商业化与 ROI
定价方式、单任务成本、成功率门槛与替代人工的价值测算。
一句话理解：Agent 的商业账不是“模型调用便宜所以划算”，而是“单任务总成本（模型 + 工具 + 人工审阅 + 失败返工 + 出错损失）是否显著低于人工完成成本”；成功率和出错代价，往往比 Token 价格更决定 ROI。
很多 Agent 项目在立项时只算了一笔账：一次运行花几毛钱的 Token，人工处理一单要几十块钱，所以“节省 99%”。上线后才发现，Agent 有三成任务要人重做，剩下七成也要人花时间审阅，偶尔还会因为误操作造成真金白银的损失。
本课讲清三件事：Agent 产品有哪些定价方式；如何计算单任务的真实成本；成功率达到多少才值得上线。本课所有数字，除特别注明来自官方页面的，均为示例假设，用于演示计算方法。
定价方式：你在卖什么
Agent 替人完成工作，因此定价逐渐从“卖软件使用权”转向“卖工作量或结果”。常见五种方式：
| 定价方式 | 计费单位 | 对买方的好处 | 对卖方的风险 | 适合场景 |
|---|---|---|---|---|
| 按席位 | 每用户每月 | 预算可预测 | 用得越多越亏；难以体现替代人工的价值 | Copilot 类、人主导的工具 |
| 按用量 | Token、消息、积分、运行时长 | 用多少付多少 | 收入与价值脱钩；客户难以预估账单 | 平台型产品、开发者工具 |
| 按任务 | 每次运行或每个工单 | 与工作量挂钩，容易理解 | 失败任务也收费会引发不满 | 批量、标准化任务 |
| 按结果 | 每个成功解决的问题 | 只为有效结果付费 | 卖方承担失败成本，必须对成功率有把握 | 结果可客观判定的场景，如客服解决 |
| 混合 | 平台费 + 用量/结果 | 兼顾可预测与价值对齐 | 定价复杂，销售解释成本高 | 企业级 Agent |
两个现实中的参考（以官方页面为准，查询于 2026 年 9 月）：
- 按结果：Intercom 的 Fin AI Agent 在官方定价页上按“每个 outcome 0.99 美元”收费，outcome 的判定包括客户确认问题已解决、Fin 回答后客户不再寻求帮助，或 Fin 完成一个 Procedure 流程（含转人工），并说明同一对话只收费一次。
- 按用量：Microsoft Copilot Studio 中，基于 GitHub Copilot harness 的 Agent 与 Workflow 按 Copilot Credits 计费；使用事件触发器时，每次触发发送给 Agent 的 payload 也计入消息用量。
可以看到，结果是否能被客观判定，直接决定了能否采用按结果定价。这与「办公 Agent 与 Coding Agent」中讲的反馈闭环是同一个问题。
单任务真实成本：五个组成部分
单任务总成本 = 运行成本
+ 成功任务 × 人工审阅成本
+ 失败任务 × 人工返工成本
+ 错误执行 × 出错损失
+ 分摊的固定成本（开发、评测、运维）| 成本项 | 包含什么 | 常被忽略的点 |
|---|---|---|
| 运行成本 | 模型 Token、工具/API 调用费、沙箱与浏览器运行时长、重试 | 长任务的上下文越跑越长，后期每步更贵（参见「成本模型」） |
| 审阅成本 | 人看结论、看证据、点审批的时间 | 证据呈现差，审阅时间可能接近自己做一遍 |
| 返工成本 | Agent 失败后人重做，加上阅读 Agent 半成品的时间 | 返工往往比从零开始 更贵 |
| 出错损失 | 错误执行导致的资金损失、客户流失、合规风险 | 频率低但单次损失大，必须按期望值计入 |
| 固定成本 | 开发、评测集维护、规则更新、监控值班 | 规则每变一次，Skill 与评测集都要跟着改 |
用订单售后案例算一笔账
以「订单售后处理 Agent」为例，示例假设如下：
| 参数 | 示例假设值 |
|---|---|
| 人工完成一单 | 40 分钟，人力综合成本 120 元/小时 → 80 元/单 |
| 每日排查量 | 200 单，每月按 22 个工作日计 |
| Agent 运行成本 | 0.5 元/单 |
| 成功任务的审阅 | 5 分钟 → 10 元/单 |
| 失败任务的返工 | 45 分钟（重做 + 读半成品）→ 90 元/单 |
| 错误执行率与单次损失 | 0.5% × 2,000 元 → 期望损失 10 元/单 |
