Привет! Меня зовут Саша Журавлев. Я венчурный инвестор и основатель фонда Mento vc. Мы инвестируем в технологические компании на стадиях Seed / Series A в США, а в своем телеграм-канале рассказываю, как вижу рынок и принимаю инвестиционные решения.
Прайс в AI-продукте можно устанавливать по-разному: по числу обращений к модели или по количеству выполненных задач (например подготовленных отчетов, проверенных договоров или готовых изменений в коде). От выбора зависит экономика стартапа: если цена привязана к токенам, клиент фактически оплачивает расходы на работу LLM. Но важны-то для клиента в первую очередь не токены или вычисления, а то, какая задача была решена.
Нашел интересную статью a16z с разбором трех подходов к монетизации AI-продуктов: оплаты за токены, кредитов за выполненные задачи и оплаты за результат.
В статье рассказывают, в каких случаях какой вариант подходит, а еще как сделать расходы понятными для клиента и при этом сохранить маржинальность.
Для инвесторов: помогает понять, создает ли стартап собственную ценность и насколько устойчивой останется его экономика при изменении стоимости моделей.
Перевели с командой и адаптировали текст для вас. Приятного прочтения!
Ваш продукт — не модель. Не оценивайте его в токенах.
Изначально токены хорошо подходили для расчета стоимости использования LLM: когда OpenAI запустила API в 2020 году, было логично брать плату за объем вычислений, необходимый модели для генерации ответа.
Но два года спустя запуск ChatGPT вызвал волну новых продуктов, построенных на базе этих моделей: и эти продукты уже не просто используют LLM, а выполняют за клиента целый комплекс задач. Они объединяют собственные данные, разные инструменты и интеграции в единый рабочий процесс.
Когда такой продукт берет плату в токенах, его цена отражает расходы на модель, а не ценность, которую получает клиент. При этом ценность самого продукта оказывается привязана к единице, стоимость которой постоянно снижается. По мнению авторов, AI-приложениям не стоит брать плату по тому же принципу, что и разработчикам моделей.
Авторы предлагают привязывать цену к наиболее понятному для клиента результату, который можно надежно измерить и связать с работой продукта.
Если вы продаете доступ к модели, берите плату за токены.
Если продукт выполняет конкретные задачи, оценивайте понятный клиенту объем работы — например, в кредитах, то есть во внутренних единицах, которые списываются за выполнение разных задач.
Если продукт приносит конкретный и измеримый бизнес-результат, берите плату за этот результат.
Неправильно выбранную модель ценообразования потом сложно изменить. Если брать плату за токены, клиент начинает сравнивать AI-продукт со стоимостью самой модели. При этом цена не отражает ценность данных, инструментов и автоматизации, которые в него встроены. Клиенту сложно заранее оценить расходы, а компания рискует работать с низкой маржой.
Переход на кредиты сам по себе проблему не решает. Если количество кредитов рассчитывается только исходя из стоимости потраченных токенов, компания по-прежнему берет плату за свои расходы, а не за пользу, которую получает клиент.
Если же цена привязана к конкретной выполненной работе, клиент понимает, за что платит, и может заранее оценить расходы. При этом улучшение продукта выгодно обеим сторонам: клиент получает больше пользы, а компания может выполнять ту же работу эффективнее.
В опросе авторов участвовали 50 технических специалистов, отвечающих за закупку AI-продуктов: 27 предпочли кредиты, привязанные к конкретным задачам, и только 14 выбрали оплату в токенах.
1. Привязывайте цену к тому, что продаете
В некоторых случаях выбрать модель оплаты довольно просто: разработчики LLM продают доступ к ним и берут плату за токены. А продукты, которые дают конкретный и измеримый результат, могут брать плату непосредственно за него.
Сложнее определить цену для большинства AI-приложений: они не просто дают доступ к модели, но и не всегда обеспечивают результат, за который можно брать отдельную плату.
