模式，可能仍然較實際。Futurum 也將混合模式描述為供應商探索如何把 AI 定價與客戶價值連結起來的重要折衷方案。14

OpenAI 的試行方案代表什麼？

如果這項據報安排日後擴大，將代表企業 AI 經濟出現一項值得注意的轉變：供應商銷售的不再只是模型存取權或 Token 用量，而是「已完成的工作」。

不過，現階段證據只支持較保守的結論：OpenAI 據報正與部分大型客戶測試按成果收費，但公司尚未公布一般性方案，也沒有披露足夠的合約細節，因此外界仍無法判斷收費率、適用範圍或商業成效。5

目前最適合的理解是：這是一場早期商業測試，用來檢驗 AI 代理程式供應商能否把「只為結果付費」這個概念，落實成企業採購可以清楚執行的合約。