| 固定成本 | 每月 10 万元 |
把这些参数放回五个成本组成部分：
设成功率为 p，则 Agent 模式下的单任务变动成本为：
C(p) = 0.5 + 10 × p + 90 × (1 − p) + 10
= 100.5 − 80 × p| 成功率 p | 单任务变动成本 | 相比人工 80 元节省 | 每月节省（4,400 单） | 扣除固定成本后 |
|---|---|---|---|---|
| 30% | 76.5 元 | 3.5 元 | 1.54 万元 | −8.46 万元 |
| 50% | 60.5 元 | 19.5 元 | 8.58 万元 | −1.42 万元 |
| 70% | 44.5 元 | 35.5 元 | 15.62 万元 | +5.62 万元 |
| 90% | 28.5 元 | 51.5 元 | 22.66 万元 | +12.66 万元 |
把 C(p) 画成一条直线，再画出人工成本线和“覆盖固定成本”线，门槛就在交点处：
从这张表可以读出三个结论：
- Token 成本几乎可以忽略。0.5 元的运行成本在 80 元的人工成本面前微不足道，真正决定盈亏的是成功率。
- 存在一个成功率门槛。在这组假设下，成功率要超过约 54% 才能覆盖固定成本（令
4,400 × (80 − C(p)) = 100,000，解得 p ≈ 0.54）。低于门槛的 Agent，做得越多亏得越多。 - 降低出错损失与返工成本同样有效。如果把资金相关动作全部改为审批（出错损失从 10 元降到 1 元），或者把证据呈现做好让审阅从 5 分钟降到 2 分钟，门槛都会明显下降。
提升 ROI 的四个杠杆
| 杠杆 | 做法 | 对公式的影响 |
|---|---|---|
| 提高成功率 | 补 Skill、改工具返回、扩充评测集、错误归因后针对性修复 | p 上升 |
| 降低审阅成本 | 结论附证据链接、只展示需要判断的部分、批量审批 | 审阅成本下降 |
| 降低返工成本 | 失败时交付“已确认的部分结论 + 缺什么”，而不是一段错误回答 | 返工成本下降 |
| 降低出错损失 | 风险分级、审批、dry-run、可回滚、单日执行上限 | 期望损失下降 |
还有一个常被忽略的杠杆：选对任务切片。与其让 Agent 处理全部异常，不如先只处理它成功率最高的两类（如退货未签收与支付未到账），其余直接转人工。整体成功率未必更高，但 Agent 处理部分的 ROI 会高很多。
价值不只是省人力
替代人工只是最容易量化的一项。向业务方汇报时，还可以补充：
- 时效价值：用户退款到账从平均 T+7 缩短到 T+4，减少投诉与用户流失。
- 覆盖价值：原来人手不够只处理被投诉的订单，现在可以每天主动扫描全部超时退款单。
- 一致性价值：同类问题按同一标准判定，减少不同专员口径不一。
- 数据价值：每次诊断都结构化记录原因，可以反推上游流程问题（例如某店铺退货质检问题集中）。
这些价值更难量化，建议用“上线前后对比 + 抽样”的方式给出区间，而不是给一个精确数字。
常见误区
- “Token 越来越便宜，所以 Agent 一定划算。” 在大多数业务场景中，人工审阅与返工成本远大于 Token 成本。
- “按结果定价对买方永远更好。” 卖方为了控制失败成本，可能把“结果”的定义设得很宽，或只接容易的任务。买方要仔细看结果的判定口径。
- “ROI 用演示成功率来算。” 演示成功率通常远高于真实成功率。必须用真实案例评测集的成功率，并在上线后用线上数据修正。
产品经理检查清单
- 定价方式与“结果能否被客观判定”是否匹配？
- 单任务成本是否包含审阅、返工、出错损失与固定成本分摊？
- 成功率数据来自真实案例评测集，还是演示？
- 是否算出了成功率门槛，并把它写进上线标准？
- 高风险动作是否通过审批与上限控制了出错损失？
- 除了省人力，时效、覆盖、一致性价值是否有测量方案？
练习
用一个表格工具，花 45 分钟为你的场景搭一个 ROI 模型：
- 按本文的参数表填入你自己场景的估计值，并注明每个值的来源（访谈、历史数据或假设）。
- 写出单任务成本公式，计算成功率为 30%、50%、70%、90% 时的月度结果。
- 算出成功率门槛，并分别测试“审阅时间减半”和“出错损失降为十分之一”对门槛的影响。
下一步
到这里，产品设计的每个环节都已经讲完。最后一课「Agent 产品思维框架」会把它们整合成一张从 Job 到商业价值的完整拆解清单。