Например, AI-агент для отдела продаж продает не поисковые запросы и обращения к модели, а готовую информацию о потенциальном клиенте: чем занимается компания, кто принимает решения и с каким предложением к ней можно прийти. AI-инструмент для программистов продает не потраченные токены, а готовое изменение в коде. Платформа для работы с данными может брать плату за выполненный запрос, настроенную обработку данных или завершенную задачу. Клиенту не обязательно знать, сколько моделей и отдельных действий потребовалось для результата.
Для разных AI-продуктов ценность измеряется по-разному, поэтому единой модели оплаты не существует. Голосовой AI-сервис может сначала брать плату за минуты разговора, а затем перейти к оплате за обращения, которые AI решил без участия сотрудника. AI-помощник может брать фиксированную плату за каждого пользователя, а затем добавить оплату за использование, если разные задачи сильно отличаются по стоимости выполнения и пользе для клиента.
Основной вопрос звучит так: «Какую единицу ценности клиент уже понимает и можем ли мы стабильно ее измерять?»
2. Клиентам важно понимать, за что они платят
Клиенты все равно будут спрашивать о токенах, но обычно им важно другое: сравнить стоимость разных решений и контролировать расходы.
Во-первых, покупателям нужен общий ориентир. На первый взгляд, единая система расчета позволяет сопоставить специализированный AI-продукт с универсальным API или собственной разработкой, но такое сравнение некорректно. Каждый продукт использует разные модели, данные, инструменты и степень автоматизации. Поэтому одинаковый объем вычислений в разных продуктах может давать совершенно разные результаты.
Во-вторых, компании хотят понимать, на что уходят деньги. Финансовым и IT-командам нужно распределять расходы между отделами, проектами и клиентами. Если им приходится отдельно прогнозировать потребление каждого AI-продукта, технологии не упрощают работу, а создают новый уровень сложности.
Руководитель службы поддержки примерно знает, сколько обращений получает компания. Но он не может заранее рассчитать, сколько информации потребуется обработать AI, сколько раз ему придется повторить запрос и какой длины будет ответ. В результате, вместо единого расчета окупаемости приходится прогнозировать расходы на каждый AI-продукт отдельно.
При этом клиенту так или иначе нужна прозрачность. Показывайте, какие задачи выполнил продукт, на что ушли ресурсы и почему сложные задачи стоили дороже простых. Но не обязательно использовать внутренние технические затраты как основу для выставления счета. Финансовые и IT-команды должны получать понятные отчеты, чтобы планировать бюджет и распределять расходы.
Чтобы ценообразование было прозрачным, необязательно считать оплату в тех же единицах, в которых компания рассчитывает свои расходы.
В некоторых случаях стоимость токенов все же можно отдельно включать в счет. Например, если запросы к модели обходятся особенно дорого или их стоимость сложно предсказать. Но это должно быть дополнительной частью тарифа, а не основной единицей оплаты за продукт.
3. Кредиты должны показывать, за какую работу платит клиент
Для большинства AI-продуктов кредиты могут быть удобным способом учитывать задачи разной сложности и стоимости. Но сами по себе кредиты не делают тарификацию прозрачнее: важно, что именно получает за них клиент.
Плохая система просто пересчитывает токены в собственную, еще менее понятную валюту. Название меняется, но клиент по-прежнему платит за технические расходы продукта.
Хорошая система привязывает кредиты к понятным задачам и их сложности. Например, исправление небольшого бага требует меньше кредитов, чем разработка новой функции. Краткий разбор одного пункта договора — меньше, чем проверка всего документа. Добавление базовой информации о потенциальном клиенте — меньше, чем его полноценное исследование.
Хорошая система кредитов решает три задачи:
Скрывает техническую сложность. Клиент платит за выполненную работу, а не за модели, запросы и вычисления внутри продукта.
Понятно отражает сложность задач. Простая задача требует мало кредитов, стандартная — заранее известное количество, сложная — больше.
Дает гибкость. Один пакет кредитов можно использовать для разных задач и AI-инструментов в рамках одного договора.
Главное, чтобы клиент сразу понимал, как работает система. Обычно компании могут оценить, сколько задач им нужно выполнить, но не знают, сколько вычислительных ресурсов для этого потребуется. Если принцип списания кредитов нельзя объяснить в нескольких предложениях, система слишком сложная.
4. Кредиты помогают сохранять маржинальность
Хорошо продуманная система кредитов не только упрощает оплату для клиента, но и помогает компании сохранять маржинальность.
В обычном SaaS каждый новый пользователь почти не увеличивает расходы компании. В AI-продуктах все иначе: работа каждого пользователя требует новых обращений к моделям, поиска и обработки данных, использования сторонних сервисов, а иногда генерации изображений и видео. Кроме того, деньги расходуются на повторные запросы и задачи, которые AI так и не смог выполнить.
Поэтому быстрый рост выручки еще не означает, что бизнес прибыльный. Значительная часть каждого заработанного доллара может сразу уходить поставщикам моделей, облачных сервисов и данных.
При формировании цены важно разделять два вопроса:
Сколько клиент готов заплатить за результат? От этого, а также от цен конкурентов зависит стоимость пакета кредитов.
Во сколько вашей компании обходится выполнение задачи? От себестоимости и сложности зависит, сколько кредитов будет списано.
Это разделение помогает сохранять маржинальность: если вы находите более дешевую модель, повторно используете уже полученные данные, улучшаете запросы к AI или оптимизируете инфраструктуру, ваши расходы снижаются, но цена для клиента не обязана снижаться вместе с ними.
Компания может сохранить часть полученной экономии, потому что клиент платит за выполненную работу, а не возмещает стоимость вычислений.
Показательный пример — Clay, сервис для автоматизации продаж и поиска клиентов. В 2026 году компания признала, что еще в 2022-м неправильно рассчитала стоимость кредитов в тарифе Pro. В результате несколько лет этот тариф приносил убытки.
В новой системе Clay разделила расходы на две части. Data Credits оплачивают данные из сторонних источников, а Actions — работу самой платформы: поиск информации, ее обработку и выполнение последовательности действий. Для моделей с предсказуемой себестоимостью действует фиксированная цена. А стоимость дорогих AI-моделей, расходы на которые могут сильно меняться, клиент оплачивает отдельно, по фактическому количеству токенов — и без наценки.
Иными словами, клиент отдельно платит за ценность платформы, сторонние данные и непредсказуемые расходы на LLM.
5. Переходите к оплате за результат, когда его ценность становится очевидной и легко измеримой
Кредиты подходят, когда продукт выполняет конкретную работу, но ее влияние на бизнес пока сложно точно оценить: например, AI может изучить потенциального клиента и подготовить первое сообщение, но сложно гарантировать, что это приведет к продаже.
Если же результат можно точно измерить и связать с работой продукта, логичнее брать плату непосредственно за него. Например, за решенное обращение в поддержку, найденного потенциального клиента, назначенную встречу, обработанную страховую заявку или возвращенные компании деньги.
Если влияние продукта на конечный результат нельзя точно измерить, лучше списывать кредиты за выполненные задачи. Если клиент покупает только доступ к модели, можно брать плату за токены.
При этом один продукт может сочетать несколько способов оплаты: фиксированную подписку за каждого пользователя, кредиты за выполненные задачи, отдельную оплату дорогих и непредсказуемых обращений к моделям и комиссию за конкретный бизнес-результат.
Несколько разных способов оплаты сами по себе не проблема: главное, чтобы клиент понимал, за что именно платит в каждом случае.
Покажите клиенту, за что он платит
Если брать плату за токены, цена продукта оказывается привязана к стоимости вычислений, которая постоянно снижается. При этом сам продукт со временем должен становиться полезнее, надежнее и глубже встраиваться в работу клиента.
Поэтому цену лучше привязывать к наиболее понятному результату, который можно измерить и связать с работой продукта.
Если задачи различаются по сложности, их можно оценивать в кредитах. А когда продукт приносит конкретный и измеримый бизнес-результат, лучше брать плату непосредственно за него. Спасибо, что дочитали до конца!